Incorporating a Genetic Risk Score into Coronary Heart Disease Risk Estimates: Effect on LDL Cholesterol Levels (the MIGENES Clinical Trial)

Kullo IJ, Jouni H, Austin EE, et al.
Circulation 2016;133:1181-1188
 

Achtergrond

Het belang van het gebruik van genetische tests voor ziekterisicoberekening groeit parallel met de beschikbaarheid van deze genetische tests [1]. Er zijn gegevens waarin meerdere loci worden geassocieerd met coronaire hartziekte (CHD), ongeacht traditionele risicofactoren [2,3], waarmee de nauwkeurigheid van CHD risicobeoordeling mogelijk kan worden verbeterd. Bovendien is een genetische risicoscore (GRS) op basis van meerdere single nucleotide polymorphisms (SNPs) voor CHD gevoeligheid onderzocht; deze werd in verband gebracht met hogere incidenties van CHD events [4-8]. Het is echter niet bekend of kennis van genetisch risico op CHD gezondheidsgerelateerde uitkomsten beïnvloedt.
In deze studie werd onderzocht of het toepassen van een GRS voor CHD leidt tot verlaging van LDL-C niveaus. Dit werd gedaan door het opnemen van de GRS in CHD risico-inschattingen in combinatie met een conventionele risicoscore (CRS), bij 203 deelnemers met een gemiddeld CHD risico die niet werden behandeld met statines aan het begin van de studie. Deze genetische risicoscore (+GRS) werd vergeleken met de CRS alleen, en na 6 maanden werd onderzocht of de deelnemers met een hogere GRS (+H-GRS) lagere LDL-C niveaus hadden in vergelijking met degenen met een gemiddelde of lage GRS ( +L-GRS).
 

Belangrijkste resultaten

LDL-C: Aan het einde van de onderzoeksperiode had
• de +GRS groep lagere LDL-C niveaus ten opzichte van de CRS-groep - het verschil was 9,4 mg/dL (96.5 ± 32.7 vs. 105.9 ± 33.3 mg/dL; P=0.04)
• de +H-GRS groep had lagere LDL-C niveaus in vergelijking met CRS deelnemers (verschil: 13.6 mg/dL; 92.3 ± 32.9 mg/dL; P=0.02)
• de +H-GRS-groep had ook lagere LDL-C niveaus in vergelijking met +L-GRS deelnemers (verschil: 8.6 mg/dL; 100.9 ± 32.2 mg/dL; P=0.18)
 
Wanneer de waarden na 6 maanden na het bepalen van het CHD risico werden vergeleken met de uitgangswaarden, was de gemiddelde verandering in LDL-C -13.6 ± 31.3 mg/dl in de CRS groep versus -23.3 ± 33.6 mg/dl in de +GRS-groep (P=0.03)
 
Statines:
• statines werden vaker gestart in de +GRS dan in de CRS-groep (39% vs. 22%, P<0.01)
• een hoger percentage +H-GRS deelnemers (49.1%) gebruikten statines dan CRS (21.9%, P <0.01) en +L-GRS (28.6%, P=0.03) deelnemers
• na correctie voor statine-initiatie, was de groep randomisatie niet significant geassocieerd met LDL-C niveaus aan het einde van de studie (P=0.74)
 
Er werden geen significante verschillen waargenomen in de vetinname en niveaus van lichamelijke activiteit niveaus.
 

Conclusie

Genetische risico-informatie voor CHD kan in de risicobeoordeling worden opgenomen. Personen die een GRS voor CHD kregen naast een conventionele risico-inschatting voor CHD, hadden lagere LDL-C niveaus 6 maanden later in vergelijking met de deelnemers die alleen een conventionele risicoscore kregen.
Gedeelde besluitvorming na het bepalen van het risico op CHD leidde tot een groter aandeel van GRS patiënten bij wie statinetherapie werd gestart.
De verlaging van LDL-C was het grootst bij personen met een hoge GRS voor CHD in vergelijking met de deelnemers die geen GRS kregen. De openbaarmaking van een GRS leidde niet tot significante veranderingen in de vetinname, lichamelijke activiteit, of angst.
 

Redactioneel commentaar [9]

In hun redactionele commentaar stellen Natarajan en O'Donnell dat de studie van Kullo et al nuttig is om te begrijpen hoe een genetische risicoscore voor CHD kan bijdragen aan lipidenverlaging. 'Kullo et al moeten worden geprezen voor een ambitieus ontwerp en nauwgezette opleiding voor het gebruik van genetische informatie door implementatie van een GRS gebaseerd algoritme in de ‘real-world’ context van een stelsel van gezondheidszorg met een elektronisch patiëntendossier (EPD). De conceptualisering van genetisch risico door zowel de aanbieders als patiënten kan zeer gevarieerd zijn en Kullo et al geven initiële inzichten over het toepassen van gebruikelijke, complexe genetica in de kliniek. Kullo e.a. hebben een belangrijke eerste aanzet gegeven door aan te geven dat studies waarin genoom-gebaseerde besluitvorming voor de preventie en behandeling van CHD en andere vormen van CVD succesvol kunnen worden uitgevoerd. Een zorgvuldige evaluatie van deze belangrijke studie rechtvaardigt een zorgvuldige interpretatie van de resultaten ervan en de gevolgen voor toekomstige ‘precision medicine’ studies. '
 
Vind deze publicatie online
 

Referenties

1. Manolio TA. Bringing genome-wide association findings into clinical use. Nat Rev Genet. 2013;14:549-558
2. The Coronary Artery Disease (C4D) Genetics Consortium. A genome-wide association study in Europeans and South Asians identifies five new loci for coronary artery disease. Nat Genet. 2011;43:339-344
3. Deloukas P, Kanoni S, Willenborg C, et al. Large-scale association analysis identifies new risk loci for coronary artery disease. Nat Genet. 2013;45:25-33
4. Ganna A, Magnusson PK, Pedersen NL, et al. Multilocus genetic risk scores for coronary heart disease prediction. Arterioscler Thromb Vasc Biol. 2013;33:2267-2272
5. Tikkanen E, Havulinna AS, Palotie A, et al. Genetic risk prediction and a 2-stage risk screening strategy for coronary heart disease. Arterioscler Thromb Vasc Biol.2013;33:2261-2266
6. Mega JL, Stitziel NO, Smith JG, et al. Genetic risk, coronary heart disease events, and the clinical benefit of statin therapy: an analysis of primary and secondary prevention trials. Lancet. 2015;385:2264-2271
7. Morrison AC, Bare LA, Chambless LE, et al. Prediction of coronary heart disease risk using a genetic risk score: The Atherosclerosis Risk in Communities Study. Am J Epidemiol. 2007;166:28-35
8. Ripatti S, Tikkanen E, Orho-Melander M, et al. A multilocus genetic risk score for coronary heart disease: case-control and prospective cohort analyses. Lancet. 2010;376:1393-1400
9. Natarajan P, O’Donnell CJ. Reducing Cardiovascular Risk Using Genomic Information in the Era of Precision Medicine. Circulation 2016;133:1155-1159