A New Integrated Clinical-Biohumoral Model to Predict Functionally Significant Coronary Artery Disease in Patients With Chronic Chest Pain

BackgroundIn patients with chronic angina-like chest pain, the probability of coronary artery disease (CAD) is estimated by symptoms, age, and sex according to the Genders clinical model. We investigated the incremental value of circulating biomarkers over the Genders model to predict functionally significant CAD in patients with chronic chest pain.MethodsIn 527 patients (60.4 years, standard deviation, 8.9 years; 61.3% male participants) enrolled in the European Evaluation of Integrated Cardiac Imaging (EVINCI) study, clinical and biohumoral data were collected.ResultsFunctionally significant CAD—ie, obstructive coronary disease seen at invasive angiography causing myocardial ischemia at stress imaging or associated with reduced fractional flow reserve (FFR < 0.8), or both—was present in 15.2% of patients. High-density lipoprotein (HDL) cholesterol, aspartate aminotransferase (AST) levels, and high-sensitivity C-reactive protein (hs-CRP) were the only independent predictors of disease among 31 biomarkers analyzed. The model integrating these biohumoral markers with clinical variables outperformed the Genders model by receiver operating characteristic curve (ROC) (area under the curve [AUC], 0.70 [standard error (SE), 0.03] vs 0.58 [SE, 0.03], respectively, P < 0.001) and reclassification analysis (net reclassification improvement, 0.15 [SE, 0.07]; P = 0.04). Cross-validation of the ROC analysis confirmed the discrimination ability of the new model (AUC, 0.66). As many as 56% of patients who were assigned to a higher pretest probability by the Genders model were correctly reassigned to a low probability class (< 15%) by the new integrated model.ConclusionsThe Genders model has a low accuracy for predicting functionally significant CAD. A new model integrating HDL cholesterol, AST, and hs-CRP levels with common clinical variables has a higher predictive accuracy for functionally significant CAD and allows the reclassification of patients from an intermediate/high to a low pretest likelihood of CAD.

RésuméIntroductionChez les patients souffrant de douleurs thoraciques pseudo-angineuses, la probabilité de maladie coronarienne (MC) est estimée par les symptômes, l’âge et le sexe selon le modèle clinique Genders. Nous avons examiné la valeur incrémentale des biomarqueurs circulants par rapport au modèle Genders pour prédire la MC fonctionnellement significative des patients souffrant de douleurs thoraciques chroniques.MéthodesNous avons recueilli les données cliniques et biohumorales chez 527 patients (60,4 ans, écarts types, 8,9 ans; 61,3 % de participants de sexe masculin) inscrits à l’étude européenne EVINCI (Evaluatin of Integranted Cardiac Imaging).RésultatsLa MC fonctionnellement significative, c’est-à-dire la MC obstructive observée à l’angiographie invasive causant l’ischémie myocardique à l’imagerie de stress ou associée à la réduction de la réserve de débit fractionnaire (RDF < 0,8), ou les deux, était présente chez 15,2 % des patients. Les concentrations de cholestérol à lipoprotéines de haute densité (HDL), d’aspartate-aminotransférase (AST) et de protéine C réactive haute sensibilité (CRP-hs) étaient les seuls prédicteurs indépendants de la maladie parmi les 31 biomarqueurs analysés. Le modèle intégrant ces marqueurs biohumorals aux variables cliniques surpassait le modèle Genders par la courbe caractéristique d’efficacité du récepteur (ROC; surface sous la courbe [SSC], 0,70 [erreur type (ET) 0,03] vs 0,58 [ET, 0,03], respectivement, P < 0,001) et l’analyse de reclassification (amélioration nette de la reclassification, 0,15 [ET, 0,07]; P = 0,04). La validation croisée de l’analyse ROC confirmait la capacité de discrimination du nouveau modèle (SSC, 0,66). Jusqu’à 56 % des patients qui étaient répartis selon une probabilité avant test plus élevée par le modèle Genders étaient correctement répartis dans une classe de faible probabilité (< 15 %) par le nouveau modèle intégré.ConclusionsLe modèle Genders a une faible précision pour prédire la MC fonctionnellement significative. Un nouveau modèle intégrant les concentrations de cholestérol à HDL, d’AST et de CRP-hs aux variables cliniques communes a une précision plus élevée pour la MC fonctionnellement significative et permet la reclassification des patients d’une probabilité intermédiaire/élevée avant test à une probabilité faible de MC.