TrialsgrambetaRCTs are beautiful
Traduzione non revisionataLa traduzione in Italiano di questa voce non è stata revisionata e può differire dalla fonte. Acronimo, titolo completo e citazione restano sempre nella lingua originale.Apri la pubblicazione originale ↗

EAGLE (AI-ECG)

Artificial Intelligence-Enabled Electrocardiograms for Identification of Patients with Low Ejection Fraction: a Pragmatic, Randomized Clinical Trial

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 22.641 adulti senza scompenso cardiaco noto con ECG di routine, l'accesso del medico a una previsione di frazione di eiezione ridotta da ECG-IA ha aumentato le nuove diagnosi di frazione di eiezione ridotta entro 90 giorni rispetto alle cure abituali senza il risultato dell'AI.

N
22.641pazienti
Disegno
RCT a cluster pragmatico, USA (120 team di cure primarie)
Esito
Nuova diagnosi di FE ridotta (≤50 %) entro 90 giorni dall'ECG
Rilevanza
1Definisce la pratica — lo studio su cui poggia la linea guida.
RisultatoDiagnosi di FE ridotta 2,1 % vs. 1,6 % (OR 1,32, 1,01–1,61; p=0,007); tra i pazienti AI-ECG-positivi (6 % della coorte) 19,5 % vs. 14,5 % (OR 1,43, 1,08–1,91; p=0,01); uso dell'ecocardiogramma simile nel complesso (19,2 % vs. 18,2 %, p=0,17).
Yao X, et al. Nat Med. 2021;27(5):815-819. 10.1038/s41591-021-01335-4
Discussione e critica

Prima evidenza randomizzata che uno strumento di supporto decisionale AI-ECG modifica la diagnosi nelle cure primarie di routine, e il modello per i successivi studi di case-finding con AI-ECG. Il guadagno assoluto era piccolo, l'endpoint è una diagnosi a 90 giorni e non un esito clinico, e lo studio era per sua natura in aperto. I guadagni si sono avuti solo quando i clinici hanno agito sull'allerta — l'adozione da parte dei clinici era il passaggio limitante (vedi la voce Rushlow), e TRICORDER ha poi mostrato lo stesso meccanismo con uno stetoscopio AI.