TrialsgrambetaRCTs are beautiful
Tradução não revistaA tradução em Português desta entrada não foi revista por pares e pode diferir da fonte. O acrónimo, o título completo e a citação mantêm-se sempre na língua original.Abrir a publicação original ↗

EAGLE (AI-ECG)

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

Doente / População Intervenção / Exposição Comparação Desfecho

Em 22.641 adultos sem insuficiência cardíaca conhecida com ECG de rotina, o acesso do clínico a uma previsão de fração de ejeção reduzida por ECG-IA aumentou os novos diagnósticos de fração de ejeção reduzida em 90 dias em comparação com cuidados habituais sem o resultado da IA.

N
22 641doentes
Desenho
RCT pragmático por conglomerados, EUA (120 equipas de cuidados primários)
Desfecho
Novo diagnóstico de FE reduzida (≤50 %) nos 90 dias após o ECG
Relevância
1Define a prática — o ensaio em que a diretriz assenta.
ResultadoDiagnóstico de FE reduzida 2,1 % vs. 1,6 % (OR 1,32, 1,01–1,61; p=0,007); entre os doentes com ECG-IA positivo (6 % da coorte) 19,5 % vs. 14,5 % (OR 1,43, 1,08–1,91; p=0,01); utilização de ecocardiograma globalmente semelhante (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
Discussão e crítica

Primeira evidência aleatorizada de que uma ferramenta de apoio à decisão por ECG-IA altera o diagnóstico nos cuidados primários de rotina, e o modelo para os ensaios posteriores de identificação de casos por ECG-IA. O ganho absoluto foi pequeno, o endpoint é um diagnóstico aos 90 dias e não um desfecho clínico, e o ensaio foi aberto por natureza. Os seus ganhos só surgiram quando os clínicos agiram sobre o alerta — a adoção pelos clínicos foi o passo limitante (ver a entrada Rushlow), e o TRICORDER mostrou mais tarde o mesmo mecanismo com um estetoscópio de IA.