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 ↗

TARGET (CT-FFR)

On-Site Computed Tomography-Derived Fractional Flow Reserve to Guide Management of Patients with Stable Coronary Artery Disease: the TARGET Randomized Trial

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 1.216 pazienti con coronaropatia stabile e stenosi intermedia alla angio-TC, un percorso assistenziale FFR-TC con machine learning in loco ha ridotto la le coronarografie senza malattia ostruttiva né intervento entro 90 giorni rispetto alle cure standard.

N
1216pazienti
Disegno
RCT multicentrico, Cina (6 centri)
Esito
Proporzione di pazienti sottoposti a coronarografia invasiva senza coronaropatia ostruttiva, o con malattia ostruttiva non sottoposta a intervento, entro 90 giorni
Rilevanza
2Importante — uno dei diversi pilastri.
RisultatoEndpoint primario 28,3 % (119/421) vs. 46,2 % (223/483) (p<0,001); coronarografia invasiva nel 69,2 % vs. 79,4 %; rivascolarizzazione 49,7 % (302/608) vs. 42,8 % (260/608) (p=0,02); MACE a 1 anno HR 0,88 (IC al 95 % 0,59–1,30); qualità di vita e sintomi migliorati in modo simile.
Yang J, et al. Circulation. 2023;147(18):1369-1381. 10.1161/CIRCULATIONAHA.123.063996
Discussione e critica

Il primo RCT sulla CT-FFR con machine learning in sede come percorso di cura: ha raggiunto l'endpoint primario riducendo le coronarografie invasive non utili all'azione, ma la rivascolarizzazione è aumentata nel complesso senza alcun miglioramento di sintomi, qualità di vita o MACE a 1 anno — entrambi i risultati vanno detti insieme. In aperto, un endpoint di processo e una tendenza sui costi (−4.233 yuan, p=0,07) che non ha raggiunto la significatività; se la rivascolarizzazione aggiuntiva abbia giovato o nuociuto resta senza risposta a un anno.