Gupta-Score zum perioperativen Risiko für Myokardinfarkt oder Herzstillstand (MICA)

Klinischer Hintergrund

Perioperativer Myokardinfarkt und Herzstillstand sind seltene, aber schwerwiegende Komplikationen der nichtkardialen Chirurgie mit hoher Letalität, wenn sie eintreten. Die Entscheidung, wie weitreichend präoperativ kardiologisch abgeklärt wird und wie das Risiko kommuniziert wird, erfordert eine quantifizierte Risikoschätzung. Das vor dem Modell von Gupta vorherrschende Instrument war der Revised Cardiac Risk Index (RCRI), der auf sechs klinischen Variablen beruht und eine grobe Risikoklasse liefert. Der RCRI wurde jedoch wegen seiner vergleichsweise geringen Trennschärfe kritisiert und dafür, dass er das Risikoprofil der Eingriffsart nicht im Detail berücksichtigt. Guptas perioperatives Risiko für Myokardinfarkt oder Herzstillstand (MICA) wurde eigens entwickelt, um diese Schwächen zu beheben, insbesondere um die chirurgische Unterkategorie als starken Risikotreiber zu integrieren und damit einen differenzierteren, individuell angepassten Risikoprozentsatz zu liefern [1].

Berechnung des perioperativen Risikos nach Gupta

Das Modell ist eine logistische Regression mit fünf Prädiktoren: Alter, Funktionsstatus, ASA-Klasse, präoperatives Kreatinin und Eingriffsart. Es berechnet sich als:

$$x = 0{,}02 \times \text{Alter} + \beta_{\text{Funktionsstatus}} + \beta_{\text{ASA-Klasse}} + \beta_{\text{Kreatinin}} + \beta_{\text{Eingriffsart}} - 5{,}25$$

$$\text{Risiko ($$

Dabei entspricht jedes $\beta$ dem Koeffizienten der gewählten Kategorie der jeweiligen Variablen. Das Alter geht linear mit 0,02 je Lebensjahr ein. Der Funktionsstatus ergibt 0 Punkte für unabhängig, 0,65 für teilweise abhängig und 1,03 für vollständig abhängig. Die ASA-Klasse trägt für niedrigere Klassen negative Koeffizienten bei (I: -5,17; II: -3,29; III: -1,92; IV: -0,95; V: 0), sodass gesündere Personen ein niedrigeres Risiko erhalten. Ein präoperatives Kreatinin >1,5 mg/dL addiert 0,61. Die Koeffizienten der Eingriffsart reichen von -1,61 (Mammachirurgie) bis +1,60 (Aortenchirurgie) und sind der einzeln stärkste Risikotreiber des Modells.

Die Ableitungskohorte bestand aus 211 410 Personen des American College of Surgeons National Surgical Quality Improvement Program (NSQIP) von 2007, einer prospektiven Multicenterdatenbank mit über 250 Krankenhäusern. Endpunkt waren perioperativer Myokardinfarkt oder Herzstillstand, die bei 1 371 Personen (0,65 %) auftraten. Anschließend wurde das Modell an NSQIP 2008 mit 257 385 Personen validiert [1].

Interpretation in der Praxis

Anders als Indizes, die Risikoklassen liefern, gibt das Modell von Gupta eine kontinuierliche Wahrscheinlichkeit in Prozent aus. Es gibt im Rechner selbst keine etablierten, allgemein akzeptierten Schwellenwerte dafür, wann ein Risiko "hoch" oder "niedrig" ist, und auch die ESC-Leitlinien von 2022 definieren keine festen Grenzen dafür, wann das Modell bestimmte Maßnahmen auslösen soll [3]. Die Risikozahl ist daher im klinischen Zusammenhang zu deuten:

Wichtig ist, dass die Risikozahl als Grundlage einer gemeinsamen Entscheidungsfindung dient und nicht als eigenständiges Entscheidungswerkzeug. Wer eine niedrige Risikozahl, aber einen kürzlich erlittenen Myokardinfarkt oder eine instabile Angina hat, ist nach dem klinischen Bild zu behandeln und nicht nach dem Rechner.

Validierung und Testgüte

In der Ableitungsstudie zeigte das Modell eine c-Statistik von 0,884 in der Entwicklungskohorte und von 0,874 in der temporalen Validierungskohorte (NSQIP 2008). Zum Vergleich: Der auf dieselben 2008er-Daten angewandte RCRI erreichte eine c-Statistik von 0,747 [1].

Die externe Validierung zeigte eine deutlich schlechtere Leistung. Fronczek et al. validierten NSQIP MICA und RCRI an 870 Personen ≥45 Jahren mit nichtkardialer Gefäßchirurgie an einem Tertiärzentrum, mit systematischer postoperativer Messung des hochsensitiven Troponin T und Diagnosestellung nach der Third Universal Definition of Myocardial Infarction. Der kombinierte Endpunkt trat bei 8,7 % ein. NSQIP MICA hatte eine c-Statistik von 0,64 (95 % KI 0,57–0,70) gegenüber 0,60 für den RCRI. Die Kalibrierung war schlecht: Das Modell unterschätzte das Risiko systematisch (P<0,001) [2].

Alrezk et al. prüften Gupta MICA an NSQIP-Daten von 2012, beschränkt auf geriatrische Personen (≥65 Jahre, n=172 905). Die AUC sank auf 0,70, eine Verschlechterung um etwa 17 % gegenüber der ursprünglichen Leistung in NSQIP 2007. Die Kalibrierung war mangelhaft: Das Modell unterschätzte das Risiko in den Niedrigrisikokategorien und überschätzte es in den Hochrisikokategorien, mit einer medianen Abweichung von -0,73 Prozentpunkten bei geriatrischen Personen [4].

Zusammenfassend schneidet das Modell in der Population, aus der es abgeleitet wurde, gut ab, doch die Diskrimination fällt bei externer Validierung deutlich ab, besonders in geriatrischen Kohorten und in der Gefäßchirurgie. Die Kalibrierung ist ein wiederkehrendes Problem, mit systematischer Unterschätzung des beobachteten Risikos.

Limitationen

Das Modell wurde aus NSQIP-Daten von 2007 abgeleitet und bildet die chirurgische Technik und Patientenpopulation jener Zeit ab. Die chirurgischen Ergebnisse haben sich seither verbessert, sodass die Koeffizienten veraltet sein können. Alrezk et al. weisen darauf hin, dass Modelle in regelmäßigen Abständen aktualisiert werden sollten, um die veränderte Praxis abzubilden [4].

Die geriatrische Population ist ein besonderes Problem. Die Linearitätsannahme für das Alter führt dazu, dass das Modell den nichtlinearen Risikoanstieg bei älteren Menschen nicht erfasst, was zur verschlechterten Leistung und zur systematischen Risikounterschätzung in dieser Gruppe beiträgt [4].

Fronczek et al. zeigten, dass die c-Statistik gegenüber der Ableitungsstudie, die auf klinisch erkannten Infarkten beruhte, stark abfällt, wenn perioperative Myokardinfarkte mittels systematischer Troponinmessung nach der geltenden universellen Definition diagnostiziert werden [2]. Das ist eine grundlegende Einschränkung: Das Modell wurde auf eine Endpunktdefinition trainiert, die asymptomatische Troponinanstiege übersieht, welche nach heutiger Praxis einen erheblichen Anteil der perioperativen Myokardschädigungen ausmachen.

Dem Modell fehlen mehrere klinisch relevante Prädiktoren: ischämische Herzkrankheit, Herzinsuffizienz, Diabetes, Schlaganfall und Anämie gehen nicht ein. Der RCRI enthält mehrere davon, was teilweise erklärt, warum er weiterhin parallel verwendet wird. Umgekehrt berücksichtigt Guptas Modell die Eingriffsart im Detail, was der RCRI nicht tut.

Die Kreatininschwelle von 1,5 mg/dL (entsprechend etwa 133 µmol/L) ist dieselbe wie im RCRI und stellt eine grobe binäre Einteilung dar, die weder die eGFR noch geschlechtsbedingte Unterschiede des Kreatinins berücksichtigt.

Quellen

1. Gupta PK, Gupta H, Sundaram A, et al. Development and validation of a risk calculator for prediction of cardiac risk after surgery. Circulation. 2011;124(4):381–7. PMID: 21730309
2. Fronczek J, Polok K, Devereaux PJ, et al. External validation of the Revised Cardiac Risk Index and National Surgical Quality Improvement Program Myocardial Infarction and Cardiac Arrest calculator in noncardiac vascular surgery. Br J Anaesth. 2019;123(4):421–429. PMID: 31256916
3. Halvorsen S, Mehilli J, Cassese S, et al. 2022 ESC Guidelines on cardiovascular assessment and management of patients undergoing non-cardiac surgery. Eur Heart J. 2022;43(39):3826–3924. PMID: 36017553
4. Alrezk R, Jackson N, Al Rezk M, et al. Derivation and validation of a geriatric-sensitive perioperative cardiac risk index. J Am Heart Assoc. 2017;6(11):e006648. PMID: 29146612