Resumo Fundamento: Uma vez realizada a coronariografia em pacientes com síndrome coronariana aguda (SCA), a extensão anatômica da doença coronária prevalece no raciocínio prognóstico. Não está estabelecido se dados clínicos devem também ser contabilizados na estimativa de risco, uma vez que se tenha conhecimento da anatomia coronária. Objetivo: Testar a hipótese de que dados clínicos incrementam o valor prognóstico da avaliação anatômica em pacientes com SCA. Métodos: Indivíduos admitidos com critérios objetivos de SCA e que realizaram coronariografia durante o internamento foram incluídos no estudo. Desfecho primário foi definido como óbito cardiovascular hospitalar, sendo comparado o valor prognóstico do Escore SYNTAX (anatomia) com o do escore SYNTAX-GRACE, resultante da incorporação do Escore GRACE ao Escore SYNTAX. O cálculo do Integrated Discrimination Improvement (IDI) foi realizado para avaliar a capacidade do modelo SYNTAX-GRACE para reclassificar corretamente a informação do modelo SYNTAX tradicional. Resultados: Foram estudados 365 pacientes, idade 64±14 anos, 58% masculinos. A mortalidade cardiovascular durante hospitalização foi de 4,4% e o Escore SYNTAX foi preditor desse desfecho com estatística-C de 0,81 (IC 95% = 0,70 - 0,92; p < 0,001). O Escore GRACE mostrou-se preditor de óbito cardiovascular intra-hospitalar, independente do Escore SYNTAX (p < 0,001 por regressão logística). Ao ser incorporado ao modelo preditor, o Escore GRACE incrementou a capacidade discriminatória do SYNTAX de 0,81 para 0,92 (IC 95% = 0,87 - 0,96; p = 0,04). Conclusão: Em pacientes com SCA, dados clínicos complementam o valor prognóstico da anatomia coronária, devendo a estratificação de risco ser baseada no paradigma clínico-anatômico e não apenas em dados angiográficos.

Abstract Background: When performing coronary angiography in patients with acute coronary syndrome (ACS), the anatomical extent of coronary disease usually prevails in the prognostic reasoning. It has not yet been proven if clinical data should be accounted for in risk stratification together with anatomical data. Objective: To test the hypothesis that clinical data increment the prognostic value of anatomical data in patients with ACS. Methods: Patients admitted with objective criteria for ACS and who underwent angiography during hospitalization were included. Primary outcome was defined as in-hospital cardiovascular death, and the prognostic value of the SYNTAX Score (anatomical data) was compared to that of the SYNTAX-GRACE Score, which resulted from the incorporation of the GRACE Score into the SYNTAX score. The Integrated Discrimination Improvement (IDI) was calculated to evaluate the SYNTAX-GRACE Score ability to correctly reclassify information from the traditional SYNTAX model. Results: This study assessed 365 patients (mean age, 64 ± 14 years; 58% male). In-hospital cardiovascular mortality was 4.4%, and the SYNTAX Score was a predictor of that outcome with a C-statistic of 0.81 (95% CI: 0.70 - 0.92; p < 0.001). The GRACE Score was a predictor of in-hospital cardiac death independently of the SYNTAX Score (p < 0.001, logistic regression). After incorporation into the predictive model, the GRACE Score increased the discrimination capacity of the SYNTAX Score from 0.81 to 0.92 (95% CI: 0.87 - 0.96; p = 0.04). Conclusion: In patients with ACS, clinical data complement the prognostic value of coronary anatomy. Risk stratification should be based on the clinical-anatomical paradigm, rather than on angiographic data only.

Resumo Fundamento: Atualmente, não existe um modelo multivariado validado para predizer a probabilidade de doença coronariana obstrutiva em pacientes com dor torácica aguda. Objetivo: Desenvolver e validar um modelo multivariado para predizer doença arterial coronariana (DAC) com base em variáveis avaliadas à admissão na unidade coronariana (UC) devido a dor torácica aguda. Métodos: Foram estudados um total de 470 pacientes, 370 utilizados como amostra de derivação e os subsequentes 100 pacientes como amostra de validação. Como padrão de referência, a angiografia foi necessária para descartar DAC (estenose ≥ 70%), enquanto a angiografia ou um teste não invasivo negativo foi utilizado para confirmar a doença. Foram testadas como preditoras 13 variáveis basais relacionadas à história médica, 14 características de desconforto torácico e oito variáveis relacionadas ao exame físico ou testes laboratoriais. Resultados: A prevalência de DAC foi de 48%. Por regressão logística, seis variáveis permaneceram como preditoras independentes de DAC: idade, gênero masculino, alívio com nitrato, sinais de insuficiência cardíaca, e eletrocardiograma e troponina positivos. A área sob a curva (area under the curve, AUC) deste modelo final foi de 0,80 (intervalo de confiança de 95% [IC95%] = 0,75 - 0,84) na amostra de derivação e 0,86 (IC95% = 0,79 - 0,93) na amostra de validação. O teste de Hosmer-Lemeshow indicou uma boa calibração em ambas as amostras (p = 0,98 e p = 0,23, respectivamente). Em comparação com o modelo básico contendo eletrocardiograma e troponina, o modelo completo ofereceu um incremento na AUC de 0,07 tanto na amostra de derivação (p = 0,0002) quanto na de validação (p = 0,039). A melhoria na discriminação integrada foi de 0,09 nas amostras de derivação (p < 0,001) e validação (p < 0,0015). Conclusão: Um modelo multivariado foi derivado e validado como uma ferramenta acurada para estimar a probabilidade pré-teste de DAC em pacientes com dor torácica aguda.

Abstract Background: Currently, there is no validated multivariate model to predict probability of obstructive coronary disease in patients with acute chest pain. Objective: To develop and validate a multivariate model to predict coronary artery disease (CAD) based on variables assessed at admission to the coronary care unit (CCU) due to acute chest pain. Methods: A total of 470 patients were studied, 370 utilized as the derivation sample and the subsequent 100 patients as the validation sample. As the reference standard, angiography was required to rule in CAD (stenosis ≥ 70%), while either angiography or a negative noninvasive test could be used to rule it out. As predictors, 13 baseline variables related to medical history, 14 characteristics of chest discomfort, and eight variables from physical examination or laboratory tests were tested. Results: The prevalence of CAD was 48%. By logistic regression, six variables remained independent predictors of CAD: age, male gender, relief with nitrate, signs of heart failure, positive electrocardiogram, and troponin. The area under the curve (AUC) of this final model was 0.80 (95% confidence interval [95%CI] = 0.75 - 0.84) in the derivation sample and 0.86 (95%CI = 0.79 - 0.93) in the validation sample. Hosmer-Lemeshow's test indicated good calibration in both samples (p = 0.98 and p = 0.23, respectively). Compared with a basic model containing electrocardiogram and troponin, the full model provided an AUC increment of 0.07 in both derivation (p = 0.0002) and validation (p = 0.039) samples. Integrated discrimination improvement was 0.09 in both derivation (p < 0.001) and validation (p < 0.0015) samples. Conclusion: A multivariate model was derived and validated as an accurate tool for estimating the pretest probability of CAD in patients with acute chest pain.