Estratificação de Risco Cardiovascular: Do Fenótipo para o Genótipo?

Palavras-chave
Síndrome Coronariana Aguda/genética; Síndrome Metabólica; Fatores de Risco; Medição de Risco; Polimorfismo Genético

Os escores de risco cardiovascular, como o escore de risco de Framingham, são amplamente recomendados pelas diretrizes clínicas de avaliação de risco cardiovascular.¹ No entanto, diversos estudos demonstram limitações para o seu uso,^2,3 particularmente em pacientes de risco intermediário, jovens com história familiar francamente positiva e mulheres. Dentre as diversas ferramentas adicionais estudadas para refinar a estratificação de risco com métodos complementares, o uso de informações genéticas tem sido proposto como uma forma de melhorar a predição de risco.⁴

Diversos polimorfismos genéticos estão associados com um maior risco cardiovascular, todavia, o valor adicional do seu uso na prática clínica ainda não está definido. Um dos principais motivos para esta limitação é que a doença aterosclerótica é multifatorial, e o papel individual de cada polimorfismo é restrito. Como diversos polimorfismos associados à doença aterosclerótica já foram identificados, muitos autores têm combinado diversos polimorfismos na tentativa de desenvolver escores genéticos mais robustos para a predição de risco cardiovascular. Apesar do grande entusiasmo com a importância da carga genética individual no desenvolvimento do risco cardiovascular, dados prévios sugerem que mesmo com a inclusão de mais de 50 polimorfismos diferentes a melhor da estratificação de risco é bastante limitada, e de pouco valor para uso clínico em sua forma atual.⁵

Em mais uma tentativa de avaliar o papel de escores genéticos na doença aterosclerótica, Fisher et al., estudaram 116 indivíduos com síndrome metabólica e história de síndrome coronariana aguda (SCA) recente para a avaliação a associação entre diversos polimorfismos genéticos com a extensão de doença arterial coronariana (DAC).⁶ Enquanto que o polimorfismo da lipoproteína lipase esteve associado com a carga aterosclerótica, o escore genético derivado dos polimorfismos analisados não se associou com a carga aterosclerótica definida pelo escore de Gensini na angiografia invasiva.

Diversas razões podem explicar tais achados. Primeiro, o tamanho amostral é relativamente pequeno para estudos genéticos. Segundo, o valor isolado de cada polimorfismo costuma ser limitado. A maior parte dos estudos genéticos utiliza painéis com dezenas de marcadores, enquanto que o presente estudo se limitou a sete marcadores. Por fim, a população selecionada é diferente de outros estudos de base populacional. Com o critério de inclusão de SCA recente, o presente estudo selecionou apenas pacientes não só com aterosclerose manifesta, mas também com história recente de instabilidade de placa. Esta seleção de indivíduos com fenótipos bastante semelhantes de DAC pode também ter limitado a capacidade de detecção do escore genético.

Apesar destas limitações, este estudo amplia a literatura da avaliação genética da DAC, demonstrando mais uma vez que esta associação não é simples. Para que os escores genéticos tornem-se parte da rotina clínica, será necessário não só melhor desenvolvimento nas técnicas de sequenciamento, mas também o estudo de populações representativas e uso de ferramentas de modelagem de dados mais modernas que possam incorporar nuances que ultrapassam a simples associação linear entre os preditores e desfechos.⁷

References

• ¹
  Faludi AA, Izar MCO, Saraiva JFK, Chacra APM, Bianco HT, Afiune AN, et al,.Sociedade Brasileira de Cardiologia. Atualização da diretriz brasileira de dislipidemias e prevenção da aterosclerose-2017. . Arq Bras Cardiol. 2017;109(2 supl 1):1-76. doi:10.5935/abc.20170121
  » https://doi.org/10.5935/abc.20170121
• ²
  Nasir K, Bittencourt MS, Blaha MJ, Blankstein R, Agatson AS, Rivera JJ, et al.. Implications of Coronary Artery Calcium Testing Among Statin Candidates According to American College of Cardiology/American Heart Association Cholesterol Management Guidelines: MESA (Multi-Ethnic Study of Atherosclerosis). J Am Coll Cardiol. 2015;66(15):1657-68. doi:10.1016/j.jacc.2015.07.066
  » https://doi.org/10.1016/j.jacc.2015.07.066
• ³
  Cesena FHY, Laurinavicius AG, Valente VA, Conceicao RD, Santos RD, Bittencourt MS. Cardiovascular Risk Stratification and Statin Eligibility Based on the Brazilian vs. North American Guidelines on Blood Cholesterol Management. Arq Bras Cardiol. 2017;108(6):508-15. doi: 10.5935/abc20170088
  » https://doi.org/10.5935/abc20170088
• ⁴
  Dudbridge F. Polygenic Epidemiology. Genetic Epidemiol 2016;40(4):268-72. doi:10.1002/gepi.21966
  » https://doi.org/10.1002/gepi.21966
• ⁵
  Morris RW, Cooper JA, Shah T, Wong A, Drenos F, Engmann J, et al. Marginal role for 53 common genetic variants in cardiovascular disease prediction. Heart . 2016;102(20):1640-7. doi:10.1136/heartjnl.2016.309298
  » https://doi.org/10.1136/heartjnl.2016.309298
• ⁶
  Fischer SCP, Pinto SP, Lins LCA, Bianco HT, Monteiro CMC, Pinheiro LFM, et al. Associação múltiplas variantes genéticas com a extensão e gravidade da doença coronária. Arq Bras Cardiol.2018;110(1)online/ahead of print Doi:10.5935/abc.2017.0177
  » https://doi.org/10.5935/abc.2017.0177
• ⁷
  Keyes KM, Davey Smith G, Koenen KC, Galea S. The mathematical limits of genetic prediction for complex chronic disease. J Epidemiol Community Health.2015;69(6):574-9. doi:10.1136/jech.2014-204983
  » https://doi.org/10.1136/jech.2014-204983

Datas de Publicação

• Publicação nesta coleção
  Jan 2018