Toepassing algoritme bij QT-verlengende geneesmiddelen

In deze studie van Berger en collega’s werden twee algoritmes vergeleken (dat van Berger en van Bindraban) met betrekking tot hun vermogen om het risico op QT-verlenging te voorspellen bij patiënten die twee of meer QT-verlengende geneesmiddelen gebruiken. Bij beide algoritmes werden leeftijd, hypokaliëmie, het gebruik van lisdiuretica en een verminderde nierfunctie als risicofactoren meegenomen. In het algoritme van Bindraban werden verder hypocalciëmie en het maximale QT-interval meegenomen, in dat van Berger het vrouwelijk geslacht en comorbiditeit.

In een retrospectieve data-analyse werden vervolgens interactiemeldingen over QT-verlengende geneesmiddelen gekoppeld aan ECG’s, gemaakt binnen 7 dagen na het optreden van desbetreffende interactiemelding. Belangrijkste onderzoeksuitkomst waren de prestatiekarakteristieken (waaronder sensitiviteit, specificiteit, positief en negatief voorspellende waarde) van beide algoritmes bij het voorspellen van QT-verlenging. In totaal werden 10.870 interactiemeldingen onderzocht bij 4987 patiënten. In 26% van de gevallen werd een ECG gemaakt. Toepassing van de algoritmes resulteerde in een area under the ROC (receiver operating characteristic) curve van 0,81 (algoritme van Bindraban) en 0,73 (algoritme van Berger), waarbij bij een waarde van > 0,7 sprake is van een goed model. Bij een afkapwaarde van 3 (Bindraban) en 6 (Berger) voor het betreffende algoritme was sprake van een sensitiviteit van respectievelijk 85,7 en 89,1% en een specificiteit van 60,8 en 44,3%.

Uit deze studie blijkt dat de toepassing van een algoritme de risicostratificatie bij patiënten die QT-verlengende geneesmiddelen gebruiken kan verbeteren. Het onderscheidend vermogen van het algoritme dient voor introductie in de klinische praktijk nog wel geoptimaliseerd te worden.