Диагностическая ценность эхокардиографических маркеров диастолической дисфункции и сердечной недостаточности с сохранённой фракцией выброса

Целью исследования была оценка диагностической эффективности эхокардиографических маркеров сердечной недостаточности с сохранённой фракцией выброса (СНсФВ) и диастолической дисфункции левого желудочка (ДДЛЖ) по сравнению с золотым стандартом — катетеризацией сердца. Диагностика СНсФВ затруднена, поскольку симптомы неспецифичны и часто отсутствуют в покое. Существует очевидная потребность в чувствительных эхокардиографических маркерах для диагностики СНсФВ. Был проведён систематический поиск исследований, в которых оценивали диагностическую ценность новых эхокардиографических маркеров СНсФВ и ДДЛЖ. Два исследователя независимо друг от друга изучали публикации и оценивали риск систематической ошибки. Метаанализ выполняли, если четыре или более исследования сообщали об одинаковом диагностическом показателе. Из 353 исследований критериям включения соответствовали 20. Риск систематической ошибки был высоким, особенно в отношении отбора пациентов. Наибольшую диагностическую эффективность продемонстрировала многофакторная модель, объединявшая эхокардиографические, клинические показатели и маркеры функции артерий: площадь под кривой составила 0,95 (95% ДИ 0,89–0,98). Метаанализ четырёх исследований показал приемлемую диагностическую эффективность деформации левого предсердия: AUC 0,83 (0,70–0,95), специфичность 93% (95% ДИ 90–97%) и чувствительность 77% (95% ДИ 59–96%). Кроме того, добавление показателя E/e′ при физической нагрузке повышало чувствительность диагностических алгоритмов СНсФВ до 90% по сравнению с 60% и 34% при использовании только рекомендаций. Несмотря на неоднородность включённых исследований, этот обзор подтверждает современный многофакторный подход к диагностике СНсФВ и ДДЛЖ и указывает на потенциальную диагностическую роль нагрузочной эхокардиографии и оценки деформации левого предсердия. Для оценки дополнительной ценности новых диагностических инструментов по сравнению с существующими алгоритмами необходимы более крупные и методологически качественные исследования.