ADHERE-algoritme for akutt dekompensert hjertesvikt

Klinisk bakgrunn

Akutt dekompensert hjertesvikt er en tilstand der mortaliteten under sykehusoppholdet varierer kraftig mellom pasienter, fra noen få prosent til over tjue. Å vurdere risikoen ved ankomst er sentralt for flere beslutninger: valg av omsorgsnivå (overvåkningsavdeling, intermediærenhet eller intensivavdeling), intensiteten i diuretika- og vasodilaterende behandling, og når og om inotrop støtte skal startes. Uten et strukturert instrument har kliniske risikovurderinger en tendens til å variere mye mellom bedømmere og til å overdrive mortaliteten, særlig hos pasienter med normalt eller forhøyet blodtrykk ved ankomst.

ADHERE-algoritmen ble utviklet for å tilby en enkel vurdering ved sengekanten basert på tre variabler som allerede foreligger ved ankomst: blodureanitrogen (BUN), systolisk blodtrykk og s-kreatinin. Formålet var å identifisere både pasienter med svært lav mortalitet, der en mindre intensiv håndtering kan være passende, og pasienter med høy mortalitet, der tidlig aggressiv behandling og høyere omsorgsnivå kan være berettiget.

Beregning av ADHERE-algoritmen

ADHERE-algoritmen er et klassifikasjonstre (CART, classification and regression tree) som bygger på tre variabler samlet inn ved ankomst til sykehus:

• Blodureanitrogen (BUN) i mg/dL
• Systolisk blodtrykk i mmHg
• S-kreatinin i mg/dL

Treet kan uttrykkes som en sekvensiell beslutningsregel:

$$\text{Risiko} = \begin{cases} \text{Lav} & \text{hvis BUN} < 43 \text{ og SBP} \geq 115 \ \text{Intermediær} & \text{hvis BUN} < 43 \text{ og SBP} < 115 \ \text{Intermediær} & \text{hvis BUN} \geq 43 \text{ og SBP} \geq 115 \ \text{Intermediær} & \text{hvis BUN} \geq 43 \text{, SBP} < 115 \text{ og kreatinin} < 2{,}75 \ \text{Høy} & \text{hvis BUN} \geq 43 \text{, SBP} < 115 \text{ og kreatinin} \geq 2{,}75 \end{cases}$$

Utledningskohorten besto av 33 046 sykehusopphold fra ADHERE-registeret (Acute Decompensated Heart Failure National Registry), som samlet inn data fra 263 sykehus i USA mellom oktober 2001 og februar 2003 [1]. Gjennomsnittsalderen var 72,5 år, og 52 % var kvinner. Samtlige pasienter hadde primærdiagnosen akutt dekompensert hjertesvikt. Mortaliteten under oppholdet var 4,2 % i utledningskohorten. Av 39 analyserte variabler ble BUN identifisert som den enkeltvis sterkeste prediktoren, fulgt av systolisk blodtrykk og s-kreatinin. Modellen ble validert prospektivt på 32 229 påfølgende sykehusopphold (mars til juli 2003), der mortaliteten var 4,0 %, og risikostratifiseringen beholdt evnen til å skille gruppene [1].

Tolkning i praksis

Treet deler pasientene inn i tre risikogrupper med mortalitet under oppholdet fra 2,1 % til 21,9 % i utledningskohorten [1,2]. Oddsratioen for mortalitet mellom høy- og lavrisikogruppen var 12,9 (95 % KI 10,4 til 15,9) [1].

Lav risiko innebærer at pasienten kan håndteres på en vanlig sengepost med standardisert diuretikabehandling og monitorering, uten umiddelbar indikasjon for intensivbehandling ut fra mortalitetsrisikoen alene. Dette er den vanligste gruppen og omfatter flertallet av pasientene.

Intermediær risiko krever klinisk vurdering utover skåren. Her finnes pasienter med nedsatt nyrefunksjon, men bevart blodtrykk, og pasienter med lavt blodtrykk, men normalt BUN. Omsorgsnivået bør avgjøres ut fra helhetsbildet: respirasjonssvikt, oksygenering, behov for intravenøs vasodilaterende behandling og respons på initial behandling.

Høy risiko innebærer en mortalitet på omkring én av fem pasienter under oppholdet. Disse pasientene bør vurderes for intensivbehandling eller intermediærenhet, tidlig invasiv hemodynamisk monitorering og strukturert utredning av bakenforliggende årsaker til dekompensasjonen. Risikoen for kardiogent sjokk og nyresvikt er uttalt.

Validering og ytelse

I den prospektive interne valideringen innenfor ADHERE-registeret beholdt algoritmen sin diskriminerende evne, med lignende resultater i valideringskohorten som i utledningskohorten [1].

I en ekstern validering av Lagu m.fl. (2016) ble sju mortalitetsprediksjonsmodeller for akutt dekompensert hjertesvikt testet på 13 163 pasienter fra 62 amerikanske sykehus (HealthFacts-databasen, 2010 til 2012) [3]. Medianalderen var 74 år, halvparten var kvinner og 27 % var svarte. Mortaliteten under oppholdet var 4,3 %. ADHERE-algoritmen viste en c-statistikk på 0,68 til 0,70, noe som var sammenlignbart med de andre kliniske modellene (EFFECT og to GWTG-HF-varianter), men dårligere enn modeller basert på administrative data og elektroniske journaldata (LAPS2 og Premier+, c-statistikk 0,76 til 0,81) [3]. ADHERE-algoritmens prediksjonsintervall i denne populasjonen var 1,2 til 17,4 %, noe smalere enn i den opprinnelige kohorten [3].

I en nyere studie av Palmer m.fl. (2025) med 5 602 pasienter innlagt på hjerteintensivavdeling i MIMIC-IV-databasen var ADHERE-algoritmens AUC 0,63 (95 % KI 0,57 til 0,70), noe som var lavere enn både GWTG-HF (AUC 0,66) og en maskinlæringsmodell (AUC 0,72) [4]. Denne populasjonen var imidlertid selektert til intensivpasienter med høyere mortalitet (6,2 %), noe som ikke svarer til den generelle sykehuspopulasjonen ADHERE-algoritmen ble utviklet for.

En subanalyse innenfor ADHERE Emergency Module (ADHERE-EM) viste at CART-modellen stratifiserte menn og kvinner like godt, uten signifikant forskjell i mortalitet mellom kjønnene innenfor hver risikogruppe [5].

Begrensninger

ADHERE-algoritmen gjelder akutt dekompensert hjertesvikt og er ikke validert for kronisk stabil hjertesvikt, kardiogent sjokk eller hjertesvikt med høyt minuttvolum. Den er utviklet for mortalitet under sykehusoppholdet og sier ingenting om langtidsprognose eller risiko for reinnleggelse.

Treet bruker bare tre variabler og ser dermed bort fra andre viktige prediktorer som natrium, hjertefrekvens, respirasjonsfrekvens, troponin, NT-proBNP, oksygenmetning og mekanisk ventilasjon. Dette er en bevisst forenkling for å sikre at instrumentet kan brukes umiddelbart ved ankomst, men det innebærer at pasienter med lav skår likevel kan ha høy risiko på grunn av faktorer treet ikke fanger opp.

Terskelverdiene bygger på amerikanske pasientdata fra begynnelsen av 2000-tallet. Siden den gang har håndteringen av akutt hjertesvikt utviklet seg markant med bredere bruk av ACE-hemmere, betablokkere, mineralokortikoidreseptorantagonister og SGLT2-hemmere, noe som kan ha påvirket mortaliteten i de ulike risikogruppene. De absolutte mortalitetstallene bør derfor tolkes som historiske referanseverdier snarere enn som gjeldende estimater.

En vanlig feil er å bruke BUN-verdier i SI-enheter (mmol/L) i stedet for mg/dL. Terskelen 43 mg/dL svarer til omkring 15,4 mmol/L. På samme måte svarer kreatininterskelen 2,75 mg/dL til omkring 243 µmol/L. Å taste inn verdier i feil enhet gir en fullstendig gal klassifisering.

Algoritmen bør ikke brukes som eneste grunnlag for beslutninger om omsorgsnivå. Den gir en grov risikostratifisering som må suppleres med klinisk vurdering, særlig hos pasienter med intermediær risiko, der treet ikke skiller mellom ulike underliggende årsaker til dekompensasjonen.

Kilder

1. Fonarow GC, Adams KF Jr, Abraham WT m.fl. Risk stratification for in-hospital mortality in acutely decompensated heart failure: classification and regression tree analysis. JAMA 2005. PMID: 15687312
2. Adams KF Jr, Uddin N, Patterson JH. Clinical predictors of in-hospital mortality in acutely decompensated heart failure: piecing together the outcome puzzle. Congest Heart Fail 2008. PMID: 18550923
3. Lagu T, Pekow PS, Shieh MS m.fl. Validation and comparison of seven mortality prediction models for hospitalized patients with acute decompensated heart failure. Circ Heart Fail 2016. PMID: 27514749
4. Palmer DQ, Gismondi RA, Gemal P m.fl. Mortality prediction in heart failure patients: machine learning versus Get With The Guidelines-Heart Failure (GWTG-HF) and Acute Decompensated Heart Failure National Registry (ADHERE). Cureus 2025. PMID: 40895687
5. Diercks DB, Fonarow GC, Kirk JD m.fl. Risk stratification in women enrolled in the Acute Decompensated Heart Failure National Registry Emergency Module (ADHERE-EM). Acad Emerg Med 2008. PMID: 18275445