Mối liên quan giữa BMI và tái nhập viện
Phân tích bằng đường cong Kaplan – Meier, chúng tôi thấy xác suất tái nhập viện qua theo dõi 33 ± 8 tháng ở bệnh nhân suy tim mạn – thừa cân, béo phì thấp hơn so với bệnh nhân suy mạn - thiếu cân, tuy nhiên sự khác biệt chưa có ý nghĩa thống kê (p = 0,07). Phân tích hồi quy Cox đơn biến chúng tôi ghi nhận không có mối liên quan giữa BMI với nguy cơ tái nhập viện ở bệnh nhân suy tim mạn.
Trong nghiên cứu của Taher M. Mandviwala và cộng sự (2020) trên 2501 bệnh nhân suy tim mạn có HFpEF cũng cho kết quả tương tự [94]. Thời gian từ khi theo dõi đến khi nhập viện do suy tim ngắn hơn ở bệnh nhân có tăng BMI so với BMI bình thường; thừa cân (HR = 1,30, KTC 95% 0,88 – 1,90), béo phì loại I (HR
= 1,57, KTC 95% 1,05 – 2,34), béo phì loại II (HR = 1,79, KTC 95% 1,15 – 2,78)
và béo phì độ III (HR = 1,96, KTC 95% 1,23 – 3,12). Tuy nhiên, thời gian đến khi nhập viện do mọi nguyên nhân đầu tiên không có sự khác biệt đáng kể giữa các nhóm BMI. Nguyên nhân chủ yếu các bệnh nhân suy tim mạn nhập viện được biết là do các triệu chứng và dấu hiệu của suy tim sung huyết [34].
Những kết quả này phù hợp với kết quả của một phân tích tổng hợp của Abhishek Sharma và cộng sự (2015) từ 6 nghiên cứu lâm sàng lớn thỏa mãn các tiêu chí: (1) tiến hành trên bệnh nhân suy tim mạn tính và (2) có báo cáo về tổng tỷ lệ tử vong, tỷ lệ tử vong do bệnh tim mạch, và/hoặc tỷ lệ tái nhập viện sau đợt suy tim cấp được chia các nhóm so sánh theo BMI [95]. Nghiên cứu chỉ ra rằng có hiện tượng “nghịch lý béo phì” đối với biến cố tử vong, nhưng không có trong biến cố tái nhập viện do suy tim. Điều này có thể giải thích do bệnh nhân suy tim mạn có BMI cao hơn có liên quan đến mức độ nghiêm trọng của các triệu chứng sung huyết, và không có nghịch lý béo phì trong các triệu chứng sung huyết[35].
Mối liên quan giữa BMI với biến cố gộp
Tiến hành phân tích đường cong Kaplan – Meier cho biến cố gộp cả tử vong và tái nhập viện ở bệnh nhân suy tim mạn giữa các nhóm phân loại BMI chúng tôi thấy sự khác biệt có ý nghĩa thống kê (p = 0,021). Tiếp tục tiến hành phân tích hồi quy Cox đơn biến để xác định các yếu tố nguy cơ, chúng tôi thấy tuổi, giới, chỉ số BMI (biến liên tục và biến phân loại) có liên quan tới tiên lượng xảy ra biến cố gộp. Cụ thể, khi tuổi tăng thêm 1 tuổi nguy cơ xảy ra biến cố gộp tăng 4,0% và ở nữ có nguy cơ cao hơn 89,0% so với nam. Với biến liên tục BMI, mỗi 1 kg/m2 tăng nguy cơ tử vong hoặc tái nhập viện giảm 10,0%. Khi xem xét như biến phân loại, bệnh nhân suy tim mạn có BMI ≥ 23,0 kg/m2 và BMI 18,5 – 22,9 kg/m2 ít xảy ra biến cố
gộp hơn bệnh nhân suy tim mạn có BMI < 18,5 kg/m2 lần lượt là 63,0% và 46,0%. Tỷ lệ HR của các biến trên giảm không đáng kể trên phân tích đa biến. Bệnh nhân suy tim mạn có BMI > 23,0 kg/m2 có tiên lượng tốt hơn về xác suất xảy ra biến cố gộp (HR=0,42, KTC 95% 0,20 – 0,87, p=0,02) so với nhóm BMI < 18,5 kg/m2 .
Tương tự trong nghiên cứu của Lee Seo Young và cộng sự (2020) trên 2616 bệnh nhân suy tim mạn với thời gian theo dõi 1499 ngày ghi nhận tỷ lệ gặp biến cố gộp gồm tử vong hoặc tái nhập viện do suy tim thấp hơn ở bệnh nhân có BMI ≥ 27,5 kg/m2 (HR = 0,71, KTC 95% 0,57 – 0,87, p<0,0001) và BMI 23,0 – 27,4
Có thể bạn quan tâm!
-
Các Đặc Điểm Yếu Tố Nguy Cơ Và Tiền Sử Bệnh Tim Mạch Của Đtnc -
Mối Liên Hệ Giữa Bmi Và Tình Trạng Rối Loạn Lipid Máu -
So Sánh Đặc Điểm Chức Năng Thất Trái Giữa Các Nghiên Cứu -
Mối liên quan giữa chỉ số BMI với tiên lượng tử vong và tái nhập viện ở bệnh nhân suy tim mạn điều trị ngoại trú tại viện tim mạch Việt Nam - 10 -
Mối liên quan giữa chỉ số BMI với tiên lượng tử vong và tái nhập viện ở bệnh nhân suy tim mạn điều trị ngoại trú tại viện tim mạch Việt Nam - 11
Xem toàn bộ 89 trang tài liệu này.
kg/m2 (HR = 0,78, KTC 0,68 – 0,9, p<0,001) so với bệnh nhân có BMI 18,5 – 22,9 kg/m2. Tuy nhiên, khi phân tích bằng đường cong Kaplan – Meier, nghiên cứu này cũng không ghi nhận sự khác biệt giữa các phân nhóm BMI về tỷ lệ biến cố gộp.
Một số hạn chế của nghiên cứu:
- Số lượng bệnh nhân tương đối ít, do đó việc đánh giá ảnh hưởng của BMI tới tiên lượng tử vong, tái nhập viện và biến cố gộp ở bệnh nhân suy tim mạn còn hạn chế
- Một số thông tin giúp đánh giá chính xác mối liên quan giữa BMI và các biến cố kết cục ở bệnh nhân suy tim mạn chưa được thu thập đầy đủ.
KẾT LUẬN
Qua nghiên cứu chỉ số khối cơ thể (BMI) ở 320 bệnh nhân suy tim mạn điều trị ngoại trú tại Viện Tim mạch Việt Nam từ tháng 4/2018 đến tháng 9/2020, chúng tôi đưa ra một số kết luận sau:
1. Mô tả đặc điểm chung và chỉ số BMI ở bệnh nhân suy tim mạn điều trị ngoại trú tại Viện Tim mạch Việt Nam, Bệnh viện Bạch Mai từ năm 2018 – 2020
- Tuổi trung bình của đối tượng nghiên cứu là 63,5 ± 13,3 tuổi, nam giới chiếm đa số (59,7%).
- Tình trạng suy tim của bệnh nhân: 50,6% bệnh nhân suy tim ở giai đoạn C (theo ACC/AHA), suy tim ở mức độ nhẹ NYHA I (51,6%).
- Đối tượng nghiên cứu có phân suất tống máu trung bình là 47,9 %. Trong đó, HFpEF (EF ≥ 50%) chiếm phần lớn 44,4%.
- BMI trung bình của đối tượng nghiên cứu là 21,8 ± 2,9 kg/m2. Thể trạng bình thường chiếm nhiều nhất 58,8%, thừa cân 16,3%, béo phì 14,3% và thiếu cân 10,6%.
2. Bước đầu tìm hiểu mối liên quan giữa chỉ số BMI và các đặc điểm lâm sàng, cận lâm sàng và tiên lượng tử vong, tái nhập viện ở bệnh nhân suy tim mạn
2.1. Mối liên quan giữa chỉ số BMI và các đặc điểm lâm sàng, cận lâm sàng ở bệnh nhân suy tim mạn
- Giữa các phân nhóm BMI không có sự khác biệt về tuổi, giới và thời gian phát hiện suy tim.
- Chỉ số huyết áp và nhịp tim ở các phân nhóm BMI tương đương nhau. Mức độ suy tim NYHA II thường gặp nhất ở bệnh nhân béo phì. Ngược lại, mức độ suy tim NYHA III gặp nhiều ở bệnh nhân thiếu cân (p<0,05).
- Rối loạn lipid máu gặp nhiều nhất ở nhóm thừa cân, béo phì so với các nhóm còn lại (p<0,05).
- Nồng độ ALT cao nhất ở phân nhóm béo phì và giảm dần từ phân nhóm béo phì đến phân nhóm thiếu cân (p=0,01).
- Nhóm bệnh nhân béo phì có tỷ lệ HFmrEF cao hơn so các nhóm còn lại. Trong khi HFrEF thường gặp ở bệnh nhân suy tim mạn thể trạng thiếu cân.
2.2. Mối liên quan giữa chỉ số BMI và tiên tượng tử vong, tái nhập viện ở bệnh nhân suy tim mạn
- Tỷ lệ tử vong, tái nhập viện và biến cố gộp của ĐTNC sau theo dõi 33 ± 8 tháng lần lượt là 5,7%, 19,2%, 21,4%.
- Phân tích đường cong Kaplan – Meier:
+ Có sự khác biệt có ý nghĩa giữa các phân nhóm BMI xảy ra biến cố tử vong do mọi nguyên nhân (p=0,006) và biến cố gộp (tử vong và tái nhập viện) (p=0,021).
+ Không có sự khác biệt có ý nghĩa thống kê giữa các phân nhóm BMI về tái nhập viện ở bệnh nhân suy tim mạn (p>0,05).
- Phân tích hồi quy Cox đơn biến:
+ Đối với tử vong do mọi nguyên nhân: BMI (biến liên tục) là yếu tố tiên đoán độc lập với tỷ số nguy cơ HR = 0,79 (KTC 95% 0,66 – 0,95, p=0,01). Với BMI khi xem xét là biến phân nhóm, nhóm BMI ≥ 23,0 kg/m2 có tỷ lệ nguy cơ tử vong giảm 90,0% so với nhóm BMI < 18,5 kg/m2
+ Đối với tái nhập viện: BMI không phải yếu tố tiên đoán độc lập
+ Đối với biến cố gộp (tử vong do mọi nguyên nhân và tái nhập viện): BMIN (biến liên tục) yếu tố tiên đoán độc lập với HR = 0,90 (KTC 95% 0,83 – 0,98, p=0,02). Bệnh nhân suy tim mạn có BMI ≥ 23,0 kg/m2 và BMI 18,5 – 22,9 kg/m2 ít xảy ra biến cố gộp hơn với tỷ lệ HR lần lượt là 0,37 (KTC 95% 0,18 – 0,77, p<0,01) và 0,54 (KTC 95% 0,29 – 1,00, p=0,049)
- Phân tích hồi quy Cox đa biến: BMI ở phân nhóm thừa cân, béo phì là yếu tố tiên đoán độc lập cho giảm biến cố tử vong do mọi nguyên nhân (p=0,04) và biến cố gộp (p=0,02) ở bệnh nhân suy tim mạn.
KIẾN NGHỊ
Từ kết quả nghiên cứu, chúng tôi đề nghị nên theo dõi chỉ số BMI cho tất cả các bệnh nhân suy tim mạn tính được điều trị ngoại trú vì đây làm một thông số có liên quan đến tiên lượng của bệnh nhân. Cần có thêm các nghiên cứu với cỡ mẫu lớn hơn để đánh giá chính xác mối liên quan này.
TÀI LIỆU THAM KHẢO
1. Spencer L James, Degu Abate et al (2018), "Global, regional, and national incidence, prevalence, and years lived with disability for 354 diseases and injuries for 195 countries and territories, 1990–2017: a systematic analysis for the Global Burden of Disease Study 2017", The Lancet Diabetes, 392(10159), pp. 1789-1858.
2. Nicholas R. Jones, Andrea K. Roalfe et al (2019), "Survival of patients with chronic heart failure in the community: a systematic review and meta- analysis", 21(11), pp. 1306-1325.
3. Dariush Mozaffarian, Emelia J Benjamin et al (2016), "Heart disease and stroke statistics-2016 update: a report from the American Heart Association", Circulation, 133(4), pp. e38-e360.
4. Trần Đỗ Trinh (2002), Bách khoa toàn thư bệnh học tập 1, NXB Y học, Hà Nội, tr.378-380.
5. Ngô Quý Châu, Nguyễn Lân Việt et al (2020), Bệnh học nội khoa tập 1, Nhà xuất bản y học, Hà Nội, tr.256-279.
6. Eugenio B. Reyes, Jong-Won Ha et al (2016), "Heart failure across Asia: Same healthcare burden but differences in organization of care", International Journal of Cardiology, 223, pp. 163-167.
7. T. Kelly, W. Yang et al (2008), "Global burden of obesity in 2005 and projections to 2030", International Journal of Obesity, 32(9), pp. 1431- 1437.
8. World Population Review (2021), Obesity Rates By Country 2021.
9. Fitch Solutions Country Risk & Industry Research (2019), "Impact Of Growing Obesity Prevalence In Asia Pacific To Put Pressure On Healthcare Systems".
10. Viện dinh dưỡng quốc gia (2020), Tổng điểu tra Dinh dưỡng năm 2019- 2020, Hà Nội.
11. Satish Kenchaiah, Jane C Evans et al (2002), "Obesity and the risk of heart failure", New England Journal of Medicine, 347(5), pp. 305-313.
12. Antigone Oreopoulos, Raj Padwal et al (2008), "Body mass index and mortality in heart failure: a meta-analysis", American heart journal, 156(1), pp. 13-22.
13. Salvatore Carbone, Justin M Canada et al (2019), "Obesity paradox in cardiovascular disease: where do we stand?", Vascular health risk management, 15, pp. 89.
14. E Braunwald (1980), "Clinical manifestations of heart failure", Heart disease.
15. Hội tim mạch quốc gia Việt Nam (2015), "Khuyến cáo của Hội tim mạch quốc gia Việt Nam về chẩn đoán và điều trị suy tim: cập nhật 2015".
16. Theresa A McDonagh, Marco Metra et al (2021), "2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure: Developed by the Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) With the special
contribution of the Heart Failure Association (HFA) of the ESC", European heart journal, 42(36), pp. 3599-3726.
17. Viện Tim mạch Việt Nam (2019), Lâm sàng Tim mạch học, Nhà xuất bản Y học, Hà Nội.
18. Giuseppe Lippi and Fabian Sanchis-Gomar (2020), "Global epidemiology and future trends of heart failure", AME Medical Journal, 5.
19. Nicola Luigi Bragazzi, Wen Zhong et al (2021), "Burden of heart failure and underlying causes in 195 countries and territories from 1990 to 2017", European Journal of Preventive Cardiology.
20. S. S. Hu, L. Z. Kong et al (2012), "Outline of the report on cardiovascular disease in China, 2010", Biomed Environ Sci, 25(3), pp. 251-6.
21. M. D. Huffman, D. Prabhakaran et al (2010), "Heart failure: epidemiology and prevention in India", India, 23(5), pp. 283-8.
22. Kalon KL Ho, Joan L Pinsky et al (1993), "The epidemiology of heart failure: the Framingham Study", Journal of the American College of Cardiology, 22(4S1), pp. A6-A13.
23. Stuart J Pocock, Cono A Ariti et al (2013), "Predicting survival in heart failure: a risk score based on 39 372 patients from 30 studies", European heart journal, 34(19), pp. 1404-1413.
24. Gian Franco Gensini, Camilla Alderighi et al (2017), "Value of telemonitoring and telemedicine in heart failure management", Cardiac failure review, 3(2), pp. 116.
25. Mihai Gheorghiade, Muthiah Vaduganathan et al (2013), "Rehospitalization for heart failure: problems and perspectives", Journal of the American College of Cardiology, 61(4), pp. 391-403.
26. Kensuke Takabayashi, Shouji Kitaguchi et al (2019), "A decline in activities of daily living due to acute heart failure is an independent risk factor of hospitalization for heart failure and mortality", Journal of cardiology, 73(6), pp. 522-529.
27. Satomi Ishihara, Rika Kawakami et al (2020), "Incidence and Clinical Significance of 30-Day and 90-Day Rehospitalization for Heart Failure Among Patients With Acute Decompensated Heart Failure in Japan-From the NARA-HF Study", Circulation Journal, 84(2), pp. 194-202.
28. Dariusz Korczyk and Gerry Kaye (2017), Fast Facts: Heart Failure, Karger Medical and Scientific Publishers.
29. Clyde W. Yancy, Mariell Jessup et al (2016), "2016 ACC/AHA/HFSA Focused Update on New Pharmacological Therapy for Heart Failure: An Update of the 2013 ACCF/AHA Guideline for the Management of Heart Failure: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines and the Heart Failure Society of America", 134(13), pp. e282-e293.
30. Piotr Ponikowski, Adriaan A Voors et al (2016), "2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure", Kardiologia Polska, 74(10), pp. 1037-1147.
31. David S Freedman, Mary Horlick et al (2013), "A comparison of the Slaughter skinfold-thickness equations and BMI in predicting body fatness and cardiovascular disease risk factor levels in children", The American journal of clinical nutrition, 98(6), pp. 1417-1424.
32. WHO Expert Consultation (2004), "Appropriate body-mass index for Asian populations and its implications for policy and intervention strategies", Lancet, 363(9403), pp. 157-163.
33. World Health Organization (2000), "The Asia-Pacific perspective: redefining obesity and its treatment".
34. Philip T James (2004), "Obesity: the worldwide epidemic", Clinics in dermatology, 22(4), pp. 276-280.
35. World Health Organization (2000), "Obesity: preventing and managing the global epidemic".
36. Centers for Disease Control and Prevention (2015), About Adult BMI,
Healthy Weight.
37. Maximilian Tremmel, Ulf-G. Gerdtham et al (2017), "Economic Burden of Obesity: A Systematic Literature Review", 14(4), pp. 435.
38. World Health Organization (2020), "Overweight and obesity".
39. Leandra Abarca-Gómez, Ziad A. Abdeen et al (2017), "Worldwide trends in body-mass index, underweight, overweight, and obesity from 1975 to 2016: a pooled analysis of 2416 population-based measurement studies in 128·9 million children, adolescents, and adults", The Lancet, 390(10113), pp. 2627-2642.
40. Cheryl D Fryar, Cynthia L Ogden et al (2012), "Prevalence of underweight among adults aged 20 and over: United States, 1960–1962 through 2007– 2010", National Center for Health Statistics.
41. Y Selvamani and Pushpendra Singh (2018), "Socioeconomic patterns of underweight and its association with self-rated health, cognition and quality of life among older adults in India", PloS one, 13(3), pp. e0193979.
42. Sang-Wook Yi, Seri Hong et al (2015), "Low systolic blood pressure and mortality from all-cause and vascular diseases among the rural elderly in Korea; Kangwha cohort study", Medicine, 94(2).
43. Helen L. Walls, Anna Peeters et al (2009), "Prevalence of Underweight, Overweight and Obesity in Urban Hanoi, Vietnam", Asia Pacific Journal of Clinical Nutrition, 18(2), pp. 234–239.
44. P. T. Huong, N. T. Lam et al (2014), "Prevalence of malnutrition in patients admitted to a major urban tertiary care hospital in Hanoi, Vietnam", Asia Pac J Clin Nutr, 23(3), pp. 437-44.
45. Tran Quoc Cuong, Merrilyn Banks et al (2018), "Prevalence and associated risk factors of malnutrition among hospitalized adults in a multisite study in Ho Chi Minh City Viet Nam", Asia Pacific Journal of Clinical Nutrition, 27(5), pp. 986–995.
46. Martin A Alpert, JAD Omran et al (2016), "Effects of obesity on cardiovascular hemodynamics, cardiac morphology, and ventricular function", Current obesity reports, 5(4), pp. 424-434.