Associação de Lúpus, Síndrome de Sjögren, Vasculites, Doença Celíaca e Psoríase com escore de cálcio na linha de base e incidência/progressão de escore de cálcio, mortalidade geral e por doença cardiovascular no seguimento de 8 anos do ELSA-Brasil

Resumo

Estudos sugerem que as Doenças Inflamatórias (DI) como a Psoríase, o Lúpus Eritematoso Sistêmico (LES), a Doença Celíaca, a Síndrome de Sjögren e as Vasculites se associariam com Fatores de Risco (FR) cardiovasculares (CDV), Aterosclerose subclínica medida pelo escore de cálcio (CAC) e Espessura de Íntima-Média de Carótidas (EIMC), resultando em maior risco de eventos CDV fatais e não fatais, bem como maior mortalidade geral. O ELSA-Brasil é um estudo de coorte prospectivo focado no estudo de FR para DCV clássicos e não clássicos e sua relação com a incidência de doença CDV e Diabetes. Os dados da linha de base (onda 1) foram obtidos em 2008-2010, com seguimento de 4 (onda 2) e 9 anos (onda 3). Os objetivos deste projeto são: 1) avaliar a associação do diagnóstico das DI listadas acima com a incidência/progressão do CAC e da EIMC em relação a participantes sem doença; 2) avaliar a associação das DI com a morbidade e a mortalidade geral, CDV e por outras causas; 3) avaliar a presença de paradoxo lipídico descrito primeiramente na artrite reumatoide onde estudos mostram níveis mais baixos de LDL-colesterol com risco aumentado de morbidade e mortalidade CDV em cada uma das DI utilizando dosagens de lípides não só com a metodologia habitual, mas também por técnicas inovadoras como a ressonância nuclear magnética e a ultracentrifugação vertical. Serão identificados os participantes da linha de base com diagnóstico médico prévio ou altamente provável de DI a partir dos questionários do estudo, das ligações anuais sobre a saúde do participante e da investigação de internações anteriores, resultados de exames e uso de medicação específica para o tratamento das DI em longo prazo. Amostras de material biológico dos participantes identificados neste processo serão submetidas a análise de biomarcadores específicos de cada DI para confirmação diagnóstica. Se necessário, os participantes serão contactados para esclarecimento de dúvidas em relação ao diagnóstico. Como forma de enfrentamento para superar os desafios científicos e tecnológicos do projeto e como superá-los, o ELSA-Brasil tem uma amostra aleatória de 1500 indivíduos que representariam os 15.105 participantes e seriam o grupo sem doença em todas as comparações. Isso permite a realização da dosagem dos biomarcadores em subamostra de 3000 participantes (casos) com economia de custos, mas sem perda do poder de análise. Será analisado material biológico estocado nas três ondas do estudo, de acordo com a época de aparecimento das doenças. As partículas lipídicas foram dosadas por técnicas inovadoras, permitindo ainda explorar o paradoxo lipídico com novas tecnologias. Algumas análises serão construídas como estudo de caso-coorte usando como controles participantes da amostra aleatória da coorte ou caso-controle aninhado usando participantes pareados por idade e sexo sem doença como controles. Serão ainda utilizadas análises transversais e prospectivas dependendo dos objetivos específicos. Pode-se analisar as DI identificadas na linha de base com dados prospectivos das ondas 2 (incidência/progressão do CAC) ou 3 (incidência/progressão da EIMC), ou análises transversais usando todos os diagnósticos de DI das ondas 1, 2 e 3. Os resultados prospectivos serão apresentados por regressões de Poisson ou pelo modelo de riscos proporcionais de Cox com cálculo do risco relativo sem ajuste, ajustado para fatores sociodemográficos e com ajuste multivariado por fatores de confusão, dependendo se variável for obtida nas visitas presenciais onde o intervalo de tempo é muito similar entre os participantes ou em datas diferentes ao longo do tempo como no caso dos eventos fatais e não fatais, quando será mais indicado o Cox. Será utilizada análise de sobrevida com curvas de Kaplan-Meier comparadas pelo teste do log-rank. Estão previstas análises utilizando técnicas de machine learning para identificar variáveis sociodemográficas e clínicas que podem ser preditivas em termos de prognóstico. (AU)