Correction of Potentially Modifiable Components of Metabolic Syndrome for the Primary Prevention of Atrial Fibrillation in Comorbid Patients with Premature Atrial Complexes

Cover Page

Cite item

Full Text

Abstract

AIM: The study aimed to evaluate the influence of the correction of potentially modifiable risk factors for the development of atrial fibrillation (AF) as primary prevention of AF in patients with metabolic syndrome (MS) and premature atrial complexes (PAC).

MATERIALS AND METHODS: We monitored 856 MS patients with PAC, aged 58–72 (mean age, 66.4 ± 0.7) years, in the north-western region of the Russian Federation. A 5-year risk of AF was calculated in all patients after the examination by determining the potential prognostic time range for Af development and its index of probable occurrence (RCHARGE-AF) using the CHARGE-AF model. The correction of potentially modifiable MS components and risk factors for AF development (smoking cessation, elimination of physical inactivity, etc.) until their target values were achieved was offered to all patients. The follow-up endpoint was the preservation of sinus rhythm or AF registration.

RESULTS: All patients with MS were distributed into three groups. Group I consisted of 557 (65.07%) patients with incomplete correction of risk factors, and group II included 93 (10.86%) who achieved the target values of all potentially modifiable factors for AF development. The control group included the remaining patients without quantitative and qualitative changes in the dynamics AF predictors. No significant differences were found between the groups in terms of sex, age, concomitant diseases, and risk factors for AF. The achievement of the target values of the main MS components, including body mass index and/or waist circumference, correlated with the performance of regular aerobic exercises (odds ratio [OR] = 8.9), adherence to a diet (OR = 7.5), duration of MS diagnosis < 20 years before the start of correction (OR = 12.8), and intake of a glucagon-like peptide-1 receptor agonist (Liraglutide) (OR = 5.4).

In the control group, group I, and group II, AF development did not differ significantly and was registered in 192 (93.20%), 491 (88.15%), and 79 (84.95%) patients (p > 0.05), respectively.

CONCLUSIONS: In MS patients with PAC and a high 5-year risk of AF, the correction of potentially modifiable risk factors for AF development, as its primary prevention, is ineffective. The determination of the RCHARGE-AF index in MS patients with PAC in dynamics indicates the efficiency of the correction of potentially modifiable risk factors for AF development, but it does not determine the degree of the risk of its occurrence.

The authors declare no conflict of interest.

About the authors

Aleksandr I. Olesin

I.I. Mechnikov North-West State Medical University

Author for correspondence.
Email: olesin58@mail.ru
ORCID iD: 0000-0001-7827-1052

Professor

Russian Federation, Saint Petersburg

Irina V. Konstantinova

I.I. Mechnikov North-West State Medical University

Email: i.konsta@yandex.ru
ORCID iD: 0000-0003-3350-3088
Russian Federation, Saint Petersburg

Vladimir S. Ivanov

St. Elizabeth’s Hospital

Email: v.sivanov@yandex.ru
ORCID iD: 0000-0001-5705-7057
Russian Federation, Saint Petersburg

References

  1. Pouwels S, Topal B, Knook MT, et al. Interaction of obesity and atrial fibrillation: an overview of pathophysiology and clinical managemen. Expert Rev Cardiovasc Ther. 2019;17(3):209–223. doi: 10.1080/14779072.2019.1581064
  2. Lee S-Y, Lee S-R, Choi E-K, et al. Association Between Change in Metabolic Syndrome Status and Risk of Incident Atrial Fibrillation: A Nationwide Population-Based Study. J Am Heart Assoc. 2021;10(16):e020901. doi: 10.1161/JAHA.121.020901
  3. Zheng Y, Xie Z, Li J, et al. Meta-analysis of metabolic syndrome and its individual components with risk of atrial fibrillation in different populations. BMC Cardiovasc Disord. 2021;21(1):90–101. doi: 10.1186/s12872-021-01858-1
  4. Chung MK, Eckhardt LL, Chen LY, et al. Lifestyle and Risk Factor Modification for Reduction of Atrial Fibrillation: A Scientific Statement From the American Heart Association. Circulation. 2020;141(16):e750–e772. doi: 10.1161/CIR.0000000000000748
  5. Vyas V, Lambiase P. Obesity and Atrial Fibrillation: Epidemiology, Pathophysiology and Novel Therapeutic Opportunities. Arrhythm Electrophysiol Rev. 2019;8(1):28–36. doi: 10.15420/aer.2018.76.2
  6. Shamloo AS, Dagres N, Arya A, et al. Atrial fibrillation: A review of modifiable risk factors and preventive strategies. Rom J Intern Med. 2019;57(2):99–109. doi: 10.2478/rjim-2018-0045
  7. Libby P, Zipes DP. Вraunwald’s Heart Disease. A textbook of cardiovascular medicine. 11th edition. Bonow R, Mann D, Tomaselli G, editors. Elsevier Science, 2018. 5174 р. ISBN: 978-0-323-55593-7
  8. Jamaly S, Carlson L, Peltonen M, et al. Bariatric Surgery and the Risk of New-Onset Atrial Fibrillation in Swedish Obese Subjects. J Am Coll Cardiol. 2016;68(23):2497–2504. doi: 10.1016/j.jacc.2016.09.940
  9. Olesin AI, Litvinenko VA, Al-Barbari AV, et al. Atrial fibrillation onset risk in patients with metabolic syndrome: prospective study. Russian Journal of Cardiology. 2014;(12):25–30. (In Russ.). doi: 10.15829/1560-4071-2014-12-25-30
  10. Olesin AI, Konstantinova IV. The possibility of using pharmacological antiarrhythmic therapy and modulated kinesotherapy as a primary prevention of atrial fibrillation in patients with metabolic syndrome and with premature atrial complexes: prospective study. Complex Issues of Cardiovascular Diseases. 2022;11(1):17–25. (In Russ.). doi: 10.17802/2306-1278-2022-11-1-17-25
  11. Patent RUS № 2556602/ 10.07.15. Byul. № 19. Olesin AI, Konstantinova IV, Litvinenko VA, Al-Barbari AV. Sposob opredeleniya riska razvitiya fibrillyatsii predserdii u bol’nykh s predserdnoi ehkstrasistoliei. Available from: http://www.findpatent.ru/patent/255/2556602.html (In Russ.).
  12. Patent RUS № 2763978/ 12.01.22 Byul. № 2. Olesin AI, Konstantinova IV, Zueva YuS. Sposob prognozirovaniya razvitiya fibrillyatsii predserdii u bol’nykh s predserdnoi ehkstrasistoliei. Available from: http://www.findpatent.ru/patent/255/2763978.html (In Russ.).
  13. Alonso A, Krijthe BP, Aspelund T, et al. Simple risk model predicts incidence of atrial fibrillation in a racially and geographically diverse population: the CHARGE-AF consortium. J Am Heart Assoc. 2013;2(2):e000102. doi: 10.1161/JAHA.112.000102
  14. Arnett DK, Blumenthal RS, Albert MA, et al. 2019 ACC/AHA Guideline on the Primary Prevention of Cardiovascular Disease. A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. Circulation. 2019;140(11):e596–e646. doi: 10.1161/CIR.0000000000000678
  15. Varma N, Cyqankiewicz I, Terakhia M, et al. 2021 ISHNE/HRS/EHRA/APHRS collabora-tive statement on mHealth in Arrhythmia Management: Digital Medical Tools for Heart Rhythm Professionals. From the International Society for Holter and Noninvasive Electrocardiology/Heart Rhythm Society/European Heart Rhythm Association/Asia Pacific Heart Rhythm Society. J Ar-rhythm. 2021;37(2):271–319. doi: 10.1002/joa3.12461
  16. Wu Y, Xie Z, Liang W, et al. Usefulness of CHADS2, R2CHADS2, and CHA2DS2-VASc scores for predicting incident atrial fibrillation in heart failure with preserved ejection fraction pa-tients. ESC Heart Fail. 2021;8(2):1369–1377. doi: 10.1002/ehf2.13217
  17. Boriani G, Palmisano P, Malavasi VL, et al. Clinical Factors Associated with Atrial Fibril-lation Detection on Single-Time Point Screening Using a Hand-Held Single-Lead ECG Device. J Clin Med. 2021;10(4):729. doi: 10.3390/jcm10040729
  18. Himmelrech JCL, Veeler L, Lucassen WAM, et al. Prediction models for atrial fibrillation applicable in the community: a systematic review and meta-analysis. Europace. 2020;22(5):684–694. doi: 10.1093/europace/euaa005
  19. Himmelrech JCL, Lucassen WAM, Harskamp RE, et al. CHARGE-AF in a national routine primary care electronic health records database in the Netherlands: validation for 5-year risk of atrial fibrillation and implications for patient selection in atrial fibrillation screening. Open Heart. 2021;8(1):e001459. doi: 10.1136/openhrt-2020-001459
  20. Mason FE, Pronto JRD, Alhussini K, et al. Cellular and mitochondrial mechanisms of atrial fibrillation. Basic Res Cardiol. 2020;115(6):72–78. doi: 10.1007/s00395-020-00827-7
  21. Goette A, Lendeckel U. Atrial Cardiomyopathy: Pathophysiology and Clinical Consequenes. Cells. 2021;10(10):2605. doi: 10.3390/cells10102605
  22. Goette A, Kalman JM, Aguinaga L, et al. EH-RA/HRS/APHRS/SOLAECE expert consensus on atrial cardiomyopathies: Definition, characteriza-tion, and clinical implication. Heart Rhythm. 2017;14(1):e3–e40. doi: 10.1016/j.hrthm.2016.05.028
  23. Al-Kaisey AM, Parameswaran R, Kalman JM. Atrial Fibrillation Structural Substrates: Aetiology, Identification and Implications. Arrhythm Electrophysiol Rev. 2020;9(3):113–120. doi: 10.15420/aer.2020.19
  24. Garg PK, O’Neal WT, Ogunsua A, et al. Usefulness of the American Heart Association’s Life Simple 7 to Predict the Risk of Atrial Fibrilla-tion (from the REasons for Geographic And Racial Differences in Stroke [REGARDS] Study). Am J Cardiol. 2018;121(2):199–204. doi: 10.1016/j.amjcard.2017.09.033
  25. Isakadze N, Pratik B, Sandesara B, et al. Life’s Simple 7 Ap-proach to Atrial Fibrillation Prevention. J Atr Fibrillation. 2018;11(3): 2051–2058. doi: 10.4022/jafib.2051
  26. Pandey A, Gersh BJ, McGuire DK, et al. Association of body mass index with care and outcomes in patients with atrial fibrillation: results from the OR-BIT-AF registry. JACC Clin Electrophysiol. 2016;2(4):355–363. doi: 10.1016/j.jacep.2015.12.001

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Cumulative proportion of patients with AF (%) in groups I and II. * ― significant difference in indicators when compared with the control group (p < 0.05). AF, atrial fibrillation.

Download (278KB)
Indexing metadata

Copyright (c) 2022 Olesin A.I., Konstantinova I.V., Ivanov V.S.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».