Arq Bras Cardiol abc Arquivos Brasileiros de Cardiologia Arq. Bras. Cardiol. 0066-782X 1678-4170 Sociedade Brasileira de Cardiologia - SBC fSGcQWhwpNZBCM78TLJ4M4g S0066-782X2026000800601 00601 10.36660/abc.20250683 Artigo Original Um Modelo Preditivo para Embolia Pulmonar em Pacientes com Fibrilação Atrial Baseado em Tromboelastografia e Parâmetros de Coagulação 0009-0008-7788-0655 Huang Xingqi Concepção e desenho da pesquisa Obtenção de dados Análise e interpretação dos dados Análise estatística Obtenção de financiamento, Redação do manuscrito e Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 1 0009-0001-1974-5606 Liu Jianmei Concepção e desenho da pesquisa Obtenção de dados Análise e interpretação dos dados Análise estatística Obtenção de financiamento Redação do manuscrito e Revisão crítica do manuscrito quanto ao conteúdo intelectual importante 2 Department of Blood Transfusion Jinhua Guangfu Oncology Hospital Jinhua China Department of Blood Transfusion, Jinhua Guangfu Oncology Hospital, Jinhua – China Department of Cardiovascular Medicine Jinhua Guangfu Oncology Hospital Jinhua China Department of Cardiovascular Medicine, Jinhua Guangfu Oncology Hospital, Jinhua – China Jianmei Liu Department of Cardiovascular Medicine – Jinhua Guangfu Oncology Hospital – No.1296 Huancheng North Road, Jinhua, Zhejiang Province – China E-mail: ljm25012@163.com

Gláucia Maria Moraes de Oliveira

Declaro não haver conflito de interesses pertinentes.

 28 08 2026 08 2026 123 8 e20250683 21 10 2025 31 03 2026 10 06 2026 Este é um artigo de acesso aberto distribuído sob os termos da licença de atribuição pelo Creative Commons Resumo Fundamento

Pacientes com fibrilação atrial (FA) apresentam risco elevado de embolia pulmonar (EP), porém as ferramentas de predição existentes demonstram precisão limitada.

 Objetivos

Este estudo teve como objetivo desenvolver e validar um novo modelo preditivo que integra parâmetros de tromboelastografia (TEG) com marcadores de coagulação convencionais para avaliação do risco de EP em pacientes com FA.

 Métodos

Realizamos um estudo retrospectivo com 271 pacientes hospitalizados com FA submetidos a angiotomografia computadorizada pulmonar (angioTC) para investigação de EP (41 com EP, 230 sem). A idade média foi de 76,5 anos, 56,5% eram do sexo masculino e a hipertensão foi a comorbidade mais comum (67,5%). O diagnóstico de EP foi confirmado por angiotomografia computadorizada pulmonar. Foram analisadas as características basais, os parâmetros da TEG (incluindo tempo de reação, amplitude máxima [AM] e ângulo α) e os marcadores de coagulação padrão (dímero-D, fibrinogênio). A significância estatística foi definida como um valor de p bicaudal < 0,05. A regressão logística multivariada identificou preditores independentes, que foram incorporados a um nomograma. O desempenho do modelo foi avaliado por meio de análise da curva ROC (característica de operação do receptor), curvas de calibração e análise da curva de decisão (ACD).

 Resultados

A prevalência de EP foi de 15,1%. Pacientes com EP apresentaram níveis significativamente mais elevados de TEG-AM, dímero-D e fibrinogênio em comparação ao grupo sem EP (todos com p < 0,05). A análise multivariada identificou esses três marcadores como preditores independentes. O nomograma demonstrou excelente discriminação (AUC = 0,878, IC 95%: 0,806-0,949), com sensibilidade de 87,8% e especificidade de 78,0% no ponto de corte ideal. O modelo apresentou boa calibração (p de Hosmer-Lemeshow = 0,965) e significativa utilidade clínica.

 Conclusão

O nomograma baseado em TEG, que combina AM, dímero-D e fibrinogênio, fornece uma estratificação de risco de EP precisa e acessível à beira do leito para pacientes com FA. Essa ferramenta pode facilitar a identificação precoce de indivíduos de alto risco e orientar a tomada de decisões clínicas em relação à terapia anticoagulante. Estudos prospectivos adicionais são necessários para validar esses achados.

Um Modelo Preditivo para Embolia Pulmonar em Pacientes com Fibrilação Atrial Baseado em Tromboelastografia e Parâmetros de Coagulação

Palavras-chave Fibrilação Atrial Embolia Pulmonar Tromboelastografia Jinhua Science and Technology Bureau 2024-4-166 Fontes de Financiamento O presente estudo foi parcialmente financiado por Jinhua Science and Technology Bureau(2024-4-166). Introdução

A fibrilação atrial (FA), a arritmia cardíaca sustentada mais comum na prática clínica, está se tornando cada vez mais prevalente com o envelhecimento da população mundial e emergiu como uma importante preocupação de saúde pública. Diretrizes recentes da Sociedade Europeia de Cardiologia e da American Heart Association/American College of Cardiology enfatizam a importância da avaliação das complicações associadas à FA.1,2A embolia pulmonar (EP) é uma complicação grave, porém frequentemente subdiagnosticada, em pacientes com FA. Estudos demonstraram que a incidência de EP foi de 1,55 por 1.000 pessoas-ano em pacientes com FA, representando um risco substancialmente maior em comparação com aqueles sem FA.3A coexistência de EP prolonga significativamente a hospitalização e aumenta a mortalidade, especialmente entre pacientes idosos e aqueles com múltiplas comorbidades, levando a desfechos acentuadamente piores a curto e longo prazo.4,5Além disso, as manifestações clínicas inespecíficas tanto da FA quanto da EP — como dispneia e palpitações — podem facilmente levar a diagnósticos incorretos ou perdidos, exacerbando, assim, a carga da doença e o consumo de recursos de saúde.6

Atualmente, o diagnóstico de EP em pacientes com FA permanece um desafio clínico. O diagnóstico definitivo de EP baseia-se principalmente em exames de imagem, sendo a angiotomografia computadorizada pulmonar (angioTC) considerada o padrão ouro. Embora a angioTC tenha alto valor diagnóstico, ela também apresenta limitações, como exposição à radiação ionizante, risco de nefropatia induzida por contraste e potencial sobrediagnóstico de êmbolos subsegmentares.7Dentre os marcadores laboratoriais, o dímero-D é comumente utilizado como triagem auxiliar devido à sua alta sensibilidade. No entanto, sua especificidade é baixa e é facilmente influenciada por fatores como idade, comorbidades e estados inflamatórios, o que pode levar a um aumento nas taxas de falsos positivos.8Sistemas de pontuação clínica, como os escores de Wells e de Genebra, são úteis na população em geral, mas seu desempenho pode ser reduzido em pacientes hospitalizados complexos com sintomas cardiopulmonares sobrepostos e múltiplas comorbidades.9,10Essas limitações ressaltam a necessidade de biomarcadores mais confiáveis, dinâmicos e reproduzíveis para auxiliar na identificação precoce do risco de EP em pacientes com FA, melhorando, em última análise, a tomada de decisões clínicas e o manejo prognóstico.

A tromboelastografia (TEG) é um ensaio dinâmico que avalia todo o processo de coagulação, fornecendo informações abrangentes sobre coagulação, fibrinólise e função plaquetária.11,12Ao contrário dos testes de coagulação convencionais, a TEG permite o monitoramento em tempo real do estado de coagulação do paciente e tem sido amplamente utilizado para avaliação do risco de sangramento e trombose em contextos de trauma, oncologia e terapia intensiva.13-15Nos últimos anos, estudos preliminares exploraram a utilidade da TEG na previsão de tromboembolismo venoso (TEV), sugerindo seu potencial para identificação precoce.16No entanto, as evidências sobre a aplicação da TEG na FA — uma população com risco trombótico particularmente elevado — ainda são limitadas. Portanto, a construção de um modelo preditivo baseado em parâmetros da TEG, em combinação com índices laboratoriais convencionais, pode ajudar a preencher a lacuna deixada pelas abordagens tradicionais e fornecer uma ferramenta de estratificação de risco mais sensível e individualizada para identificar EP em pacientes com FA com suspeita clínica (Figura Central).

 Métodos Desenho do estudo e população

Este estudo retrospectivo foi conduzido no Hospital Oncológico Jinhua Guangfu, um importante centro terciário de saúde em Zhejiang, China. Embora a oncologia seja uma especialidade primária, o hospital funciona como um centro médico abrangente, englobando uma ampla gama de departamentos clínicos, incluindo cardiologia. Os participantes elegíveis foram identificados em todo o hospital por meio de uma consulta sistemática ao sistema de Prontuário Eletrônico do Paciente (PEP) utilizando o código da Classificação Internacional de Doenças, 10ª Revisão (CID-10) para FA (I48). O processo de triagem e seleção está ilustrado na Figura 1. Um total de 545 pacientes consecutivos com FA foram inicialmente identificados no banco de dados do hospital, com o tamanho da amostra determinado pela disponibilidade de pacientes elegíveis durante o período do estudo. Após a exclusão de 274 pacientes com exposição recente à terapia antitrombótica (incluindo anticoagulantes ou antiplaquetários), neoplasia maligna ativa, dados de TEG ausentes ou outros critérios de exclusão, 271 pacientes foram incluídos na análise final. Pacientes que receberam terapia antitrombótica recentemente foram excluídos, pois esses medicamentos podem alterar substancialmente os parâmetros de coagulação derivados da TEG e os parâmetros convencionais, confundindo, assim, a avaliação do perfil de coagulação intrínseco associado ao risco de EP. Embora a terapia antitrombótica de longo prazo seja recomendada para a maioria dos pacientes com FA, na prática clínica hospitalar, uma parcela dos pacientes pode não estar recebendo esse tratamento devido ao diagnóstico recente de FA, à suspensão temporária antes de procedimentos invasivos, ao risco de sangramento ou a outras considerações clínicas. Esses participantes, todos hospitalizados com diagnóstico de FA entre janeiro de 2023 e fevereiro de 2025, incluíam 41 pacientes com EP confirmada e 230 pacientes com FA sem EP. A angioTC foi utilizada como padrão de referência diagnóstico uniforme para EP, a fim de minimizar a heterogeneidade na identificação dos casos; pacientes diagnosticados apenas por outras modalidades não foram incluídos, pois esses métodos são pouco utilizados em nossa instituição e não possuem documentação padronizada nos prontuários médicos. O estudo foi conduzido de acordo com a Declaração de Helsinque, aprovado pelo Comitê de Ética do Hospital Oncológico Jinhua Guangfu (Aprovação nº: 2024-015-01) e relatado em conformidade com a declaração STROBE para estudos observacionais.17

– Fluxograma da seleção dos participantes do estudo.

Critérios de inclusão: (1) Idade ≥ 18 anos; (2) Diagnóstico de FA confirmado de acordo com critérios estabelecidos18(3) Submetido a TEG durante a hospitalização e com medições concomitantes de parâmetros de coagulação convencionais; (4) Estado de EP definitivamente determinado por angioTC;9 (5) Dados clínicos completos disponíveis.

Critérios de exclusão: (1) Presença de condições subjacentes importantes que afetem a coagulação, como malignidade ativa, trauma agudo, gravidez ou histórico de cirurgia de grande porte; (2) Distúrbios hematológicos diagnosticados, disfunção hepática ou renal grave ou doenças autoimunes ativas; (3) EP claramente secundária a procedimentos cirúrgicos, imobilização prolongada, trauma grave ou terapia de reposição hormonal; (4) Exposição recente à terapia antitrombótica, incluindo agentes anticoagulantes ou antiplaquetários.

 Coleta de dados

Os dados dos pacientes foram obtidos do sistema eletrônico de prontuários médicos do hospital utilizando um formulário padronizado de coleta de dados. As seguintes variáveis foram coletadas para cada paciente incluído no estudo:

1. Informações demográficas e sobre comorbidades clínicas:

Sexo, idade, índice de massa corporal (IMC), tempo de internação hospitalar (em dias) e comorbidades, incluindo hipertensão, diabetes mellitus, doença arterial coronariana, trombocitopenia, doença pulmonar obstrutiva crônica (DPOC), insuficiência cardíaca e histórico de infarto cerebral. O escore CHA2DS2-VASc foi calculado com base nesses parâmetros clínicos.

2. Parâmetros ecocardiográficos:

Diâmetro da raiz da aorta (mm), diâmetro do átrio esquerdo (DAE, mm), espessura do septo interventricular (SIV, mm), espessura da parede posterior do ventrículo esquerdo (EPPVE, mm), diâmetro diastólico final do ventrículo esquerdo (DDVE, mm), diâmetro sistólico final do ventrículo esquerdo (DSVE, mm) e fração de ejeção do ventrículo esquerdo (FEVE).

3. Avaliações laboratoriais:

Contagem de plaquetas (PLT), índices de função renal, incluindo creatinina sérica (SCr), taxa de filtração glomerular estimada (TFGe) e ácido úrico (AU), perfil lipídico composto por colesterol total (CT), triglicerídeos (TG), colesterol de lipoproteína de alta densidade (HDL-C) e colesterol de lipoproteína de baixa densidade (LDL-C), e proteína C-reativa de alta sensibilidade (PCR-as).

4. Parâmetros de coagulação convencionais:

Tempo de protrombina (TP, s), atividade de protrombina (TP%, %), razão normalizada internacional (RNI), tempo de tromboplastina parcial ativada (TTPA, s), tempo de trombina (TT, s), concentração de fibrinogênio (FIB, g/L) e nível de dímero-D (mg/L).

5. Parâmetros TEG:

Amostras de sangue venoso periférico foram coletadas de todos os participantes na manhã seguinte à admissão, após jejum noturno. As amostras foram coletadas em tubos a vácuo contendo citrato de sódio a 3,2% como anticoagulante, na proporção de 9:1 (sangue: anticoagulante), e homogeneizadas. Para garantir a confiabilidade dos resultados, todas as amostras foram processadas em até 2 horas após a coleta.

A análise TEG foi realizada utilizando o analisador de TEG UD-T5000, seguindo as instruções do fabricante. Em nossa instituição, embora a TEG não seja realizada rotineiramente em todos os pacientes com FA, ela é comumente utilizada em pacientes hospitalizados com suspeita de condições trombóticas, anormalidades de coagulação inexplicáveis ou quando os médicos necessitam de uma avaliação mais abrangente do estado de coagulação para orientar a tomada de decisões clínicas. Após a ativação, o instrumento registrou continuamente a curva TEG em tempo real e derivou automaticamente parâmetros-chave com base nas alterações das propriedades viscoelásticas do sangue. Esses parâmetros incluíram tempo de reação (R), tempo de coagulação (K), ângulo alfa (ângulo α), amplitude máxima (AM) e porcentagem de lise do coágulo em 30 minutos (LY30). As definições dos parâmetros TEG foram as seguintes:19,20

Tempo R: Duração desde o início do teste até a formação inicial de fibrina, indicada por uma amplitude TEG de 2 mm.

Tempo K: Intervalo de tempo desde o final de R até o momento em que o coágulo atinge uma força correspondente a uma amplitude de 20 mm.

Ângulo α: O ângulo formado entre a tangente do segmento ascendente da curva TEG e a linha de base, indicando a taxa de fortalecimento do coágulo.

AM: A AM da curva TEG, representando a força e a estabilidade máximas do coágulo.

LY30: Redução percentual na amplitude do coágulo medida 30 minutos após a AM, refletindo a atividade fibrinolítica.

Dois investigadores independentes extraíram dados dos registros médicos eletrônicos. Inconsistências ocorreram em menos de 5% dos casos, principalmente relacionadas à classificação dos padrões de FA devido a notas clínicas ambíguas e à verificação do histórico de medicação pré-internação. Essas inconsistências foram resolvidas por um terceiro revisor por meio de uma análise detalhada do prontuário médico completo do paciente. Todas as informações identificáveis do paciente foram removidas para anonimizar os dados antes da análise.

 Análise de tamanho da amostra e poder estatístico post-hoc

Devido à natureza retrospectiva deste estudo de modelo preditivo, não foi realizado nenhum cálculo formal prospectivo do tamanho da amostra. O rigor metodológico foi mantido pela adesão ao mínimo de 10 eventos por preditor (EPV) para estimativa estável do modelo, complementado por análise de poder post-hoc para confirmar a adequação do tamanho da amostra. O modelo final identificou três preditores independentes para EP em pacientes com FA, com 41 eventos de EP entre 271 indivíduos incluídos, resultando em um EPV de 13,7 — excedendo o limiar recomendado de 10 e corroborando a estimativa confiável dos parâmetros. A análise de poder post-hoc, realizada utilizando o pacote pROC no R, baseou-se na AUC observada de 0,878 e em um tamanho de amostra de 271. Com um nível α bilateral de 0,05, o poder estatístico excedeu 90% para detectar uma AUC significativamente maior que 0,70 (hipótese nula), indicando um tamanho de amostra suficiente para identificar um desempenho preditivo significativo do modelo. Além disso, a validação interna usando 1000 reamostragens boot resultou em um intervalo de confiança estreito para a AUC corrigida para otimismo (0,804–0,916), reforçando a robustez do modelo e a adequação do tamanho da amostra.

 Análise estatística

Todas as análises estatísticas foram realizadas utilizando o software R (versão 4.3.0) e o SPSS (versão 26.0). A normalidade da distribuição dos dados foi avaliada pelo teste de Kolmogorov-Smirnov. Estatísticas descritivas foram utilizadas para resumir os dados. Variáveis contínuas com distribuição normal foram apresentadas como média ± desvio padrão, enquanto dados com distribuição não normal foram expressos como mediana com intervalo interquartil (IIQ). Variáveis categóricas foram descritas como frequências e porcentagens. Comparações entre grupos foram realizadas utilizando o teste t de Student para amostras independentes ou o teste U de Mann-Whitney, conforme apropriado. O teste do qui-quadrado foi utilizado para variáveis categóricas. Utilizou-se a análise de regressão logística multivariada com o método *stepwise* reverso para identificar preditores independentes de EP, e, posteriormente, construiu-se um modelo de nomograma com base no modelo de regressão final. A capacidade discriminatória do modelo foi avaliada utilizando a curva ROC e a AUC, onde uma AUC mais alta indica melhor discriminação. O teste de DeLong foi utilizado para comparar as AUCs entre diferentes modelos ou subgrupos para avaliar a significância estatística das diferenças de discriminação. A calibração do modelo foi avaliada pelo teste de bondade de ajuste de Hosmer-Lemeshow e por curvas de calibração, examinando a concordância entre os resultados previstos e observados. A utilidade clínica foi avaliada usando a ADC, que estima o benefício clínico líquido em uma gama de probabilidades limiares. Para avaliar a robustez e a validade interna do modelo, foi realizada uma reamostragem bootstrap (1.000 iterações). A AUC média dos conjuntos de validação foi calculada e uma curva ROC foi gerada para avaliar ainda mais a generalização do modelo. Além disso, uma análise de sensibilidade foi conduzida para avaliar a robustez dos resultados, incorporando variáveis clinicamente relevantes identificadas na análise univariada ao modelo de regressão logística multivariada. Um valor de p bicaudal < 0,05 foi considerado estatisticamente significativo.

 Resultados Características basais da população do estudo

Um total de 271 pacientes hospitalizados com FA foram incluídos no estudo, dos quais 41 (15,13%) apresentavam EP concomitante (Tabela 1). As características demográficas basais, incluindo idade, sexo, IMC e tempo de internação hospitalar, foram comparáveis entre os dois grupos. Da mesma forma, o tipo de FA, as comorbidades e o risco tromboembólico (escore CHA2DS2-VASc mediano: 4,00) não diferiram significativamente. A avaliação ecocardiográfica mostrou que os pacientes com EP apresentavam FEVE significativamente menor em comparação com aqueles sem EP (60,20%)±8,77% contra 63,91±8,81%, p = 0,013), enquanto outros parâmetros ecocardiográficos foram comparáveis entre os grupos. Notavelmente, os níveis de PCR-as foram marcadamente mais elevados em pacientes com EP (mediana de 14,40 vs. 2,92 mg/L, p < 0,001), enquanto outros índices laboratoriais, incluindo função renal, perfil lipídico e contagem de plaquetas, foram semelhantes entre os grupos.

– Comparação das características basais entre o grupo com embolia pulmonar e o grupo sem embolia pulmonar
Variáveis Total (n = 271) Não-EP (n = 230) EP (n = 41) p
Idade (anos) 76,48 ± 10,20 76,00 ± 10,21 77,51±8,64 0.320
Sexo, n (%) 0,282
Masc. 153 (56,46) 133 (57,83) 20 (48,78)
Fem. 118 (43,54) 97 (42,17) 21 (51,22)
IMC(kg/m2) 22,86 (20,28, 25,28) 23,00 (20,28, 25,28) 22,39 (20,41, 25,23) 0,618
Tempo de internação hospitalar (dias) 7,81 (5,14, 12,92) 7.11 (5.12, 12.92) 8,79 (5,21, 12,16) 0,579
Padrão FA, n (%) 0,351
FA paroxística 70 (25,83) 57 (24,78) 13 (31,71)
FA não paroxística 201 (74,17) 173 (75,22) 28 (68,29)
Histórico médico
Hipertensão, n (%) 0,634
Não 88 (32,47) 76 (33,04) 12 (29.27)
Sim 183 (67,53) 154 (66,96) 29 (70,73)
Diabetes mellitus, n (%) 0,233
Não 211 (77,86) 182 (79,13) 29 (70,73)
Sim 60 (22.14) 48 (20,87) 12 (29.27)
Doença arterial coronariana, n (%) 0,386
Não 122 (45,02) 101 (43,91) 21 (51,22)
Sim 149 (54,98) 129 (56,09) 20 (48,78)
Trombocitopenia, n (%) 0,819
Não 228 (84,13) 194 (84,35) 34 (82,93)
Sim 43 (15,87) 36 (15,65) 7 (17.07)
DPOC, n (%) 0,907
Não 223 (82,29) 189 (82,17) 34 (82,93)
Sim 48 (17,71) 41 (17,83) 7 (17.07)
Insuficiência cardíaca, n (%) 0,782
Não 235 (86,72) 200 (86,96) 35 (85,37)
Sim 36 (13,28) 30 (13.04) 6 (14,63)
Infarto cerebral, n (%) 0,296
Não 179 (66,05) 149 (64,78) 30 (73,17)
Sim 92 (33,95) 81 (35,22) 11 (26,83)
Tumor maligno, n (%) 0,587
Não 226 (83,39) 193 (83,91) 33 (80,49)
Sim 45 (16,61) 37 (16.09) 8 (19,51)
Escore CHA2DS2-VASc 4,00 (3,00, 6,00) 4,00 (3,00, 6,00) 4,00 (3,00, 5,00) 0,474
Parâmetros de laboratório
PLT (×109/L) 166,00 (128,50, 212,00) 168,50 (129,00, 215,75) 157,00 (125,00, 196,00) 0,338
PCR-as (mg/L) 3,80 (1,19, 12,60) 2,92 (0,97, 9,96) 14,40 (3,50, 35,76) <0,001
AU (μmol/L) 310,00 (236,00, 379,00) 309,00 (238,00, 369,00) 317,00 (189,00, 441,00) 0,642
SCr (μmol/L) 78,00 (64,00, 103,00) 79,50 (65,00, 99,25) 74,00 (61,00, 124,00) 0,923
TFGe (mL/min/1,73m2) 77,26 (57,97, 97,03) 76,98 (58,83, 96,21) 79,67 (45,00, 109,28) 0,818
TG (mmol/L) 1,12 (0,80, 1,60) 1,11 (0,79, 1,60) 1,17 (0,83, 1,60) 0,600
CT (mmol/L) 3,73 (3,11, 4,52) 3,69 (3,11, 4,56) 3,82 (3,09, 4,39) 0,787
HDL-C (mmol/L) 1,18 (0,97, 1,39) 1,20 (0,98, 1,40) 1,07 (0,85, 1,28) 0,099
LDL-C (mmol/L) 2,16 (1,70, 2,80) 2,15 (1,68, 2,76) 2,25 (1,87, 2,96) 0,319
Parâmetros ecocardiográficos
Diâmetro da raiz da aorta 27,18 ± 4,09 27,06 ± 4,25 27,94 ± 2,87 0,152
DAE (mm) 39,71 ± 8,04 39,57 ± 7,92 40,55 ± 8,83 0,530
SIV (mm) 8,94 ± 1,38 8,99 ± 1,41 8,65 ± 1,14 0,191
EPVE (mm) 8,96 ± 1,34 9,02 ± 1,32 8,65 ± 1,38 0,153
DDVE (mm) 47,50 ± 6,72 47,64 ± 6,62 46,71 ± 7,38 0,478
DSVE (mm) 30,54 ± 6,50 30,63 ± 6,55 30,00 ± 6,26 0,620
FEVE (%) 63,35 ± 8,89 63,91 ± 8,81 60,20 ± 8,77 0,013

A trombocitopenia foi definida como uma contagem de plaquetas < 100 × 10⁹/L. EP: embolia pulmonar; IMC: índice de massa corporal; DPOC: doença pulmonar obstrutiva crônica; DAE: diâmetro do átrio esquerdo; SIV: espessura do septo interventricular; EPVE: espessura da parede posterior do ventrículo esquerdo; DDVE: diâmetro diastólico final do ventrículo esquerdo; DSVE: diâmetro sistólico final do ventrículo esquerdo.

 Comparação dos parâmetros TEG e marcadores de coagulação entre os grupos

Conforme demonstrado na Tabela 2, foram encontradas diferenças significativas nos parâmetros do TEG e nos marcadores de coagulação entre os dois grupos. Os pacientes do grupo com EP apresentaram ângulo α e AM significativamente maiores em comparação com os do grupo sem EP. Além disso, o tempo R, o tempo K e o LY30 apresentaram diferenças significativas entre os grupos. Os níveis de FIB e dímero-D também estavam acentuadamente elevados no grupo com EP. Em contrapartida, não foram observadas diferenças significativas no TP, na atividade da TP, no RNI, no TTP) ou no TT entre os grupos.

– Comparação dos parâmetros TEG e indicadores de coagulação entre os grupos de EP e sem EP
Variáveis Total (n = 271) Não-EP (n = 230) EP (n = 41) p
TP(s) 15,12 ± 3,93 15,16 ± 3,97 14,88 ± 3,74 0,679
Atividade TP (%) 70,83 ± 19,24 70,71 ± 19,56 71,48 ± 17,59 0,815
RNI 1,32 ± 0,40 1,32 ± 0,40 1,30 ± 0,40 0,759
TTPA(s) 30,76 ± 6,37 30,96 ± 6,39 29,65 ± 6,22 0,228
TT(s) 16,06 ± 1,31 16,06 ± 1,24 16,05 ± 1,68 0,986
FIB (g/L) 3,39 (2,43, 4,75) 3,26 (2,39, 4,52) 4,77 (2,68, 6,62) 0,001
D-dímero (mg/L) 0,82 (0,54, 1,20) 0,74 (0,48, 1,06) 1,12 (0,79, 2,93) <0,001
Tempo R (min) 3,70 (2,90, 4,60) 3,80 (3,00, 4,70) 3,20 (2,60, 3,80) 0,001
Tempo K (min) 1,20 (0,90, 1,60) 1,30 (1,00, 1,70) 1,10 (0,80, 1,30) 0,002
LY30 (%) 1,10 (0,10, 3,20) 1,20 (0,10, 3,60) 0,80 (0,00, 1,60) 0,026
Ângulo α (°) 69,54 ± 5,72 69,14 ± 5,94 71,81 ± 3,57 <0,001
AM (mm) 56,73 ± 4,57 56,00 ± 4,00 60,81 ± 5,40 <0,001

TEG: tromboelastografia; PT: tempo de protrombina; RNI: razão normalizada internacional; TTPA: tempo de tromboplastina parcial ativada; TT: tempo de trombina; FIB: fibrinogênio; AM: amplitude máxima; LY30: lise em 30 minutos; ângulo α: velocidade de fortalecimento do coágulo; R: tempo de reação; K: cinética do coágulo.

 Fatores de risco independentes para EP em pacientes com FA

A análise de regressão logística univariada identificou o tempo R, o tempo K, o ângulo α, LY30, AM, FIB e dímero-D como fatores significativos associados à EP em pacientes com FA. A análise multivariada subsequente, utilizando regressão stepwise backward, revelou que AM, FIB e dímero-D foram fatores de risco independentes para EP em pacientes com FA. As demais variáveis não mantiveram significância estatística no modelo multivariado (Tabela 3).

– Análise de regressão logística univariada e multivariada dos fatores de risco para EP em pacientes com FA
Variáveis Análise Univariada Análise Multivariada
p OR (IC 95%) p OR (IC 95%)
Tempo R (min) 0,002 0,62 (0,46 ~ 0,84)
Tempo K (min) 0,010 0,32 (0,13 ~ 0,76)
Ângulo α (°) 0,007 1,10 (1,03 ~ 1,18)
AM (mm) <0,001 1,30 (1,18 ~ 1,43) <0,001 1,37 (1,21 ~ 1,54)
LY30(%) 0,005 0,72 (0,57 ~ 0,91)
FIB (g/L) <0,001 2,20 (1,57 ~ 3,09) <0,001 2,30 (1,46 ~ 3,62)
D-dímero (mg/L) <0,001 2,55 (1,78 ~ 3,65) <0,001 2,81 (1,77 ~ 4,47)

OR: odds ratio; IC: intervalo de confiança; AM: amplitude máxima; FIB: fibrinogênio; LY30: lise em 30 minutos.

 Construção de nomograma para predição de embolia pulmonar em pacientes com fibrilação atrial

Com base nos resultados da análise de regressão logística multivariada, foi construído um nomograma para prever o risco de EP em pacientes com FA (Figura 2). O modelo incorporou três preditores independentes: dímero-D, FIB e TEG-AM. Para utilizar o nomograma clinicamente, o valor de cada preditor é inicialmente localizado em seu respectivo eixo de variáveis. Uma linha vertical é traçada para cima até o eixo “Pontos” para determinar a pontuação específica para essa variável. A soma dessas pontuações individuais constitui a “Pontuação Total”, que é então localizada no eixo “Pontuação Total”. Finalmente, uma linha vertical é traçada para baixo a partir do eixo “Pontuação Total” até o eixo “Risco” para obter a probabilidade predita individual.

– Nomograma para prever a probabilidade de embolia pulmonar em pacientes com fibrilação atrial.

Desempenho e validação do modelo

Para avaliar a capacidade discriminativa do nomograma, foi traçada uma curva ROC. A AUC foi de 0,878 (IC 95%: 0,806–0,949), indicando excelente desempenho preditivo (Figura 3A). No valor de corte ideal de 0,204, o modelo apresentou sensibilidade de 87,8% e especificidade de 78,0%. Comparado aos preditores individuais (AM, FIB e dímero-D), o nomograma demonstrou uma AUC significativamente maior (Tabela 4), sugerindo que a combinação de múltiplos fatores pode aumentar substancialmente a precisão preditiva.

– Avaliação do desempenho do modelo de nomograma para EP em pacientes com FA. (A) Curva ROC do modelo de nomograma; (B) Curva de calibração do modelo de nomograma; (C) Curva ADC; (D) Curva ROC após validação interna usando o método Bootstrap.

– Comparação do desempenho preditivo entre o modelo de nomograma e biomarcadores individuais
Variáveis AUC (IC 95%) Sensibilidade Especificidade Corte Teste de Delong
Nomograma 0,878 (0,806-0,949) 87.8% 78,0% 0,204 referência
TEG-AM (mm) 0,771 (0,680-0,862) 72.6% 73.2% 58,2 <0,001
FIB (g/L) 0,741 (0,669-0,813) 70.0% 70.7% 3.199 <0,001
Dímero-D (mg/L) 0,742 (0,662-0,821) 95,2% 41,5% 2.011 <0,001

AUC: área sob a curva; IC: intervalo de confiança; AM: amplitude máxima; FIB: fibrinogênio.

Em termos de calibração, o gráfico de calibração (Figura 3B) demonstrou boa concordância entre as probabilidades previstas e os resultados observados. O teste de bondade de ajuste de Hosmer-Lemeshow apresentou um valor de P de 0,965 (>0,05), corroborando ainda mais o bom ajuste do modelo na coorte de treinamento.

Para avaliar a utilidade clínica do nomograma, foi realizada uma ADC). A curva da ADC (Figura 3C) mostrou que, dentro de uma faixa de probabilidade limite de 0,2 a 0,8, o modelo proporcionou um benefício líquido maior do que as estratégias de “tratar todos” ou “não tratar ninguém”. O benefício líquido máximo foi observado em um limiar de 0,3, sugerindo que o modelo poderia ajudar a evitar aproximadamente 120 intervenções desnecessárias por 1.000 pacientes — demonstrando forte aplicabilidade clínica.

Além disso, para validar a robustez do modelo, foi realizada uma validação interna utilizando bootstrapping com 1.000 reamostragens. A AUC média obtida foi de 0,860 (IC 95%: 0,804–0,916), indicando boa generalização e estabilidade do modelo (Figura 3D).

 Análise de sensibilidade e comparação de modelos

Para avaliar ainda mais a robustez de nossos achados e o potencial valor agregado das características clínicas, realizamos uma análise de sensibilidade. Nessa análise, variáveis clínicas com p < 0,05 na análise univariada (especificamente, PCR-as e FEVE) foram introduzidas no modelo de regressão logística multivariada juntamente com os parâmetros de coagulação. Nesse modelo ampliado, a FEVE foi identificada como um preditor independente significativo (OR: 0,95, p = 0,027), enquanto a PCR-as não manteve a significância. O modelo ampliado (combinando AM, fibrinogênio, dímero-D e FEVE) apresentou uma AUC de 0,893 (IC 95%: 0,830-0,957). No entanto, o teste de DeLong demonstrou que essa melhora não foi estatisticamente significativa em comparação com o nosso modelo original de três variáveis (AUC 0,878 vs. 0,893, p = 0,057). Portanto, considerando o princípio da parcimônia do modelo e da utilidade clínica – em que o modelo original requer apenas uma única coleta de sangue, sem a necessidade de ecocardiografia imediata – mantivemos o modelo baseado na coagulação (AM, fibrinogênio, dímero-D) para a construção do nomograma final.

 Discussão

Neste estudo, desenvolvemos um modelo de nomograma para prever o risco de EP em pacientes hospitalizados com FA, integrando parâmetros de TEG com índices de coagulação convencionais. Os resultados demonstraram que os níveis de AM, FIB e dímero-D foram fatores de risco independentes para EP, e o modelo construído apresentou bom desempenho preditivo. Devido à sua natureza não invasiva, facilidade de uso e adequação para aplicação à beira do leito, este modelo fornece uma nova ferramenta para a identificação precoce de EP de alto risco em pacientes com FA.

A prevalência de EP em nosso estudo foi de 15,1%, o que é notavelmente maior do que a relatada em populações gerais com FA. Por exemplo, um estudo multicêntrico na China realizado por Bai et al.21 relataram uma prevalência de EP intra-hospitalar de 1,2% entre todos os pacientes com FA. Da mesma forma, estudos populacionais de grande escala realizados por Friberg et al.22e Hald et al.6observaram taxas de incidência muito mais baixas, variando de 2,9 a 18,5 por 1.000 pessoas-ano. Essa discrepância em nosso estudo deve-se principalmente aos critérios de inclusão específicos utilizados: restringimos nossa análise a pacientes submetidos à angioTC, um exame diagnóstico normalmente reservado para indivíduos com alta suspeita clínica de EP (por exemplo, dispneia inexplicada, hipoxemia ou dímero-D elevado). Consequentemente, nossa população de estudo representa uma coorte de “alto risco com suspeita de EP”, e não uma população geral de rastreamento de FA. Essa distinção é crucial, pois nosso modelo foi especificamente projetado para auxiliar os médicos a confirmar ou descartar EP nesse grupo desafiador de pacientes com suspeita da doença.

Níveis elevados de dímero-D foram identificados como um preditor independente de EP em pacientes com FA, corroborando estudos anteriores.23,24Como produto da degradação da fibrina, o dímero-D indica coagulação e fibrinólise ativas.25Embora a especificidade do dímero-D diminua com a idade, nosso estudo demonstra que a integração deste com TEG-AM e fibrinogênio aumenta significativamente a precisão diagnóstica em comparação com o dímero-D isoladamente. Essa abordagem multiparamétrica mitiga efetivamente a taxa de falsos positivos frequentemente observada em populações idosas. Do ponto de vista fisiopatológico, a ligação entre FA e EP é principalmente indireta.6Embora a embolia paradoxal por meio de um shunt intracardíaco, como um forame oval patente, represente uma via direta, a FA mais comumente promove um estado sistêmico de hipercoagulabilidade e pró-inflamatório, prejudica o débito cardíaco e causa estase venosa. Esses fatores aumentam o risco de trombose venosa profunda e trombose venosa profunda in situ do coração direito, que, por sua vez, servem como as principais fontes de EP.26-28Grandes estudos de coorte confirmam que a FA eleva significativamente o risco de EP e acidente vascular cerebral isquêmico, particularmente nos primeiros 6 meses após o diagnóstico.6Além disso, a FA está associada à hipertensão pulmonar, que pode agravar a função do ventrículo direito e promover a trombogênese, criando um ciclo vicioso.26Assim, os níveis elevados de dímero-D, fibrinogênio e AM em nosso modelo provavelmente refletem essa tendência trombótica sistêmica. É importante ressaltar que, como nosso estudo excluiu pacientes em uso de anticoagulantes, esses parâmetros fornecem uma avaliação direta do estado de hipercoagulabilidade intrínseca em pacientes com FA, identificando aqueles com maior risco de EP, principalmente pela via do TEV.

O FIB é um substrato fundamental na cascata de coagulação, e seus níveis elevados indicam um estado de hipercoagulabilidade, contribuindo tanto para a formação quanto para a estabilização do trombo.29Estudos demonstraram uma associação significativa entre níveis elevados de FIB e o risco de TEV.30,31A própria FA representa uma condição inflamatória crônica de baixo grau, e evidências anteriores demonstraram níveis persistentemente elevados de marcadores inflamatórios, como proteína C-reativa e interleucina-6. Esses mediadores inflamatórios podem induzir a síntese hepática de FIB e fatores de coagulação, aumentando assim o ambiente protrombótico.32,33Além disso, níveis elevados de FIB podem aumentar a viscosidade sanguínea e promover a agregação de eritrócitos, o que agrava o fluxo sanguíneo lento e cria um ambiente favorável à trombogênese.34Esses mecanismos, em conjunto, predispõem pacientes com FA à EP em um contexto de níveis elevados de fibrinogênio.

Além disso, observamos que pacientes com EP apresentaram níveis de proteína C-reativa de alta sensibilidade (PCR-as) significativamente mais elevados do que aqueles sem EP. Esse achado reforça o papel potencial da inflamação sistêmica no estado protrombótico de pacientes com FA e EP. A PCR-as elevada pode refletir uma atividade inflamatória exacerbada associada ao aumento da expressão de fibrinogênio na FA, bem como processos tromboinflamatórios relacionados ao endotélio e às plaquetas que podem contribuir para a formação de trombos. Embora a PCR-as não tenha sido mantida como um preditor independente no modelo multivariado após o ajuste para parâmetros de coagulação, sua elevação acentuada no grupo com EP ressalta a estreita interação entre inflamação e coagulação nessa população de alto risco.35,36

A AM é um parâmetro crítico derivado da TEG que reflete a força geral do coágulo, determinada tanto pela função plaquetária quanto pela estrutura da fibrina.37,38Em nosso estudo, a elevação da AM foi significativamente associada à EP relacionada à FA, sugerindo um papel fundamental da ativação plaquetária na trombogênese nesses pacientes. Notavelmente, embora a trombocitopenia possa teoricamente reduzir a AM, sua prevalência foi equilibrada entre os grupos em nosso estudo (P=0,819). Isso indica que a elevação observada da AM no grupo com EP reflete um estado de hipercoagulabilidade genuíno — provavelmente impulsionado pelo aumento da função plaquetária e do fibrinogênio — em vez de um viés introduzido pela contagem de plaquetas. Assim, a AM fornece um marcador funcional do potencial trombótico, complementando as informações estáticas fornecidas pela contagem de plaquetas. Pesquisas anteriores demonstraram que a AM pode predizer complicações trombóticas após cirurgia ortopédica e em pacientes com sangramento gastrointestinal.39,40Na FA, as alterações hemodinâmicas nos átrios frequentemente resultam em estase sanguínea local e turbulência, o que promove a formação de fibrina e a agregação plaquetária, levando a trombos mais densos e estáveis.29,41Uma vez desprendidos, esses trombos podem viajar pela circulação sanguínea e obstruir as artérias pulmonares, resultando em EP.9,42Por ser um indicador sensível da viscoelasticidade sanguínea, a AM pode servir como um valioso complemento para a estratificação precoce do risco de EP na população com FA.

Além disso, contextualizamos nosso nomograma baseado em TEG em relação às ferramentas preditivas existentes. Os escores clínicos tradicionais (por exemplo, Wells, Genebra) apresentam especificidade limitada em pacientes idosos com FA devido à sobreposição de sintomas. Modelos recentes exploraram abordagens diferentes: um nomograma clínico de Ling et al.7 alcançou uma AUC de 0,721, enquanto um modelo de IA-ECG de Silva et al.43 apresentou alta especificidade (100%), mas baixa sensibilidade (50%), com uma AUC de 0,75. Estudos epidemiológicos associaram a gravidade da FA (via escore CHA2DS2-VASc) ao risco de TEV,32,44no entanto, esse escore em si demonstrou utilidade preditiva modesta para EP (AUC 0,62). Em contraste, nosso modelo integra o marcador funcional dinâmico TEG-AM, resultando em discriminação superior (AUC 0,878) com sensibilidade equilibrada de 87,8% e especificidade de 78,0%. Isso sugere que a avaliação da função de coagulação em tempo real oferece maior valor preditivo nessa coorte de alto risco.

A relação custo-benefício da incorporação da TEG no manejo da FA requer consideração. Embora a TEG seja mais cara do que os testes de coagulação de rotina (p. ex., TP, TTPA), permanece substancialmente mais barata do que a angiotomografia computadorizada pulmonar (angioTC). A aplicação indiscriminada a todos os pacientes ambulatoriais com FA pode não ser economicamente viável. No entanto, nosso modelo se concentra em um subgrupo definido de pacientes internados de alto risco com suspeita clínica de EP, cuja prevalência da doença em nosso estudo foi de 15,1%. Nesse contexto específico, o uso do nosso nomograma para estratificação inicial de risco pode ser custo-efetivo. Ao identificar com precisão os pacientes de maior risco, ele pode orientar o uso seletivo da angioTC confirmatória, reduzindo exames desnecessários, minimizando a exposição à radiação/contraste e otimizando a alocação de recursos em comparação com uma estratégia de imagem universal.45,46

Pontos fortes e limitações

Este estudo oferece diversas vantagens clínicas. Primeiro, a TEG proporciona uma avaliação dinâmica, reprodutível e acessível à beira do leito da coagulação, complementando os marcadores de coagulação estáticos tradicionais. Segundo, este é o primeiro estudo, até onde sabemos, a construir um modelo de predição de risco de EP especificamente para a população com FA, baseado em AM, FIB e dímero-D. A abordagem multiparamétrica aumenta a robustez e a precisão do modelo, particularmente em cenários com sintomas atípicos ou acesso limitado a exames de imagem.

No entanto, algumas limitações devem ser reconhecidas. Primeiro, este foi um estudo retrospectivo unicêntrico com uma amostra relativamente pequena. A identificação dos pacientes com base na codificação da CID-10 pode estar sujeita a captura incompleta de casos e classificação incorreta, potencialmente introduzindo viés de seleção. Segundo, é importante notar que o estudo foi conduzido em um hospital oncológico especializado. Mesmo com a exclusão rigorosa de neoplasias malignas ativas, a população de pacientes nesse contexto específico apresenta inerentemente maior fragilidade e uma carga mais elevada de comorbidades complexas em comparação com coortes em hospitais gerais. Consequentemente, esse contexto específico pode limitar a generalização de nossos achados para populações de menor risco. Terceiro, devido à natureza retrospectiva da coleta de dados, diversas variáveis clinicamente importantes relacionadas à EP — incluindo histórico prévio de TEV, status de trombofilia, sinais e sintomas detalhados de EP e achados ecocardiográficos do coração direito (incluindo tamanho e função das câmaras) — não estavam consistentemente disponíveis nos prontuários médicos e, portanto, não puderam ser incluídas na análise. Em quarto lugar, devido ao número limitado de eventos de EP, não realizamos análises de subgrupos para comorbidades específicas, como insuficiência cardíaca ou infarto cerebral prévio. Recomenda-se a realização de estudos futuros com coortes maiores para explorar melhor os perfis de risco específicos desses subgrupos. Em quinto lugar, o modelo carece de validação externa e sua aplicabilidade em diversas populações permanece incerta. Por fim, não havia dados de acompanhamento em longo prazo disponíveis, o que impossibilitou a avaliação do valor preditivo a longo prazo. Pesquisas futuras devem adotar um delineamento prospectivo e multicêntrico com coortes maiores, incorporar biomarcadores adicionais e explorar a utilidade do modelo em condições tromboembólicas mais amplas.

 Conclusão

Em resumo, este estudo desenvolveu com sucesso um modelo nomográfico para prever EP em pacientes com FA, baseado em dímero-D, fibrinogênio e AM. O modelo demonstrou desempenho preditivo satisfatório e aplicabilidade clínica, oferecendo uma ferramenta valiosa para a identificação precoce de pacientes de alto risco e a formulação de estratégias de tratamento individualizadas. Estudos prospectivos multicêntricos de grande escala são necessários para validar e aprimorar ainda mais este modelo preditivo.

 Referências 1. Van Gelder IC, Rienstra M, Bunting KV, Casado-Arroyo R, Caso V, Crijns HJGM, et al. 2024 ESC Guidelines for the Management of Atrial Fibrillation Developed in Collaboration with the European Association for Cardio-Thoracic Surgery (EACTS). Eur Heart J. 2024;45(36):3314-414. doi: 10.1093/eurheartj/ehae176. Van Gelder IC Rienstra M Bunting KV Casado-Arroyo R Caso V Crijns HJGM et al 2024 ESC Guidelines for the Management of Atrial Fibrillation Developed in Collaboration with the European Association for Cardio-Thoracic Surgery (EACTS) Eur Heart J 2024 45 36 3314 3414 10.1093/eurheartj/ehae176 2. Joglar JA, Chung MK, Armbruster AL, Benjamin EJ, Chyou JY, Cronin EM, et al. 2023 ACC/AHA/ACCP/HRS Guideline for the Diagnosis and Management of Atrial Fibrillation: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. Circulation. 2024;149(1):e1-e156. doi: 10.1161/CIR.0000000000001193. Joglar JA Chung MK Armbruster AL Benjamin EJ Chyou JY Cronin EM et al 2023 ACC/AHA/ACCP/HRS Guideline for the Diagnosis and Management of Atrial Fibrillation: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines Circulation 2024 149 1 e1 e156 10.1161/CIR.0000000000001193 3. Wang CC, Lin CL, Wang GJ, Chang CT, Sung FC, Kao CH. Atrial Fibrillation Associated with Increased Risk of Venous Thromboembolism. A Population-Based Cohort Study. Thromb Haemost. 2015;113(1):185-92. doi: 10.1160/TH14-05-0405. Wang CC Lin CL Wang GJ Chang CT Sung FC Kao CH Atrial Fibrillation Associated with Increased Risk of Venous Thromboembolism. A Population-Based Cohort Study Thromb Haemost 2015 113 1 185 192 10.1160/TH14-05-0405 4. Mallery Q, Choi MH, Koura S, Greathouse F, Clarke J, Gadhoke N, et al. Atrial Fibrillation Worsens Right Ventricular Dysfunction and Outcomes in Acute Pulmonary Embolism. Am J Cardiol. 2025;257:153-8. doi: 10.1016/j.amjcard.2025.09.045. Mallery Q Choi MH Koura S Greathouse F Clarke J Gadhoke N et al Atrial Fibrillation Worsens Right Ventricular Dysfunction and Outcomes in Acute Pulmonary Embolism Am J Cardiol 2025 257 153 158 10.1016/j.amjcard.2025.09.045 5. Yusuf MH, Anita A, Bolaji OA, Abdulkarim FM, Onyejesi CD, Yusuf M, et al. Impact of Atrial Fibrillation on Pulmonary Embolism Hospitalization: Nationwide Analysis. Am Heart J Plus. 2024;46:100465. doi: 10.1016/j.ahjo.2024.100465. Yusuf MH Anita A Bolaji OA Abdulkarim FM Onyejesi CD Yusuf M et al Impact of Atrial Fibrillation on Pulmonary Embolism Hospitalization: Nationwide Analysis Am Heart J Plus 2024 46 100465 10.1016/j.ahjo.2024.100465 6. Hald EM, Rinde LB, Løchen ML, Mathiesen EB, Wilsgaard T, Njølstad I, et al. Atrial Fibrillation and Cause-Specific Risks of Pulmonary Embolism and Ischemic Stroke. J Am Heart Assoc. 2018;7(3):e006502. doi: 10.1161/JAHA.117.006502. Hald EM Rinde LB Løchen ML Mathiesen EB Wilsgaard T Njølstad I et al Atrial Fibrillation and Cause-Specific Risks of Pulmonary Embolism and Ischemic Stroke J Am Heart Assoc 2018 7 3 e006502 10.1161/JAHA.117.006502 7. Ling F, Jianling Q, Maofeng W. Development and Validation of a Novel Model to Predict Pulmonary Embolism in Cardiology Suspected Patients: A 10-Year Retrospective Analysis. Open Med. 2024;19(1):20240924. doi: 10.1515/med-2024-0924. Ling F Jianling Q Maofeng W Development and Validation of a Novel Model to Predict Pulmonary Embolism in Cardiology Suspected Patients: A 10-Year Retrospective Analysis Open Med 2024 19 1 20240924 10.1515/med-2024-0924 8. Crawford F, Andras A, Welch K, Sheares K, Keeling D, Chappell FM. D-Dimer Test for Excluding the Diagnosis of Pulmonary Embolism. Cochrane Database Syst Rev. 2016;2016(8):CD010864. doi: 10.1002/14651858.CD010864.pub2. Crawford F Andras A Welch K Sheares K Keeling D Chappell FM D-Dimer Test for Excluding the Diagnosis of Pulmonary Embolism Cochrane Database Syst Rev 2016 2016 8 CD010864 10.1002/14651858.CD010864.pub2 9. Konstantinides SV, Meyer G, Becattini C, Bueno H, Geersing GJ, Harjola VP, et al. 2019 ESC Guidelines for the Diagnosis and Management of Acute Pulmonary Embolism Developed in Collaboration with the European Respiratory Society (ERS). Eur Heart J. 2020;41(4):543-603. doi: 10.1093/eurheartj/ehz405. Konstantinides SV Meyer G Becattini C Bueno H Geersing GJ Harjola VP et al 2019 ESC Guidelines for the Diagnosis and Management of Acute Pulmonary Embolism Developed in Collaboration with the European Respiratory Society (ERS) Eur Heart J 2020 41 4 543 603 10.1093/eurheartj/ehz405 10. Girardi AM, Bettiol RS, Garcia TS, Ribeiro GLH, Rodrigues ÉM, Gazzana MB, et al. Wells and Geneva Scores are Not Reliable Predictors of Pulmonary Embolism in Critically Ill Patients: A Retrospective Study. J Intensive Care Med. 2020;35(10):1112-7. doi: 10.1177/0885066618816280. Girardi AM Bettiol RS Garcia TS Ribeiro GLH Rodrigues ÉM Gazzana MB et al Wells and Geneva Scores are Not Reliable Predictors of Pulmonary Embolism in Critically Ill Patients: A Retrospective Study J Intensive Care Med 2020 35 10 1112 1117 10.1177/0885066618816280 11. Maatman TK, Jalali F, Feizpour C, Douglas A 2nd, McGuire SP, Kinnaman G, et al. Routine Venous Thromboembolism Prophylaxis May Be Inadequate in the Hypercoagulable State of Severe Coronavirus Disease 2019. Crit Care Med. 2020;48(9):e783-90. doi: 10.1097/CCM.0000000000004466. Maatman TK Jalali F Feizpour C Douglas A 2nd McGuire SP Kinnaman G et al Routine Venous Thromboembolism Prophylaxis May Be Inadequate in the Hypercoagulable State of Severe Coronavirus Disease 2019 Crit Care Med 2020 48 9 e783 e790 10.1097/CCM.0000000000004466 12. Whitton TP, Healy WJ. Review of Thromboelastography (TEG): Medical and Surgical Applications. Ther Adv Pulm Crit Care Med. 2023;18:29768675231208426. doi: 10.1177/29768675231208426. Whitton TP Healy WJ Review of Thromboelastography (TEG): Medical and Surgical Applications Ther Adv Pulm Crit Care Med 2023 18 29768675231208426 10.1177/29768675231208426 13. Xu Y, Zheng G, Kong L, Li X. Manganese(I)-Catalyzed Synthesis of Fused Eight- and Four-Membered Carbocycles via C-H Activation and Pericyclic Reactions. Org Lett. 2019;21(9):3402-6. doi: 10.1021/acs.orglett.9b01139. Xu Y Zheng G Kong L Li X Manganese(I)-Catalyzed Synthesis of Fused Eight- and Four-Membered Carbocycles via C-H Activation and Pericyclic Reactions Org Lett 2019 21 9 3402 3406 10.1021/acs.orglett.9b01139 14. Abu Assab T, Raveh-Brawer D, Abramowitz J, Naamad M, Ganzel C. The Predictive Value of Thromboelastogram in the Evaluation of Patients with Suspected Acute Venous Thromboembolism. Acta Haematol. 2020;143(3):272-8. doi: 10.1159/000502348. Abu Assab T Raveh-Brawer D Abramowitz J Naamad M Ganzel C The Predictive Value of Thromboelastogram in the Evaluation of Patients with Suspected Acute Venous Thromboembolism Acta Haematol 2020 143 3 272 278 10.1159/000502348 15. Mallett SV. Clinical Utility of Viscoelastic Tests of Coagulation (TEG/ROTEM) in Patients with Liver Disease and during Liver Transplantation. Semin Thromb Hemost. 2015;41(5):527-37. doi: 10.1055/s-0035-1550434. Mallett SV Clinical Utility of Viscoelastic Tests of Coagulation (TEG/ROTEM) in Patients with Liver Disease and during Liver Transplantation Semin Thromb Hemost 2015 41 5 527 537 10.1055/s-0035-1550434 16. Fan D, Ouyang Z, Ying Y, Huang S, Tao P, Pan X, et al. Thromboelastography for the Prevention of Perioperative Venous Thromboembolism in Orthopedics. Clin Appl Thromb Hemost. 2022;28:10760296221077975. doi: 10.1177/10760296221077975. Fan D Ouyang Z Ying Y Huang S Tao P Pan X et al Thromboelastography for the Prevention of Perioperative Venous Thromboembolism in Orthopedics Clin Appl Thromb Hemost 2022 28 10760296221077975 10.1177/10760296221077975 17. von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. Lancet. 2007;370(9596):1453-7. doi: 10.1016/S0140-6736(07)61602-X. von Elm E Altman DG Egger M Pocock SJ Gøtzsche PC Vandenbroucke JP et al The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies Lancet 2007 370 9596 1453 1457 10.1016/S0140-6736(07)61602-X 18. Hindricks G, Potpara T, Dagres N, Arbelo E, Bax JJ, Blomström-Lundqvist C, et al. 2020 ESC Guidelines for the Diagnosis and Management of Atrial Fibrillation Developed in Collaboration with the European Association for Cardio-Thoracic Surgery (EACTS): The Task Force for the Diagnosis and Management of Atrial Fibrillation of the European Society of Cardiology (ESC) Developed with the Special Contribution of the European Heart Rhythm Association (EHRA) of the ESC. Eur Heart J. 2021;42(5):373-498. doi: 10.1093/eurheartj/ehaa612. Hindricks G Potpara T Dagres N Arbelo E Bax JJ Blomström-Lundqvist C et al 2020 ESC Guidelines for the Diagnosis and Management of Atrial Fibrillation Developed in Collaboration with the European Association for Cardio-Thoracic Surgery (EACTS): The Task Force for the Diagnosis and Management of Atrial Fibrillation of the European Society of Cardiology (ESC) Developed with the Special Contribution of the European Heart Rhythm Association (EHRA) of the ESC Eur Heart J 2021 42 5 373 498 10.1093/eurheartj/ehaa612 19. Zhou W, Zhou W, Bai J, Ma S, Liu Q, Ma X. TEG in the Monitoring of Coagulation Changes in Patients with Sepsis and the Clinical Significance. Exp Ther Med. 2019;17(5):3373-82. doi: 10.3892/etm.2019.7342. Zhou W Zhou W Bai J Ma S Liu Q Ma X TEG in the Monitoring of Coagulation Changes in Patients with Sepsis and the Clinical Significance Exp Ther Med 2019 17 5 3373 3382 10.3892/etm.2019.7342 20. Bugaev N, Como JJ, Golani G, Freeman JJ, Sawhney JS, Vatsaas CJ, et al. Thromboelastography and Rotational Thromboelastometry in Bleeding Patients with Coagulopathy: Practice Management Guideline from the Eastern Association for the Surgery of Trauma. J Trauma Acute Care Surg. 2020;89(6):999-1017. doi: 10.1097/TA.0000000000002944. Bugaev N Como JJ Golani G Freeman JJ Sawhney JS Vatsaas CJ et al Thromboelastography and Rotational Thromboelastometry in Bleeding Patients with Coagulopathy: Practice Management Guideline from the Eastern Association for the Surgery of Trauma J Trauma Acute Care Surg 2020 89 6 999 1017 10.1097/TA.0000000000002944 21. Bai Y, Yue QM, Sun H, Guo SD, Wang ZZ, Zhong P, et al. Prevalence and Sex- and Age-Related Risk of Pulmonary Embolism in in-Hospital Patients with Atrial Fibrillation: A Multicenter Retrospective Study from China. Ann Transl Med. 2020;8(23):1558. doi: 10.21037/atm-20-2718. Bai Y Yue QM Sun H Guo SD Wang ZZ Zhong P et al Prevalence and Sex- and Age-Related Risk of Pulmonary Embolism in in-Hospital Patients with Atrial Fibrillation: A Multicenter Retrospective Study from China Ann Transl Med 2020 8 23 1558 10.21037/atm-20-2718 22. Friberg L, Svennberg E. A Diagnosis of Atrial Fibrillation is Not a Predictor for Pulmonary Embolism. Thromb Res. 2020;195:238-42. doi: 10.1016/j.thromres.2020.08.019. Friberg L Svennberg E A Diagnosis of Atrial Fibrillation is Not a Predictor for Pulmonary Embolism Thromb Res 2020 195 238 242 10.1016/j.thromres.2020.08.019 23. Ren J, Wang H, Lai S, Shao Y, Che H, Xue Z, et al. Machine Learning-Based Model to Predict Composite Thromboembolic Events among Chinese Elderly Patients with Atrial Fibrillation. BMC Cardiovasc Disord. 2024;24(1):420. doi: 10.1186/s12872-024-04082-9. Ren J Wang H Lai S Shao Y Che H Xue Z et al Machine Learning-Based Model to Predict Composite Thromboembolic Events among Chinese Elderly Patients with Atrial Fibrillation BMC Cardiovasc Disord 2024 24 1 420 10.1186/s12872-024-04082-9 24. Sikora-Skrabaka M, Skrabaka D, Ruggeri P, Caramori G, Skoczynski S, Barczyk A. D-Dimer Value in the Diagnosis of Pulmonary Embolism-May it Exclude Only? J Thorac Dis. 2019;11(3):664-72. doi: 10.21037/jtd.2019.02.88. Sikora-Skrabaka M Skrabaka D Ruggeri P Caramori G Skoczynski S Barczyk A D-Dimer Value in the Diagnosis of Pulmonary Embolism-May it Exclude Only? J Thorac Dis 2019 11 3 664 672 10.21037/jtd.2019.02.88 25. Weitz JI, Fredenburgh JC, Eikelboom JW. A Test in Context: D-Dimer. J Am Coll Cardiol. 2017;70(19):2411-20. doi: 10.1016/j.jacc.2017.09.024. Weitz JI Fredenburgh JC Eikelboom JW A Test in Context: D-Dimer J Am Coll Cardiol 2017 70 19 2411 2420 10.1016/j.jacc.2017.09.024 26. Hjalmarsson C, Lindgren M, Bergh N, Hornestam B, Smith JG, Adiels M, et al. Atrial Fibrillation, Venous Thromboembolism, and Risk of Pulmonary Hypertension: A Swedish Nationwide Register Study. J Am Heart Assoc. 2025;14(9):e037418. doi: 10.1161/JAHA.124.037418. Hjalmarsson C Lindgren M Bergh N Hornestam B Smith JG Adiels M et al Atrial Fibrillation, Venous Thromboembolism, and Risk of Pulmonary Hypertension: A Swedish Nationwide Register Study J Am Heart Assoc 2025 14 9 e037418 10.1161/JAHA.124.037418 27. Packer M. Characterization, Pathogenesis, and Clinical Implications of Inflammation-Related Atrial Myopathy as an Important Cause of Atrial Fibrillation. J Am Heart Assoc. 2020;9(7):e015343. doi: 10.1161/JAHA.119.015343. Packer M Characterization, Pathogenesis, and Clinical Implications of Inflammation-Related Atrial Myopathy as an Important Cause of Atrial Fibrillation J Am Heart Assoc 2020 9 7 e015343 10.1161/JAHA.119.015343 28. Ding WY, Protty MB, Davies IG, Lip GYH. Relationship between Lipoproteins, Thrombosis, and Atrial Fibrillation. Cardiovasc Res. 2022;118(3):716-31. doi: 10.1093/cvr/cvab017. Ding WY Protty MB Davies IG Lip GYH Relationship between Lipoproteins, Thrombosis, and Atrial Fibrillation Cardiovasc Res 2022 118 3 716 731 10.1093/cvr/cvab017 29. Rafaqat S, Gluscevic S, Patoulias D, Sharif S, Klisic A. The Association between Coagulation and Atrial Fibrillation. Biomedicines. 2024;12(2):274. doi: 10.3390/biomedicines12020274. Rafaqat S Gluscevic S Patoulias D Sharif S Klisic A The Association between Coagulation and Atrial Fibrillation Biomedicines 2024 12 2 274 10.3390/biomedicines12020274 30. Klovaite J, Nordestgaard BG, Tybjærg-Hansen A, Benn M. Elevated Fibrinogen Levels are Associated with Risk of Pulmonary Embolism, but Not with Deep Venous Thrombosis. Am J Respir Crit Care Med. 2013;187(3):286-93. doi: 10.1164/rccm.201207-1232OC. Klovaite J Nordestgaard BG Tybjærg-Hansen A Benn M Elevated Fibrinogen Levels are Associated with Risk of Pulmonary Embolism, but Not with Deep Venous Thrombosis Am J Respir Crit Care Med 2013 187 3 286 293 10.1164/rccm.201207-1232OC 31. Tilly MJ, Geurts S, Pezzullo AM, Bramer WM, de Groot NMS, Kavousi M, et al. The Association of Coagulation and Atrial Fibrillation: A Systematic Review and Meta-Analysis. Europace. 2023;25(1):28-39. doi: 10.1093/europace/euac130. Tilly MJ Geurts S Pezzullo AM Bramer WM de Groot NMS Kavousi M et al The Association of Coagulation and Atrial Fibrillation: A Systematic Review and Meta-Analysis Europace 2023 25 1 28 39 10.1093/europace/euac130 32. Lutsey PL, Norby FL, Alonso A, Cushman M, Chen LY, Michos ED, et al. Atrial Fibrillation and Venous Thromboembolism: Evidence of Bidirectionality in the Atherosclerosis Risk in Communities Study. J Thromb Haemost. 2018;16(4):670-9. doi: 10.1111/jth.13974. Lutsey PL Norby FL Alonso A Cushman M Chen LY Michos ED et al Atrial Fibrillation and Venous Thromboembolism: Evidence of Bidirectionality in the Atherosclerosis Risk in Communities Study J Thromb Haemost 2018 16 4 670 679 10.1111/jth.13974 33. Guo Y, Lip GY, Apostolakis S. Inflammation in Atrial Fibrillation. J Am Coll Cardiol. 2012;60(22):2263-70. doi: 10.1016/j.jacc.2012.04.063. Guo Y Lip GY Apostolakis S Inflammation in Atrial Fibrillation J Am Coll Cardiol 2012 60 22 2263 2270 10.1016/j.jacc.2012.04.063 34. Lin C, Chen Y, Chen B, Zheng K, Luo X, Lin F. D-Dimer Combined with Fibrinogen Predicts the Risk of Venous Thrombosis in Fracture Patients. Emerg Med Int. 2020;2020:1930405. doi: 10.1155/2020/1930405. Lin C Chen Y Chen B Zheng K Luo X Lin F D-Dimer Combined with Fibrinogen Predicts the Risk of Venous Thrombosis in Fracture Patients Emerg Med Int 2020 2020 1930405 10.1155/2020/1930405 35. Dix C, Zeller J, Stevens H, Eisenhardt SU, Shing KSCT, Nero TL, et al. C-Reactive Protein, Immunothrombosis and Venous Thromboembolism. Front Immunol. 2022;13:1002652. doi: 10.3389/fimmu.2022.1002652. Dix C Zeller J Stevens H Eisenhardt SU Shing KSCT Nero TL et al C-Reactive Protein, Immunothrombosis and Venous Thromboembolism Front Immunol 2022 13 1002652 10.3389/fimmu.2022.1002652 36. Rafaqat S, Afzal S, Khurshid H, Safdar S, Rafaqat S, Rafaqat S. The Role of Major Inflammatory Biomarkers in the Pathogenesis of Atrial Fibrillation. J Innov Card Rhythm Manag. 2022;13(12):5265-77. doi: 10.19102/icrm.2022.13125. Rafaqat S Afzal S Khurshid H Safdar S Rafaqat S Rafaqat S The Role of Major Inflammatory Biomarkers in the Pathogenesis of Atrial Fibrillation J Innov Card Rhythm Manag 2022 13 12 5265 5277 10.19102/icrm.2022.13125 37. Clarkin-Breslin RC, Chalifoux NV, Buriko Y. Standard Tests of Haemostasis do Not Predict Elevated Thromboelastographic Maximum Amplitude, an Index of Hypercoagulability, in Sick Dogs. J Small Anim Pract. 2024;65(11):783-8. doi: 10.1111/jsap.13741. Clarkin-Breslin RC Chalifoux NV Buriko Y Standard Tests of Haemostasis do Not Predict Elevated Thromboelastographic Maximum Amplitude, an Index of Hypercoagulability, in Sick Dogs J Small Anim Pract 2024 65 11 783 788 10.1111/jsap.13741 38. Shen W, Zhou JY, Gu Y, Shen WY, Li M. Establishing a Reference Range for Thromboelastography Maximum Amplitude in Patients Administrating with Antiplatelet Drugs. J Clin Lab Anal. 2020;34(4):e23144. doi: 10.1002/jcla.23144. Shen W Zhou JY Gu Y Shen WY Li M Establishing a Reference Range for Thromboelastography Maximum Amplitude in Patients Administrating with Antiplatelet Drugs J Clin Lab Anal 2020 34 4 e23144 10.1002/jcla.23144 39. Cheng P, Cheng B, Wu L, Zhang H, Yang Y. Association of Thromboelastogram Hypercoagulability with Postoperative Deep Venous Thrombosis of the Lower Extremity in Patients with Femur and Pelvic Fractures: A Cohort Study. BMC Musculoskelet Disord. 2024;25(1):1005. doi: 10.1186/s12891-024-08135-0. Cheng P Cheng B Wu L Zhang H Yang Y Association of Thromboelastogram Hypercoagulability with Postoperative Deep Venous Thrombosis of the Lower Extremity in Patients with Femur and Pelvic Fractures: A Cohort Study BMC Musculoskelet Disord 2024 25 1 1005 10.1186/s12891-024-08135-0 40. Chi TY, Liu Y, Zhu HM, Zhang M. Thromboelastography-Derived Parameters for the Prediction of Acute Thromboembolism Following Non-Steroidal Anti-Inflammatory Drug-Induced Gastrointestinal Bleeding: A Retrospective Study. Exp Ther Med. 2018;16(3):2257-66. doi: 10.3892/etm.2018.6468. Chi TY Liu Y Zhu HM Zhang M Thromboelastography-Derived Parameters for the Prediction of Acute Thromboembolism Following Non-Steroidal Anti-Inflammatory Drug-Induced Gastrointestinal Bleeding: A Retrospective Study Exp Ther Med 2018 16 3 2257 2266 10.3892/etm.2018.6468 41. Ding WY, Gupta D, Lip GYH. Atrial Fibrillation and the Prothrombotic State: Revisiting Virchow's Triad in 2020. Heart. 2020;106(19):1463-8. doi: 10.1136/heartjnl-2020-316977. Ding WY Gupta D Lip GYH Atrial Fibrillation and the Prothrombotic State: Revisiting Virchow's Triad in 2020 Heart 2020 106 19 1463 1468 10.1136/heartjnl-2020-316977 42. Gosk-Bierska I, Wasilewska M, Wysokinski W. Role of Platelets in Thromboembolism in Patients with Atrial Fibrillation. Adv Clin Exp Med. 2016;25(1):163-71. doi: 10.17219/acem/38544. Gosk-Bierska I Wasilewska M Wysokinski W Role of Platelets in Thromboembolism in Patients with Atrial Fibrillation Adv Clin Exp Med 2016 25 1 163 171 10.17219/acem/38544 43. Silva BV, Marques J, Menezes MN, Oliveira AL, Pinto FJ. Artificial Intelligence-Based Diagnosis of Acute Pulmonary Embolism: Development of a Machine Learning Model Using 12-Lead Electrocardiogram. Rev Port Cardiol. 2023;42(7):643-51. doi: 10.1016/j.repc.2023.03.016. Silva BV Marques J Menezes MN Oliveira AL Pinto FJ Artificial Intelligence-Based Diagnosis of Acute Pulmonary Embolism: Development of a Machine Learning Model Using 12-Lead Electrocardiogram Rev Port Cardiol 2023 42 7 643 651 10.1016/j.repc.2023.03.016 44. Saliba W, Rennert G. CHA2DS2-VASc Score is Directly Associated with the Risk of Pulmonary Embolism in Patients with Atrial Fibrillation. Am J Med. 2014;127(1):45-52. doi: 10.1016/j.amjmed.2013.10.004. Saliba W Rennert G CHA2DS2-VASc Score is Directly Associated with the Risk of Pulmonary Embolism in Patients with Atrial Fibrillation Am J Med 2014 127 1 45 52 10.1016/j.amjmed.2013.10.004 45. Whiting P, Al M, Westwood M, Ramos IC, Ryder S, Armstrong N, et al. Viscoelastic Point-of-Care Testing to Assist with the Diagnosis, Management and Monitoring of Haemostasis: A Systematic Review and Cost-Effectiveness Analysis. Health Technol Assess. 2015;19(58):1-228. doi: 10.3310/hta19580. Whiting P Al M Westwood M Ramos IC Ryder S Armstrong N et al Viscoelastic Point-of-Care Testing to Assist with the Diagnosis, Management and Monitoring of Haemostasis: A Systematic Review and Cost-Effectiveness Analysis Health Technol Assess 2015 19 58 1 228 10.3310/hta19580 46. Zhang Y, Wang L, Yuan D, Qi K, Zhang M, Zhang W, et al. Clinical Value of the 70-kVp Ultra-Low-Dose CT Pulmonary Angiography with Deep Learning Image Reconstruction. Eur Radiol. 2026;36(1):564-74. doi: 10.1007/s00330-025-11764-1. Zhang Y Wang L Yuan D Qi K Zhang M Zhang W et al Clinical Value of the 70-kVp Ultra-Low-Dose CT Pulmonary Angiography with Deep Learning Image Reconstruction Eur Radiol 2026 36 1 564 574 10.1007/s00330-025-11764-1

Não há vinculação deste estudo a programas de pós-graduação.

Este estudo foi aprovado pelo Comitê de Ética do Jinhua Guangfu Oncology Hospital sob o número de protocolo GFEC-2024-Research-003. Todos os procedimentos envolvidos nesse estudo estão de acordo com a Declaração de Helsinki de 1975, atualizada em 2013. O consentimento informado foi obtido de todos os participantes incluídos no estudo.

Os autores não utilizaram ferramentas de inteligência artificial no desenvolvimento deste trabalho.

Todo o conjunto de dados que dá suporte aos resultados deste estudo está disponível mediante solicitação ao autor correspondente.

O presente estudo foi parcialmente financiado por Jinhua Science and Technology Bureau(2024-4-166).

 10.36660/abc.20250683i Original Article A Predictive Model for Pulmonary Embolism in Patients with Atrial Fibrillation Based on Thromboelastography and Coagulation Parameters 0009-0008-7788-0655 Huang Xingqi Conception and design of the research Acquisition of data Analysis and interpretation of the data Statistical analysis Funding acquisition Writing of the manuscript and Critical revision of the manuscript for intellectual content 1 0009-0001-1974-5606 Liu Jianmei Conception and design of the research Acquisition of data Analysis and interpretation of the data Statistical analysis Funding acquisition Writing of the manuscript and Critical revision of the manuscript for intellectual content 2 China Department of Blood Transfusion, Jinhua Guangfu Oncology Hospital, Jinhua – China China Department of Cardiovascular Medicine, Jinhua Guangfu Oncology Hospital, Jinhua – China Jianmei LiuDepartment of Cardiovascular Medicine – Jinhua Guangfu Oncology Hospital – No.1296 Huancheng North Road, Jinhua, Zhejiang Province – China E-mail: ljm25012@163.com

No potential conflict of interest relevant to this article was reported.

Gláucia Maria Moraes de Oliveira

 Abstract Background

Patients with atrial fibrillation (AF) face an elevated risk of pulmonary embolism (PE), yet existing prediction tools demonstrate limited accuracy.

 Objectives

This study aimed to develop and validate a novel predictive model integrating thromboelastography (TEG) parameters with conventional coagulation markers for PE risk assessment in AF patients.

 Methods

We conducted a retrospective study of 271 hospitalized AF patients who underwent CTPA for suspected PE (41 with PE, 230 without). The mean age was 76.5 years, 56.5% were male, and hypertension was the most common comorbidity (67.5%). PE diagnosis was confirmed by computed tomography pulmonary angiography. Baseline characteristics, TEG parameters (including reaction time, maximum amplitude [MA], and α-angle), and standard coagulation markers (D-dimer, fibrinogen) were analyzed. Statistical significance was defined as a two-sided P-value < 0.05. Multivariate logistic regression identified independent predictors, which were incorporated into a nomogram. Model performance was evaluated using receiver operating characteristic (ROC) analysis, calibration curves, and decision curve analysis (DCA).

 Results

The prevalence of PE was 15.1%. Patients with PE exhibited significantly higher TEG-MA, D-dimer, and fibrinogen levels compared to the non-PE group (all P<0.05). Multivariate analysis identified these three markers as independent predictors. The nomogram demonstrated excellent discrimination (AUC=0.878, 95% CI:0.806-0.949), with 87.8% sensitivity and 78.0% specificity at the optimal cutoff. The model showed good calibration (Hosmer-Lemeshow p=0.965) and significant clinical utility.

 Conclusion

The TEG-based nomogram combining MA, D-dimer, and fibrinogen provides accurate, bedside-accessible PE risk stratification for AF patients. This tool may facilitate early identification of high-risk individuals and guide clinical decision-making regarding anticoagulation therapy. Further prospective studies are warranted to validate these findings.

A Predictive Model for Pulmonary Embolism in Patients with Atrial Fibrillation Based on Thromboelastography and Coagulation Parameters

Keywords Atrial Fibrillation Pulmonary Embolism Thrombelastography Jinhua Science and Technology Bureau 2024-4-166 Sources of funding This study was partially funded by Jinhua Science and Technology Bureau (2024-4-166). Introduction

Atrial fibrillation (AF), the most common sustained cardiac arrhythmia in clinical practice, is becoming increasingly prevalent with global population aging and has emerged as a major public health concern. Recent guidelines from the European Society of Cardiology and the American Heart Association/American College of Cardiology emphasize the importance of assessing complications associated with AF.1,2 PE is a serious yet often underrecognized complication in AF patients. Studies have shown that the incidence of PE was 1.55 per 1,000 person-years in patients with AF, representing a substantially higher risk compared to those without AF.3 The coexistence of PE significantly prolongs hospitalization and increases mortality, especially among elderly patients and those with multiple comorbidities, leading to markedly worse short- and long-term outcomes.4,5 Moreover, the nonspecific clinical presentations of both AF and PE—such as dyspnea and palpitations—can easily lead to missed or incorrect diagnoses, thereby exacerbating disease burden and healthcare resource consumption6

Currently, diagnosing PE in AF patients remains clinically challenging. Definitive diagnosis of PE primarily relies on imaging, with computed tomography pulmonary angiography (CTPA) serving as the gold standard. While CTPA has high diagnostic value, it also carries limitations such as ionizing radiation exposure, risk of contrast-induced nephropathy, and potential overdiagnosis of subsegmental emboli.7 Among laboratory markers, D-dimer is commonly used for auxiliary screening due to its high sensitivity. However, its specificity is low, and it is easily influenced by factors such as age, comorbidities, and inflammatory states, which can lead to increased false-positive rates.8 Clinical scoring systems such as the Wells and Geneva scores are useful in the general population, but their performance may be reduced in complex hospitalized patients with overlapping cardiopulmonary symptoms and multiple comorbidities.9,10 These limitations underscore the need for more reliable, dynamic, and reproducible biomarkers to aid in the early identification of PE risk among AF patients, ultimately improving clinical decision-making and prognostic management.

TEG is a dynamic assay that evaluates the entire coagulation process, providing comprehensive insights into coagulation, fibrinolysis, and platelet function.11,12 Unlike conventional coagulation tests, TEG enables real-time monitoring of a patient’s coagulation status and has been widely used for bleeding and thrombotic risk assessment in trauma, oncology, and critical care settings.13-15 In recent years, preliminary studies have explored the utility of TEG in predicting venous thromboembolism (VTE), suggesting its potential for early identification.16 However, evidence regarding the application of TEG in AF—a population at particularly high thrombotic risk—remains limited. Therefore, constructing a predictive model based on TEG parameters in combination with conventional laboratory indices may help bridge the gap left by traditional approaches and provide a more sensitive and individualized risk stratification tool for identifying PE among AF patients with clinical suspicion (Central Illustration).

 Methods Study design and population

This retrospective study was conducted at Jinhua Guangfu Oncology Hospital, a major tertiary-care facility in Zhejiang, China. Although oncology is a primary specialty, the hospital operates as a comprehensive medical center, encompassing a wide range of clinical departments, including cardiology. Eligible participants were identified hospital-wide through a systematic query of the Electronic Medical Record (EMR) system using the International Classification of Diseases, 10th Revision (ICD-10) code for atrial fibrillation (I48). The screening and selection process is illustrated in Figure 1. A total of 545 consecutive patients with AF were initially identified from the hospital-wide database, with the sample size determined by the availability of eligible patients during the study period. After excluding 274 patients with recent exposure to antithrombotic therapy (including anticoagulant or antiplatelet agents), active malignancy, missing TEG data, or other exclusion criteria, 271 patients were included in the final analysis. Patients receiving recent antithrombotic therapy were excluded because these medications could substantially alter TEG-derived and conventional coagulation parameters, thereby confounding the evaluation of the intrinsic coagulation profile associated with PE risk. Although long-term antithrombotic therapy is recommended for most patients with AF, in real-world inpatient settings, a subset of patients may not be receiving such treatment due to newly recognized AF, temporary withholding before invasive procedures, bleeding risk, or other clinical considerations. These participants, all hospitalized with a diagnosis of AF between January 2023 and February 2025, comprised 41 patients with confirmed PE and 230 patients with AF without PE. CTPA was used as the uniform diagnostic reference standard for PE to minimize heterogeneity in case ascertainment; patients diagnosed only by alternative modalities were not included because these methods were used infrequently in our institution and lacked standardized documentation in the medical records. The study was conducted in accordance with the Declaration of Helsinki, approved by the Ethics Committee of Jinhua Guangfu Oncology Hospital (Approval No.: 2024-015-01), and reported in accordance with the STROBE statement for observational Studies.17

– Flowchart of study participant selection.

Inclusion Criteria: (1) Age ≥ 18 years; (2) Diagnosis of AF confirmed according to established criteria;18 (3) Underwent TEG testing during hospitalization and had concurrent measurements of conventional coagulation parameters; (4) PE status definitively determined by CTPA;9 (5) Complete clinical data available.

Exclusion Criteria: (1) Presence of major underlying conditions known to affect coagulation, such as active malignancy, acute trauma, pregnancy, or history of major surgery; (2) Diagnosed hematological disorders, severe hepatic or renal dysfunction, or active autoimmune diseases;(3) PE clearly secondary to surgical procedures, prolonged immobilization, severe trauma, or hormone replacement therapy; (4) Recent exposure to antithrombotic therapy, including anticoagulant or antiplatelet agents.

 Data collection

Patient data were retrieved from the hospital’s electronic medical record system using a standardized data collection form. The following variables were collected for each enrolled patient:

1. Demographic and clinical comorbidity information:

Sex, age, body mass index (BMI), length of hospital stay (days), and comorbid conditions, including hypertension, diabetes mellitus, coronary artery disease, thrombocytopenia, chronic obstructive pulmonary disease (COPD), heart failure, and a history of cerebral infarction. The CHA2DS2-VASc score was calculated based on these clinical parameters.

2. Echocardiographic Parameters:

Aortic root diameter (mm), left atrial diameter (LAD, mm), interventricular septal thickness (IVS, mm), left ventricular posterior wall thickness (LVPW, mm), left ventricular end-diastolic diameter (LVEDD, mm), left ventricular end-systolic diameter (LVESD, mm), and left ventricular ejection fraction (LVEF).

3. Laboratory Assessments:

Platelet count (PLT), renal function indices including serum creatinine (SCr), estimated glomerular filtration rate (eGFR), and uric acid (UA), lipid profiles consisting of total cholesterol (TC), triglycerides (TG), high-density lipoprotein cholesterol (HDL-C), and low-density lipoprotein cholesterol (LDL-C), and high-sensitivity C-reactive protein (Hs-CRP).

4. Conventional Coagulation Parameters:

Prothrombin time (PT, s), prothrombin activity (PT%, %), international normalized ratio (INR), activated partial thromboplastin time (APTT, s), thrombin time (TT, s), fibrinogen concentration (FIB, g/L), and D-dimer level (mg/L).

5. TEG Parameters:

Peripheral venous blood was collected from all participants on the morning following admission after an overnight fast. Samples were drawn into vacuum tubes containing 3.2% sodium citrate anticoagulant at a 9:1 blood-to-anticoagulant ratio and mixed thoroughly. To maintain result reliability, all specimens were processed within 2 hours of collection.

TEG analysis was performed using the UD-T5000 thromboelastography analyzer, following the manufacturer’s instructions. At our institution, although TEG is not routinely performed in all patients with atrial fibrillation, it is commonly used in hospitalized patients with suspected thrombotic conditions, unexplained coagulation abnormalities, or when clinicians require a more comprehensive assessment of coagulation status to guide clinical decision-making. Upon activation, the instrument continuously recorded the TEG curve in real time and automatically derived key parameters based on changes in the viscoelastic properties of the blood. These parameters included reaction time (R), coagulation time (K), alpha angle (α-angle), maximum amplitude (MA), and 30-minute clot lysis percentage (LY30). The definitions of TEG parameters were as follows:19,20

R time: Duration from test start to initial fibrin formation, indicated by a TEG amplitude of 2 mm.

K time: Time interval from the end of R to when the clot reaches a strength corresponding to 20 mm amplitude.

α-angle: The angle formed between the tangent of the TEG curve’s rising segment and the baseline, indicating the rate of clot strengthening.

MA: The maximum amplitude of the TEG curve, representing peak clot strength and stability

LY30: Percentage reduction in clot amplitude measured 30 minutes after MA, reflecting fibrinolytic activity.

Two independent investigators extracted data from the electronic medical records. Inconsistencies occurred in less than 5% of cases, primarily involving the classification of AF patterns due to ambiguous clinical notes and the verification of pre-admission medication history. These were resolved by a third reviewer through a detailed review of the patient’s complete medical records. All identifiable patient information was removed to anonymize data before analysis.

 Sample size and post-hoc power analysis

Given the retrospective nature of this predictive model study, no formal prospective sample size calculation was performed. Methodological rigor was maintained by adhering to the minimum of 10 events per predictor (EPV) for stable model estimation, supplemented by post-hoc power analysis to confirm sample size adequacy. The final model identified three independent predictors for PE in patients with AF, with 41 PE events among 271 enrolled subjects, yielding an EPV of 13.7—exceeding the recommended threshold of 10 and supporting reliable parameter estimation. Post-hoc power analysis, conducted using the pROC package in R, was based on the observed AUC of 0.878 and a sample size of 271. At a two-sided α level of 0.05, the statistical power exceeded 90% to detect an AUC significantly greater than 0.70 (the null hypothesis), indicating sufficient sample size to identify the model’s significant predictive performance. Furthermore, internal validation using 1000 bootstrap resamples produced a narrow optimism-corrected AUC confidence interval (0.804–0.916), reinforcing model robustness and the appropriateness of the sample size.

 Statistical analysis

All statistical analyses were performed using R software (version 4.3.0) and SPSS (version 26.0). The normality of data distribution was assessed using the Kolmogorov-Smirnov test. Descriptive statistics were used to summarize the data. Continuous variables with normal distribution were presented as mean ± standard deviation, while non-normally distributed data were expressed as median with interquartile range (IQR). Categorical variables were described as frequencies and percentages. Between-group comparisons were conducted using the independent samples t-test or Mann–Whitney U test, as appropriate. Chi-square test was used for categorical variables. Backward stepwise multivariate logistic regression analysis was employed to identify independent predictors of PE, and a nomogram model was subsequently constructed based on the final regression model. The discriminatory ability of the model was evaluated using the ROC curve and the AUC, where a higher AUC indicates better discrimination. DeLong’s test was used to compare AUCs between different models or subgroups to assess the statistical significance of discrimination differences. Model calibration was assessed by the Hosmer–Lemeshow goodness-of-fit test and calibration curves, examining the agreement between predicted and observed outcomes. Clinical utility was evaluated using DCA, which estimates net clinical benefit across a range of threshold probabilities. To assess model robustness and internal validity, bootstrap resampling (1,000 iterations) was performed. The average AUC of the validation sets was calculated, and a ROC curve was generated to further evaluate the model’s generalizability. Furthermore, a sensitivity analysis was conducted to assess the robustness of the findings by incorporating clinically relevant variables identified in univariate analysis into the multivariate logistic regression model. A two-sided P value < 0.05 was considered statistically significant.

 Results Baseline characteristics of study population

A total of 271 hospitalized patients with AF were enrolled, of whom 41 (15.13%) had concomitant PE (Table 1). Baseline demographic characteristics, including age, sex, BMI, and length of hospital stay, were comparable between the two groups. Similarly, AF type, comorbid conditions, and thromboembolic risk (median CHA2DS2-VASc score: 4.00) did not differ significantly. Echocardiographic assessment showed that patients with PE had a significantly lower LVEF compared with those without PE (60.20 ± 8.77% vs. 63.91 ± 8.81%, p = 0.013), whereas other echocardiographic parameters were comparable between groups. Notably, hs-CRP levels were markedly higher in patients with PE (median 14.40 vs. 2.92 mg/L, p < 0.001), whereas other laboratory indices, including renal function, lipid profiles, and platelet counts, were similar across groups.

– Comparison of Baseline Characteristics between Pulmonary Embolism Group and Non-Pulmonary Embolism Group
Variables Total (n = 271) Non-PE (n = 230) PE (n = 41) p
Age (years) 76.48 ± 10.20 76.00 ± 10.21 77.51±8.64 0.320
Gender, n (%) 0.282
Male 153 (56.46) 133 (57.83) 20 (48.78)
Female 118 (43.54) 97 (42.17) 21 (51.22)
BMI (kg/m2) 22.86 (20.28. 25.28) 23.00 (20.28. 25.28) 22.39 (20.41. 25.23) 0.618
Hospital stays (days) 7.81 (5.14. 12.92) 7.11 (5.12. 12.92) 8.79 (5.21. 12.16) 0.579
AF Pattern, n (%) 0.351
Paroxysmal AF 70 (25.83) 57 (24.78) 13 (31.71)
Non-Paroxysmal AF 201 (74.17) 173 (75.22) 28 (68.29)
Medical history
Hypertension, n (%) 0.634
No 88 (32.47) 76 (33.04) 12 (29.27)
Yes 183 (67.53) 154 (66.96) 29 (70.73)
Diabetes mellitus, n (%) 0.233
No 211 (77.86) 182 (79.13) 29 (70.73)
Yes 60 (22.14) 48 (20.87) 12 (29.27)
Coronary artery disease, n (%) 0.386
No 122 (45.02) 101 (43.91) 21 (51.22)
Yes 149 (54.98) 129 (56.09) 20 (48.78)
Thrombocytopenia, n (%) 0.819
No 228 (84.13) 194 (84.35) 34 (82.93)
Yes 43 (15.87) 36 (15.65) 7 (17.07)
COPD, n (%) 0.907
No 223 (82.29) 189 (82.17) 34 (82.93)
Yes 48 (17.71) 41 (17.83) 7 (17.07)
Heart failure, n (%) 0.782
No 235 (86.72) 200 (86.96) 35 (85.37)
Yes 36 (13.28) 30 (13.04) 6 (14.63)
Cerebral infarction, n (%) 0.296
No 179 (66.05) 149 (64.78) 30 (73.17)
Yes 92 (33.95) 81 (35.22) 11 (26.83)
Malignant tumor, n (%) 0.587
No 226 (83.39) 193 (83.91) 33 (80.49)
Yes 45 (16.61) 37 (16.09) 8 (19.51)
CHA2DS2-VASc score 4.00 (3.00. 6.00) 4.00 (3.00. 6.00) 4.00 (3.00. 5.00) 0.474
Laboratory parameters
PLT (×109/L) 166.00 (128.50. 212.00) 168.50 (129.00. 215.75) 157.00 (125.00. 196.00) 0.338
Hs-CRP (mg/L) 3.80 (1.19. 12.60) 2.92 (0.97. 9.96) 14.40 (3.50. 35.76) <0.001
UA (μmol/L) 310.00 (236.00. 379.00) 309.00 (238.00. 369.00) 317.00 (189.00. 441.00) 0.642
Scr (μmol/L) 78.00 (64.00. 103.00) 79.50 (65.00. 99.25) 74.00 (61.00. 124.00) 0.923
eGFR (mL/min/1.73m2) 77.26 (57.97. 97.03) 76.98 (58.83. 96.21) 79.67 (45.00. 109.28) 0.818
TG (mmol/L) 1.12 (0.80. 1.60) 1.11 (0.79. 1.60) 1.17 (0.83. 1.60) 0.600
TC (mmol/L) 3.73 (3.11. 4.52) 3.69 (3.11. 4.56) 3.82 (3.09. 4.39) 0.787
HDL-C (mmol/L) 1.18 (0.97. 1.39) 1.20 (0.98. 1.40) 1.07 (0.85. 1.28) 0.099
LDL-C (mmol/L) 2.16 (1.70. 2.80) 2.15 (1.68. 2.76) 2.25 (1.87. 2.96) 0.319
Echocardiographic parameters
Aortic root diameter 27.18 ± 4.09 27.06 ± 4.25 27.94 ± 2.87 0.152
LAD (mm) 39.71 ± 8.04 39.57 ± 7.92 40.55 ± 8.83 0.530
IVS (mm) 8.94 ± 1.38 8.99 ± 1.41 8.65 ± 1.14 0.191
LVPW (mm) 8.96 ± 1.34 9.02 ± 1.32 8.65 ± 1.38 0.153
LVEDD (mm) 47.50 ± 6.72 47.64 ± 6.62 46.71 ± 7.38 0.478
LVESD (mm) 30.54 ± 6.50 30.63 ± 6.55 30.00 ± 6.26 0.620
LVEF (%) 63.35 ± 8.89 63.91 ± 8.81 60.20 ± 8.77 0.013

Thrombocytopenia was defined as a platelet count < 100 × 109/L. PE: pulmonary embolism; BMI: body mass index; COPD: chronic obstructive pulmonary disease; LAD: left atrial diameter; IVS: interventricular septal thickness; LVPW: left ventricular posterior wall thickness; LVEDD: left ventricular end-diastolic diameter; LVESD: left ventricular end-systolic diameter.

 Comparison of TEG parameters and coagulation markers between groups

As shown in Table 2, significant differences were found in TEG parameters and coagulation markers between the two groups. Patients in the PE group had significantly higher α-angle and MA compared to those in the non-PE group. Additionally, R time, K time, and LY30 were significantly different between groups. Levels of FIB and D-dimer were also markedly elevated in the PE group. In contrast, no significant differences were observed in PT, PT activity, INR, APTT, or TT between the groups.

– Comparison of TEG parameters and coagulation indicators between PE and non-PE embolism groups
Variables Total (n = 271) Non-PE (n = 230) PE (n = 41) p
PT (s) 15.12 ± 3.93 15.16 ± 3.97 14.88 ± 3.74 0.679
PT activity (%) 70.83 ± 19.24 70.71 ± 19.56 71.48 ± 17.59 0.815
INR 1.32 ± 0.40 1.32 ± 0.40 1.30 ± 0.40 0.759
APTT (s) 30.76 ± 6.37 30.96 ± 6.39 29.65 ± 6.22 0.228
TT (s) 16.06 ± 1.31 16.06 ± 1.24 16.05 ± 1.68 0.986
FIB (g/L) 3.39 (2.43. 4.75) 3.26 (2.39. 4.52) 4.77 (2.68. 6.62) 0.001
D-dimer (mg/L) 0.82 (0.54. 1.20) 0.74 (0.48. 1.06) 1.12 (0.79. 2.93) <0.001
R time (min) 3.70 (2.90. 4.60) 3.80 (3.00. 4.70) 3.20 (2.60. 3.80) 0.001
K time (min) 1.20 (0.90. 1.60) 1.30 (1.00. 1.70) 1.10 (0.80. 1.30) 0.002
LY30 (%) 1.10 (0.10. 3.20) 1.20 (0.10. 3.60) 0.80 (0.00. 1.60) 0.026
α angle (°) 69.54 ± 5.72 69.14 ± 5.94 71.81 ± 3.57 <0.001
MA (mm) 56.73 ± 4.57 56.00 ± 4.00 60.81 ± 5.40 <0.001

TEG: thromboelastography; PT: prothrombin time; INR: international normalized ratio; APTT: activated partial thromboplastin time; TT: thrombin time; FIB: fibrinogen; MA: maximum amplitude; LY30: lysis at 30 minutes; α-angle: clot strengthening speed; R: reaction time; K: clot kinetics.

 Independent risk factors for PE in AF patients

Univariate logistic regression analysis identified R time, K time, α-angle, LY30, MA, FIB, and D-dimer as significant factors associated with PE in AF patients. Subsequent multivariate analysis using backward stepwise regression revealed that: MA, FIB, and D-dimer were independent risk factors for PE in AF patients. Other variables did not retain statistical significance in the multivariate model (Table 3).

– Univariate and multivariate logistic regression analysis of risk factors for PE in AF Patients
Variables Univariate Analysis Multivariate Analysis
p OR (95%CI) p OR (95%CI)
R time (min) 0.002 0.62 (0.46 ~ 0.84)
K time (min) 0.010 0.32 (0.13 ~ 0.76)
α angle (°) 0.007 1.10 (1.03 ~ 1.18)
MA (mm) <0.001 1.30 (1.18 ~ 1.43) <0.001 1.37 (1.21 ~ 1.54)
LY30 (%) 0.005 0.72 (0.57 ~ 0.91)
FIB (g/L) <0.001 2.20 (1.57 ~ 3.09) <0.001 2.30 (1.46 ~ 3.62)
D-dimer (mg/L) <0.001 2.55 (1.78 ~ 3.65) <0.001 2.81 (1.77 ~ 4.47)

OR: odds ratio; CI: confidence interval; MA: maximum amplitude; FIB: fibrinogen; LY30: lysis at 30 minutes.

 Nomogram construction for predicting PE in AF patients

Based on the results of multivariate logistic regression analysis, a nomogram was constructed to predict the risk of PE in patients with AF (Figure 2). The model incorporated three independent predictors: D-dimer, FIB, and TEG-MA. To utilize the nomogram clinically, the value of each predictor is first located on its respective variable axis. A vertical line is drawn upwards to the “Points” axis to determine the specific score for that variable. The sum of these individual scores constitutes the “Total Points,” which is then located on the Total Points axis. Finally, a vertical line is drawn downwards from the Total Points axis to the “Risk” axis to obtain the individual predicted probability.

– Nomogram to predict the probability of PE in patients with AF.

Model performance and validation

To evaluate the discriminative ability of the nomogram, a ROC curve was plotted. The AUC was 0.878 (95% CI: 0.806–0.949), indicating excellent predictive performance (Figure 3A). At the optimal cut-off value of 0.204, the model yielded a sensitivity of 87.8% and a specificity of 78.0%. Compared with the individual predictors (MA, FIB, and D-dimer), the nomogram demonstrated a significantly higher AUC (Table 4), suggesting that combining multiple factors can substantially enhance predictive accuracy.

– Performance evaluation of the nomogram model for PE in AF patients. (A) ROC curve of the nomogram model; (B) Calibration curve of the nomogram model; (C) DCA curve; (D) ROC curve after internal validation using the Bootstrap method.

– Comparison of predictive performance between the nomogram model and individual biomarkers
Variables AUC (95%CI) Sensitivity Specificity Cut off Delong-test
Nomogram 0.878 (0.806-0.949) 87.8% 78.0% 0.204 reference
TEG-MA (mm) 0.771 (0.680-0.862) 72.6% 73.2% 58.2 <0.001
FIB (g/L) 0.741 (0.669-0.813) 70.0% 70.7% 3.199 <0.001
D-dimer (mg/L) 0.742 (0.662-0.821) 95.2% 41.5% 2.011 <0.001

AUC: area under the curve; CI: confidence interval; MA: maximum amplitude; FIB: fibrinogen.

In terms of calibration, the calibration plot (Figure 3B) demonstrated good agreement between predicted probabilities and actual observed outcomes. The Hosmer–Lemeshow goodness-of-fit test yielded a p-value of 0.965 (>0.05), further supporting the model’s good fit in the training cohort.

To assess the clinical utility of the nomogram, DCA was conducted. The DCA curve (Figure 3C) showed that within a threshold probability range of 0.2 to 0.8, the model provided greater net benefit than either the “treat-all” or “treat-none” strategies. The maximum net benefit was observed at a threshold of 0.3, suggesting that the model could help avoid approximately 120 unnecessary interventions per 1,000 patients—demonstrating strong clinical applicability.

In addition, to validate the model’s robustness, internal validation was performed using bootstrapping with 1,000 resamples. The average AUC obtained was 0.860 (95% CI: 0.804–0.916), indicating good generalizability and stability of the model (Figure 3D).

 Sensitivity analysis and model comparison

To further evaluate the robustness of our findings and assess the potential added value of clinical characteristics, we performed a sensitivity analysis. In this analysis, clinical variables with a univariate p<0.05 (specifically, Hs-CRP and LVEF) were introduced into the multivariate logistic regression model alongside the coagulation parameters. In this extended model, LVEF was identified as a significant independent predictor (OR: 0.95, p=0.027), while Hs-CRP did not retain significance. The extended model (combining MA, Fibrinogen, D-dimer, and LVEF) yielded an AUC of 0.893 (95% CI: 0.830-0.957). However, the DeLong test demonstrated that this improvement was not statistically significant compared to our original three-variable model (AUC 0.878 vs. 0.893, p=0.057). Therefore, considering the principle of model parsimony and clinical utility - where the original model requires only a single blood draw without the need for immediate echocardiography - we retained the coagulation-based model (MA, Fibrinogen, D-dimer) for the construction of the final nomogram.

 Discussion

In this study, we developed a nomogram model to predict the risk of PE in hospitalized patients with AF by integrating TEG parameters with conventional coagulation indices. The results demonstrated that MA, FIB, and D-dimer levels were independent risk factors for PE, and the constructed model exhibited good predictive performance. Given its non-invasive nature, ease of use, and suitability for bedside application, this model provides a novel tool for the early identification of high-risk PE among patients with AF.

The prevalence of PE in our study was 15.1%, which is notably higher than that reported in general AF populations. For instance, a multicenter study in China by Bai et al.21 reported an in-hospital PE prevalence of 1.2% among all AF patients. Similarly, large-scale population-based studies by Friberg et al.22 and Hald et al.6 observed much lower incidence rates, ranging from 2.9 to 18.5 per 1,000 person-years. This discrepancy in our study is primarily attributable to the specific inclusion criteria used: we restricted our analysis to patients who underwent CTPA, a diagnostic test typically reserved for individuals with a high clinical suspicion of PE (e.g., unexplained dyspnea, hypoxemia, or elevated D-dimer). Consequently, our study population represents a ‘high-risk suspected PE’ cohort rather than a general AF screening population. This distinction is crucial, as our model is specifically designed to assist clinicians in ruling in or ruling out PE within this challenging group of suspected patients.

Elevated D-dimer was identified as an independent predictor of PE in patients with AF, aligning with prior studies.23,24 As a fibrin degradation product, D-dimer signifies active coagulation and fibrinolysis.25 Although D-dimer specificity decreases with age, our study demonstrates that integrating it with TEG-MA and fibrinogen significantly enhances diagnostic accuracy compared to D-dimer alone. This multi-parameter approach effectively mitigates the false-positive rate often seen in elderly populations. From a pathophysiological perspective, the link between AF and PE is primarily indirect.6 While paradoxical embolism via an intracardiac shunt, such as a patent foramen ovale, represents a direct pathway, AF more commonly promotes a systemic hypercoagulable and pro-inflammatory state, impairs cardiac output, and causes venous stasis. These factors increase the risk of deep vein thrombosis and in-situ right heart thrombosis, which then serve as the primary sources for PE.26-28 Large cohort studies confirm that AF significantly elevates the risk of both pulmonary embolism and ischemic stroke, particularly in the first 6 months after diagnosis.6 Furthermore, AF is associated with pulmonary hypertension, which may worsen right heart function and promote thrombogenesis, creating a vicious cycle.26 Thus, the elevated D-dimer, fibrinogen, and MA in our model likely reflect this systemic thrombotic tendency. Importantly, since our study excluded patients on anticoagulation, these parameters provide a direct assessment of the intrinsic hypercoagulable state in AF patients, identifying AF patients at higher risk for PE principally via the venous thromboembolism pathway.

FIB is a key substrate in the coagulation cascade, and its elevated levels indicate a hypercoagulable state and contribute to both thrombus formation and stabilization.29 Studies have shown a significant association between elevated FIB levels and the risk of venous thromboembolism.30,31 AF itself represents a chronic low-grade inflammatory condition, and previous evidence has demonstrated persistently elevated levels of inflammatory markers such as C-reactive protein and interleukin-6. These inflammatory mediators can induce hepatic synthesis of FIB and coagulation factors, thereby enhancing the prothrombotic milieu.32,33 Furthermore, increased FIB levels can raise blood viscosity and promote erythrocyte aggregation, which exacerbates sluggish blood flow and creates a favorable environment for thrombogenesis.34 These mechanisms collectively predispose AF patients to PE in the setting of elevated fibrinogen levels.

In addition, we observed that patients with PE had significantly higher hs-CRP levels than those without PE. This finding further supports the potential role of systemic inflammation in the prothrombotic state of AF patients with PE. Elevated hs-CRP may reflect enhanced inflammatory activity associated with increased fibrinogen expression in AF, as well as endothelial and platelet-related thromboinflammatory processes that may contribute to thrombus formation. Although hs-CRP was not retained as an independent predictor in the multivariate model after adjustment for coagulation parameters, its marked elevation in the PE group underscores the close interplay between inflammation and coagulation in this high-risk population.35,36

MA is a critical TEG-derived parameter reflecting overall clot strength, determined by both platelet function and fibrin structure.37,38 In our study, elevated MA was significantly associated with AF-related PE, suggesting a pivotal role of platelet activation in thrombogenesis among these patients. Notably, although thrombocytopenia can theoretically lower MA, its prevalence was balanced between groups in our study (P=0.819). This indicates that the observed elevation of MA in the PE group reflects a genuine hypercoagulable state—likely driven by enhanced platelet function and increased fibrinogen—rather than a bias introduced by platelet counts. Thus, MA provides a functional marker of thrombotic potential, complementing the static information provided by platelet count. Prior research has shown that MA can predict thrombotic complications following orthopedic surgery and in patients with gastrointestinal bleeding.39,40 In AF, hemodynamic disturbances within the atria often result in local blood stasis and turbulence, which promote fibrin formation and platelet aggregation, leading to denser and more stable thrombi.29,41 Once dislodged, these thrombi may travel through the circulation and obstruct the pulmonary arteries, resulting in PE.9,42 As a sensitive indicator of blood viscoelasticity, MA may serve as a valuable adjunct for early PE risk stratification in the AF population.

We further contextualized our TEG-based nomogram against existing predictive tools. Traditional clinical scores (e.g., Wells, Geneva) exhibit limited specificity in elderly AF patients due to symptom overlap. Recent models have explored different approaches: a clinical nomogram by Ling et al.7 achieved an AUC of 0.721, while an AI-ECG model by Valente Silva et al.43 showed high specificity (100%) but lower sensitivity (50%) with an AUC of 0.75. Epidemiological studies have linked AF severity (via CHA2DS2-VASc score) to VTE risk,32,44 yet this score itself demonstrated modest predictive utility for PE (AUC 0.62). In contrast, our model integrates the dynamic functional marker TEG-MA, yielding superior discrimination (AUC 0.878) with a balanced sensitivity of 87.8% and specificity of 78.0%. This suggests that assessing real-time coagulation function offers enhanced predictive value within this high-risk cohort.

The cost-effectiveness of incorporating TEG into AF management requires consideration. Although TEG is more costly than routine coagulation tests (e.g., PT, APTT), it remains substantially less expensive than CTPA. Blanket application to all AF outpatients may not be economically feasible. However, our model targets a defined, high-risk inpatient subgroup with clinical suspicion of PE, where the disease prevalence in our study was 15.1%. In this specific context, employing our nomogram for initial risk stratification could be cost-effective. By accurately identifying patients at highest risk, it may guide selective use of confirmatory CTPA, thereby reducing unnecessary scans, minimizing radiation/contrast exposure, and optimizing resource allocation compared to a universal imaging strategy.45,46

Strengths and limitations

This study offers several clinical advantages. First, TEG provides a dynamic, reproducible, and bedside-accessible assessment of coagulation, complementing traditional static coagulation markers. Second, this is the first study, to our knowledge, to construct a PE risk prediction model specifically for the AF population based on MA, FIB, and D-dimer. The multi-parameter approach enhances model robustness and accuracy, particularly in scenarios with atypical symptoms or limited access to imaging modalities.

However, certain limitations should be acknowledged. First, this was a single-center retrospective study with a relatively small sample size. Patient identification based on ICD-10 coding may be subject to incomplete case capture and misclassification, potentially introducing selection bias. Second, it is important to note that the study was conducted at a specialized oncology hospital. Even with the strict exclusion of active malignancies, the patient population in this specific setting inherently presents greater frailty and a heavier burden of complex comorbidities compared to cohorts in general hospitals. Consequently, this specific setting may limit the generalizability of our findings to lower-risk populations. Third, due to the retrospective nature of data collection, several clinically important variables related to PE—including prior history of VTE, thrombophilia status, detailed signs and symptoms of PE, and right heart echocardiographic findings (including chamber size and function)—were not consistently available in the medical records and therefore could not be included in the analysis. Fourth, due to the limited number of PE events, we did not perform subgroup analyses for specific comorbidities such as heart failure or prior cerebral infarction. Future studies with larger cohorts are recommended to further explore the specific risk profiles of these subgroups. Fifth, the model lacks external validation, and its applicability across diverse populations remains uncertain. Finally, long-term follow-up data were unavailable, precluding the assessment of long-term predictive value. Future research should adopt a prospective, multicenter design with larger cohorts, incorporate additional biomarkers, and explore model utility in broader thromboembolic conditions.

 Conclusion

In summary, this study successfully developed a nomogram model to predict pulmonary embolism in patients with atrial fibrillation, based on D-dimer, fibrinogen, and MA. The model demonstrated satisfactory predictive performance and clinical applicability, offering a valuable tool for early identification of high-risk patients and formulation of individualized treatment strategies. Future multicenter, large-scale prospective studies are warranted to further validate and refine this predictive model.

This study was approved by the Ethics Committee of the Jinhua Guangfu Oncology Hospital under the protocol number GFEC-2024-Research-003. All the procedures in this study were in accordance with the 1975 Helsinki Declaration, updated in 2013. Informed consent was obtained from all participants included in the study.

This study is not associated with any thesis or dissertation work.

The authors did not use any artificial intelligence tools in the development of this work.

All datasets supporting the results of this study are available upon request from the corresponding author.

This study was partially funded by Jinhua Science and Technology Bureau (2024-4-166).