Kardiometabolisk evalueringsregister over hjertesvigt (CURE-HF)

Dette er en kombineret retrospektiv-propektiv observationsgruppeundersøgelse, der sigter mod at belyse samspillet mellem systemiske/lokaliserede kardiometaboliske risikofaktorer og deres indflydelse på myokardial ombygning, hjertefunktion og kliniske bane hos hjertesvigt (HF) patienter. Ved at harmonisere retrospektive kliniske data, der spænder over det sidste årti med en 5-årig prospektiv langsgående opfølgning, omfatter undersøgelsen alle HF-fænotyper, inklusive reduceret (HFREF), mildt reduceret (HFMREF), bevaret (HFPEF) og forbedret udsprøjtningsfraktion (HFIMPEF), for at fange det fulde spektrum af sygdomme heterogenitet. Systemisk metabolisk dysregulering, såsom dyslipidæmi, nedsat glukosemetabolisme, fedme og andre metabolitter vurderet ved massespektrometri (MS), vil blive evalueret sammen med lokaliserede faktorer, såsom epikardiale fedtvæv (EAT), perivaskulært fedtvæv (PVAT) kvantificeret ved avancerede billeddannelser (Cardiposevæv (EAT). Disse faktorer vil være korreleret med ændringer i hjertegeometri (f.eks. Venstre ventrikulær masse, kammerdimensioner, vægtykkelse) og funktion (f.eks. Udsprøjtningsfraktion, belastningsafbildning, diastolisk parametre), dynamiske overgange mellem HF -fænotyper (makes), definitiv til hfimpef), såvel som forekomsten af ​​større bivirkninger Komposit af HF-re-hospitalisering og kardiovaskulær død. Den potentielle kohort vil gennemgå standardiserede baselinevurderinger (blodbiomarkører, ekkokardiografi, hjerte- eller MR) efterfulgt af rutinemæssige kliniske, biokemiske og billeddannelsesevalueringer mindst 3-måneders intervaller. Retrospektive data vil blive ekstraheret fra elektroniske sundhedsregistre, herunder historiske billeddannelsesundersøgelser, laboratorieresultater og hændelsesdokumentation, hvilket sikrer en robust prøvestørrelse (mål N≈3500 retrospektive; N≈1200 prospektiv) til stratificerede analyser ved HF -fænotype, køn og metaboliske risikotiler. Avancerede statistiske tilgange, herunder multivariabel regressionsanalyse, multivariable Cox -proportionelle faremodeller og maskinindlæringsalgoritmer, identificerer uafhængige prediktorer til hjerteomdannelse, funktionelle ændringer, HF -fænotypeovergange og maker. Etisk godkendelse og informeret samtykke opnås for potentielle deltagere med retrospektive data anonymiseret for at sikre privatlivets fred. Denne undersøgelse forventes at forfine risikostratificeringsværktøjer ved at integrere metaboliske billeddannelsesbiomarkører og biokemiske profiler, hvilket i sidste ende styrer personaliserede terapeutiske kurer for HF -patienter.