Data-drevet Fenotypering ved Hjertesvigt med Bevaret Udstødningsfraktion

Hjertesvigt med bevaret udstødningsfraktion (HFpEF) er en kompleks tilstand, og personer med HFpEF kan have forskellige symptomer og kliniske profiler. Forståelsen af disse forskelle kan hjælpe med at forbedre, hvordan tilstanden beskrives og studeres. Dette studie har to dele: en retrospektiv analyse og en tværsnitsvurdering.

I den retrospektive del vil forskerne indsamle kliniske oplysninger, der tidligere er registreret i hospitalets kliniske journaler under tidligere indlæggelser for HFpEF på Den Lokale Sundhedsenhed i Leiria-regionen (ULS RL). Dataene vil blive gennemgået og forberedt til analyse ved hjælp af standard procedurer for datakvalitet. Efter databasen er fuldstændig, vil forskerne bruge datadrevne metoder til at søge efter mønstre blandt deltagerne for at identificere grupper af personer, der deler lignende karakteristika ("fænotyper") uden at fastsætte foruddefinerede kategorier. Metoder vil inkludere beskrivende statistik, korrelationsanalyse og funktionsselektion ved hjælp af algoritmiske tilgange som ReliefF. Til fænotypisering vil uovervågede maskinlæringsteknikker, herunder K-means klyngedannelse og hovedkomponentanalyse (PCA), blive anvendt.

Den tværsnitsmæssige del vil invitere et udvalg af deltagere udvalgt til at repræsentere hvert fænotype (planlagt 15 deltagere for hvert fænotype) identificeret i den retrospektive analyse. Udvalgte deltagere vil gennemføre et enkelt besøg på stedet, der omfatter verifikation af informeret samtykke, en struktureret klinisk gennemgang og en standardiseret kardiopulmonal belastningstest (CPET) udført i henhold til lokale og internationale retningslinjer. CPET-procedurerne vil følge laboratorieprotokollen, nemlig kalibrering af udstyr, hvilemålinger, stigende arbejdsbelastningsprotokol, kontinuerlig gasudveksling og elektrokardiogram (EKG) overvågning. CPET-data vil blive optaget i digitalt format og overført sikkert til studie-databasen.

Studiet vil også evaluere fænotype overensstemmelse med bredt anvendte HFpEF-værktøjer (H2FPEF og HFA-PEFF) og beskrive forskelle i fysiologiske responser under CPET på tværs af fænotyper for at hjælpe med at klarlægge, hvor nyttige de er til at beskrive forskellige former for HFpEF. Analyser vil lægge vægt på eksplorativ, datadrevet evaluering og estimering af effektstørrelser i overensstemmelse med studiets fænotypiseringsmål. Hvor relevant vil sammenhænge mellem fænotypetilhørsforhold og CPET-variabler blive udforsket beskrivende og gennem korrelationsbaserede analyser.

Etiske og databeskyttelsesprocedurer er på plads. Personlige identifikatorer vil blive fjernet og erstattet af studie-ID-koder. En koblingsfil (studie-ID til personlige identifikatorer) vil blive opbevaret på en krypteret enhed med adgang begrænset til studentundersøgeren. Elektroniske studiedata vil blive opbevaret på sikre servere med rollebaseret adgangskontrol. Data vil blive opbevaret i henhold til institutionspolitik og relevant lovgivning. Kun de-identificerede datasæt vil blive brugt til analyse og deling. Sikkerhedsprocedurer for CPET inkluderer pre-test screening for absolutte kontraindikationer, kontinuerlig EKG og blodtryksovervågning under testen, tilgængelighed af nødundstyr og umiddelbar klinisk tilsyn af kvalificeret personale. Uønskede hændelser under CPET vil blive registreret og rapporteret i henhold til etisk komités krav.

Ved at kombinere kliniske journaloplysninger indsamlet under tidligere indlæggelser med detaljerede belastningstester i en udvalgt gruppe sigter dette studie mod at give ny indsigt i den variation, der findes blandt personer med HFpEF. Resultaterne kan støtte mere personlige tilgange i fremtidig forskning.