Biomarker der Reaktion auf HIIT-Training (BReaTHE)

Die meisten Überlebenden eines chronischen subkortikalen Schlaganfalls haben Schwierigkeiten beim Gehen, aber nur wenige Prädiktoren können dabei helfen, festzustellen, ob ein Patient auf ein Trainingsprogramm anspricht und seine Funktion verbessert. Um die Präzisionsrehabilitation bei Patienten mit chronischem subkortikalem Schlaganfall zu verbessern, sind personalisierte Aerobic-Übungen von entscheidender Bedeutung. Dies erfordert die Entwicklung innovativer Technologien, die die wesentlichen neurobiologischen Faktoren identifizieren können, um das Ansprechen auf Interventionen vorherzusagen und es Ärzten zu ermöglichen, individuelle Rehabilitationsziele festzulegen. Laktat ist ein aufregendes neues Ziel, das als molekularer Bote zwischen der Peripherie und dem Gehirn fungiert. Damit sich Laktat auf andere Organe, einschließlich des Gehirns, auswirkt, muss sein Spiegel im Blutkreislauf gegenüber dem Ausgangswert erheblich ansteigen. Wenn die Laktatschwelle im Blut während des Trainings überschritten wird, wirkt Laktat über den TCA-Zyklus metabolisch auf das Gehirn. Eingebettet in den TCA-Zyklus ist die Möglichkeit, die Konzentration von Neurotransmittern wie GABA und Glutamat zu erhöhen oder zu senken. Gamma-Aminobuttersäure (GABA), der wichtigste hemmende Neurotransmitter des Gehirns, ist ein neues Behandlungsziel, das die neuronale Plastizität während der Schlaganfallrehabilitation fördert. Basierend auf dem Rahmen personalisierter Rehabilitationsansätze und unseren vorläufigen Daten schlagen die Forscher vor, ein Vorhersagemodell zu erstellen, das erkennen kann, ob ein Patient mit chronischem subkortikalem Schlaganfall auf körperliches Training anspricht. Dieses Modell zielt darauf ab, Verbesserungen der Gehgeschwindigkeit vorherzusagen, indem Blutlaktat als früher Prädiktor für die Reaktion auf körperliche Betätigung und GABA und zerebraler Blutfluss (CBF) als Prädiktoren für das Reaktionspotenzial des Gehirns zusätzlich zu anderen Einflussfaktoren wie Komorbiditäten, demografischen Merkmalen usw. einbezogen werden. und Fitnesslevel. Die übergeordnete Hypothese ist, dass durch Laktat gesteuerte robuste neurophysiologische Faktoren Responder von Resistenzen unterscheiden können und dass diese Faktoren klinisch als Biomarker zur Vorhersage funktioneller Ergebnisse nach einer 12-wöchigen HIIT-Intervention eingesetzt werden können. Die Forscher werden Verbesserungen der Gehgeschwindigkeit bei 48 Veteranen mit einer Behinderung der unteren Gliedmaßen aufgrund eines chronischen subkortikalen Schlaganfalls als Reaktion auf eine 36 Sitzungen (12 Wochen) dauernde HIIT-Intervention bewerten. Nach der Intervention wird jeder treue Teilnehmer, der seine Gehgeschwindigkeit auf mehr als 0,6 m/s verbessert, als Responder kategorisiert, während jeder treue Teilnehmer, der seine Gehgeschwindigkeit nicht verbessert, als Widerstand kategorisiert wird. Zu Studienbeginn und nach 12 Wochen HIIT bewerten die Forscher Gehgeschwindigkeit, Gleichgewicht, Beinkraft und Ausdauer, um Widerstände und Responder auf HIIT zu identifizieren und a) GABA aus dem primären sensomotorischen Beinbereich mithilfe von Einzelvoxel-Magnetresonanzspektroskopie zu sammeln, b) CBF aus dem gesamten Gehirn mittels pseudokontinuierlicher arterieller Spinmarkierungs-MRT und c) VO2max zur Bewertung der Veränderung der CRF. Während des Eingriffs sammeln die Forscher während der Sitzungen 1, 4, 7, 10 und 28 Blutlaktat per Fingerstich, um dessen Potenzial als früher Prädiktor für die Reaktion auf körperliche Betätigung zu bewerten. In Ziel 1 bestimmen die Forscher, ob das Überschreiten der Laktatschwelle während der ersten 4 Wochen von HIIT die Änderung der Gehgeschwindigkeit auf ≥0,6 m/s von vor bis nach HIIT vorhersagt. Wenn sich Laktat als robuster früher Marker für die funktionelle Reaktion auf körperliche Betätigung erweist, verfügen die Forscher über einen einfach anzuwendenden Prädiktor dafür, wer am meisten von HIIT profitieren wird. In Ziel 2 werden die Forscher feststellen, ob (a) GABA und/oder CBF zu Studienbeginn Verbesserungen der Gehgeschwindigkeit vom Ausgangswert bis nach HIIT vorhersagen und (b) ob eine Änderung von GABA und/oder CBF mit einer Änderung der Gehgeschwindigkeit zusammenhängt. Ziel der Forscher ist es, neurophysiologische Korrelate der Funktionsverbesserung mit HIIT zu ermitteln, um die Mechanismen besser zu verstehen. Schließlich werden die Forscher in Ziel 3 einen prädiktiven Algorithmus für maschinelles Lernen entwickeln, um zu ermitteln, wer seine Gehgeschwindigkeit mit HIIT unter Verwendung der Faktoren Blutlaktat, Ausgangs-GABA und CBF, Ausgangs-Beinschwäche und VO2-max, Fitness vor dem Schlaganfall, Alter, Geschlecht verbessern wird. und Komorbiditäten. Das übergeordnete Ziel besteht darin, ein Modell zu entwickeln, um vorherzusagen, welcher Veteran mit chronischem Schlaganfall auf ein 12-wöchiges Trainingsprogramm ansprechen wird.