Prognotische Rolle von CMR beim Takotsubo-Syndrom (EVOLUTION)

Die Prognose von Takotsubo-Syndrom-Patienten bleibt umstritten und erfordert eine verbesserte Risikostratifizierung für eine bessere Behandlung. Während verschiedene klinische Merkmale und Parameter der transthorakalen Echokardiographie mit den Ergebnissen in Verbindung gebracht wurden, berücksichtigt keiner der vorhandenen prädiktiven Scores Daten aus der kardialen Magnetresonanztomographie (CMR), trotz der Möglichkeit, die Gewebecharakterisierung nichtinvasiv zu beurteilen. CMR bietet eine umfassende Beurteilung funktioneller und struktureller Veränderungen, einschließlich einer genauen Beurteilung der rechtsventrikulären Funktion. Während CMR zu diagnostischen Zwecken beim Takotsubo-Syndrom umfassend untersucht wurde, wird seine Rolle bei der Prognose immer noch diskutiert. Neue Technologien wie die Computertomographie sind vielversprechend für die Charakterisierung des Myokards, es mangelt jedoch an fundierten Untersuchungen zu prognostischen Rollen. Das EVOLUTION-Register zielt darauf ab, diese Lücke zu schließen, indem neben klinischen und transthorakalen Echokardiographiedaten auch CMR-Parameter in einen Risikostratifizierungs-Score einbezogen werden. Außerdem werden Modelle des maschinellen Lernens für eine verbesserte Ergebnisvorhersage untersucht. Diese Initiative zielt darauf ab, ein zuverlässigeres Prognoseinstrument für eine optimierte Behandlung von Patienten mit Takotsubo-Syndrom bereitzustellen. Das Hauptziel dieser Studie besteht darin, die Risikobewertung bei Patienten mit Takotsubo-Syndrom durch die Einbeziehung von CMR-Daten neben demografischen, klinischen und transthorakalen Echokardiographieparametern zu verbessern. Unser Ziel ist insbesondere die Analyse von CMR-Daten und deren Zusammenhang mit kurzfristigen und langfristigen Patientenergebnissen. Darüber hinaus werden wir die Wirksamkeit unseres vorgeschlagenen Risikostratifizierungs-Scores für Patienten mit Takotsubo-Syndrom im Vergleich zu bestehenden Bewertungssystemen bewerten. Darüber hinaus werden wir alle verfügbaren CMR-, transthorakalen Echokardiographie- und klinischen Variablen nutzen, um Modelle für maschinelles Lernen für prädiktive Analysen zu entwickeln.