Datengetriebene Phänotypisierung bei Herzinsuffizienz mit erhaltener Ejektionsfraktion

Herzinsuffizienz mit erhaltener Auswurffraktion (HFpEF) ist ein komplexer Zustand, und Menschen mit HFpEF können unterschiedliche Symptome und klinische Profile aufweisen. Das Verständnis dieser Unterschiede kann dazu beitragen, die Beschreibung und Erforschung des Zustands zu verbessern. Diese Studie besteht aus zwei Teilen: einer retrospektiven Analyse und einer Querschnittsbewertung.

Im retrospektiven Teil werden die Forscher klinische Informationen sammeln, die zuvor in den klinischen Aufzeichnungen des Krankenhauses während vergangener Krankenhausaufenthalte wegen HFpEF in der Lokalen Gesundheitseinheit der Region Leiria (ULS RL) aufgezeichnet wurden. Die Daten werden unter Verwendung standardisierter Datenqualitätsverfahren überprüft und für die Analyse aufbereitet. Nach Abschluss der Datenbank werden die Forscher datengesteuerte Methoden anwenden, um Muster unter den Teilnehmern zu suchen, um Gruppen von Menschen mit ähnlichen Merkmalen ("Phänotypen") zu identifizieren, ohne vordefinierte Kategorien festzulegen. Die Methoden umfassen deskriptive Statistik, Korrelationsanalyse und Merkmalsauswahl unter Verwendung algorithmischer Ansätze wie ReliefF. Für die Phänotypisierung werden unbeaufsichtigte maschinelle Lerntechniken wie K-Means-Clustering und Hauptkomponentenanalyse (PCA) angewendet.

Der Querschnittsteil wird eine Stichprobe von Teilnehmern einladen, die so ausgewählt sind, dass sie jeden in der retrospektiven Analyse identifizierten Phänotyp repräsentieren (geplant 15 Teilnehmer pro Phänotyp). Die ausgewählten Teilnehmer werden einen einzigen Vor-Ort-Besuch absolvieren, der die Überprüfung der Einwilligung nach Aufklärung, eine strukturierte klinische Überprüfung und einen standardisierten kardiopulmonalen Belastungstest (CPET) umfasst, der nach lokalen und internationalen Richtlinien durchgeführt wird. Die CPET-Verfahren folgen dem Laborprotokoll, nämlich der Kalibrierung der Geräte, Ruhemessungen, einem Protokoll mit ansteigender Belastung, kontinuierlichem Gasaustausch und EKG-Überwachung. Die CPET-Daten werden digital aufgezeichnet und sicher in die Studien-Datenbank übertragen.

Die Studie wird auch die Übereinstimmung der Phänotypen mit weit verbreiteten HFpEF-Werkzeugen (H2FPEF und HFA-PEFF) bewerten und Unterschiede in den physiologischen Reaktionen während CPET zwischen den Phänotypen beschreiben, um zu klären, wie nützlich sie bei der Beschreibung verschiedener Formen von HFpEF sind. Die Analysen betonen explorative, datengesteuerte Bewertung und Schätzung von Effektgrößen, konsistent mit den Phänotypisierungszielen der Studie. Wo relevant, werden Zusammenhänge zwischen Phänotypzugehörigkeit und CPET-Variablen deskriptiv und durch korrelationsbasierte Analysen untersucht.

Ethische und Datenschutzverfahren sind vorhanden. Persönliche Identifikatoren werden entfernt und durch Studien-ID-Codes ersetzt. Eine Verknüpfungsdatei (Studien-ID zu persönlichen Identifikatoren) wird auf einem verschlüsselten Gerät gespeichert, auf das nur der studentische Untersucher Zugriff hat. Elektronische Studiendaten werden auf sicheren Servern mit rollenbasierter Zugriffskontrolle gespeichert. Die Daten werden gemäß der institutionellen Richtlinie und relevanter Gesetzgebung aufbewahrt. Nur anonymisierte Datensätze werden für Analyse und Austausch verwendet. Sicherheitsverfahren für CPET umfassen Vorab-Screening auf absolute Kontraindikationen, kontinuierliche EKG- und Blutdrucküberwachung während des Tests, Verfügbarkeit von Notfallausrüstung und sofortige klinische Überwachung durch qualifiziertes Personal. Nebenwirkungen während CPET werden gemäß den Anforderungen des Ethikausschusses aufgezeichnet und gemeldet.

Durch die Kombination von klinischen Aufzeichnungsinformationen, die während früherer Krankenhausaufenthalte gesammelt wurden, mit detaillierten Belastungstests in einer ausgewählten Gruppe zielt diese Studie darauf ab, neue Einblicke in die Variation zu geben, die unter Menschen mit HFpEF besteht. Die Ergebnisse könnten personalisiertere Ansätze in zukünftiger Forschung unterstützen.