自律機能を介した心臓リハビリテーションにおける運動処方 (EXCARMA)

心臓リハビリテーション（CR）は、心血管疾患（CVD）治療の連続体における必須の二次予防要素であることが証明されており、欧州心臓病学会（ESC）および米国心臓協会／米国心臓病学会（AHA／ACC）ガイドラインにおいて、エビデンスレベルAおよびBのクラスI推奨となっています。 CRはまた、CVD治療において最も費用対効果の高い臨床介入の一つです。 これらの疾患、すなわち冠動脈疾患（CAD）と心不全（HF）は、自律神経機能障害、特に自律交感神経系（ASS）の過剰活性化と関連しており、冠血管収縮、心筋リモデリング、基礎酸素消費量の増加を引き起こします。 CRプログラム（CRP）の主要構成要素は運動トレーニング（ET）であり、これはCVDの非薬物治療の中核的柱の一つであり、前述の有害な影響の進行を防ぎます。 ETのCRPにおける役割はますます強調されていますが、既存の多様なトレーニングプログラムの中で、最適な組み合わせと運動の種類（有酸素／無酸素またはその両方）、セッションの頻度と持続時間、その処方は患者の臨床経歴とCRP前検査結果を考慮してカスタマイズされるべきである点については、まだ明確ではありません。 この制限は、CRPで最適化された結果を得る上での主要な欠点として指摘されています。 処方の効果をより正確に評価し、したがってより良く定量化し、トレーニング計画を安全に最適化できる方法論の欠如は、CRに関する中心的な問題の一つであり、本研究提案では、CRPにおけるET処方の理論的根拠の中心に心血管系の自律神経調節を置くことでこの問題に取り組みます。 本研究計画の主目的は、自律神経出力に基づいてCRPでETを処方するための客観的かつ個別化されたプロトコルを作成することです。

慎重な検討の結果、明確に実証されたASS過剰活性化を伴う二つの重要だが異なる病態が考慮されました：「非虚血性低駆出分画心不全」（NIHFrEF）と「心不全を伴わない冠動脈疾患」（CADnonHF）です。 以下の副次的目標は、この中心的な目標の達成に貢献し、関連するタスクの大部分を定義します：

• NIHFrEFおよびCADnonHF患者における基礎交感神経活性化パターンの評価（タスク2）；
• CRPの文脈におけるET処方目的のための交感神経活性化に関する正規化係数の定義（タスク3）
• 自律神経反応に導かれた処方によるCRPのための運動トレーニングプログラムの定義（タスク4）；タスク2では、自律神経系（ANS）の基礎活性化レベルが、中央極限定理を用いて平均の標本分布を良好に近似させるために各条件（NIHFrEFおよびCADnonHF）につき30名の患者サンプルを使用し、レイリア中央病院（CHL）心臓病学科のCR相談で参加者を募集することで、特定された二つの条件それぞれについて特徴付けられます。 CHL CRユニットは2022年より欧州予防心臓病学会（EAPC）から認定されています。 比較的不正確なANSの古典的間接測定、例えば心拍変動（HRV）および派生指標は、24時間ホルターおよび「長時間EKG」で取得され、心肺運動負荷試験（CPET）による最初の1分間の心拍回復、ならびに血液および尿サンプル中の血清カテコールアミンも取得されます。 これらの間接測定に加えて、微小神経記録法（MSNA）により得られる交感神経系の直接記録が実施され、受け入れ研究機関（ciTechCare）で利用可能です。 変数群（自律神経およびその派生指標）と代謝バイオマーカーを合わせて、多変量相関分析を行い、その後機械学習アルゴリズム「主成分分析」（PCA）を使用してデータセットの次元を削減し、運動処方目的の正規化係数を定義します。これはタスク3に関連する主目標に対応します。 この正規化係数は、個別の交感神経活性化パターンを確立し、運動の初期処方および患者のパフォーマンスの偏りのないフォローアップのための同じ出発点を設定するために重要です。 タスク4に関しては、トレーニング計画（有酸素／無酸素負荷）は、分類モデル（前タスクの導出可能なものの一つ）のために定義されたレベルと連携して実施され、候補者がCRPチームのリハビリテーション科医と協力して、組み合わせ（有酸素および抵抗）および階層化（様々な強度、頻度、段階、持続時間のレベルを持つ）トレーニングプログラムを設定することで開発されます。 このプロトコルは、適切な保健倫理委員会（タスク1）によって評価され、安全性およびデータ保護に関するすべての法的問題は遵守されます。

リスクおよびそれらを軽減する戦略に関して、主なリスクはデータ評価に関連します。 その場合、参加者数を増やすために他の病院に連絡することがあります。 もう一つのリスクはタスク依存性に関連します。 この場合、メンターの経験およびCRPに精通し、医学における人工知能アプリケーションに慣れたチームへのこのプロジェクトの統合が決定的となります。