Biomarkers die acuut myocardinfarct voorspellen bij patiënten zonder standaard aanpasbare risicofactoren (BeyondSMuRFs)

Coronaire hartziekte (CAD) is wereldwijd de belangrijkste doodsoorzaak. Elk jaar lijden miljoenen mensen aan de meest ongunstige manifestatie ervan, een acuut myocardinfarct (AMI). De meerderheid van deze patiënten vertoont ten minste één van de standaard aanpasbare risicofactoren (SMuRF's). Deze omvatten roken, hypertensie, dyslipidemie en diabetes mellitus (DM). Opkomend wetenschappelijk bewijs erkent echter dat een klinisch significant deel van de patiënten zich presenteert met levensbedreigende AMI zonder enige SMuRF (SMuRF-loze patiënten). Dit percentage patiënten met ACS zonder SMuRF lijkt de afgelopen twee decennia toe te nemen en is onlangs gerapporteerd tot 20% (van het totale aantal AMI's). Tot op heden zijn er geen wetenschappelijke gegevens die specifieke risicofactoren kunnen benadrukken - biomarkers die verantwoordelijk zijn voor de ontwikkeling van AMI's SMuRF-loze patiënten.

Tegelijkertijd is aangetoond dat atherogenese, evenals de daaropvolgende ontstekingsprocessen die tot AMI kunnen leiden, niet alleen nauw verband houden met dyslipidemie, hypertensie, diabetes mellitus en roken, maar ook met pro-inflammatoire cytokines en eiwitten (zoals lipoproteïne a). [LPa], interleukine 6 [IL-6]) en andere ontstekingsindicatoren, zoals oplosbare urokinase plasminogeenactivatorreceptor (suPAR). Dit zou deze biomarkers potentiële risicofactoren kunnen maken voor het optreden van AMI. Bovendien kunnen klinische entiteiten, zoals verschillende auto-immuun- en collageenziekten (bijv. reumatoïde artritis), evenals psychiatrische syndromen (zoals depressie) zijn in verband gebracht met een verhoogd risico op atherosclerotische aandoeningen. Bovendien zijn nieuwere technieken en metingen in trans-thoracale echocardiografie, zoals GLS (Global Longitudinal Peak systolic strain) en Myocardial Work in verband gebracht met "stille" myocardischemie en - er zijn steeds meer aanwijzingen dat ze toekomstige cardiovasculaire gebeurtenissen zouden kunnen voorspellen. Daarom zullen de twee patiëntengroepen (met SMuRF's versus SMuRF-loos) worden vergeleken met betrekking tot hun klinische, basis- en geavanceerde laboratorium- en beeldvormingsvingerafdrukken voor de beoordeling van voorspellende factoren die leiden tot SMuRF-loze AMI's. Op basis van het bovenstaande is het de bedoeling om prospectief een cohort van goed gekarakteriseerde patiënten met een AMI te analyseren. De grondgedachte van de studie is het onderzoeken van mogelijke correlaties tussen het klinische, laboratorium- en beeldvormingsprofiel van patiënten en SMuRF-loze AMI. Dit zou kunnen leiden tot de ontwikkeling van voorspellende algoritmen voor risicostratificatie voor patiënten zonder SMuRF's en coronaire hartziekte.

Na revascularisatie zal bij elke in aanmerking komende patiënt een volledig en uitgebreid medisch interview worden afgenomen. Uit dit interview wordt de volgende demografische en klinische informatie verkregen: leeftijd, geslacht, contactgegevens, exacte symptomen en ziektegeschiedenis, gedetailleerde medische geschiedenis, in het verleden uitgevoerde diagnostische en therapeutische interventies en ontvangen medicatie. Daarnaast worden de laboratoriumgegevens van de patiënt geregistreerd bij opname en tijdens de ziekenhuisopname. Deze omvatten: volledig bloedbeeld, biochemische controle, controle van het stollingsmechanisme, hormonale controle, HbA1c, NTproBNP, HsTnT bij opname, hogere piekwaarde van HsTnT en NTproBNP, en LPa, IL-6, suPAR-waarden bij opname. Bovendien zal elke patiënt een volledig echocardiografisch onderzoek ondergaan met een specifiek protocol dat gespecialiseerde en moderne metingen omvat, zoals Global Longitudinal Strain (GLS) van het linkerventrikel en de overige hartholten, evenals niet-invasieve berekening van het myocardwerk van de linker ventrikel (Global Constructive Work, Global Wasted Work, Global Work Index, Global Work Efficiency; Myocardial Work). Univariate en multivariate analyse met lineaire en logistische regressiemodellen zullen worden gebruikt om onafhankelijke prognostische factoren te onderzoeken die bijdragen aan het optreden van SMuRF-loze AMI's. De mogelijke toepassing in de dagelijkse klinische praktijk van een afgeleid klinisch voorspellend model-algoritme, mogelijk inclusief klinische, laboratorium- en echocardiografische biomarkers, zal bijdragen aan de vroege prognose en gepersonaliseerde preventie van een dergelijke specifieke categorie van AMI's.