BREVOC-onderzoek: uitgeademde VOS voor hoogrisicoborstpijn op de SEH (BREVOC)

1. Onderzoeksachtergrond Sinds het concept van precisiegeneeskunde werd geïntroduceerd, zijn de innovatie en optimalisatie van klinische diagnostische technologieën een centraal thema geworden in medisch onderzoek. Traditionele diagnostische methoden - waaronder beeldvorming, hematologie en histologie - zijn vaak afhankelijk van invasieve procedures. Hoewel deze technieken zeer nauwkeurige diagnostische informatie kunnen bieden, gaan ze gepaard met hoge kosten, operationele complexiteit en mogelijke risico's van schade voor patiënten, waardoor ze minder geschikt zijn voor snelle screening en dynamische monitoring. Daarom is de ontwikkeling van niet-invasieve, snelle en kosteneffectieve diagnostische technologieën een dringende behoefte geworden in de moderne geneeskunde.

Als een van de meest metabolisch actieve organen wisselen de longen metabolieten die door lichaamsweefsels worden geproduceerd uit in de bloedbaan, die vervolgens worden uitgeademd. Zo kan uitgeademde lucht de fysiologische en pathologische toestanden van het lichaam weerspiegelen. Historisch gezien identificeerden artsen bepaalde ziekten door veranderingen in lichaamsgeur - bijvoorbeeld een fruitige "rotte appel" geur bij diabetische ketoacidose of een visachtige geur bij patiënten met leverziekte. In die tijd was de specifieke chemische samenstelling achter deze geuren onbekend. In 1971 pasten Pauling et al. voor het eerst gaschromatografie toe op humane uitgeademde luchtanalyse, waarbij honderden vluchtige organische stoffen (VOS) werden geïdentificeerd, waarmee de basis werd gelegd voor ademanalyse technologie.

Acute pijn op de borst is een van de meest voorkomende presentatiesymptomen op spoedeisende hulpafdelingen, met diverse etiologieën en uiteenlopende prognoses. Verschillende levensbedreigende cardiovasculaire noodgevallen - zoals acuut coronair syndroom (ACS), acute longembolie (APE) en acuut aortasyndroom (AAS) - presenteren zich typisch met acute pijn op de borst en vereisen snelle diagnose en behandeling in de spoedeisende setting. Echter, niet alle gevallen van pijn op de borst zijn hoogrisico. Een aanzienlijk deel van de patiënten (bijvoorbeeld patiënten met intercostale neuralgie) heeft een gunstig beloop en vereist geen uitgebreide diagnostische testen of monitoring. Daarom is accurate risicostratificatie cruciaal: snelle herkenning en behandeling van hoogrisico pijn op de borst, terwijl overbehandeling in laagrisicogevallen wordt vermeden, zijn essentieel om de volksgezondheid te beschermen en de zorglast te verminderen.

Ademanalyse van uitgeademde VOS heeft de laatste jaren toenemende aandacht gekregen als een uniek op biomarkers gebaseerd hulpmiddel voor vroege ziekte-diagnose en screening. VOS zijn zeer vluchtige organische moleculen die niet alleen in het milieu aanwezig zijn, maar ook worden gegenereerd door menselijke metabole processen. Als endogene metabolieten weerspiegelen VOS gezondheidstoestand en ziekteprogressie. Vanwege hun niet-invasieve detectie en hoge gevoeligheid tonen VOS grote belofte in vroege diagnose, gepersonaliseerde behandeling en ziektermonitoring. Vergeleken met traditionele biomarker assays biedt ademanalyse unieke voordelen. In plaats van een enkel molecuul te detecteren, kan VOS-analyse moleculaire patronen identificeren, wat meer uitgebreide en accurate diagnostische informatie biedt. Huidig bewijs heeft sterke associaties aangetoond tussen VOS en diverse ziekten - waaronder kanker, luchtwegaandoeningen en diabetes - wat hun waarde in precisiegeneeskunde benadrukt.

Precisiegeneeskunde benadrukt geïndividualiseerde behandelstrategieën afgestemd op patiënt-specifieke biologische kenmerken. Binnen dit kader kunnen VOS - als biomarkers van fysiologische en pathologische toestanden - significante klinische waarde hebben in de vroege diagnose, screening en monitoring van acute pijn op de borst. Echter, onderzoek naar ademanalyse voor acute pijn op de borst blijft beperkt. Marzoog et al. toonden aan dat VOS ischemische hartziektepatiënten van controles konden onderscheiden met behulp van machine learning modellen, wat de potentiële toepassing van ademanalyse in acute cardiogene pijn op de borst suggereert. In 2024 stelde de Chinese Consensus Pijn op de Borst voor om nieuwe metabole markers, zoals vetaldehyden, op te nemen in pijn-op-de-borst evaluatiesystemen. Desalniettemin blijven gestandaardiseerde studies naar uitgeademde VOS schaars.

Daarom beoogt deze studie uitgeademde VOS-detectie toe te passen voor de identificatie van hoogrisico acute pijn-op-de-borst patiënten, een database van VOS-profielen op te zetten en de prognostische waarde van dynamische VOS-veranderingen te evalueren. Dit onderzoek zal voor het eerst systematisch het VOS-profiel van hoogrisico acute pijn op de borst karakteriseren, dynamische veranderingen analyseren en een op VOS gebaseerd voorspellend scoringsmodel voor patiëntprognose construeren. Deze inspanningen zullen naar verwachting nieuwe strategieën bieden voor geïndividualiseerde behandeling, ziektermonitoring en management bij hoogrisico acute pijn op de borst.

2. Onderzoeksdoelstellingen

1. Biomarker identificatie: Stel een VOS-profiel op voor hoogrisico acute pijn-op-de-borst patiënten en onderscheid ze van andere pijn-op-de-borst etiologieën. Aldehyde detectie: Onderzoek de rol van uitgeademde aldehyde detectie in hoogrisico pijn op de borst; stel een vroeg diagnostisch model op en valideer het met behulp van VOS om spoedeisende triage te optimaliseren.

2. Prognostische beoordeling: Evalueer de voorspellende waarde van VOS-concentratieveranderingen voor ziekenhuissterfte en belangrijke nadelige cardiovasculaire gebeurtenissen (MACE) bij hoogrisico pijn-op-de-borst patiënten.
3. Nieuwe indicatoren: Onderzoek nieuwe diagnostische markercombinaties die superieur zijn aan conventionele biomarkers.

3. Onderzoeksmethoden Studieopzet Deze studie is ontworpen als een prospectieve cohortstudie. 3.1 Studielocaties en Deelnemers De studie zal worden uitgevoerd op de Spoedeisende Hulp (SEH), Spoedeisende Intensive Care Unit (EICU) en Intensive Care Unit (ICU) van Qilu Ziekenhuis, Shandong Universiteit. In aanmerking komende deelnemers zullen alle patiënten omvatten die zich presenteren met acute pijn op de borst op de SEH.

3.2 Studie-uitkomsten

1. Primaire uitkomst: Onderscheid tussen hoogrisico en laag/intermediair-risico pijn op de borst, beoordeeld door oppervlak onder de receiver operating characteristic curve (AUC-ROC), gevoeligheid en specificiteit.

2. Secundaire uitkomsten:

   1. Missediagnosepercentage (proportie van hoogrisicopatiënten die door het model verkeerd worden geclassificeerd als laag/intermediair risico).
   2. SEH-verblijfsduur en zorgkosten onder modelgeleide triage.

   3. Ziekenhuissterfte en incidentie van MACE. 3.3 Statistische Analyse Om gegevensnauwkeurigheid te waarborgen, zal een Excel-database worden opgezet met dubbele invoerverificatie. Gegevens zullen worden geanalyseerd met R-software (versie 4.3.2), met een tweezijdig significantieniveau van α = 0,05 (P < 0,05 wordt als statistisch significant beschouwd).

      1. Beschrijvende analyse: Baselinekenmerken en VOS-concentraties zullen worden samengevat. Categorische variabelen zullen worden uitgedrukt als frequenties of percentages. Continue variabelen met normale of bijna normale verdeling zullen worden gepresenteerd als gemiddelde ± standaarddeviatie (SD). Scheve data zullen worden gerapporteerd als mediaan (P25, P75). Intergroepsvergelijkingen zullen gebruik maken van onafhankelijke steekproeven t-tests, éénweg variantieanalyse (ANOVA), Mann-Whitney U-test of Kruskal-Wallis test, naar gelang geschikt. Categorische variabelen zullen worden geanalyseerd met behulp van chi-kwadraat (χ²) test of Fisher's exacte test.
      2. Kenmerkselectie: Karakteristieke VOS zullen worden gescreend en een VOS-scoringsmodel zal worden ontwikkeld met behulp van machine learning methoden.
      3. Prognostische analyse: Prognostische factoren zullen worden geëvalueerd met behulp van Cox proportionele gevarenregressie.
      4. Trajectanalyse: VOS-concentratiedynamiek zal worden gemodelleerd om temporele patronen te verkennen.