GENECARD - bruk av genetiske, epigenetiske, metabolomiske, proteomiske og mikrobiotiske markører, bilde- og stemmebiomarkeranalyser, samt pre- og intraoperativ kliniske data - for å forutsi tidlige komplikasjoner etter hjertekirurgi. (GENECARD)

Enkelt-senter, prospektiv, translasjonell, observasjonskohortstudie designet for å identifisere markører som forutsier tidlige postoperative komplikasjoner hos voksne pasienter som gjennomgår elektiv hjertekirurgi. Studien vil analysere genetiske, epigenetiske, transkriptomiske, proteomiske, metabolomiske, mikrobiom, bilde, stemme og detaljerte kliniske data samlet før, under og etter operasjonen. Omtrent 2000–3000 deltakere vil bli rekruttert mellom 2026 og 2029.

Studiens mål

Hovedmålet er å fastslå om utvalgte biologiske og kliniske markører kan forutsi tidlige postoperative komplikasjoner, inkludert:

Nyoppstått atrieflimmer (NOAF), Akutt nyreskade (AKI), Postoperativ delir (POD), Vasoplegi, Postoperativ blødning 30-dagers dødelighet.

Studien vil bruke nåværende kliniske definisjoner: NOAF i henhold til ESC-retningslinjer, AKI i henhold til KDIGO-kriterier, og POD i henhold til DSM-V, samt validerte delirskalaer som CAM-ICU eller DOSS. Postoperativ blødning vil bli definert som >1000 mL drenasje i løpet av 24 timer eller behov for kirurgisk reeksplorasjon.

Sekundære utfall inkluderer dødelighet på sykehus, 30-dagers dødelighet, varighet av mekanisk ventilasjon, lengde på intensivopphold og total postoperativ sykehusliggingslengde.

Deltakere

Kvalifiserte deltakere er voksne menn og kvinner som gjennomgår elektiv hjertekirurgi og som gir informert samtykke. Eksklusjonskriterier er alder <18 år, manglende samtykke og tidligere eller planlagt organ- eller beinmargstransplantasjon.

Data- og prøveinnsamling

Studien vil samle et bredt spekter av data og biologisk materiale, inkludert:

Kliniske data: detaljert medisinsk historikk, epidemiologiske faktorer, sykdomshistorikk, fysiske undersøkelsesparametere, perioperative kliniske data og data om postoperative komplikasjoner.

Genetisk analyse: målrettet sekvensering av utvalgte SNP-er assosiert med primære utfall ved bruk av PCR-baserte arrays eller NGS/WGS. DNA fra PBMC vil bli samlet fra alle deltakere, med potensiell ekstra sekvensering avhengig av ekstern finansiering. En replikasjonskohort på 525 pasienter fra INFLACOR-studien vil bli brukt til bekreftende analyser.

Epigenetisk profilering: genomvid profilering av epigenetiske markører fra PBMC i matchede case-kontroll-undergrupper (omtrent n=300 per gruppe) for deltakere som utvikler primære utfall. DNA-metylering vil bli analysert for å utvikle en epigenetisk risikoindeks og integrert med genetiske og kliniske data.

Transkriptomikk: RNA-sekvensering av PBMC samlet før operasjon, samt kort-kjede RNA (scRNA) profilering fra urinprøver samlet pre- og postoperativt for å identifisere tidlige markører for AKI.

Proteomikk og metabolomikk: ikke-målrettede og målrettede analyser av plasma samlet preoperativt og ved to postoperative tidspunkter (6 timer og postoperativ dag 3). Disse analysene tar sikte på å identifisere og validere tidlige biomarkører for primære komplikasjoner.

Laboratoriediagnostikk: serielle målinger av utvalgte laboratoriemarkører relevante for tidlige komplikasjoner, som serumkreatinin, NGAL, cystatin C og nye biomarkører (f.eks. KIM) ved bruk av ELISA.

Mikrobiota og mikrobiom: metabolomiske og metagenomiske sekvenseringsanalyser på fraksjonerte avføringsprøver for å karakterisere tarmbakteriesammensetning, ekstracellulære vesikler og metabolitprofiler, ved bruk av GC-MS og LC-MS/MS.

Bildedata: rutinemessig preoperativ bildebehandling inkludert transtorakal ekkokardiografi (TTE) og koronarangiografi.

Stemme- og videobiomarkører: for deltakere som utvikler POD, vil kontinuerlig sengekant-innhentet video, lyd og sensordata bli analysert for å identifisere stemme- og bildebiomarkører (f.eks. MFCC-parametere) assosiert med prodromalt delir. Maskinlæringsmodeller vil bli utviklet for å støtte sanntidsdeteksjon av POD-relaterte trekk.

Analytisk tilnærming

Studien vil bruke flertrinns regresjon, maskinlæringsteknikker og AI-baserte modeller for å identifisere prediktorer for både primære og sekundære utfall. Analyser vil integrere genetiske, miljømessige, preoperativ og intraoperative faktorer. Et mål er å forbedre eksisterende kliniske risikokalkulatorer for postoperativ morbiditet og dødelighet, som STS-ACSD og EuroSCORE. Studien forventer forbedret diskriminering av prediktive modeller, med mål om ROC-AUC-verdier >0,9 for dødelighet og >0,8 for morbiditet.

En polygen risikoscore vil også bli utviklet for å evaluere genetisk bidrag til variasjon i primære utfall.

Forventet innvirkning

Den integrerte multi-omics og kliniske tilnærmingen forventes å identifisere nye patofysiologiske mekanismer som ligger til grunn for tidlige postoperative komplikasjoner og potensielt støtte utvikling av nye forebyggende terapier. Studien tar sikte på å legge til rette for personlig perioperativ diagnostisk og terapeutisk strategi ved å forbedre tidlig identifisering av høytrisikopasienter som gjennomgår hjertekirurgi.