Kardiometabolsk evalueringsregister for hjertesvikt (CURE-HF)

Dette er en kombinert retrospektiv-prospektiv observasjonskohortstudie som tar sikte på å belyse samspillet mellom systemisk/lokalisert kardiometabolsk risikofaktorer og deres innvirkning på myokardial ombygging, hjertefunksjon og kliniske bane ved hjertesvikt (HF) pasienter. Ved å harmonisere retrospektive kliniske data som spenner over det siste tiåret med en 5-årig prospektiv langsgående oppfølging, omfatter studien alle HF-fenotyper, inkludert redusert (HFREF), mildt redusert (HFMREF), bevart (HFPEF) og forbedret ejeksjonsfraksjon (HFIMPEF), for å fange Campure spektrute av en heterheter. Systemisk metabolsk dysregulering, så som dyslipidemia, nedsatt glukosemetabolisme, overvekt og andre metabolitter vurdert ved massespektrometri (MS), vil bli evaluert sammen med lokaliserte faktorer, slik epikardialt fettvev (spiser), perivaskulær fettvev. Disse faktorene vil være korrelert med endringer i hjertegeometri (f.eks. Venstre ventrikkelmasse, kammerdimensjoner, veggtykkelse) og funksjon (f.eks. Utkastingsfraksjon, belastningsavbildning, diastolisk parametere), dynamiske overganger), som maces (f.eks. som en sammensatt av HF-sykehus og kardiovaskulær død. Den prospektive kohorten vil gjennomgå standardiserte baseline-vurderinger (blodbiomarkører, ekkokardiografi, hjerte-CT eller MR) etterfulgt av rutinemessige kliniske, biokjemiske og avbildningsevalueringer minst 3-måneders intervaller. Retrospektive data vil bli trukket ut fra elektroniske helsejournaler, inkludert historiske avbildningsstudier, laboratorieresultater og dokumentasjon av hendelser, noe som sikrer en robust prøvestørrelse (mål n≈3500 retrospektiv; n≈1200 prospektive) for stratifiserte analyser etter HF -fenotype, kjønn og metabolsk risikotertiler. Avanserte statistiske tilnærminger, inkludert multivariabel regresjonsanalyse, multivariable Cox proporsjonale faremodeller og maskinlæringsalgoritmer, vil identifisere uavhengige prediktorer for hjertemodellering, funksjonelle endringer, HF -fenotypeoverganger og maces. Etisk godkjenning og informert samtykke oppnås for potensielle deltakere, med retrospektive data anonymisert for å sikre personvern. Denne studien forventes å avgrense risikostratifiseringsverktøy ved å integrere metabolske avbildningsbiomarkører og biokjemiske profiler, og til slutt lede personaliserte terapeutiske kurer for HF -pasienter.