Исследование BREVOC: Летучие органические соединения в выдыхаемом воздухе для оценки высокого риска болей в груди в отделении неотложной помощи (BREVOC)

1. Исследовательский фон С момента появления концепции прецизионной медицины инновации и оптимизация клинических диагностических технологий стали центральным вопросом медицинских исследований. Традиционные диагностические методы — включая визуализацию, гематологию и гистологию — часто полагаются на инвазивные процедуры. Хотя эти методы могут предоставлять высокоточную диагностическую информацию, они связаны с высокими затратами, операционной сложностью и потенциальными рисками вреда для пациентов, что делает их менее подходящими для быстрого скрининга и динамического мониторинга. Поэтому разработка неинвазивных, быстрых и экономически эффективных диагностических технологий стала насущной потребностью современной медицины.

Будучи одним из наиболее метаболически активных органов, лёгкие обменивают метаболиты, произведённые тканями организма, в кровоток, которые впоследствии выдыхаются. Таким образом, выдыхаемый воздух может отражать физиологическое и патологическое состояние организма. Исторически врачи идентифицировали определённые заболевания по изменениям запаха тела — например, фруктовый запах «гнилого яблока» при диабетическом кетоацидозе или рыбный запах у пациентов с заболеваниями печени. В то время специфический химический состав, лежащий в основе этих запахов, был неизвестен. В 1971 году Полинг и др. впервые применили газовую хроматографию для анализа выдыхаемого человеком воздуха, идентифицировав сотни летучих органических соединений (ЛОС), тем самым заложив основу для технологии анализа дыхания.

Острая боль в груди — один из наиболее распространённых симптомов, с которыми обращаются в отделения неотложной помощи, с разнообразной этиологией и различным прогнозом. Несколько опасных для жизни сердечно-сосудистых неотложных состояний — таких как острый коронарный синдром (ОКС), острая лёгочная эмболия (ОЛЭ) и острый аортальный синдром (ОАС) — обычно проявляются острой болью в груди и требуют быстрой диагностики и лечения в условиях неотложной помощи. Однако не все случаи боли в груди являются высокорисковыми. Значительная доля пациентов (например, с межрёберной невралгией) имеют благоприятный исход и не требуют обширного диагностического тестирования или мониторинга. Поэтому точная стратификация риска критически важна: быстрое распознавание и ведение высокорисковой боли в груди при одновременном избегании избыточного лечения в случаях низкого риска необходимы для защиты общественного здоровья и снижения нагрузки на систему здравоохранения.

Анализ дыхания на выдыхаемые ЛОС привлекает всё больше внимания в последние годы как уникальный инструмент на основе биомаркеров для ранней диагностики и скрининга заболеваний. ЛОС — это высоколетучие органические молекулы, присутствующие не только в окружающей среде, но и генерируемые в процессе человеческого метаболизма. Как эндогенные метаболиты, ЛОС отражают состояние здоровья и прогрессирование заболевания. Благодаря их неинвазивному обнаружению и высокой чувствительности, ЛОС демонстрируют большой потенциал в ранней диагностике, персонализированном лечении и мониторинге заболеваний. По сравнению с традиционными анализами биомаркеров, анализ дыхания предлагает уникальные преимущества. Вместо обнаружения одной молекулы, анализ ЛОС может идентифицировать молекулярные паттерны, предоставляя более комплексную и точную диагностическую информацию. Современные данные продемонстрировали сильные ассоциации между ЛОС и различными заболеваниями — включая рак, респираторные расстройства и диабет — подчёркивая их ценность в прецизионной медицине.

Прецизионная медицина подчёркивает индивидуализированные стратегии лечения, адаптированные к специфическим биологическим характеристикам пациента. В рамках этой концепции ЛОС — как биомаркеры физиологического и патологического состояния — могут иметь значительную клиническую ценность в ранней диагностике, скрининге и мониторинге острой боли в груди. Однако исследования по анализу дыхания при острой боли в груди остаются ограниченными. Марзуг и др. продемонстрировали, что ЛОС могут отличать пациентов с ишемической болезнью сердца от контрольной группы с использованием моделей машинного обучения, что указывает на потенциальное применение анализа дыхания при острой кардиогенной боли в груди. В 2024 году Китайский консенсус по боли в груди предложил включить новые метаболические маркеры, такие как жирные альдегиды, в системы оценки боли в груди. Тем не менее, стандартизированные исследования по выдыхаемым ЛОС остаются редкими.

Поэтому данное исследование направлено на применение детекции выдыхаемых ЛОС для идентификации пациентов с высокорисковой острой болью в груди, создание базы данных профилей ЛОС и оценку прогностической ценности динамических изменений ЛОС. Это исследование впервые систематически охарактеризует профиль ЛОС при высокорисковой острой боли в груди, проанализирует динамические изменения и построит прогностическую скоринговую модель на основе ЛОС для прогноза пациентов. Эти усилия, как ожидается, предоставят новые стратегии для индивидуализированного лечения, мониторинга и ведения высокорисковой острой боли в груди.

2. Цели исследования

1. Идентификация биомаркеров: Установить профиль ЛОС для пациентов с высокорисковой острой болью в груди и дифференцировать их от других этиологий боли в груди.

   Детекция альдегидов: Исследовать роль детекции выдыхаемых альдегидов при высокорисковой боли в груди; создать и валидировать модель ранней диагностики с использованием ЛОС для оптимизации сортировки в неотложной помощи.

2. Оценка прогноза: Оценить прогностическую ценность изменений концентрации ЛОС для внутрибольничной смертности и основных неблагоприятных сердечно-сосудистых событий (МАСС) у пациентов с высокорисковой болью в груди.
3. Новые показатели: Исследовать новые комбинации диагностических маркеров, превосходящие традиционные биомаркеры.

3. Методы исследования Дизайн исследования Это исследование спроектировано как проспективное когортное исследование. 3.1 Места проведения и участники Исследование будет проводиться в отделении неотложной помощи (ОНП), отделении неотложной интенсивной терапии (ОНИТ) и отделении интенсивной терапии (ОИТ) больницы Цилу Шаньдунского университета. Подходящие участники будут включать всех пациентов, обратившихся в ОНП с острой болью в груди.

3.2 Исходы исследования

1. Первичный исход: Различение между высокорисковой и низкой/средней риска болью в груди, оценённое по площади под ROC-кривой (AUC-ROC), чувствительности и специфичности.

2. Вторичные исходы:

   1. Частота пропущенного диагноза (доля высокорисковых пациентов, ошибочно классифицированных моделью как низкий/средний риск).
   2. Длительность пребывания в ОНП и затраты на здравоохранение при сортировке под руководством модели.

   3. Внутрибольничная смертность и частота МАСС. 3.3 Статистический анализ Для обеспечения точности данных будет создана база данных в Excel с двойным вводом и верификацией. Данные будут проанализированы с использованием программного обеспечения R (версия 4.3.2), с двусторонним уровнем значимости α = 0,05 (P < 0,05 считается статистически значимым).

      1. Описательный анализ: Будет проведено обобщение базовых характеристик и концентраций ЛОС. Категориальные переменные будут выражены в виде частот или процентов. Непрерывные переменные с нормальным или приблизительно нормальным распределением будут представлены как среднее ± стандартное отклонение (СО). Асимметричные данные будут представлены как медиана (P25, P75). Межгрупповые сравнения будут использовать t-критерий для независимых выборок, однофакторный дисперсионный анализ (ANOVA), критерий Манна-Уитни или критерий Краскела-Уоллиса, в зависимости от ситуации. Категориальные переменные будут проанализированы с использованием критерия хи-квадрат (χ²) или точного критерия Фишера.
      2. Отбор признаков: Характерные ЛОС будут отобраны, и скоринговая модель на основе ЛОС будет разработана с использованием методов машинного обучения.
      3. Прогностический анализ: Прогностические факторы будут оценены с использованием регрессии Кокса пропорциональных рисков.
      4. Анализ траекторий: Динамика концентраций ЛОС будет смоделирована для исследования временных паттернов.