GENECARD - användning av genetiska, epigenetiska, metabolomiska, proteomiska och mikrobiomiska markörer, bild- och röstbiomarkörsanalyser, samt pre- och intraoperativa kliniska data - för att förutsäga tidiga komplikationer efter hjärtkirurgi. (GENECARD)

En enkelcentrumsstudie, prospektiv, translationell, observationskohortstudie utformad för att identifiera markörer som förutspår tidiga postoperativa komplikationer hos vuxna patienter som genomgår elektiv hjärtkirurgi. Studien kommer att analysera genetiska, epigenetiska, transkriptomiska, proteomiska, metabolomiska, mikrobiom-, bild-, röst- och detaljerade kliniska data insamlade före, under och efter operationen. Cirka 2 000–3 000 deltagare kommer att rekryteras mellan 2026 och 2029.

Studiens mål

Det huvudsakliga målet är att fastställa om utvalda biologiska och kliniska markörer kan förutspå tidiga postoperativa komplikationer, inklusive:

Nytt uppträdande av förmaksflimmer (NOAF), akut njurskada (AKI), postoperativ delirium (POD), vasoplegi, postoperativ blödning och 30-dagarsdödlighet.

Studien kommer att använda nuvarande kliniska definitioner: NOAF enligt ESC-riktlinjer, AKI enligt KDIGO-kriterier och POD enligt DSM-V, samt validerade delirskalor som CAM-ICU eller DOSS. Postoperativ blödning kommer att definieras som >1000 mL dränage på 24 timmar eller behov av kirurgisk reexploration.

Sekundära utfall inkluderar sjukhusdödlighet, 30-dagarsdödlighet, varaktighet av mekanisk ventilation, vårdtid på intensivvårdsavdelning och total postoperativ sjukhusvårdtid.

Deltagare

Berättigade deltagare är vuxna män och kvinnor som genomgår elektiv hjärtkirurgi och som ger informerat samtycke. Exklusionskriterier är ålder <18 år, avsaknad av samtycke samt tidigare eller planerad organ- eller benmärgstransplantation.

Data- och provinsamling

Studien kommer att samla in ett brett spektrum av data och biologiskt material, inklusive:

Kliniska data: detaljerad medicinsk historia, epidemiologiska faktorer, sjukdomshistoria, fysiologiska undersökningsparametrar, perioperativa kliniska data och data om postoperativa komplikationer.

Genetisk analys: målsekvensering av utvalda SNP:er associerade med primära utfall med hjälp av PCR-baserade arrayer eller NGS/WGS. DNA från PBMC kommer att samlas in från alla deltagare, med potentiell ytterligare sekvensering beroende på extern finansiering. En replikeringskohort på 525 patienter från INFLACOR-studien kommer att användas för bekräftande analyser.

Epigenetisk profilering: genomomfattande profilering av epigenetiska markörer från PBMC i matchade fall-kontrollsubgrupper (ungefär n=300 per grupp) för deltagare som utvecklar primära utfall. DNA-metylering kommer att analyseras för att utveckla ett epigenetiskt riskindex och integreras med genetiska och kliniska data.

Transkriptomik: RNA-sekvensering av PBMC insamlade före operation, samt profilering av korta RNA-kedjor (scRNA) från urinprov insamlade före och efter operation för att identifiera tidiga markörer för AKI.

Proteomik och metabolomik: icke-målstyrda och målstyrda analyser av plasma insamlat preoperativt och vid två postoperativa tidpunkter (6 timmar och postoperativ dag 3). Dessa analyser syftar till att identifiera och validera tidiga biomarkörer för primära komplikationer.

Laboratoriediagnostik: seriell mätning av utvalda laboratoriemarkörer relevanta för tidiga komplikationer, såsom serumkreatinin, NGAL, cystatin C och nya biomarkörer (t.ex. KIM) med hjälp av ELISA.

Mikrobiota och mikrobiom: metabolomiska och metagenomiska sekvenseringsanalyser på fraktionerade avföringsprover för att karakterisera tarmbakteriesammansättning, extracellulära vesiklar och metabolitprofiler, med hjälp av GC-MS och LC-MS/MS.

Bilddata: rutinmässig preoperativ bildtagning inklusive transtorakal ekokardiografi (TTE) och kranskärlsangiografi.

Röst- och videobiomarkörer: för deltagare som utvecklar POD kommer kontinuerliga videos, ljud- och sensordata insamlade vid sängen att analyseras för att identifiera röst- och bildbiomarkörer (t.ex. MFCC-parametrar) associerade med prodromalt delirium. Maskininlärningsmodeller kommer att utvecklas för att stödja realtidsdetektering av POD-relaterade egenskaper.

Analysmetod

Studien kommer att använda flerstegsregression, maskininlärningstekniker och AI-baserad modellering för att identifiera prediktorer för både primära och sekundära utfall. Analyser kommer att integrera genetiska, miljömässiga, preoperativa och intraoperativa faktorer. Ett mål är att förbättra befintliga kliniska riskkalkylatorer för postoperativ morbiditet och dödlighet, såsom STS-ACSD och EuroSCORE. Studien förväntar sig förbättrad diskriminering av prediktiva modeller, med mål om ROC-AUC-värden >0,9 för dödlighet och >0,8 för morbiditet.

En polygen riskpoäng kommer också att utvecklas för att utvärdera genetiskt bidrag till variation i primära utfall.

Förväntad påverkan

Den integrerade multi-omiska och kliniska metoden förväntas identifiera nya patofysiologiska mekanismer som ligger till grund för tidiga postoperativa komplikationer och potentiellt stödja utveckling av nya förebyggande terapier. Studien syftar till att underlätta personanpassade perioperativa diagnostiska och terapeutiska strategier genom att förbättra tidig identifiering av högriskpatienter som genomgår hjärtkirurgi.