Data-Driven Fenotypning vid Hjärtinsufficiens med Bevaren Ejektionsfraktion

Hjärtsvikt med bevarad utstötningsfraktion (HFpEF) är ett komplext tillstånd, och personer med HFpEF kan ha olika symptom och kliniska profiler. Att förstå dessa skillnader kan bidra till att förbättra hur tillståndet beskrivs och studeras. Denna studie har två delar: en retrospektiv analys och en tvärsnittsbedömning.

I den retrospektiva delen kommer forskarna att samla klinisk information som tidigare registrerats i sjukhusets journaler under tidigare sjukhusvistelser för HFpEF vid Leiria Regionens lokala hälsoenhet (ULS RL). Data kommer att granskas och förberedas för analys med hjälp av standardiserade datakvalitetsrutiner. När databasen är komplett kommer forskarna att använda datadrivna metoder för att söka efter mönster bland deltagarna, för att identifiera grupper av personer som delar liknande egenskaper ("fenotyper") utan att förutbestämda kategorier sätts. Metoderna kommer att inkludera deskriptiv statistik, korrelationsanalys och funktionsval med algoritmiska tillvägagångssätt såsom ReliefF. För fenotypning kommer oövervakade maskininlärningstekniker inklusive K-means-klustring och principalkomponentanalys (PCA) att tillämpas.

Den tvärsnittsbaserade delen kommer att bjuda in ett urval av deltagare som valts ut för att representera varje fenotyp (planerat 15 deltagare per fenotyp) som identifierats i den retrospektiva analysen. Utvalda deltagare kommer att genomföra ett enda besök på plats som inkluderar verifiering av informerat samtycke, en strukturerad klinisk granskning och ett standardiserat kardiopulmonellt arbetsprov (CPET) som utförs enligt lokala och internationella riktlinjer. CPET-procedurerna kommer att följa laboratorieprotokollet, nämligen kalibrering av utrustning, vilomätningar, protokoll med stegvis ökad belastning, kontinuerlig gasutbyte och övervakning med elektrokardiogram (EKG). CPET-data kommer att registreras i digitalt format och överföras säkert till studiens databas.

Studien kommer också att utvärdera fenotypöverensstämmelse med allmänt använda HFpEF-verktyg (H2FPEF och HFA-PEFF) och beskriva skillnader i fysiologiska svar under CPET mellan fenotyper, för att bidra till att klargöra hur användbara de är för att beskriva olika former av HFpEF. Analyserna kommer att betona utforskande, datadriven utvärdering och uppskattning av effektstorlekar, i linje med studiens fenotypningsmål. Där det är relevant kommer samband mellan fenotypmedlemskap och CPET-variabler att utforskas deskriptivt och genom korrelationsbaserade analyser.

Etiska och dataskyddsrutiner är på plats. Personliga identifierare kommer att tas bort och ersättas med studie-ID-koder. En kopplingsfil (studie-ID till personliga identifierare) kommer att lagras på en krypterad enhet med åtkomst begränsad till studentforskaren. Elektroniska studiedata kommer att förvaras på säkra servrar med rollbaserad åtkomstkontroll. Data kommer att behållas enligt institutionell policy och tillämplig lagstiftning. Endast avidentifierade dataset kommer att användas för analys och delning. Säkerhetsrutiner för CPET inkluderar förtestning för absoluta kontraindikationer, kontinuerlig EKG- och blodtrycksövervakning under testet, tillgång till utrustning för akuta situationer och omedelbar klinisk övervakning av kvalificerad personal. Biverkningar under CPET kommer att registreras och rapporteras enligt etiknämndens krav.

Genom att kombinera information från kliniska journaler som samlats in under tidigare sjukhusvistelser med detaljerade arbetsprov i en utvald grupp syftar denna studie till att ge nya insikter i den variation som finns bland personer med HFpEF. Resultaten kan stödja mer personaliserade tillvägagångssätt i framtida forskning.