Phenomapping para una nueva clasificación de la insuficiencia cardíaca con fracción de eyección preservada

Área de la Ciencia:

• Cardiología Cardiología.
• La bioestadística es la bioestadística.
• La informática médica es la informática médica.

Sus antecedentes:

• La insuficiencia cardíaca con fracción de eyección preservada (HFpEF) presenta un desafío clínico complejo y heterogéneo.
• Los criterios de diagnóstico actuales para HFpEF carecen de la granularidad necesaria para una estratificación precisa del paciente.
• Los nuevos métodos de clasificación son esenciales para avanzar en la investigación y el tratamiento del HFpEF.

Objetivo del estudio:

• Investigar la utilidad del análisis de agrupación imparcial, denominado fenomapeo, para clasificar a los pacientes con HFpEF.
• Para determinar si el mapeo de fenómenos puede identificar subgrupos distintos de HFpEF basados en datos fenotipos completos.
• Evaluar la validez clínica y las implicaciones pronósticas de los fenogrupos identificados de HFpEF.

Principales métodos:

• Estudio prospectivo de 397 pacientes con HFpEF con fenotipos clínicos, de laboratorio, ECG y ecocardiográficos detallados.
• Aplicación de algoritmos de aprendizaje estadístico, incluido el agrupamiento basado en modelos jerárquicos y penalizados, a 67 variables fenotípicas continuas.
• Validación de la clasificación de la phenomapping en una cohorte independiente de 107 pacientes con HFpEF.

Principales resultados:

• El análisis del fenomapeo delineó 3 subgrupos distintos de HFpEF con diferencias significativas en las características clínicas, estructura/función cardíaca y hemodinámica.
• Un fenogrupo identificado (fenogrupo 3) demostró un riesgo sustancialmente mayor de hospitalización por insuficiencia cardíaca (HR, 4.2).
• La nueva clasificación HFpEF y sus capacidades de estratificación de riesgo se replicaron con éxito en una cohorte de validación.

Conclusiones:

• Phenomapping proporciona un nuevo sistema de clasificación basado en datos para HFpEF.
• El aprendizaje estadístico aplicado a datos fenotípicos densos puede refinar la clasificación de condiciones heterogéneas como HFpEF.
• Este enfoque es prometedor para identificar subclases de pacientes terapéuticamente homogéneos, allanando el camino para la medicina personalizada en HFpEF.