保存されたエジェクション分数の心不全の新しい分類のためのフェノマッピング
Sanjiv J Shah1, Daniel H Katz2, Senthil Selvaraj2
1From the Division of Cardiology, Department of Medicine (S.J.S., D.H.K., S.S., M.A.B., C.W.Y., M.G., R.O.B.), Feinberg Cardiovascular Research Institute (S.J.S.), and Center for Cardiovascular Innovation (M.G., R.O.B.), Northwestern University Feinberg School of Medicine, Chicago, IL; Zilber School of Public Health, University of Wisconsin, Milwaukee (C.-C.H.); and Division of Cardiology, Department of Medicine, Institute for Human Genetics, California Institute for Quantitative Biosciences, and Cardiovascular Research Institute, University of California, San Francisco (R.C.D.). sanjiv.shah@northwestern.edu rahul.deo@ucsf.edu.
フェノマッピングでは,保存されたエジェクション分数 (HFpEF) の3つの異なる心不全患者グループが特定されました. この新しい分類は,リスクの階層化を改善し,HFpEFサブクラスに対する標的治療につながる可能性があります.
科学分野:
- 心臓病学 心臓病学
- バイオ統計学 バイオ統計学
- 医療情報工学 医療情報工学
背景:
- 保存されたエジェクション分数 (HFpEF) による心不全は,複雑で異質な臨床的課題です.
- 現在,HFpEFの診断基準は,患者の精密な分層化に必要な粒度性が欠けている.
- 新しい分類方法は,HFpEFの研究と処理を進めるために不可欠です.
研究 の 目的:
- HFpEF患者の分類のために,フェノマッピングと呼ばれる,偏らないクラスタリング分析の有用性を調査する.
- フェノマッピングで,包括的な現象型データに基づいて,異なるHFpEFサブグループを識別できるかどうかを判断する.
- 特定されたHFpEF現象群の臨床的妥当性と予後的影響を評価する.
主な方法:
- 397人のHFpEF患者を対象に実施した展望的研究で,詳細な臨床,検査,ECG,エコーカルディオグラフィのフェノタイピングが行われました.
- 統計的学習アルゴリズムの適用,階層的および罰則的なモデルベースのクラスタリングを含む67の連続的な現象型変数.
- 107人のHFpEF患者による独立したコホートにおけるフェノマッピング分類の検証.
主要な成果:
- フェノマッピング分析により,臨床的特徴,心臓の構造/機能,および血液動力学における有意な違いを持つ3つの異なるHFpEFサブグループが示されました.
- 特定された1つのフェノグループ (フェノグループ3) は,心不全の入院のリスクが大幅に増加することを示した (HR,4.2).
- 新規のHFpEF分類とそのリスク分層能力は,検証コホートで成功裏に再現されました.
結論:
- フェノマッピングは,HFpEFのための新しい,データ主導の分類システムを提供します.
- 密度の高い現象型データに適用された統計的学習は,HFpEFのような異質な条件の分類を精密にすることができます.
- このアプローチは,治療的に均質な患者のサブクラスを特定し,HFpEFにおけるパーソナライズド医療への道を開くことを約束しています.
関連する概念動画
Pathophysiology of Heart Failure
Heart Failure I: Introduction
Heart Failure II: Pathophysiology
Heart Failure III: Clinical Manifestations
Heart Failure IV: Classification and Diagnostic Evaluation
Cardiomyopathy I: Introduction and Classification


