循环miR-133a-3p定义了心力衰竭和中央睡眠呼吸暂停患者的低风险亚表型:一个决策树机器学习方法
David de Gonzalo-Calvo1,2, Pablo Martinez-Camblor3,4, Thalia Belmonte1,2
1Translational Research in Respiratory Medicine, IRBLleida, University Hospital Arnau de Vilanova and Santa Maria, Lleida, Spain.
Journal of translational medicine
|October 20, 2023
概括
这项研究研究了心力衰竭患者的循环microRNAs (miRNAs),其中包括心力衰竭患者,心力衰竭患者,心力衰竭患者,心力衰竭患者,心力衰竭患者,心力衰竭患者,心力衰竭患者,心力衰竭患者,心力衰竭患者和心力衰竭患者. 虽然miR-133a-3p显示与不良结果的反向关联,但它并没有单独改善现有的风险模型.
科学领域:
- 心血管医学 心血管医学
- 基因组学就是基因组学.
- 睡眠医学 睡眠医学
背景情况:
- 患有心力衰竭,降低射出分数 (HFrEF) 和中央睡眠呼吸暂停 (CSA) 的患者面临致命结局的风险增加.
- 在这种高风险人群中确定风险分层的新生物标志物至关重要.
研究的目的:
- 确定流通的miRNome是否提供了超出HFrEF和CSA患者确定的临床预测指标的额外预后信息.
- 探索微RNAs (miRNAs) 在改进这个脆弱群体的风险评估中的潜力.
主要方法:
- 从参加 SERVE-HF 试验的 HFrEF 和 CSA 患者的血样本进行分析.
- 使用了三步协议:miRNA查,技术验证和生物验证.
- 使用miRNA测序和RT-qPCR量化miRNA水平,评估死亡,心血管干预或心力衰竭住院等结果.
主要成果:
- 循环中的miR-133a-3p水平与主要研究结果呈反向相关性.
- miR-133a-3p没有提高现有的临床预后模型的预测性能.
- 一个结合临床数据和miR-133a-3p的回归树模型确定了具有不同风险概况的不同患者亚现型.
结论:
- 结合临床数据,循环miRNA和决策树算法,可以在HFrEF和CSA患者中确定特定的风险亚现型.
- 这种综合方法有助于更精确的风险分层,以改善患者管理.
