《JACC: Heart Failure》:Genotype Predicts Heart Failure Independent of LVEF, Peak VO2, and NT-proBNP Levels in Hypertrophic Cardiomyopathy
编辑推荐:
背景:肥厚型心肌病(HCM)是一种以左心室肥厚并进展为心力衰竭(HF)为特征的心肌疾病。约40%的病例由编码肌小节蛋白的基因变异引起。目的:本研究旨在确定HCM患者中基因型与HF结局的其他临床预测因子之间的关系。方法:这项观察性、单中心队列研究纳入了505名接
背景:肥厚型心肌病(HCM)是一种以左心室肥厚并进展为心力衰竭(HF)为特征的心肌疾病。约40%的病例由编码肌小节蛋白的基因变异引起。目的:本研究旨在确定HCM患者中基因型与HF结局的其他临床预测因子之间的关系。方法:这项观察性、单中心队列研究纳入了505名接受基因分型的HCM患者(年龄52岁[Q1-Q3: 41-62岁],33%为女性)。研究人员将患者分为基因阳性(G+)和基因阴性(G?)两组。主要终点为HF相关死亡或心脏移植。次要终点包括心脏死亡、心律失常事件和全因死亡率。研究人员采用比例风险模型评估结局的预测因子,包括遗传状态、对数转换的N末端B型利钠肽原(NT-proBNP)水平、峰值摄氧量2(peak VO2)和左心室射血分数(LVEF)。结果:在中位随访10.6年(Q1-Q3: 4.6-15.0年)期间,34名患者(6.7%)经历了主要终点(HF相关死亡:22例[4.4%];心脏移植:12例[2.4%])。G+组的HF终点发生率为12.8%(28/219),而G?组为2.1%(6/286)。在多变量Cox分析中,G+状态(HR: 5.86;95% CI: 2.26-15.25;P < 0.001)、对数NT-proBNP(HR: 2.46;95% CI: 1.59-3.80;P < 0.001)、峰值VO2(HR: 0.90;95% CI: 0.82-0.98;P < 0.001)和LVEF(每增加5%,HR: 0.74;95% CI: 0.63-0.86;P < 0.001)与HF结局独立相关。对于次要终点,60名患者(11.9%)死于心脏原因,34名(6.7%)经历心律失常事件,115名(22.8%)全因死亡。结论:遗传状态、峰值VO2、对数NT-proBNP和LVEF可独立预测HCM中的HF结局。将基因型与HF生物标志物和功能容量指标相结合,能够识别出HF相关死亡或移植风险增加的患者,并可能支持针对性的监测和疾病修饰试验的选择。
论文解读:基因型独立于LVEF、峰值VO
2和NT-proBNP水平预测肥厚型心肌病心力衰竭结局
**研究背景与问题**
肥厚型心肌病(Hypertrophic Cardiomyopathy, HCM)是一种常见的遗传性心肌疾病,主要由编码肌小节蛋白的基因显性遗传变异所致。历史上,HCM患者常因室性心律失常发生猝死,但在现代治疗背景下,进行性左心室衰竭已成为主要死亡原因。随着新型疾病修饰疗法的出现,识别心力衰竭(Heart Failure, HF)进展的预测因子对于临床试验设计至关重要。既往研究已明确N末端B型利钠肽原(NT-proBNP)、左心室射血分数(Left Ventricular Ejection Fraction, LVEF)和峰值摄氧量
2(Peak VO
2)是HCM不良结局的预测指标,但基因型与这些传统标志物的独立关系及联合预测价值尚不明确。本研究基于对历史单中心HCM队列的更新分析,旨在评估基因型与其他HF预测因子对疾病结局的影响,为临床试验的风险富集策略提供依据。该研究发表在《JACC: Heart Failure》。
**主要关键技术方法**
研究为观察性、单中心队列,样本来自伦敦大学学院医院(University College Hospital London)心肌病专科诊所,于2006年1月至2010年7月连续纳入505名经基因分型的HCM患者,随访延长至2025年4月。主要关键技术包括:1)基因检测:采用下一代测序(Next-Generation Sequencing)或直接测序,依据美国医学遗传学与基因组学学会(American College of Medical Genetics and Genomics)指南对变异进行分类,将携带致病或可能致病变异的患者定义为基因阳性(Gene-positive, G+),其余为基因阴性(Gene-elusive, G?)。2)数据收集:采集基线人口学、合并症、症状、12导联心电图、经胸超声心动图、心肺运动试验(Cardiopulmonary Exercise Test, CPET)及动态心电图记录;NT-proBNP水平采用电化学发光免疫法测定。3)统计分析:采用多变量Cox比例风险模型评估基因状态、对数转换NT-proBNP、峰值VO
2和LVEF对主要终点(HF相关死亡或心脏移植)的预测价值;缺失数据通过链式方程多重插补处理;模型区分度采用Harrell和Uno一致性指数(C-index),内部验证通过自助法(bootstrap)进行乐观校正。
**研究结果**
**基线特征(Baseline Characteristics)**
在505名患者中,286名(57%)为G?组,219名(43%)为G+组。与未发生HF终点的患者相比,达到主要终点的患者年龄略年轻(中位46.0岁 vs 52.6岁),女性比例更高(56% vs 32%)。HF终点组LVEF更低(中位60.0% vs 67.0%),NT-proBNP水平更高(1,793 pg/mL vs 634 pg/mL),峰值VO
2更低(13.1 mL/kg/min vs 19.0 mL/kg/min),且更常合并心房颤动(AF)和非持续性室性心动过速(NSVT)。G+组中,MYBPC3和MYH7为最常见的基因型,分别占49%和31%。
**患者结局(Patient Outcomes)**
中位随访10.6年期间,34名患者(6.7%)发生主要终点(HF相关死亡22例,心脏移植12例),总发病率为每1000人年6.9例。G+组的HF终点发生率显著高于G?组(12.8% vs 2.1%,P < 0.001)。基因亚组分析显示,MYH7携带者HF事件比例最高(14/67, 20.9%),其次为TNNI3(3/9, 33.3%)、TNNT2(2/15, 13.3%)和ALPK3(1/2, 50.0%),而G?组仅2.1%。
**HF事件的预测因素(Predictors of HF Events)**
多变量Cox回归分析显示,G+状态(HR: 5.86;95% CI: 2.26-15.25;P < 0.001)、对数NT-proBNP(HR: 2.46;95% CI: 1.59-3.80;P < 0.001)、LVEF(每增加5%,HR: 0.74;95% CI: 0.63-0.86;P < 0.001)和峰值VO
2(每mL/kg/min,HR: 0.90;95% CI: 0.82-0.98;P = 0.019)均为HF结局的独立预测因子。Fine-Gray竞争风险模型结果一致。Kaplan-Meier生存曲线显示,G+患者HF事件累积发生率显著高于G?患者(P < 0.001);NT-proBNP最高三分位、峰值VO
2最低三分位及LVEF <50%的患者HF无事件生存率均显著较低。
**模型诊断与性能(Model Diagnostics and Performance)**
模型表现良好,表观Harrell C指数为0.91,Uno C指数为0.94;内部验证后乐观校正C指数分别为0.90和0.93。校准斜率0.93提示轻微过拟合,但在最高风险十分位,10年预测风险(25%)低于观察风险(46%),表明存在一定欠预测。
**次要终点(Secondary Endpoints)**
随访期间,60名患者(11.9%)死于心脏原因,34名(6.7%)发生心律失常事件,115名(22.8%)全因死亡。G+组心脏死亡率和心律失常事件率高于G?组(P = 0.003和P = 0.031),但全因死亡率无显著差异(P = 0.70)。多变量分析中,对数NT-proBNP与心律失常事件独立相关(HR: 1.51;P = 0.028);对心脏死亡,对数NT-proBNP(HR: 1.64)、LVEF(HR: 0.88)和G+状态(HR: 1.93)均独立相关;全因死亡中,峰值VO
2、对数NT-proBNP和LVEF有独立预测价值,但基因状态无统计学意义。
**总结讨论与研究结论**
**讨论总结**
该研究表明,峰值VO
2、NT-proBNP、LVEF和基因型是HCM中HF相关结局的独立预测因子。HCM患者HF的机制包括舒张功能障碍、心肌纤维化、肌动-肌球蛋白失活延迟、细胞内钙稳态异常及能量代谢障碍。先前研究已证实NT-proBNP、LVEF和峰值VO
2的预测价值,本研究进一步发现基因阳性状态在调整这些指标后仍保留独立预后信息,风险增加约6倍。MYH7携带者HF事件比例最高。将基因型与血流动力学应激、收缩功能和功能容量指标相结合,可能有助于识别需加强监测或早期干预的高危患者,并为针对HF硬终点的临床试验提供风险富集策略。模型在外部验证前应视为探索性框架,其校准在高风险端欠佳需注意。
**研究结论**
经过长期随访和全面基因分型,研究证明遗传状态与NT-proBNP、LVEF和峰值VO
2共同识别出HF相关死亡或移植风险增加的患者。将基因型与客观临床指标相结合可支持加强临床监测和选择疾病修饰试验。前瞻性验证和多中心重复对于将该方法转化为常规实践和试验入组策略是必要的。