
-
生物通官微
陪你抓住生命科技
跳动的脉搏
口腔微生物组与代谢组学检测在非心脏手术高危老年患者围手术期心血管风险分层中的应用:MEPCOM前瞻性多中心队列研究方案
《BMC Geriatrics》:Oral microbiome and metabolome profiling for perioperative cardiovascular risk stratification in high-risk older patients undergoing non-cardiac surgery: protocol for the prospective multicenter MEPCOM cohort study
【字体: 大 中 小 】 时间:2026年09月09日 来源:BMC Geriatrics 4.5
编辑推荐:
摘要背景接受大型非心脏手术的高龄患者由于多病共存、生理储备降低、慢性低度炎症和亚临床心血管疾病等因素,对术后心血管不良事件尤为易感。现有的围术期风险评分主要依赖于传统临床变量,可能无法充分捕捉该人群潜在的隐匿性心血管易感性或老年脆弱性。MEPCOM研究旨在探讨术前口腔微生物组
接受大型非心脏手术的高龄患者由于多病共存、生理储备降低、慢性低度炎症和亚临床心血管疾病等因素,对术后心血管不良事件尤为易感。现有的围术期风险评分主要依赖于传统临床变量,可能无法充分捕捉该人群潜在的隐匿性心血管易感性或老年脆弱性。MEPCOM研究旨在探讨术前口腔微生物组和代谢组学特征与接受非心脏手术的高龄高危患者术后30天心血管不良事件之间的关联,并开发基于非侵入性口腔微生物组的围术期心血管风险分层预测模型。
本项为前瞻性、多中心队列研究。我们将纳入2100名年龄≥60岁、心血管高危且计划接受择期大型非心脏手术的患者。术前将采集包括唾液、舌苔和牙菌斑在内的样本,并使用全长16S rRNA测序和非靶向代谢组学进行分析。将收集基线临床数据、老年相关变量、口腔健康信息和围术期特征,并在术后随访30天记录心血管不良事件(CVEs),定义为包括全因死亡、心肌梗死、心肌损伤、卒中、心力衰竭等在内的复合终点。将进行生物信息学和整合分析以探索微生物/代谢物特征与心血管不良事件之间的关系。将运用机器学习算法(包括随机森林和LASSO回归)构建预测模型,并通过独立内部验证集和外部验证队列评估其判别能力、校准度和临床实用性。
本研究已于2025年9月9日获得四川大学华西医院生物医学伦理委员会批准【批件号:2025审查(1603)】,作为主要伦理审查机构。所有参与中心将遵守相关监管要求,获得各自地方负责伦理委员会的批准。所有参与者将获得书面知情同意。研究结果将发表在国际同行评审期刊上。
中国临床试验注册平台,ChiCTR2500109657。注册日期:2025年9月23日。
接受大型非心脏手术的高龄患者由于多病共存、生理储备降低、慢性低度炎症和亚临床心血管疾病等因素,对术后心血管不良事件尤为易感。现有的围术期风险评分主要依赖于传统临床变量,可能无法充分捕捉该人群潜在的隐匿性心血管易感性或老年脆弱性。MEPCOM研究旨在探讨术前口腔微生物组和代谢组学特征与接受非心脏手术的高龄高危患者术后30天心血管不良事件之间的关联,并开发基于非侵入性口腔微生物组的围术期心血管风险分层预测模型。
本项为前瞻性、多中心队列研究。我们将纳入2100名年龄≥60岁、心血管高危且计划接受择期大型非心脏手术的患者。术前将采集包括唾液、舌苔和牙菌斑在内的样本,并使用全长16S rRNA测序和非靶向代谢组学进行分析。将收集基线临床数据、老年相关变量、口腔健康信息和围术期特征,并在术后随访30天记录心血管不良事件(CVEs),定义为包括全因死亡、心肌梗死、心肌损伤、卒中、心力衰竭等在内的复合终点。将进行生物信息学和整合分析以探索微生物/代谢物特征与心血管不良事件之间的关系。将运用机器学习算法(包括随机森林和LASSO回归)构建预测模型,并通过独立内部验证集和外部验证队列评估其判别能力、校准度和临床实用性。
本研究已于2025年9月9日获得四川大学华西医院生物医学伦理委员会批准【批件号:2025审查(1603)】,作为主要伦理审查机构。所有参与中心将遵守相关监管要求,获得各自地方负责伦理委员会的批准。所有参与者将获得书面知情同意。研究结果将发表在国际同行评审期刊上。
中国临床试验注册平台,ChiCTR2500109657。注册日期:2025年9月23日。