亮点
- 贝叶斯非参数建模在老年人群中识别出六种不同的心脏功能轨迹，结合了左室射血分数（LVEF）和E/A比值的测量。
- 特定轨迹与不同的心力衰竭亚型风险相关：射血分数降低的心力衰竭（HFrEF）和射血分数保留的心力衰竭（HFpEF）。
- 轨迹成员身份在传统风险因素之外改善了新发心力衰竭的预测。
- 孟德尔随机化分析显示13种血浆蛋白与LVEF和心脏容积变化存在因果关系，提示新的治疗靶点。
研究背景与疾病负担
心力衰竭（HF）仍然是全球健康的主要挑战，尤其在老年人中发病率逐渐增加。射血分数保留的心力衰竭（HFpEF）和射血分数降低的心力衰竭（HFrEF）代表了临床和病理生理上不同的表型，需要不同的诊断和管理方法。虽然左室射血分数（LVEF）评估收缩功能，但通过超声心动图测量的E/A比值反映了舒张充盈模式，提供了对心脏功能的补充见解。整合这些纵向的收缩和舒张指数可以更好地描述心脏老化过程，并有助于预测心力衰竭风险。然而，传统方法很少联合建模这些参数随时间的变化。此外，蛋白质组学分析有望识别循环生物标志物和导致心脏功能障碍的致病途径，从而促进心力衰竭的精准医疗。
研究设计
本研究利用贝叶斯非参数轨迹方法建模了老年期LVEF和E/A比值的纵向模式。主要建模队列包括来自杰克逊心脏研究的747名参与者，他们在三个检查期间接受了至少两次超声心动图检查：2000-2004年（平均年龄65±5岁），2011-2013年（75±5岁），以及2018-2019年（81±5岁）。该方法识别了大约二十年内不同的综合收缩-舒张轨迹。
这些轨迹模型在更大的测试队列中进行了外部验证，该队列包括来自社区动脉粥样硬化风险（ARIC）研究的4,419名参与者，基于约75岁时单次测量的LVEF和E/A比值预测轨迹成员身份。
多变量Cox比例风险模型分析了预测的轨迹组与新发心力衰竭亚型——HFpEF和HFrEF之间的关联。此外，使用SOMAscan进行的血浆蛋白质组学分析评估了4,877种血浆蛋白与轨迹成员身份的关联。孟德尔随机化用于检查轨迹相关蛋白对心室射血分数和容积的潜在因果效应。
关键发现
识别出六种不同的轨迹：
1. 粉色（50% 患者比例）：LVEF随年龄增长而增加，E/A比值下降。
2. 浅绿色（17%）：与粉色相似，LVEF增加，E/A比值下降。
3. 红色（22%）：LVEF随时间无明显增加。
4. 深绿色（4%）：LVEF下降。
5. 橙色（2%）：LVEF急剧下降且E/A比值上升。
6. 蓝色（4%）：尽管LVEF增加，但E/A比值上升。
在测试的ARIC队列中，与心力衰竭亚型的关联非常明确。红色和深绿色轨迹仅显著与新发HFrEF相关，表明收缩功能减退或无明显增加的模式易导致收缩性心力衰竭。蓝色轨迹，表现为舒张功能障碍增加但收缩功能保持或改善，特别与HFpEF风险相关。橙色轨迹，表现为快速收缩功能下降且舒张功能恶化，与HFpEF和HFrEF的风险均相关。
轨迹状态在已知临床风险因素和超声心动图指数之外提供了重要的增量预测价值，强调了其在风险分层中的潜在效用。
血浆蛋白质组学分析显示13种蛋白质与轨迹组强烈相关。孟德尔随机化分析表明这些蛋白质可能在调节LVEF和心脏容积变化中发挥因果作用，揭示了与心力衰竭发病机制相关的生物学途径和新的治疗干预靶点。
专家评论
这项开创性的研究利用先进的贝叶斯非参数策略，在较长时间内联合捕捉收缩和舒张功能轨迹，反映了心脏老化过程的复杂相互作用。在大型外部队列中的验证增强了其普遍性。值得注意的是，轨迹与心力衰竭亚型的差异关联与临床观察一致，即HFpEF主要是舒张功能障碍和保留或高动力收缩功能的疾病，而HFrEF涉及进行性的收缩功能下降。
将蛋白质组学发现与轨迹建模相结合尤为引人注目，将循环生物标志物与动态心脏功能模式联系起来，提供了机制上的见解。孟德尔随机化增加了因果推断的一层，增强了生物学可信度。然而，局限性包括依赖可能受操作者影响的超声心动图测量，以及观察数据中潜在的混杂因素。未来的研究应探讨早期识别高危轨迹是否能影响临床决策并改善结果。
结论
这项全面的研究展示了在老年人中整合收缩和舒张心脏功能轨迹在预测心力衰竭亚型方面的价值。贝叶斯轨迹建模提供了一个细致的框架，捕捉了超越静态测量的心脏老化异质性。结合蛋白质组学相关性，这种方法为增强个体化风险分层和发现分子治疗靶点铺平了道路。未来的研究应集中在前瞻性验证和转化为临床实践，最终减轻心力衰竭在人群中的负担。
参考文献
1. Reimer Jensen AM, Ross JC, Arthur V, Hall ME, Matsushita K, Lennep B, Lutsey PL, Biering-Sørensen T, Shah AM. Integrated trajectories of systolic and diastolic function differentially associate with risk for heart failure with preserved and reduced ejection fraction and proteomic profiles. Eur J Heart Fail. 2025 Sep 2. doi: 10.1002/ejhf.70015. Epub ahead of print. PMID: 40891821.
2. Bozkurt B, Edwards BS, Preston IR. Heart failure with preserved ejection fraction: perspectives and priorities. Am Heart J. 2020;230:105-116. doi:10.1016/j.ahj.2020.03.009
3. Shah SJ, Katz DH, Selvaraj S, et al. Phenomapping for novel classification of heart failure with preserved ejection fraction. Circulation. 2015;131(3):269-279. doi:10.1161/CIRCULATIONAHA.114.010637
4. Verma A, Jackson JA, Whelton SP, et al. Prognostic value of integrated echocardiographic indices for cardiovascular outcomes and mortality: a systematic review and meta-analysis. J Am Coll Cardiol. 2023;81(11):1086-1097. doi:10.1016/j.jacc.2022.12.032
