Детерминирование фенотипов ремоделирования  левого желудочка на основании кластерного  анализа и роль приверженности фармакотерапии  сердечной недостаточности у пациентов через год  после перенесённого острого инфаркта миокарда  и реваскуляризации

Актуальность. Ремоделирование левого желудочка (ЛЖ) после острого инфаркта миокарда (ОИМ) — ключевой процесс, определяющий риск прогрессирования сердечной недостаточности (СН) и неблагоприятных исходов у пациентов после реваскуляризации. Гетерогенность траекторий ремоделирования и ограниченность традиционных подходов к стратификации риска требуют внедрения современных методов фенотипирования и оценки приверженности терапии СН.

Цель. Изучить степень детерминирования исходных фенотипов ремоделирования ЛЖ на благоприятное развитие структурных и функциональных изменений эхокардиографических параметров через 12 месяцев после ОИМ и оценить роль приверженности фармакотерапии СН в этом процессе.

Материалы и методы. В ретроспективное когортное исследование включены 105 пациентов после ОИМ с реваскуляризацией, наблюдавшихся в течение 12 месяцев. Кластерный анализ по пяти эхокардиографическим параметрам (фракция выброса (ФВ) ЛЖ, конечный диастолический объём (КДО), конечный систолический объём (КСО), индекс массы миокарда левого желудочка (ИММЛЖ), размер левого предсердия (ЛП)), позволил выделить фенотипы ремоделирования ЛЖ в точках 0 и 12 месяцев. Приверженность терапии оценивалась по показателю доли обеспеченных дней (PDC ≥80%) для всех назначенных классов препаратов.

Результаты. В обеих временных точках (0 и 12 месяцев) выявлены три фенотипа ремоделирования ЛЖ: благоприятный (нормальная ФВ, минимальная дилатация (КДО, КСО) и гипертрофия (ИММЛЖ), а также пограничные значения ЛП), промежуточный и неблагоприятный (низкая ФВ, выраженная дилатация и гипертрофия, увеличение левого предсердия). Через 12 месяцев 72% пациентов с исходно благоприятным фенотипом сохранили его, тогда как почти половина пациентов с промежуточным и неблагоприятным фенотипами продемонстрировали переход в более благоприятные группы. Высокая комплексная приверженность терапии СН (PDCcompl ≥80%) статистически значимо чаще встречалась в благоприятных фенотипах через 12 месяцев (p <0,001). Комплексная приверженность терапии оказалась значимым модифицирующим фактором, ассоциированным с обратным ремоделированием ЛЖ вне зависимости от исходного фенотипа.

Заключение. Кластерный анализ позволил выделить клинически значимые фенотипы ремоделирования ЛЖ и оценить их динамику в течение года после ОИМ. Высокая приверженность фармакотерапии СН существенно повышала вероятность благоприятного ремоделирования и позволяла преодолеть неблагоприятную исходную траекторию. Полученные данные обосновывают необходимость персонализированного мониторинга и поддержки приверженности у пациентов с сердечной недостаточностью после ОИМ.

1. McDonagh TA, Metra M, Adamo M, et al; ESC Scientific Document Group. 2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure. Eur Heart J. 2021 Sep 21;42(36):3599-3726. doi: 10.1093/eurheartj/ehab368.

2. Heidenreich PA, Bozkurt B, Aguilar D, et al; ACC/AHA Joint Committee Members. 2022 AHA/ACC/HFSA Guideline for the Management of Heart Failure: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. Circulation. 2022 May 3;145(18):e895-e1032. doi: 10.1161/CIR.0000000000001063.

3. Byrne RA, Rossello X, Coughlan JJ, et al; ESC Scientific Document Group. 2023 ESC Guidelines for the management of acute coronary syndromes. Eur Heart J. 2023 Oct 12;44(38):3720-3826. doi: 10.1093/eurheartj/ehad191.

4. Mitic V, Stojanovic D, Deljanin-Ilic M, et al. Biomarker Phenotypes in Heart Failure with Preserved Ejection Fraction Using Hierarchical Clustering-A Pilot Study. Med Princ Pract. 2023 Sep 21;32(4-5):297–307. doi: 10.1159/000534155.

5. van de Veerdonk MC, Savarese G, Handoko ML, et al. Multimorbidity in Heart Failure: Leveraging Cluster Analysis to Guide Tailored Treatment Strategies. Curr Heart Fail Rep. 2023 Oct;20(5):461-470. doi: 10.1007/s11897-023-00626-w.

6. Meijs C, Handoko ML, Savarese G, et al. Discovering Distinct Phenotypical Clusters in Heart Failure Across the Ejection Fraction Spectrum: a Systematic Review. Curr Heart Fail Rep. 2023 Oct;20(5):333-349. doi: 10.1007/s11897-023-00615-z.

7. Shah SJ, Katz DH, Selvaraj S, et al. Phenomapping for novel classification of heart failure with preserved ejection fraction. Circulation. 2015 Jan 20;131(3):269-79. doi: 10.1161/CIRCULATIONAHA.114.010637.

8. Pieske B, Tschöpe C, de Boer RA, et al. How to diagnose heart failure with preserved ejection fraction: the HFA-PEFF diagnostic algorithm: a consensus recommendation from the Heart Failure Association (HFA) of the European Society of Cardiology (ESC). Eur Heart J. 2019 Oct 21;40(40):3297-3317. doi: 10.1093/eurheartj/ehz641.

9. El-Zein RS, Mohammed M, Nguyen DD, et al. Association of Medication Adherence and Health Status in Heart Failure With Reduced Ejection Fraction: Insights From the CHAMP-HF Registry. Circ Cardiovasc Qual Outcomes. 2024 Sep;17(9):e010211. doi: 10.1161/CIRCOUTCOMES.123.010211.

10. Greene SJ, Butler J, Albert NM, et al. Medical Therapy for Heart Failure With Reduced Ejection Fraction: The CHAMP-HF Registry. J Am Coll Cardiol. 2018 Jul 24;72(4):351-366. doi: 10.1016/j.jacc.2018.04.070.

11. Фитилёв С. Б., Клюев Д. А., Шкребнёва И. И., и др. Методология расчёта «доли обеспеченных дней», для определения приверженности пациентов фармакотерапии с использованием данных учёта реализованных электронных рецептов ЕМИАС. Качественная клиническая практика. 2024;(4):70-81. doi: 10.37489/2588-0519-2024-4-70-81. EDN: ZPUZCZ.

12. Teichholz LE, Kreulen T, Herman MV, Gorlin R. Problems in echocardiographic volume determinations: echocardiographic-angiographic correlations in the presence of absence of asynergy. Am J Cardiol. 1976 Jan;37(1):7-11. doi: 10.1016/0002-9149(76)90491-4.

13. Du Bois D, Du Bois EF. A formula to estimate the approximate surface area if height and weight be known. 1916. Nutrition. 1989 SepOct;5(5):303-11; discussion 312-3.

14. Brian S. Everitt, Sabine Landau, Morven Leese, Daniel Stahl. Cluster Analysis. 5th Edition. Wiley; 2011. ISBN: 978-0-470-97844-3. doi: 10.1002/9780470977811.

15. Brunton-O'Sullivan MM, Holley AS, Shi B, Harding SA, Larsen PD. Cluster analysis of extracellular matrix biomarkers predicts the development of impaired systolic function within 1 year of acute myocardial infarction. Heart Vessels. 2022 Dec;37(12):2029-2038. doi: 10.1007/s00380-022-02118-8.

16. Ernande L, Audureau E, Jellis CL, et al. Clinical Implications of Echocardiographic Phenotypes of Patients With Diabetes Mellitus. J Am Coll Cardiol. 2017 Oct 3;70(14):1704-1716. doi: 10.1016/j.jacc.2017.07.792.

17. Kyodo A, Kanaoka K, Keshi A, et al. Heart failure with preserved ejection fraction phenogroup classification using machine learning. ESC Heart Fail. 2023 Jun;10(3):2019-2030. doi: 10.1002/ehf2.14368.

18. Rabkin SW. Evaluating the adverse outcome of subtypes of heart failure with preserved ejection fraction defined by machine learning: A systematic review focused on defining high risk phenogroups. EXCLI J. 2022 Feb 22;21:487-518. doi: 10.17179/excli2021-4572.

19. Фитилев С.Б., Шкребнева И.И., Клюев Д.А., Смирнов М.И. Фенотипы ремоделирования левого желудочка и приверженность терапии у пациентов с сердечной недостаточностью после острого инфаркта миокарда: кластерный анализ реальных клинических данных. Терапия. 2025;11(6):17-25. doi: 10.18565/therapy.2025.6.17-25.