Ein Multi-Biomarker-Ansatz zur Unterscheidung zwischen Myokardinfarktsubtypen und Myokardverletzung

Abstract

Zielsetzung: Die Abgrenzung von Typ 1 Myokardinfarkt (T1MI), Typ 2 Myokardinfarkt (T2MI) und Myokardverletzung (MV) ist bei der Diagnosestellung in der Akutsituation der Notaufnahme schwierig. Da die spezifische Therapie der einzelnen Subtypen jedoch unterschiedlich sein kann, ist eine frühe und exakte Differenzierung wichtig. Ziel dieser Arbeit ist es, Biomarker zu identifizieren, die eine Unterscheidung der Diagnosen ermöglichen und die Diagnostik in der Notaufnahme vereinfachen können. Methodik: Im Rahmen der prospektiven BACC-Studie wurden Patienten, die sich mit Verdacht auf einen Myokardinfarkt in der Notaufnahme vorstellten, untersucht. In Blutproben, welche direkt beim Eintreffen in der Notaufnahme entnommen wurden, wurde ein Multibiomarkerpanel mit insgesamt 29 Biomarkern bestimmt. Die endgültige Diagnose jedes Patienten wurde gemäß den Kriterien der 4. Universellen Definition des MI adjudiziert. Der Einfluss der Biomarker auf die Unterscheidung der Diagnosen MI und MV sowie T1MI und T2MI wurde mit einer multivariablen logistischen Regressionsanalyse erhoben. Durch eine schrittweise Rückwärtsselektion wurden mehrere Biomarker in einem Modell kombiniert. Im Anschluss wurde eine interne Validierung nach der Bootstrapping-Methode vorgenommen. Ergebnisse: Insgesamt konnten 748 Patienten in die Analyse eingeschlossen werden. Davon wurde bei 138 Patienten ein MI (107 T1MI und 31 T2MI) und bei 221 eine MV diagnostiziert. Zur Unterscheidung von MI und MV wurde ein Modell erstellt, das sechs Biomarker beinhaltete: Adiponektin, N-Terminales-pro-Brain-Natriuretic-Peptide (NT-proBNP), Pulmonary and Activation-Regulated Chemokine, Transthyretin, Copeptin und hoch sensitives kardiales Troponin I (hs-cTnI). Nach interner Validierung ergab sich eine AUC von 0,84. Bei der Differenzierung von T1MI und T2MI spielten vier Biomarker eine signifikante Rolle: Apolipoprotein A-II, NT-proBNP, Copeptin, hs-cTnI. Die Kombination dieser Biomarker in einem Modell resultierte in einer AUC von 0,82. Schlussfolgerung: Von insgesamt 29 untersuchten Biomarkern wurden sieben als relevante Marker identifiziert. Die Kombination mehrerer Biomarker in einem Modell konnte mit einer guten diskriminativen Kapazität zur Differenzierung von Myokardinfarktsubtypen und MV beitragen. Für die Zukunft gilt es, die Anwendbarkeit der Modelle in der Notaufnahme unter Betrachtung der entstehenden Kosten und der Überschneidungsbereiche der Werte zu evaluieren.

Aims: Discrimination of type 1 myocardial infarction (T1MI), type 2 myocardial infarction (T2MI) and myocardial injury in the acute setting of the emergency department is difficult. The specific therapy of these different diagnoses may differ substantially which is why an early and precise distinction remains inevitable. This thesis aims to identify biomarkers for the discrimination of T1MI, T2MI and myocardial injury to improve the diagnostic approach in the emergency department. Methods: The BACC study recruits patients presenting to the emergency department with symptoms leading to the suspicion of myocardial infarction. In blood samples collected directly at admission a panel of 29 biomarkers was measured. The final diagnosis of each patient was adjudicated following the criteria of the fourth Universal Definition of MI. The value of those biomarkers for the discrimination of MI and myocardial injury as well as for T1MI and T2MI was evaluated using a multivariable logistic regression analysis. Following stepwise backward selection, a model including relevant discriminators was developed. The model was internally validated using bootstrapping. Results: Overall 748 patients were included in the analysis. Thereof 138 were diagnosed with myocardial infarction (107 T1MI and 31 T2MI) and 221 with myocardial injury. For the discrimination of MI and myocardial injury a multivariable model with six biomarkers was developed including adiponectin, n-terminal prohormone of brain natriuretic peptide, pulmonary and activation-regulated chemokine, transthyretin, copeptin and high-sensitivity troponin I. Internal validation calculated a for overoptimism calculated area under the curve of 0,84. For the distinction of T1MI and T2MI four significant biomarkers were identified: apolipoprotein A-II, n-terminal prohormone of brain natriuretic peptide, copeptin and high-sensitivity troponin I. The combination of these biomarkers in a model resulted in an area under the curve of 0,82. Conclusion: Out of 29 investigated biomarkers seven could be identified as relevant discriminators for the regression models. The combination of these biomarkers in a model allowed a good discrimination of subtypes of MI and myocardial injury. In future it is important to evaluate the application of these models in the emergency department in consideration of the arising costs and the overlap of value ranges.