Phenotypic clusters and biomarkers profile in patients with chronic heart failure with preserved and mildly reduced left ventricular ejection fraction

Natalia A. Dragomiretskaya; Драгомирецкая Наталья А.; Anastasia V. Tolmacheva; Толмачева Анастасия В.; Alexander A. Ivannikov; Иванников Александр А.; Ilya I. Shvedov; Шведов Илья И.; Artyom V. Belyakov; Беляков Артем В.; Kamila R. Agalarova; Агаларова Камила Р.; Valery I. Podzolkov; Подзолков Валерий И.

doi:10.26442/00403660.2024.12.203003

Phenotypic clusters and biomarkers profile in patients with chronic heart failure with preserved and mildly reduced left ventricular ejection fraction

Authors: Dragomiretskaya N.A.¹, Tolmacheva A.V.¹, Ivannikov A.A.¹, Shvedov I.I.¹, Belyakov A.V.¹, Agalarova K.R.¹, Podzolkov V.I.¹
Affiliations:
1. Sechenov First Moscow State Medical University (Sechenov University)
Issue: Vol 96, No 12 (2024): VARIO (РАЗНОЕ)
Pages: 1137-1143
Section: Original articles
Submitted: 11.12.2023
Accepted: 29.07.2024
Published: 27.12.2024
URL: https://ter-arkhiv.ru/0040-3660/article/view/624426
DOI: https://doi.org/10.26442/00403660.2024.12.203003
ID: 624426

Cite item

Full Text

Abstract
Full Text
About the authors
References
Supplementary files
Statistics

Abstract

Aim. To study the profile of cardiac biomarkers (NT-proBNP – N-terminal pro-brain natriuretic peptide, sST2 – soluble growth stimulation expressed gene 2, galectin-3, copeptin) in clusters of patients with chronic heart failure with preserved (CHFpEF) and mildly reduced (CHFmrEF) left ventricular (LV) ejection fraction (EF).

Materials and methods. The study included 135 patients with CHF and LV EF>40%. All patients signed informed consent.

Results. Patients in the study were of senior age – 76 [65; 82] years; 56% are women. The most common comorbid diseases were hypertension and ischemic heart disease, including previous AMI, CKD, obesity and AF. During the cluster analysis, 4 clusters were identified: 1 – “ischemic”, in which men aged 64 [57.5; 76.3] years old with coronary artery disease and previous myocardial infarction and COPD. 2 – “hypertensive”, represented by elderly women 80.0 [74.3; 85.5] years old with arterial hypertension. 3 – “maladaptive with multiple organ disorders” – represented by elderly women with AF, signs of pulmonary hypertension, lower LV EF (48 [43; 54]%) and CKD. 4 – “cardiometabolic” – included female patients aged 71 [60.0; 78.0] years old, with obesity and type 2 diabetes, CKD and AF. In patients of cluster 3 there were higher concentrations of NT-proBNP (1640 [746; 2218] pg/ml; p=0.0015), sST2 (25.2 [17.0; 54.5] ng/ml) and galectin-3 – 11.8 [9.5; 14.3] ng/ml and the highest one-year mortality rate – 33.3%.

Conclusion. Four distinct clusters of CHF with LV EF>40% patients were identified that differed in clinical characteristics, heart failure biomarkers and prognosis: ischemic, hypertensive, cardiometabolic and maladaptive with multiple organ dysfunction. These results confirm the heterogeneity of CHFpEF and CHFmrEF and create the prerequisites for the development of personalized approaches to therapy.

Keywords

chronic heart failure, preserved left ventricular ejection fraction, mildly reduced left ventricular ejection fraction, phenotyping, cardiac biomarkers, clusters, comorbidities

Full Text

Список сокращений

ГБ – гипертоническая болезнь

ИБС – ишемическая болезнь сердца

КБМ – кардиобиомаркер

ЛЖ – левый желудочек

НУП – натрийуретический пептид

ОИМ – острый инфаркт миокарда

СД – сахарный диабет

СДЛА – систолическое давление в легочной артерии

СКФ – скорость клубочковой фильтрации

ФВ – фракция выброса

ФП – фибрилляция предсердий

ХБП – хроническая болезнь почек

ХОБЛ – хроническая обструктивная болезнь легких

ХСН – хроническая сердечная недостаточность

ХСНсФВ – хроническая сердечная недостаточность с сохраненной фракцией выброса

ХСНунФВ – хроническая сердечная недостаточность с умеренно сниженной фракцией выброса

ЭхоКГ – эхокардиография, эхокардиографический

CKD-EPI (Chronic Kidney Disease Epidemiology Collaboration) – Сотрудничество по эпидемиологии хронической болезни почек

NT-proBNP (N-terminal pro-brain natriuretic peptide) – N-концевой фрагмент предшественника мозгового натрийуретического пептида

sST2 (soluble growth stimulation expressed gene 2) – растворимый стимулирующий фактор роста, кодируемый геном 2

Введение

Хроническая сердечная недостаточность (ХСН) – это синдром, развивающийся в результате нарушения способности сердца к его наполнению и/или опорожнению, протекающий в условиях нарушения баланса нейрогормональных систем, сопровождающийся неадекватной перфузией органов и тканей и проявляющийся комплексом симптомов: одышкой, слабостью, сердцебиением, повышенной утомляемостью и задержкой жидкости [1].

По данным современных эпидемиологических исследований, более 50% всех пациентов с ХСН имеют сохраненную (ХСНсФВ) и умеренно сниженную фракцию выброса (ХСНунФВ) левого желудочка (ЛЖ) [2, 3]. Более значимый рост числа пациентов с диастолической дисфункцией специалисты объясняют увеличением средней продолжительности жизни населения и увеличением бремени заболеваний, являющихся основными этиологическими факторами ХСНсФВ, таких как гипертоническая болезнь (ГБ), ожирение, сахарный диабет 2-го типа (СД 2), фибрилляция предсердий (ФП) и др. [4]. Гетерогенность этиологических факторов и коморбидных заболеваний, многообразие патогенетических механизмов и отсутствие четких фармакологических подходов к лечению синдрома ХСНсФВ и ХСНунФВ создают основу для более детального изучения данных подгрупп больных. Одним из перспективных и изучаемых направлений по преодолению разнородности в группах пациентов с ФВ ЛЖ>40% является фенотипориентированный подход к диагностике и лечению указанного синдрома [5, 6].

В соответствии с клиническими рекомендациями повышенный уровень N-концевого фрагмента предшественника мозгового натрийуретического пептида (НУП) – NT-proBNP – в сыворотке крови в настоящее время служит «золотым стандартом» лабораторной диагностики ХСНсФВ и ХСНунФВ и рассматривается как маркер неблагоприятного прогноза ХСН [1]. Однако повышение одного этого показателя не может характеризовать активацию всех звеньев патогенеза ХСН, в связи с чем для выявления полиорганных нарушений и оценки прогноза продолжает разрабатываться мультимаркерная диагностическая стратегия с применением комплекса биомаркеров с разными патофизиологическими эффектами [7, 8].

Очевидно, что необходимость использования панели из нескольких биологически активных молекул объясняется большим разнообразием и сложностью биохимических процессов и нейрогуморальных взаимоотношений, приводящих к клиническим проявлениям ХСН. При этом мультимаркерный подход должен быть персонифицирован, т.е. направлен на детальное выявление наиболее значимых особенностей течения заболевания у конкретных пациентов [8–10]. В связи с этим важным становится поиск новых диагностических и прогностических биомаркеров фиброза и миокардиального стресса [11, 12], из которых наиболее актуальными и широко изучаемыми являются стимулирующий фактор роста, кодируемый геном 2 (growth stimulation expressed gene 2 – ST2), галектин-3 и нейрогормон копептин [13–15].

Идентификация и характеристика фенотипов ХСН, в том числе с использованием различных биомаркеров, необходимы как для лучшего понимания патофизиологии ХСНсФВ и ХСНунФВ, так и для оптимизации стратегий лечения и улучшения прогноза пациентов. Однако в настоящее время данные о фенотипических группах больных с ХСНсФВ и ХСНунФВ весьма немногочисленны и противоречивы, и в ранее проведенных исследованиях редко учитываются уровни кардиобиомаркеров (КБМ), что и определило цель нашего исследования: на основании использования клинико-анамнестических, антропометрических и функциональных характеристик провести кластерный анализ пациентов с ХСНсФВ и ХСНунФВ ЛЖ и изучить уровни КБМ миокардиального стресса – NT-proBNP, фиброза – растворимого (soluble) ST2 (sST2), галектина-3 и нейрогормона копептина в выделенных кластерах.

Материалы и методы

В проспективное одноцентровое исследование включены 135 пациентов (76 женщин и 59 мужчин) с ФВ ЛЖ>40%, госпитализированных в терапевтическую клинику УКБ №4 ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» с клиникой ХСН II–IV функционального класса. Критериями включения были диагноз ХСН, установленный на основании клинической картины заболевания, повышения NT-proBNP>125 пг/мл, параметров ЭхоКГ, возраст старше 18 лет. Критериями невключения явились отказ пациента от дальнейшего участия в исследовании, возрас младше 18 лет, беременность и кормление грудью, ФВ ЛЖ<40% на момент данной госпитализации или в анамнезе, наличие таких сопутствующих заболеваний, как злокачественные новообразования, острая и тяжелая хроническая болезнь почек (ХБП) со снижением скорости клубочковой фильтрации по формуле CKD-EPI (Chronic Kidney Disease Epidemiology Collaboration, СКФCKD-EPI) <15 мл/мин/1,73 м² и печени, воспалительные заболевания, активная острая или хроническая инфекция, анемия тяжелой степени, СД 1-го типа.

При проведении исследования были соблюдены положения Хельсинкской декларации. Всеми пациентами подписано информированное согласие на участие в исследовании. Проведение исследования одобрено локальным этическим комитетом ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» (протокол №22-22 от 03.11.2022).

Эхокардиографическое (ЭхоКГ) исследование выполнялось всем больным в соответствии с российскими стандартами проведения ЭхоКГ у взрослых [16] трансторакальным методом на аппарате TOSHIBA XARIO SSA-660A (Япония). ФВ ЛЖ определяли методом Simpson, величину систолического давления в легочной артерии (СДЛА) рассчитывали с помощью модифицированного уравнения Бернулли на основании скорости трикуспидальной регургитации. Легочной гипертензией считали превышение максимального значения СДЛА в покое >30 мм рт. ст.

Всем больным наряду со стандартным физикальным, лабораторным и инструментальным обследованием проводилось количественное определение уровня сывороточных биомаркеров (NT-proBNP, sST2, галектина-3, копептина) плазмы крови методом иммуноферментного анализа.

Статистическую обработку результатов проводили в программах Statistica 12.0, Jamovi 3.2.2. При статистической обработке данных для количественных переменных с нормальным распределением рассчитывали среднее арифметическое (М) ± стандартное отклонение (σ); для переменных с ненормальным распределением – медиану, 25-й и 75-й перцентили – Ме [Q25; Q75]. Достоверность различий средних значений оценивали с помощью: t-критерия Стьюдента (p – при нормальном распределении) и U-критерия Манна–Уитни (p – для переменных с ненормальным распределением). При сравнении частотных показателей для оценки достоверности использовали критерий χ² по Пирсону. Для выявления статистически значимых различий между группами применен критерий Краскела–Уоллиса (one-way ANOVA) с последующим анализом парных различий. Статистически значимым для всех используемых параметров принималось значение менее 0,05. Кластерный анализ выполнен на языке программирования Python версии 3.11, с использованием библиотек Pandas, Numpy и Scikit-learn. Для кластерного анализа использовался алгоритм k-средних, оценку качества разделения кластеров проводили на основании значения силуэтной меры связывания, равного 0,02. Оценку выживаемости проводили через 12 мес после включения пациента в исследование. Для анализа 12-месячной выживаемости применен метод Каплана–Мейера, для сравнения кривых использовали log-rank test.

Результаты

Пациенты, включенные в исследование, были преимущественно старшего возраста – 76 [65; 82] лет; 56% из них – женщины. Наиболее частыми коморбидными заболеваниями явились ГБ (96,3%) и ишемическая болезнь сердца – ИБС (67,4%), в том числе перенесенный острый инфаркт миокарда – ОИМ (41,5%), ХБП (68,8%), ожирение (60,7%), постоянная и пароксизмальная форма ФП (51,1%).

На основании кластерного анализа с использованием клинико-анамнестических, антропологических и функциональных характеристик выделено 4 фенотипические группы, данные о которых представлены на рис. 1 в виде тепловой карты.

Рис. 1. Тепловая карта результатов кластерного анализа пациентов с ХСН с ФВ ЛЖ>40%. Кластерный анализ выполнен на языке программирования Python версии 3.11 с использованием библиотек Pandas, Numpy и Scikit-learn с применением алгоритма k-средних.

Примечание. ПИКС – постинфарктный кардиосклероз.

Fig. 1. Clustered heat map of patients with chronic heart failure with left ventricular ejection fraction <40%. Cluster analysis was performed in the Python programming language version 3.11, using the Pandas, Numpy and Scikit-learn libraries using the k-means algorithm.

В 1-м кластере (n=30, 22%) преобладали относительно молодые пациенты мужского пола, в возрасте 64,0 [57, 5; 76, 3] года с сохраненной ФВ ЛЖ (56 [49; 61]%), страдающие ГБ (93%) и ИБС (90%), в том числе с перенесенным ОИМ в анамнезе (57%), что позволило обозначить данный фенотип как ишемический. Среди некардиальных коморбидных заболеваний в этом кластере отмечен высокий процент хронической обструктивной болезни легких (ХОБЛ) (33%), что соответствует высокой частоте позитивного статуса курения.

Во 2-м кластере (n=42, 31%) преобладали пациенты женского пола (61,9%) более старшего возраста по сравнению с другими группами – 80,0 [74, 3; 85, 5] года, имеющие длительный анамнез ГБ (100%) и клинические признаки поражения органов-мишеней в виде ИБС и ХБП. Данный фенотип получил название «гипертонический». Медиана ФВ ЛЖ составила 56 [50; 62]%.

В 3-м кластере (n=30, 22%) отмечена высокая частота встречаемости лиц женского пола (63,3%) старшего возраста, 90% которых страдали пароксизмальной или постоянной формой ФП и имели ЭхоКГ-признаки легочной гипертензии. Медиана максимального СДЛА по данным ЭхоКГ составила 51 [44, 5; 68, 5] мм рт. ст., что было значимо выше по сравнению с показателями в других кластерах (р<0,05; рис. 2). У 90% имелось снижение показателя СКФ CKD-EPI – менее 60 мл/мин/1,73 м², а у 17% – менее 30 мл/мин/1,73 м². В 23% случаев диагностирована анемия легкой и средней степени тяжести. Для пациентов 3-го кластера также характерными явились значимо более низкие показатели ФВ ЛЖ – 48 [43; 54]% (р<0,05). С учетом всех выявленных особенностей данный фенотип обозначен как дезадаптивный с полиорганной дисфункцией.

Рис. 2. Показатели СДЛА в кластерах пациентов. При сравнении групп использовали критерий Краскела–Уоллиса.

Fig. 2. Pulmonary artery systolic pressure in patient clusters. The Kruskal–Wallis test was used.

Последний 4-й кластер (n=33, 25%) представлен относительно молодыми (до 75 лет) больными женского пола (60,6%). Все они имели ожирение различной степени выраженности, у 48,5% диагностирован СД 2, у 25% – нарушение толерантности к углеводам, что позволило обозначить его как кардиометаболический. Помимо метаболических нарушений у пациентов отмечалась высокая частота встречаемости ХБП (87,9%) и ФП (72,7%).

При оценке профиля КБМ у больных 3-го кластера выявлены наиболее высокие концентрации NT-proBNP, sST2 и галектина-3. Однако уровня статистической значимости достигли только различия уровня NT-proBNP (p=0,0015; рис. 3).

Рис. 3. Показатели КБМ в исследуемых кластерах. По основной оси (столбчатые диаграммы) – уровни галектина-3, sST2, копептина (нг/мл). По вспомогательной оси (линейный график) – уровни NT-proBNP (пг/мл).

Fig. 3. Сardiac biomarkers in the clusters. Тhe main axis (bar graphs) shows levels of galectin-3, sST2, copeptin (ng/ml). The extra axis (line graph) shows NT-proBNP levels (pg/ml).

Пациенты 3-го кластера отличались не только бóльшим количеством кардиальных и некардиальных коморбидных заболеваний, более выраженными структурно-функциональными нарушениями сердечно-сосудистой системы, высокими уровнями КБМ и полиорганной дисфункцией, но и максимальными показателями 12-месячной летальности – 33,3% (рис. 4).

Рис. 4. Кривые 12-месячной выживаемости Каплана–Мейера пациентов в кластерах (logrank test).

Fig. 4. 12-month Kaplan–Meier survival curves of patients by cluster (logrank test).

Значимые различия выживаемости выявлены при сравнении 2 и 3-го кластеров. Достоверных различий однолетней летальности между другими кластерами не обнаружено.

Обсуждение

В настоящее время именно пациенты с ФВ ЛЖ>40% составляют наибольший пул всех больных с ХСН, и с каждым годом их число продолжает расти [3]. Взаимное влияние множества коморбидных заболеваний, сложность патофизиологических механизмов и обусловленные этими факторами особенности клинической картины считаются основными причинами ограниченности эффективных вариантов лечения пациентов данных подгрупп [6, 14]. Эти особенности стали причиной формирования нового диагностического подхода, а именно разделения пациентов на фенотипические кластеры с целью выделения более однородных групп для персонализированной оценки прогноза и определения подхода к терапии [5].

Вместе с тем анализ доступных данных литературы показал, что не сформировано общепринятое представление о кластерах больных с ХСНсФВ>40% и не разработано универсальной клинико-лабораторной модели каждого кластера. Именно поэтому в настоящий момент под фенотипами ХСН по умолчанию понимаются группы, выделяемые только на основании величины ФВ ЛЖ.

Попытки создания более персонализированных моделей течения ХСНсФВ проводятся примерно 10 лет. Авторы сообщают о выделении от 3 до 7 фенотипических кластеров, основанных на оценке как кардиальных и некардиальных коморбидных заболеваний, так и основных механизмов, лежащих в основе патогенеза ХСНсФВ [6, 17–19]. Одним из первых исследований по фенотипированию пациентов с ХСНсФВ стала работа S. Shah и соавт. (2015 г.) [17], в которой среди пациентов с ХСНсФВ выделено 3 кластера: 1-й – относительно молодые пациенты с низкими уровнями BNP и низким риском госпитализации и смерти; 2-й – пациенты с ожирением, высокой распространенностью СД 2 и синдрома обструктивного апноэ во время сна; 3-й – более пожилые коморбидные пациенты с большей выраженностью почечной дисфункции, наличием легочной гипертензии, дисфункцией правого желудочка и высокими уровнями BNP.

Следует обратить внимание на то, что в основе выделения фенотипов ХСН авторами положены такие функциональные, анамнестические и антропометрические показатели, как ФВ ЛЖ, возраст пациентов, наличие ожирения, ГБ, ИБС, СД 2, признаки почечной дисфункции, а также уровни NT-proBNP, которые использовались и в нашем исследовании. Данные параметры также применялись для фенотипирования в ставшем классическим крупном исследовании Шведского регистра СН [6], включающем 6909 пациентов с ХСН с ФВ ЛЖ>50%. По сравнению с нашим исследованием пациенты Шведского регистра были несколько более старшего возраста – 80 [72; 86] лет, но основную когорту также представляли лица женского пола с высокой распространенностью ГБ, ИБС и ФП. В результате кластерного анализа авторами выделено 5 фенотипических групп: 1-й кластер (10% пациентов) – молодые пациенты с низким бременем сопутствующих заболеваний и высокой долей имплантируемых внутрисердечных устройств; у пациентов 2-го кластера (30%) отмечалась высокая частота встречаемости ГБ и ФП без СД 2; пациенты 3-го кластера (25%) отличались более старшим возрастом и имели множество сопутствующих сердечно-сосудистых заболеваний; пациенты 4-го кластера (15%) страдали ожирением, СД 2 и ГБ; 5-й кластер (20%) представлен пациентами старшего возраста с ИБС, ГБ и ХБП, которым чаще всего назначались диуретики. Худший прогноз отмечен у наиболее коморбидных пациентов 3 и 5-го кластеров.

Сведения об использовании кластерного анализа в фенотипировании больных с ХСН без систолической дисфункции имеются и в отечественной литературе, что указывает на глобальность проблемы и заинтересованность ученых всего мира в поиске путей ее решения. В исследовании Ф.Т. Агеева и соавт. основной целью выделения фенотипов заявлена разработка теоретической базы для персонализированного подхода к лечению сердечно-сосудистых заболеваний [19].

Хотя данные представленных исследований имеют много общих черт с результатами нашей работы, но нельзя не отметить и наличие в каждом из них индивидуальных черт, обусловленных особенностями выборки, критериями включения и невключения пациентов и поставленными целями. Наше исследование имело некоторые особенности по сравнению с ранее проведенными: пул пациентов расширен путем включения больных с ХСНунФВ, этиологическими факторами ХСН у более чем 95% пациентов была ИБС в сочетании с артериальной гипертензией. Более редкие причины ХСН, такие как кардиомиопатии, клапанные пороки сердца и амилоидоз, представлены единичными наблюдениями. Указанные ограничения исследования не позволяют экстраполировать полученные нами данные на больных с неишемической природой ХСН. В отличие от Шведского регистра только 5 (3,7%) пациентов в нашем исследовании имели имплантируемые внутрисердечные устройства (электрокардиостимуляторы), в связи с чем данные параметры не нашли отражения при проведении кластерного анализа.

В нашем исследовании в результате кластеризации выделено 4 кластера, сопоставимых по числу пациентов, но весьма неоднородных по полу, возрасту и коморбидной патологии (рис. 5).

Рис. 5. Фенотипические кластеры пациентов с ХСНсФВ и ХСНунФВ.

Fig. 5. Phenotypic clusters of patients with chronic heart failure with preserved and mildly reduced ejection fraction.

По результатам наших наблюдений в 3 из 4 кластеров большая доля пациентов имела признаки ХБП, что указывает на влияние сопутствующие кардиальной (артериальной гипертензии) и некардиальной (СД 2) патологии не только на развитие ХСН, но и на прогрессирование почечной дисфункции [20]. Именно высокой распространенностью ХБП, вероятно, можно объяснить отсутствие значимых различий концентраций галектина-3, уровень которого, по данным ранее проведенных исследований, имеет обратные корреляции с величиной СКФ и мало зависит от величины ФВ ЛЖ и степени тяжести ХСН [21].

Особенностью дизайна данного исследования следует считать применение многомаркерного подхода с определением целого ряда нейрогуморальных маркеров (NT-proBNP, копептина) и маркеров воспаления и фиброза (галектина-3 и ST2) [17, 22], в то время как европейскими и отечественными авторами в предшествующих работах в качестве биомаркеров ХСН использовались преимущественно НУП [11, 12, 14]. В ранее опубликованных работах наиболее высокие уровни НУП отмечены у больных с более высоким бременем сопутствующей патологии и признаками более выраженной диастолической дисфункции. В исследовании Е.А. Полуниной и соавт. на основании кластерного анализа клинических, инструментальных и лабораторных показателей, включая NT-proBNP, галектин-3, трансформирующий фактор роста β, матриксную металлопротеиназу I типа, ее тканевой ингибитор и ряд других молекул, 345 пациентов с ХСН и различным уровнем ФВ ЛЖ разделены на 4 кластера: фиброзно-ригидный, фиброзно-воспалительный, воспалительно-деструктивный, дилатационно-дезадаптивный [23]. Поскольку в данной работе проводилась кластеризация больных с ХСН с любым уровнем ФВ ЛЖ, в том числе менее 40%, использование выделенных авторами фенотипов на нашей когорте больных с ФВ ЛЖ>40% представляется некорректным.

Проспективная часть исследования, посвященная оценке влияния изученных клинико-анамнестических факторов на течение ХСН с ФВ ЛЖ>40% и ее исходы у обследованных пациентов, продемонстрировала худшие показатели однолетней выживаемости у пациентов в 3-м кластере. Характерно, что именно у этих больных имелось сочетание таких факторов, как возраст старше 75 лет, ФВ ЛЖ<50% и повышенные уровни NT-proBNР, негативная предикторная роль которых показана ранее [24].

Заключение

На основании проведенного анализа выделено 4 кластера больных с ХСН с ФВ ЛЖ>40%: ишемический, гипертонический, кардиометаболический и дезадаптивный с полиорганной дисфункцией. Пациенты последнего отличались значимо более высокими показателями NT-proBNP и худшим прогнозом выживаемости.

Ограничениями нашего исследования является его одноцентровый характер и относительно небольшое число участников с преимущественно гипертензивной и ишемической природой ХСН.

Раскрытие интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

Disclosure of interest. The authors declare that they have no competing interests.

Вклад авторов. Авторы декларируют соответствие своего авторства международным критериям ICMJE. Все авторы в равной степени участвовали в подготовке публикации: разработка концепции статьи, получение и анализ фактических данных, написание и редактирование текста статьи, проверка и утверждение текста статьи.

Authors’ contribution. The authors declare the compliance of their authorship according to the international ICMJE criteria. All authors made a substantial contribution to the conception of the work, acquisition, analysis, interpretation of data for the work, drafting and revising the work, final approval of the version to be published and agree to be accountable for all aspects of the work.

Источник финансирования. Авторы декларируют отсутствие внешнего финансирования для проведения исследования и публикации статьи.

Funding source. The authors declare that there is no external funding for the exploration and analysis work.

Соответствие принципам этики. Исследование было одобрено локальным этическим комитетом при ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» (Сеченовский Университет) (протокол №22-22 от 03.11.2022). Одобрение и процедуру проведения протокола получали по принципам Хельсинкской декларации.

Compliance with the principles of ethics. The study protocol was approved by the local ethics committee of Sechenov First Moscow State Medical University (Sechenov University) (Minutes No. 22-22 dated 03.11.2022). Approval and protocol procedure was obtained according to the principles of the Declaration of Helsinki.