Mikrozirkulation während der Maschinenperfusion von Spenderherzen zur Vorhersage der kontraktilen Funktion

Zeitschrift für Herz-,Thorax- und Gefäßchirurgie(2023)

引用 0|浏览3
暂无评分
摘要
Zusammenfassung Aufgrund des Spenderherzmangels werden weltweit zunehmend auch Herzen von „Donation-after-circulatory-death“(DCD)-Spendern für die Transplantation verwendet. Herzen dieser Spender werden während des Transports überwiegend per Ex-vivo-Maschinenperfusion (MP) mit normothermem, oxygeniertem Blut präserviert. Aktuell werden die Funktion des Herzens und die Qualität der MP per visueller Inspektion und durch die Überwachung des Lactatspiegels im Perfusat beurteilt. In der vorliegenden Arbeit wurde untersucht, ob sich die Überwachung der myokardialen Mikrozirkulation während der MP eignet, um die Perfusionsqualität zu beurteilen und die Kontraktilität vorherzusagen. Die Versuche wurden an einem Schweinemodell für DCD durchgeführt. Während einer 4‑stündigen Transportperfusion wurden der Lactatspiegel und die myokardiale Mikrozirkulation erfasst. Weiterhin wurden diverse Verlaufsparameter für die Veränderung der myokardialen Mikrozirkulation während der MP entwickelt. In einer Regressionsanalyse, basierend auf einem einzelnen Vorhersageparameter, zeigte sich für die mikrozirkulatorischen Verlaufsparameter ein niedriges, aber signifikantes R 2 für die systolische und für die diastolische Funktion. Für das Lactat konnte kein signifikantes R 2 identifiziert werden. In einer Regressionsanalyse, basierend auf 2 kombinierten Parametern, zeigte die Kombination zweier mikrozirkulatorischer Verlaufsparameter oder eines mikrozirkulatorischen Parameters und Lactat die beste Vorhersage. Aus den Ergebnissen der Arbeit kann geschlussfolgert werden, dass die Überwachung der myokardialen Mikrozirkulation während der MP von DCD-Herzen eine bessere Vorhersage der kontraktilen Funktion ermöglicht als die Überwachung des Lactatspiegels.
更多
查看译文
关键词
Heart transplantation,Myocardial microcirculation,Donation after cardiac death,Ex vivo machine perfusion,Risk prediction model
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要