To identify genetic variation underlying atrial fibrillation, the most common cardiac arrhythmia, we performed a genome-wide association study of >1,000,000 people, including 60,620 atrial fibrillation cases and 970,216 controls. We identified 142 independent risk variants at 111 loci and prioritized 151 functional candidate genes likely to be involved in atrial fibrillation. Many of the identified risk variants fall near genes where more deleterious mutations have been reported to cause serious heart defects in humans (GATA4, MYH6, NKX2-5, PITX2, TBX5)1, or near genes important for striated muscle function and integrity (for example, CFL2, MYH7, PKP2, RBM20, SGCG, SSPN). Pathway and functional enrichment analyses also suggested that many of the putative atrial fibrillation genes act via cardiac structural remodeling, potentially in the form of an ‘atrial cardiomyopathy’2, either during fetal heart development or as a response to stress in the adult heart. Large-scale association analyses identify 142 independent risk variants for atrial fibrillation. Pathway and functional enrichment analyses suggest that many of the putative risk genes act via cardiac structural remodeling.

Aortic valve stenosis (AS) is the most common valvular heart disease, characterized by a thickened and calcified valve causing left ventricular outflow obstruction. Severe AS is a significant cause of morbidity and mortality, affecting approximately 5% of those over 70 years of age. Little is known about the genetics of AS, although recently a variant at the LPA locus and a rare MYH6 missense variant were found to associate with AS. We report a large genome-wide association study (GWAS) with a follow-up in up to 7,307 AS cases and 801,073 controls. We identified two new AS loci, on chromosome 1p21 near PALMD (rs7543130; OR=1.20, P=1.2x10-22) and on chromosome 2q22 in TEX41 (rs1830321; OR=1.15, P=1.8x10-13). Rs7543130 also associates with bicuspid aortic valve (BAV) (OR=1.28, P=6.6x10-10) and aortic root diameter (P=1.30x10-8) and rs1830321 associates with BAV (OR=1.12, P=5.3x10-3) and coronary artery disease (CAD) (OR=1.05, P=9.3x10-5). These results indicate that AS is partly rooted in the same processes as cardiac development and atherosclerosis.

To explore the patterns of anesthesia use and their determinants during vitreoretinal (VR) surgeries in academic and community hospitals across the US, using data from the Multicenter Perioperative Outcomes Group (MPOG).

To understand the genetic variation underlying atrial fibrillation (AF), the most common cardiac arrhythmia, we performed a genome-wide association study (GWAS) of > 1 million people, including 60,620 AF cases and 970,216 controls. We identified 163 independent risk variants at 111 loci and prioritized 165 candidate genes likely to be involved in AF. Many of the identified risk variants fall near genes where more deleterious mutations have been reported to cause serious heart defects in humans or mice (MYH6, NKX2-5, PITX2, TBC1D32, TBX5), or near genes important for striated muscle function and integrity (e.g. MYH7, PKP2, SSPN, SGCA). Experiments in rabbits with heart failure and left atrial dilation identified a heterogeneous distributed molecular switch from MYH6 to MYH7 in the left atrium, which resulted in contractile and functional heterogeneity and may predispose to initiation and maintenance of atrial arrhythmia.

Introduction: The paucity of data to guide selection of specific vasoactive agents in patients with cardiogenic shock (CS) may lead to variability in practice patterns. Hypothesis: Variation in the utilization of inodilators to treat CS is associated with both institution- and patient-level factors. Methods: The Critical Care Cardiology Trials Network (CCCTN) is a multicenter network of tertiary CICUs in North America coordinated by the TIMI Study Group. This analysis cohort includes patients with CS from 2018-2023. Shock was defined as systolic blood pressure less than 90 mmHg with end-organ dysfunction ascribed to the hypotension. Shock type was classified by site investigators. Multivariable linear mixed-effect modeling was used to evaluate patient- and institutional-level variation associated with the use of inodilators treatment (milrinone, dobutamine). Results: A total of 3,282 patients from 37 CICUs were in the study cohort. The rate of utilization of specific vasoactive medications and MCS varied substantially across institutions (Fig 1). For inodilators, rates of dobutamine use varied by institution from 10% to 82%, while milrinone use varied from 6% to 71%. Patient-level variables that were associated with the use of inodilator treatment included male sex (OR 1.24 [95% CI 1.03-1.49]), history of heart failure (1.98 [1.61-2.43]), SCAI class D vs. B/C (1.35 [1.08-1.69]), and BiV failure vs. LV failure (1.59 [1.27-1.99). Variables less likely to be associated with inodilator use included age (0.97 [0.97-0.98] per year increase), cardiac arrest (0.34 [0.27-0.42]), and acute coronary syndrome presentation (0.72 [0.57-0.91]). MCS use within 36 hours of CICU admission and pulmonary hypertension were not associated with variability in inodilator use. In multivariable linear mixed-effect modeling, 45.9% of variation in inodilator use was attributed to patient-level factors and 21.8% of variation was attributed to the institution. Conclusion: There is substantial variation in vasoactive treatment and inodilator use related to patient- and institution-level factors. Such variability underscores the need for additional high-quality evidence to guide vasoactive treatment strategies in CS.