首页
快讯
关注
资讯
- 健康
- 科技
- 热点
- 视频
- 产业
- 政策
- 护理
- 投资
- 医改
- 养老
- 海外
- 人物
- 保险
- 疾病
- 管理
- English
- 临床
- 心血管
- 肿瘤
- 内分泌
- 妇儿
- 感染
专题
活动
学院

首页
快讯
关注
资讯
- 健康
- 科技
- 热点
- 视频
- 产业
- 政策
- 护理
- 投资
- 医改
- 养老
- 海外
- 人物
- 保险
- 疾病
- 管理
- English
- 临床
- 心血管
专题
活动
智库
学院
- 北斗学院
评选
会议
排行
全球医疗
健康界APP

欢迎登录体验更多功能

搜索

使用更简单的模型预测心脏手术后急性肾损伤

2021

03/25

古麻今醉

A-

A+

急性肾损伤(AKI)是心脏手术最常见的并发症之一，发生率达5% ~ 42%。按照改善全球肾脏病预后工作组(the Kidney Disease: Improving Global Outcomes，KDIGO)与急性肾损伤网络专家组(Acute Kidney Injury Network，AKIN)的诊断标准，将AKI分为1级、2级和3级，需要需要肾替代治疗(RRT)者包含在3级中。级别越高，预后越差，住院费用越高。

由于AKI和RRT影响患者预后，若能够使用简单模型预测AKI与RRT，则可能有较大收益。理想的临床预测模型应该既精确又易于使用，例如使用3个变量（年龄、肌酐、射血分数）预测心脏手术后死亡率的ACEFII评分系统。此外，临床预测模型还可用于筛选高风险患者，以便临床试验的招募，方便快速进行入选标准的判断。

术前血红蛋白水平是AKI最强的危险因素之一，即使考虑到输血因素，血红蛋白和AKI之间的联系仍然存在。近来，这一变量被添加到澳大利亚和新西兰心脏和胸外科学会(ANZSCTS)数据库中。本研究将ANZSCTS国家数据库与澳大利亚和新西兰重症监护协会成人患者数据库联合，获得了包括血红蛋白水平、术前信息与术后24小时的所有数据。

本研究旨在使用尽可能少的变量，创建预测AKI和RRT的简易模型。

方法

研究对象

使用ANZSCTS和澳大利亚新西兰重症监护协会成人患者数据库数据，该数据库包含了全国33家公立和私立医院接受心脏手术的所有患者的术前、术中和术后数据。收集2016年9月1日至2018年12月31日期间所有心脏外科手术的数据。排除术前已行透析的患者。

预后指标

根据KDIGO标准和肌酐水平定义AKI (表1)(将术后最高肌酐值与术前即刻肌酐值进行比较)。2项主要预后指标为：任何时间点出现的AKI与新发RRT。2个预测时间点为术前和术后即刻。

术前任意时间点变量指标

年龄、性别、体重指数(BMI)、是否急诊手术、既往手术史、手术类型、纽约心脏协会(NYHA)心功能分级、射血分数、术前肌酐水平、术前血红蛋白水平、吸烟史、糖尿病史、高血压史、脑血管疾病史、外周动脉疾病史、呼吸系统疾病史、感染性心内膜炎、既往心肌梗死史、心源性休克、术前使用强心药物、术前抗凝治疗、高胆固醇血症、免疫抑制治疗、手术前1小时内复苏史。

术后即刻(4小时内) 变量指标

除上述术前变量指标外，收集以下变量指标：体外循环时间、术中最低血红蛋白水平、主动脉内球囊反搏、术后4小时内引流量。

模型开发与验证

所有数据按3:1的比例分为开发集和验证集。所有时点的所有变量进行单变量分析以确定与结局的相关性。相关变量被收入逐步回归模型。使用限制性逐步回归模型最小化模型规模。逐步提高显著性水平至P= 10-12以逐步排除模型中的变量，减少模型变量至不多于5个，同时最大限度地提高预测能力。使用ROC曲线下面积（AU-ROC）筛选最佳模型，当模型的AU-ROC减小量> 0.01时，则不再继续减小模型变量。评估模型的多重共线性，分析2个不同时点生成的2个模型，使用LASSO算法(least absolute shrinkage and selection operator) 和贝叶斯信息准则（the Bayesian information criterion）进行模型间比较。最后，使用模型变量的比值比（the rounded odds ratios）生成离散预测分数，根据潜在的线性关系和临床实际需要确定界值。通过AU-ROC最大值为每个预测变量确定最佳点。在验证集中使用AU-ROC、校准图和Brier评分评估简易模型的辨识度及准确度。

与其他模型比较

在相似的人群样本中，使用相同的变量和预后指标，将本研究模型与新近开发的其他术前模型进行比较。

统计分析

使用Stata 16.0 (Stata Corp, College Station, TX)进行统计分析。根据数据类型和数据分布，使用卡方检验，Mann-Whitney U检验和t检验进行单变量相关性评估。P＜0.05被定义为差异有统计学意义。使用逐步逻辑回归和LASSO生成简易模型。

结果

在给定日期内，共有33家医院共22,731例患者进行了心脏手术。术后发生AKI和RRT的患者总数分别为5,829例（25.6％）和488例（2.1％）（表2）。患者一般情况中，年龄、性别和BMI等因素与AKI相关，但与RRT不相关。

预测模型开发集

表3a和3b显示了2个不同时点的AKI和RRT的简易预测模型。AKI的最强预测因子是术前血红蛋白水平、肌酐、年龄、NYHA分级、BMI和灌注时间。RRT的最强预测因子是肌酐、既往心脏手术史、NYHA分级、手术类型、灌注时间和主动脉内球囊反搏。术前和术后AKI模型的AU-ROC分别为0.68和0.70，RRT模型的AU-ROC分别为0.80和0.85。

离散分数和模型验证

表4a和4b显示每个预测因子的离散分数。表5显示了验证集中各个模型的辨识度及准确度。AKI模型的辨识度较差，RRT模型的辨识度一般到较好。术后模型的辨识度比术前模型好。（图1）

与其他模型比较

当使用AKI作为主要预后指标时，简易预测模型与10变量模型之间没有显著差异（AU-ROC 0.67 vs 0.68; p = 0.09）。当使用RRT作为主要预后指标时，10变量模型的辨识度更高（0.81 v 0.77; p = 0.03）。

讨论

此项研究整合了术前和术后即刻的数据开发了简易预测模型，预测AKI的辨识度为较差到一般，预测RRT的辨识度为一般到较好。尽管此模型仅有3-5个变量，其预测能力优于现有模型，若模型涵盖术后数据，其辨识度可进一步增加。

本研究的目的是建立一个较为准确的、可以在床旁使用的预测模型，以便对高危患者进行密切监测与治疗。若此预测模型准确性高，则有利于筛选出高危人群进行临床试验的招募与随机。例如，本研究RRT的发生率约为2％。若一项临床试验需要将发生RRT的相对危险度降低25％（从2％降至1.5％），就需要入组大约30,000名患者。若入选患者RRT发生率较高（理想状态为50％或尽可能接近50％），那么样本量将显著减少。

本研究预测约500名受试者的RRT风险大于10％，这部分患者实际RRT的发生率为15%，若要求相对危险度降低25％，则需要样本量2500例，估计招募时间约10年。因此，将RRT作为预后指标的假设不切实际，而AKI则更为可行。本研究预测约2400名受试者的AKI风险大于10％，这部分患者实际AKI的发生率为50%，因此需要样本量1200例，估计招募时间大约6个月。若不对患者进行分层，则需样本量约3500例。因此，虽然此预测模型的辨识度只达到一般水平，但足以用于筛选病人，并可以减少医疗资源浪费。

有许多预测AKI的研究，但良莠不齐。这些研究中仅有Ng等人使用了本研究涉及的人群，他们的术前模型使用了10个变量，而本研究仅用3-5个变量就获得了相似的结果。还有研究模型包含17个变量，其中部分变量可能在术后任何时候发生改变（例如输注红细胞）。而本研究仅包含量入ICU后4小时内的变量，希望能够通过较少变量，尽早预测AKI或RRT的发生，而有机会进行早期干预。

结论

本研究开发了便于临床使用的简单模型，可在术前和术后即刻预测AKI和RRT，不仅可用于临床风险分层，而且可用于临床试验招募患者，有利于减少AKI发病率相关研究的样本量和研究资金。

点评

心脏手术后AKI发生率居高不下，需要RRT的患者也明显高于非心脏手术。但临床上对于心脏手术后是否会发生AKI仍难以准确预测。既往针对心脏手术后AKI的研究非常之多，有回顾性研究、设计良好的RCT研究，也有真实世界研究。一些研究试图以各种形式对心脏手术后是否发生AKI进行预测，但其中大多数研究采用单中心数据，普及性较差；而RCT研究往往只涉及到1-2个变量，不能找出所有的危险因素。本研究通过利用澳大利亚和新西兰心脏和胸外科学会(ANZSCTS)数据库，以及澳大利亚和新西兰重症监护协会成人患者数据库，提取真实世界中的患者资料，包括术前变量和术后4小时内的变量，研究多个变量与术后AKI和RRT的关联，找出危险因素，形成简单的预测模型。这对于患者术前风险分层，以及计算临床试验招募患者的样本量，都有重要的参考价值。

根据此回归模型，AKI的最强预测因子是术前血红蛋白水平、肌酐、年龄、NYHA分级、BMI和灌注时间。RRT的最强预测因子是肌酐、既往心脏手术史、NYHA分级、手术类型、灌注时间和主动脉内球囊反搏。以AKI为例，术前血红蛋白水平<130g/L和术后即刻<120g/L，发生AKI的比值比分别为1.88和1.91；Cr>100，OR值1.91；年龄大于70岁，OR值1.50；NYHA四级，OR值1.66；BMI>30，OR值1.60；体外循环时间超过100分钟，OR值1.50。

本研究的优势是使用了多中心的最新大容量数据库的所有术前和术后数据，预后指标标准化，并纳入了术前血红蛋白这一项重要的危险因素；此外还涉及了一些并不经常研究的变量，例如高胆固醇血症和术后4 小时内引流量，但是这些变量强度较低，无法保留在简单模型中。输血是AKI的重要危险因素，但由于数据库中输血的时间不确切，因此输血变量没有留存在简单模型中，这是此模型的较大局限。但是，此研究依然为我们建立常见并发症的风险预测模型提供了参考。

（翻译：金琳审校：郭克芳）

参考文献：Coulson T, Bailey M, Pilcher D, et al. Predicting Acute Kidney Injury After Cardiac Surgery Using a Simpler Model. J Cardiothorac Vasc Anesth, 2021;35(3):866-873.