基于肌酐轨迹的急性肾损伤亚表型可识别死亡风险增加的患者
该研究为两项前瞻性队列的二次分析,纳入创伤ICU患者1914例(组1)和综合内外科ICU患者1867例(组2)。在组1中测试四种定义,选择分离死亡风险最佳的定义:入组72小时内血肌酐从最大值下降0.3 mg/dl或25%定义为缓解型,否则为非缓解型。组2中,非缓解型AKI较无AKI的医院死亡风险RR 1.68(95%CI 1.15-2.44),缓解型RR 0.86(95%CI 0.63-1.17)无显著关联。各KDIGO分期内非缓解型死亡风险均高于缓解型(交互P=0.035)。
要点
- 在综合内外科ICU患者中,非缓解型AKI(72小时内肌酐未从最大值下降0.3 mg/dl或25%)较无AKI的医院死亡风险RR 1.68(95%CI 1.15-2.44),校正KDIGO分期后仍显著。
- 缓解型AKI(72小时内肌酐从最大值下降≥0.3 mg/dl或≥25%)较无AKI的医院死亡风险RR 0.86(95%CI 0.63-1.17),无显著关联。
- 在KDIGO 1期AKI患者中,非缓解型较缓解型的医院死亡风险RR 2.06(95%CI 1.52-2.80),各KDIGO分期内非缓解型死亡风险均更高(交互P=0.035)。
- 组2中非缓解型AKI医院死亡率26%,缓解型13%,无AKI 11%;非缓解型患者无医院日和无ICU日更少。
- 亚表型定义基于入组后72小时内连续血肌酐轨迹,无需院前基线肌酐值。
适用人群与场景
- 组1:2003至2005年因严重创伤入住单中心创伤ICU的患者,排除入院前终末期肾病、年龄<18岁、缺少转院数据或接受门诊透析者。
- 组2:来自iSPAAR研究的多中心样本,包括马萨诸塞州总医院分子流行病学急性呼吸窘迫综合征(MEA)研究中存在ARDS风险的ICU患者,以及NHLBI ARDS网络研究中ARDS患者,排除入院前终末期肾病、年龄<18岁、缺少第0天或第1天肌酐值或接受门诊透析者。
- 分析限于入ICU后最初72小时。
诊断标准与关键阈值
- AKI及分期依据KDIGO血肌酐标准,在入组后72小时内确定;基线肌酐取72小时内最低值,AKI及严重程度基于该期间最低值与最高值的最大差值。
- 缓解型AKI亚表型:入组后72小时内血肌酐从最大值下降0.3 mg/dl或25%(定义2)。
- 非缓解型AKI亚表型:所有不符合缓解型定义的AKI病例。
- KDIGO分期:根据血肌酐变化分为0期(无AKI)至3期。
研究设计与关键结果
- 研究类型:两项前瞻性收集数据集的二次分析,包括单中心创伤ICU队列(组1,n=1914)和多中心内外科混合ICU样本(组2,n=1867)。
- 组1中AKI发生率46%,组2中69%;组1中KDIGO 2或3期AKI占所有AKI的9%,组2中占27%。
- 组1中,非缓解型AKI较无AKI的死亡风险RR 2.95(95%CI 2.08-4.19),缓解型AKI RR 1.54(95%CI 1.13-2.11)。
- 组2中,非缓解型AKI医院死亡率26%,缓解型13%,无AKI 11%;非缓解型患者无医院日和无ICU日少于缓解型。
- 组2模型2(校正人口学、合并症、ICU因素):非缓解型AKI较无AKI的医院死亡RR 1.52(95%CI 1.13-2.05);缓解型AKI RR 0.86(95%CI 0.63-1.17)。
- 组2模型3(进一步校正最大KDIGO分期):非缓解型AKI医院死亡RR 1.68(95%CI 1.15-2.44)。
- 各KDIGO分期内非缓解型死亡风险均高于缓解型(交互P=0.035);KDIGO 1期AKI中,非缓解型较缓解型死亡RR 2.06(95%CI 1.52-2.80)。
- 组2缓解型AKI患者914例中,肌酐峰值在第0天517例、第1天239例、第2天117例、第3天41例;死亡率从峰值第0天的11%到第2或第3天的14%。
证据类型、等级与局限
- 证据类型:对两项前瞻性队列的二次分析。
- 局限:原文未报告局限性。原文自述局限包括:缺乏尿量数据;使用72小时内最低肌酐而非入院前基线值确定AKI严重程度;组1中KDIGO 2或3期AKI患者很少,可能限制基于轨迹的发现对严重AKI创伤人群的普遍性;缺乏准确液体平衡数据。
- 原文结论指出结果需要在其他更大的多中心危重患者队列中验证。
对床旁实践的改变
- 作者认为,基于血肌酐轨迹的AKI亚表型可识别医院死亡风险不同的患者,即使KDIGO分期相似;非缓解型亚表型死亡风险更高。
- 作者认为,该亚表型分类可能有助于分诊决策、临床试验入组(针对高风险患者)以及遗传研究中的表型细化。
- 作者认为,该亚表型定义基于常规可得的连续血肌酐值,易于在大型ICU数据集中快速确定。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译11 节 · 点击展开
背景
急性肾损伤(AKI)是一种异质性综合征,肾脏疾病:改善全球预后(KDIGO)工作组将其定义为血清肌酐(SCr)较基线升高≥0.3 mg/dl或>50%。KDIGO工作组根据住院期间SCr的最大变化或最低尿量,将患者从0期(无AKI)分类至3期AKI。这一AKI定义涵盖了广泛的潜在病理生理过程,这些过程预期具有不同的不良临床结局风险,并可能需要不同的治疗。例如,KDIGO的AKI定义未区分由暂时性血流动力学变化(如容量不足)所致的肌酐升高与真正的实质损伤(如急性肾小管坏死)所致的肌酐升高。即使按KDIGO严重程度分期进行分类后,仍可能存在相当大的临床和生物学异质性。当前AKI定义的这些局限性阻碍了更好地理解AKI病理生理学的能力,并可能阻碍有效新型疗法的识别[1]。
在癌症、急性呼吸窘迫综合征(ARDS)、慢性阻塞性肺疾病(COPD)和哮喘等临床综合征中,亚表型的识别促进了对某发病机制的认识,并推动了个体化诊疗方法的发展[2–8]。例如,Calfee等人在ARDS患者中显示,间接或直接肺损伤分别以提示内皮或上皮功能障碍的独特生物标志物模式为特征,提示导致这两种ARDS形式的潜在病理生物学存在差异[5]。此外,在哮喘和COPD的研究中,研究人员采用广泛的临床因素组合来识别亚表型[6, 8]。在本研究中,我们使用肌酐动力学来识别AKI内部的亚表型。
肾功能障碍的轨迹是理解AKI的一个潜在重要且临床直观的参数。基于轨迹而非最大肌酐变化对AKI进行分类,规避了对入院前“基线”肌酐的需求,而重症监护病房(ICU)收治的患者往往缺乏这一基线值[9]。基于轨迹的分类还考虑了患者对早期医疗干预的反应,并利用了系列肾功能障碍测量所提供的额外信息。因此,基于SCr轨迹识别AKI亚表型可能提高风险分层的精确度,并提供更同质的AKI病例组。
我们假设,根据入组后最初72小时内SCr变化轨迹将AKI患者分为缓解型和非缓解型亚表型,将分别产生与死亡低相关和高相关的组。我们还假设,即使在校正KDIGO严重程度分期后,基于轨迹的AKI分类仍与死亡风险密切相关。
方法
研究设计
我们对两个独立、前瞻性收集的ICU入院患者数据集(一个单中心队列和一个多中心样本)进行了二次分析。单中心队列(第1组;n = 1914)由2003年至2005年间因严重创伤导致ICU入院的患者组成[10]。多中心样本(第2组;n = 1867)作为识别易感于改变急性肺损伤风险的SNPs(iSPAAR)研究的一部分而汇集,该研究是一项关于ARDS风险的基因组wide病例对照研究。该数据集包括作为麻省总医院急性呼吸窘迫综合征分子流行病学(MEA)的一部分从ICU招募的具有ARDS风险的受试者[11],以及由国家心肺血液研究所(NHLBI)ARDS网络招募的ARDS受试者[12–15]。在两组中,入院前患有终末期肾病的患者被排除。第1组2953例患者中,1012例因年龄小于18岁、缺失转运数据或接受门诊透析而被排除。第2组2236例患者中,369例因年龄小于18岁、缺失第0天或第1天肌酐值以及接受门诊透析而被排除。纳入本研究的患者流程图见附加文件1:图S1。SCr值的中位数大于3.5。
数据收集与测量
AKI及AKI分期根据研究入组后最初72小时内符合KDIGO标准SCr阈值的肌酐变化来确定。我们将分析限制在ICU停留的最初72小时,以聚焦于导致ICU入院的危重疾病所致AKI,并便于与既往文献比较[16, 17]。我们使用作为临床诊疗一部分获得的SCr值,本研究未规定SCr值测量的时间。鉴于尿量记录的异质性及数据缺失程度高,我们未将尿量纳入AKI的判定。我们无法获得这些受试者入院前的基线肌酐值。因此,我们将基线肌酐设定为最初72小时内观察到的最低值。AKI及其严重程度根据该期间最低肌酐与最高肌酐之间的最大差值确定。
我们检验了缓解型或非缓解型AKI亚表型的四种定义。若患者的SCr轨迹呈改善趋势,则被归类为缓解型。所有不符合缓解标准的患者被归类为非缓解型。这些定义的SCr标准基于反映KDIGO定义中存在的肌酐变化幅度的临床有意义变化。我们还探索了采用更高和更低肌酐变化的缓解定义的变体。我们将这些定义应用于第1组,然后将每组所得AKI亚表型(缓解型/非缓解型)的院内死亡率与无AKI患者中观察到的院内死亡率进行比较。在缓解型与非缓解型亚表型之间显示死亡相对风险(RR)分离最大的定义被沿用至第2组。
院内死亡率定义为出院前死亡。肌酐值少于两次的患者被排除。无住院天数和无重症监护室(ICU)天数定义为入住ICU后最初28天内未住院和未入住ICU的天数。如果患者在28天内死亡,则该患者的无ICU天数或无住院天数为0。
统计分析
连续变量以均值±标准差报告,分类变量以计数和百分比报告。研究参与者中约5%或更少存在糖尿病、肝硬化和血管升压药使用方面的数据缺失。对于回归分析,这些协变量存在缺失值的参与者数据采用链式方程进行插补,并使用Rubin规则合并[18]。暴露或结局指标未进行插补。使用意大利面图描述各亚表型分类内的纵向肌酐测量值和轨迹。
采用RR回归,通过具有对数连接和二项误差分布的广义线性模型,将死亡概率建模为协变量的函数[19]。在模型使用二项误差无法收敛的情况下(约10%的模型),我们替换为高斯误差并使用稳健标准误估计。将每个AKI亚表型的死亡风险与无AKI患者进行比较。在第1组中,我们使用未调整的RR回归分析AKI亚表型定义与死亡率的关系。将在AKI亚表型之间识别出死亡风险差异最大的定义应用于第2组。在第2组中,第一个调整模型包括基线年龄、性别和种族。后续模型在基本调整模型中加入可能混淆或中介所关注关联的变量。这些变量基于生物学合理性和既往文献预先确定[20–23]。第二个模型加入体重指数、糖尿病、脓毒症相关器官衰竭评估评分(省略肌酐)、血管升压药使用、脓毒症(定义为两项全身炎症反应综合征标准及疑似感染源),第三个模型加入入院后最初72小时内AKI的最高KDIGO分期。最高KDIGO分期作为有序变量纳入。
我们进行敏感性分析,以评估AKI亚表型与死亡率之间的关联在每个KDIGO AKI分期内是否稳健,并使用似然比检验评估交互作用的统计学显著性。我们使用逻辑回归,纳入最高KDIGO分期与AKI亚表型(即无AKI、缓解型和非缓解型)乘积的交互项。我们还评估了缓解型亚表型中SCr峰值时间与死亡率的关联。统计分析使用Stata 13.0软件(StataCorp,College Station,TX,USA)进行。
结果
第1组和第2组内的临床数据
第1组(创伤)和第2组(混合内外科)患者的基线临床数据分别见表1和表2。注意到两组之间存在若干差异。第1组往往更年轻,且由更多从其他机构转来的患者组成。第2组有更多因脓毒症入院并在住院早期需要血管升压药的患者。每组人群中需要机械通气的患者数量相似。创伤组的平均损伤严重度评分为23.6,混合内外科样本组的平均急性生理学与慢性健康状况评价III(APACHE III)评分为74。根据KDIGO阈值,至少达到1期AKI的患者百分比在第1组为46%,在第2组为69%。在所有AKI患者中,KDIGO 2期或3期AKI患者的比例在第1组(9%)低于第2组(27%)。
第1组中亚表型的识别
我们在第1组(创伤)中检验了四种AKI亚表型定义,并评估了每对亚表型相对于无AKI者的死亡风险(附加文件1:表S1)。定义2最好地区分了两种AKI亚表型相关的死亡风险。非缓解型亚表型相对于无AKI患者的估计死亡风险增加幅度较大(RR 2.95,95% CI 2.08–4.19)。相比之下,缓解型亚表型对死亡风险的估计影响明显较低(RR 1.54,95% CI 1.13–2.11)(表3和表4)。定义2中缓解型亚表型的标准为:研究入组后最初72小时内SCr较最大值下降0.3 mg/dl和/或25%。未达到缓解型亚表型标准的AKI患者被归类为非缓解型亚表型。第1组中缓解型和非缓解型AKI亚表型患者的趋势线图示见图1。该图显示了缓解型和非缓解型AKI亚表型内肌酐轨迹的一致性。包含AKI亚表型的附加文件1:表S1和S2版本见附加文件1:表S2–S4。
第2组中AKI亚表型与死亡风险
我们将定义2中的亚表型标准应用于第2组受试者。与我们在第1组中的发现相似,我们发现非缓解型AKI亚表型患者的死亡率(26%)高于缓解型AKI亚表型患者(13%),且两者的死亡率在数值上均高于无AKI受试者的死亡率(11%)。非缓解型亚表型受试者的无住院天数和无ICU天数少于缓解型亚表型受试者(表3和表4)。在第2组中,AKI严重程度增加也与更高的死亡率和更少的无住院天数及无ICU天数相关。缓解型AKI组APACHE III评分的均值±标准差为78 ± 26,非缓解型AKI组为78.9 ± 28。两种AKI亚表型之间的机械通气率和血管升压药使用率相似。
我们使用多变量logistic回归,以逐步方式构建模型以评估轨迹与住院死亡率之间的关联(表5)。模型2纳入了患者人口学特征、合并症和ICU因素。在模型2中,与无AKI患者相比,非缓解型AKI亚表型与住院死亡率RR增加50%相关(RR 1.52,95% CI 1.13–2.05)。与无AKI相比,缓解型亚表型与死亡率无关(RR 0.86,95% CI 0.63–1.17)。接下来,我们检验了AKI亚表型与死亡率之间的关联是否独立于最大AKI分期。我们将AKI分期加入多变量模型(模型3),发现非缓解型AKI亚表型患者的死亡风险仍高出68%(RR 1.68,95% CI 1.15–2.44)。
第2组中KDIGO各分期内按AKI亚表型分层的死亡风险
我们发现,在每个KDIGO AKI分期内,非缓解型亚表型受试者的死亡率均高于缓解型亚表型受试者(交互作用p = 0.035)(表6)。例如,在KDIGO 1期AKI受试者中,非缓解型亚表型患者的死亡风险是缓解型亚表型患者的两倍以上(RR 2.06,95% CI 1.52–2.80)。
缓解型AKI亚表型中SCr峰值出现时间与死亡风险
我们完成了额外的敏感性分析,以在缓解型AKI亚表型患者亚组中评估SCr峰值出现天数是否影响与死亡率的关联。第2组中缓解型AKI亚表型患者总数为914例。在这914例患者中,517例的SCr峰值出现在第0天,239例峰值出现在第1天,117例峰值出现在第2天,41例峰值出现在第3天。死亡率范围从SCr峰值出现在第0天的11%到峰值出现在第2天或第3天的14%(附加文件1:表S4)。
讨论
在两个不同的大型异质性ICU人群中,我们证明血清肌酐(SCr)的轨迹定义了AKI的亚表型,并且这些亚表型与医院死亡率、住院时间和ICU停留时间独立相关。尽管第1组(创伤)和第2组(混合内科-外科)在基线临床特征、肾功能不全病因和ICU级别治疗方面存在显著差异,AKI亚表型与短期临床结局之间的关联仍然持续存在。与无肾功能不全相比,具有未缓解亚表型的危重患者医院死亡风险增加超过60%。此外,具有缓解亚表型的患者与无AKI患者的死亡风险相同。更令人感兴趣的是,当我们控制KDIGO AKI严重程度后,两种AKI亚表型均保持与医院死亡率的关联。值得注意的是,即使在KDIGO 1期AKI患者中,未缓解亚表型与缓解亚表型相比,死亡风险为其两倍。这些发现表明,在KDIGO AKI分期内部,不良结局风险存在相当大的变异性,并且即使SCr从最大值相对小幅下降也对医院结局具有重要影响。
我们的发现扩展并阐明了既往试图对AKI患者进行亚分类的研究。在既往研究中,研究者评估了AKI持续时间(短暂性 vs 持续性)与医院死亡率之间的关系,但发现了相互矛盾的结果[16, 17, 24]。在两项研究中,研究者发现根据AKI持续时间将患者分为短暂性(小于72 h)和持续性(大于72 h)并未识别出死亡风险增加的患者[16, 17]。相反,在第三项针对择期手术后发生AKI患者的研究中,研究者发现AKI持续时间长的一组患者死亡风险高于AKI持续时间短的一组[25]。这些矛盾结果的一个可能解释是,作者要求基线肌酐基于门诊值,而该值在ICU患者中通常不可获得[9]。对于缺失的基线值,这些研究中的研究者使用数学公式推算基线SCr值。鉴于这些公式来源于处于稳态且具有“正常”预期肾小球滤过率的相对健康门诊患者[26],将这些公式应用于危重患者可能导致显著的不准确性[27, 28]。在本研究中,我们试图通过开发一种基于ICU入院后SCr值模式对AKI进行亚分类的方法来解决这一问题,从而无需门诊或病前SCr值。
我们的方法在两个大型ICU队列中显示,未缓解的AKI与不良住院结局之间存在稳健关联。我们选择的定义用于识别两种AKI亚表型——缓解型和未缓解型——是在一个既存肾脏疾病患病率较低且损伤与AKI发生之间时间关系已知的患者队列中确定的。随后,我们将该AKI亚表型定义应用于一个多样性明显更高的ICU人群(内科-外科混合人群)。疾病严重程度标志物,如APACHE III评分、血管加压药使用和机械通气,在ICU入院时并未区分AKI亚表型。因此,我们识别出了一种超越传统AKI危险因素乃至公认的AKI严重程度评分的新型死亡风险标志物。值得注意的是,第1组中测试的四种AKI亚表型定义中有三种显示出不同的死亡风险。这表明最佳定义可能仍未确定。尽管如此,我们的工作清楚地表明,SCr快速改善的患者与SCr未缓解的患者具有非常不同的结局。
按AKI亚表型对患者进行分类可能在以下几个方面有用。首先,细化AKI表型可通过提供更均匀的研究人群来帮助评估AKI病理生理学的研究。例如,识别AKI亚表型可能丰富针对特定AKI病理亚型的遗传学研究,从而减少误分类并提高识别与AKI发生相关的遗传危险因素的能力。其次,了解与不同临床结局风险相关的AKI亚表型可有助于重症患者的分诊决策。第三,临床试验入组可针对不良结局风险最高的患者亚组,这些患者可能从新型治疗干预中获益。第四,现有生物标志物,如中性粒细胞明胶酶相关脂质运载蛋白,在识别AKI患者方面结果不一。在所研究的队列中,AKI的KDIGO分期影响了生物标志物预测AKI发生的有效性,在AKI较轻的患者中检测性能特征较低[29–31]。由于SCr轨迹可识别不良临床结局风险增加的患者,识别AKI亚表型有可能改善生物标志物性能。将缓解型与未缓解型轨迹的患者分组会增加AKI的异质性,并可能限制生物标志物的开发。
我们的研究存在一些局限性。第一,我们没有尿量数据,而尿量可用于依据KDIGO标准定义AKI事件。纳入尿量可能会增加被归类为AKI病例的受试者数量,并提高我们对AKI进行分类的能力[32]。然而,鉴于我们对亚表型的定义基于SCr值的轨迹,而SCr值是真实肾小球滤过率和死亡风险的更好标志物[26, 33],我们的发现不太可能有意义程度上的不同。第二,为确定AKI的严重程度,我们使用了SCr的最低值而非入院前基线值。ICU患者常缺乏院前SCr值,尤其是在入院早期,因此绕过对这一信息需求的方法可以更及时地识别AKI亚表型。院前SCr值可能会提高KDIGO AKI严重程度的准确性,但不太可能影响轨迹与结局之间的关联。此外,如果我们使用了院前SCr,那么急诊室或ICU的液体输送可能会产生稀释效应并降低AKI的发生率。相比之下,使用SCr最低值通过考虑继发于液体输送的SCr变化克服了这一局限性。第三,第1组纳入的KDIGO AKI 2期或3期患者很少。缺乏这些AKI分期可能限制基于轨迹的发现对伴有严重AKI的创伤人群的普遍适用性。第四,既往研究比较了有无AKI的患者,并发现AKI中液体蓄积与死亡率存在关联[34, 35]。虽然研究中的大多数患者在ICU治疗早期可能按照ICU实践接受了积极补液,但我们缺乏准确的液体平衡数据。因此,液体平衡与患者住院期间AKI亚表型如何相关尚不清楚。
我们的研究具有若干优势。第一,我们对AKI亚表型的定义基于在许多现有ICU数据集中广泛可得的系列SCr值变化。这将使我们的亚表型定义能够在大量危重患者中快速确定,并评估其与结局的关系。此外,未来应用我们的定义前瞻性识别AKI亚表型应当是直接可行的。第二,我们观察到与非缓解型AKI亚表型相关的死亡风险大幅且稳健地增加,且独立于最广泛确立的AKI严重程度指标——KDIGO分期系统。这表明我们的方法可为当前AKI分类方案增加价值。第三,我们使用了大型且多样化的ICU患者集,涵盖从重大创伤受害者到纳入ARDS随机临床试验的重症肺炎患者。此外,第1组患者具有种族多样性。这些因素表明我们的发现可推广至其他危重患者人群。我们的结果需要在更多更大型的多中心危重患者队列中验证。
结论
我们确定了两种不同的急性肾损伤(AKI)亚表型,它们与不同的医院死亡风险相关。这些亚表型还可识别出在其他短期结局方面存在风险差异的受试者,包括ICU住院时间延长和需要机械通气支持的时间。我们的观察结果应促使未来研究对这些亚表型进行分子水平表征,并评估可能有助于更早识别AKI亚表型的预测性生物标志物。完善ICU人群中AKI的分类将有助于识别预后不良高风险的惠者,这些患者可能成为临床试验入组的目标人群,改进分诊决策,并集中寻找遗传危险因素。
参考来源
- Bhatraju PK, Mukherjee P, Robinson-Cohen C, et al. Acute kidney injury subphenotypes based on creatinine trajectory identifies patients at increased risk of death. Crit Care. 2016. PMID: 27852290
- 全文:PMC5112626(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5112626/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。