文献速递心脑血管急症消化、代谢与肾脏急症重症综合管理与镇静镇痛

经皮冠状动脉介入治疗中对比剂剂量相关急性肾损伤风险预测模型的开发与验证

Development and Validation of a Model for Predicting the Risk of Acute Kidney Injury Associated With Contrast Volume Levels During Percutaneous Coronary Intervention.
PubMed 文献 · JAMA Netw Open · 2019-11-01
一句话结论在1694家美国医院超200万例PCI中,对比剂剂量与急性肾损伤风险呈非线性关联且因基线风险而异,模型可预测3个肌酐升高阈值的风险(AUC 0.777–0.870)。

该预后研究利用美国心脏病学院国家心血管数据注册CathPCI注册中1694家美国医院的数据,推导集纳入2011年7月1日至2015年6月30日接受PCI的2 076 694例,验证集纳入2015年7月1日至2017年3月31日的961 843例。以术前至术后肌酐绝对升高≥0.3 mg/dL、≥0.5 mg/dL、≥1.0 mg/dL三个阈值定义急性肾损伤,采用广义相加模型分析对比剂剂量与急性肾损伤风险的关联。结果显示该关联呈非线性(χ²26=1436.2,P<.001),且因术前风险不同而异(χ²20=105.6,P<.001);测试集预测三个阈值的AUC分别为0.777、0.839、0.870,验证集AUC分别为0.794、0.845、0.872。作者认为该模型可为个体化对比剂剂量决策提供信息以降低急性肾损伤风险,尚需进一步研究在床旁应用和验证该模型并评估其对决策和结局的影响。

要点

  • 在2 076 694例PCI推导集中,肌酐升高≥0.3、≥0.5、≥1.0 mg/dL的发生率分别为6.4%、3.2%、1.4%;验证集961 843例分别为6.5%、3.6%、1.6%。
  • 对比剂剂量与急性肾损伤风险的关联呈非线性(χ²26=1436.2,P<.001),且因术前风险不同而异(χ²20=105.6,P<.001)。
  • 测试集预测肌酐升高≥0.3、≥0.5、≥1.0 mg/dL的AUC分别为0.777(95%CI 0.775-0.779)、0.839(95%CI 0.837-0.841)、0.870(95%CI 0.867-0.873),校准斜率分别为0.998、0.999、0.986。
  • 验证集AUC分别为0.794(95%CI 0.792-0.795)、0.845(95%CI 0.843-0.848)、0.872(95%CI 0.869-0.875),校准斜率分别为1.039、1.063、1.103。
  • 术前风险45%的患者对比剂增加100至300 mL时,肌酐升高≥0.5 mg/dL的OR为1.56(95%CI 1.48-1.65)、绝对风险差9.7%(95%CI 8.5%-10.8%),高于术前风险5%和80%者。

适用人群与场景

  • 推导集为2011年7月1日至2015年6月30日在美国1694家医院接受PCI的2 076 694例,验证集为2015年7月1日至2017年3月31日接受PCI的961 843例。
  • 排除标准包括:同一住院期间非首次PCI(n=72 065)、当日出院(n=161 271)、术前或术后缺失血清肌酐(n=324 438)、已接受透析(n=60 523)、缺失对比剂剂量(n=7209)、术前肌酐≤0.3 mg/dL(n=2247)或>4.0 mg/dL(n=6419)。

诊断标准与关键阈值

  • 急性肾损伤定义为术前至术后肌酐绝对升高≥0.3 mg/dL、≥0.5 mg/dL、≥1.0 mg/dL三个阈值,为1期急性肾损伤内的分级,不同于AKIN和KDIGO分期标准。
  • 术前风险为根据AKIN定义的1期急性肾损伤风险(肌酐升高≥0.3 mg/dL或术前水平的150%),由既往基于NCDR CathPCI注册(2009年6月1日至2011年6月30日手术)采用梯度下降提升法和13个变量开发的预测模型计算。

研究设计与关键结果

  • 研究类型为预后研究,使用美国心脏病学院国家心血管数据注册CathPCI注册中1694家美国医院的数据,推导集2 076 694例(平均年龄65.1岁,女性662 525例占31.9%),验证集961 843例(平均年龄65.7岁,女性305 577例占31.8%)。
  • 推导集肌酐升高≥0.3、≥0.5、≥1.0 mg/dL分别为133 306例(6.4%)、66 626例(3.2%)、28 378例(1.4%);验证集分别为62 913例(6.5%)、34 229例(3.6%)、15 555例(1.6%)。
  • 对比剂剂量与急性肾损伤风险的关联呈非线性(χ²26=1436.2,P<.001),且因术前风险不同而异(χ²20=105.6,P<.001)。
  • 测试集预测肌酐升高≥0.3、≥0.5、≥1.0 mg/dL的AUC分别为0.777(95%CI 0.775-0.779)、0.839(95%CI 0.837-0.841)、0.870(95%CI 0.867-0.873),校准斜率分别为0.998(95%CI 0.989-1.007)、0.999(95%CI 0.989-1.008)、0.986(95%CI 0.973-0.998),Brier评分分别为0.0539、0.0276、0.0123。
  • 验证集AUC分别为0.794(95%CI 0.792-0.795)、0.845(95%CI 0.843-0.848)、0.872(95%CI 0.869-0.875),校准斜率分别为1.039(95%CI 1.030-1.047)、1.063(95%CI 1.054-1.074)、1.103(95%CI 1.089-1.117)。
  • 术前风险5%者对比剂增加100至300 mL时,肌酐升高≥0.3 mg/dL的OR为1.36(95%CI 1.32-1.42)、绝对风险差1.1%(95%CI 1.0%-1.2%),增加400至600 mL时OR为1.64(95%CI 1.52-1.77)、绝对风险差3.1%(95%CI 2.5%-3.7%)。
  • 术前风险45%者对比剂增加100至300 mL时,肌酐升高≥0.5 mg/dL的OR为1.56(95%CI 1.48-1.65)、绝对风险差9.7%(95%CI 8.5%-10.8%);术前风险5%者OR为1.41(95%CI 1.33-1.49)、绝对风险差0.4%(95%CI 0.3%-0.4%);术前风险80%者OR为1.26(95%CI 1.06-1.50)、绝对风险差5.3%(95%CI 1.3%-9.2%)。

证据类型、等级与局限

  • 证据类型为预后研究(模型开发与验证),遵循TRIPOD报告规范,使用广义相加模型,通过似然比检验评估非线性和异质性。
  • 局限:模型基于观察性数据开发,暴露于对比剂的PCI患者可能存在对比剂使用偏好所致偏倚,但不同基线风险下对比剂使用模式相似限制了该偏倚。
  • 局限:模型虽经时间验证,但可能需要持续更新以反映患者特征和数据中关联的变化。
  • 局限:模型无法对术前风险极高且对比剂剂量极高的患者提供预测,因队列中缺乏该组合数据;如需高剂量,不应使用该模型的预测进行决策支持。
  • 局限:无术后肌酐评估时间信息,且当日出院患者被排除,可能漏诊出院后肌酐升高的急性肾损伤。
  • 局限:无法获取出院后结局,无法评估所识别的肌酐升高与这些结局的关联;进一步研究应探讨该模型是否能降低临床不良结局风险。
  • 局限:本研究未评估对比剂类型与急性肾损伤风险的关联。

对床旁实践的改变

  • 作者认为,鉴于目前对比剂使用在不同患者风险间变化不大,该模型有潜力支持个体化对比剂剂量估计以降低急性肾损伤风险。
  • 作者认为,该模型可同时预测3个肌酐升高阈值的风险,提供对对比剂剂量与急性肾损伤关联更细致的理解,以指导对比剂剂量决策。
  • 作者认为,模型预测应结合病例复杂性和患者风险特征,并在交互界面中呈现供临床医生决策。
  • 作者指出,将模型整合为床旁决策支持需自动化变量提取(很可能来自包含临床记录的电子健康记录),并需建立与临床工作流的有效整合。
  • 作者指出,需进一步研究在床旁应用和验证该模型,并评估其对决策和结局的影响。

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9 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:JAMA Netw Open. 2019 Nov 22;2(11):e1916021. doi: 10.1001/jamanetworkopen.2019.16021

引言

急性肾损伤(AKI)是经皮冠状动脉介入治疗(PCI)常见且严重的并发症,与死亡风险增加和医疗费用升高相关。为了为接受PCI的患者提供个性化的风险缓解干预措施,研究者和临床医生一直致力于利用患者的基线特征进行准确的风险评估。1 在PCI过程中减少对比剂用量被认为是最具可操作性和最有效的干预措施。2 多项研究支持这一方法,接受较低对比剂用量的个体AKI发生率较低。3,4,5

虽然限制对比剂用量是公认的降低AKI风险的方法,但临床医生需要在减少对比剂用量与提供足够对比剂以进行冠状动脉评估和治疗之间取得平衡。6 因此,有必要更好地理解AKI风险如何随着对比剂用量的增加而连续变化。此外,在不同基线风险的患者中,对比剂用量与AKI风险之间的关联可能不同,且在对比剂用量的整个范围内可能并非线性。识别风险中的这种异质性和非线性可能有望改善对个体患者的临床决策。然而,很少有研究量化基于对比剂用量差异的AKI风险变化,更少有研究探讨对比剂用量与AKI关联中基于患者基线AKI风险的潜在异质性。此外,关于AKI风险评估的研究仅考虑了二分类AKI定义,聚焦于单一严重程度级别。提供多个AKI严重程度的风险估计,尤其是对于与更高发病率和死亡率相关的更严重AKI,7 可能有助于做出更明智的干预决策。

因此,我们在国家心血管数据注册中心(NCDR)CathPCI注册研究中开发了一个AKI预测模型,以确定对比剂用量与AKI风险的关联。在先前开发的用于估计患者术前AKI风险的机器学习模型结果的基础上,8 我们采用了广义加性模型(GAM)来适应对比剂用量与AKI风险之间潜在的非线性关联以及这种关联在不同风险组之间的异质性。

方法

数据来源和研究人群

NCDR CathPCI注册登记已在别处描述。9,10 本研究纳入2011年7月1日至2015年6月30日实施的PCI(2 710 866例次)(补充材料中的eFigure 1)。我们采用了开发NCDR AKI模型时所用的相同排除标准。1 我们排除了以下PCI:非单次住院期间的首例PCI(n = 72 065)、当日出院的PCI(n = 161 271)、术前或术后缺失血清肌酐水平的PCI(n = 324 438),以及已接受透析患者的PCI(n = 60 523)。此外,我们排除了缺失对比剂用量测量的PCI(n = 7209)。我们进一步排除了术前肌酐水平≤0.3 mg/dL(n = 2247)或>4.0 mg/dL(n = 6419)的患者(将肌酐水平转换为微摩尔每升,乘以88.4);这些患者诊疗中的决策过程与其他患者不同,11 将其纳入分析可能掩盖其他患者中AKI与对比剂用量之间的关联。最终分析队列包括其余2 076 694例次PCI。为确保所推导模型用于前瞻性应用的可推广性,我们在2015年7月1日至2017年3月31日包括961 843例次PCI的队列中,通过实施相同的纳入和排除标准验证了我们的结果。耶鲁大学机构审查委员会批准了本研究,并豁免了使用NCDR注册登记回顾性数据时需获得患者知情同意的要求。本研究遵循个体预后或诊断多变量预测模型的透明报告(TRIPOD)报告指南。

研究结局

主要结局为AKI,其定义为术前与术后肌酐水平之间的差异。我们考虑了AKI严重程度的一个谱系,其由以下3个绝对肌酐水平升高阈值定义:至少0.3 mg/dL、至少0.5 mg/dL和至少1.0 mg/dL。该定义不同于急性肾脏损伤网络(AKIN)12和肾脏疾病改善全球结局(KDIGO)13所用的分期标准。AKIN或肾脏疾病改善全球结局的2期和3期定义在研究队列中导致事件率低于1%,不足以产生有用的风险分层模型。本研究使用的阈值为1期AKI内的分级。既往研究显示,1期AKI内肌酐水平轻度升高与短期和长期不良临床结局以及住院时间延长独立相关。14,15,16

危险因素

我们使用术前AKI风险和对比剂用量作为风险因素来开发指导对比剂剂量的模型。术前风险为1期AKI,根据AKIN定义为肌酐升高至少0.3 mg/dL或达到术前水平的150%的风险。该风险估计用于表征患者的基线风险,并通过先前开发的预测模型计算得出。8 该预测模型来源于NCDR CathPCI注册中心早期队列(手术日期为2009年6月1日至2011年6月30日),使用梯度下降提升法和13个变量构建。这些变量的详细定义和编码见补充材料中的eTable 1。这些基线变量的缺失值中,分类变量以众数填补,连续变量以中位数填补。

统计分析

不同术前风险患者所用对比剂剂量的分布以使用不同对比剂剂量的患者数量和百分比进行总结。个体患者间对比剂使用模式也以二维散点图展示。散点图按观察到的AKI风险着色,该风险由每位患者250个最近邻的事件率估计,最近邻由术前风险和对比剂剂量的马氏距离确定。

为推导和验证模型,我们将最终分析队列随机分为训练集(占队列的50%)和测试集(其余50%)。模型使用训练集构建,模型性能在测试集和一个独立的时间验证集上评估。

我们使用GAM对不同患者对比剂剂量与AKI风险的关联进行建模和预测。为对AKI的3个严重程度进行建模,我们将肌酐变化转换为4个互斥类别(即<0.3 mg/dL;0.3至<0.5 mg/dL、0.5至<1.0 mg/dL和≥1.0 mg/dL)作为因变量,并使用术前风险的对数和对比剂剂量作为预测变量,采用多项logit链接函数。GAM能够通过非线性函数之和学习复杂关联,因此有助于揭示非线性关联和交互作用。17 在本研究中,非线性函数为两个预测变量的三次回归样条张量积。三次回归样条和张量积用于建模预测变量潜在的非线性交互作用。为评估对比剂剂量与AKI关联中非线性和异质性的存在,我们进一步推导了3个替代预测模型,如下:(1)两个预测变量的线性项,(2)线性预测变量加交互项,(3)非线性预测变量无交互项。这些模型对数据的拟合优度通过似然比检验进行比较。这些模型还通过预测值与观察风险的二维等高线图进行视觉比较。我们还通过比较训练集中模型的预测性能与采用比例优势假设的有序logit链接函数的替代模型,检验对比剂剂量与AKI的关联在不同AKI严重程度之间是否存在差异。

采用受试者工作特征曲线下面积(AUC)评估模型区分度,采用校准截距和观察发生率对预测风险十分位数的校准斜率评估校准度。还使用三次样条平滑器提供了平滑校准图,显示模型在更广泛风险范围内的校准情况。采用Brier评分评估预测准确性,其定义为观察结局与预测风险之间差值的均方。Brier评分量化预测相对于观察结果所产生的误差。我们还通过预测风险第一和第十十分位数的观察发生率之差计算模型的预测范围。我们报告了模型预测3种AKI严重程度各自的性能。

为展示预测模型在指导对比剂剂量方面的实用性,我们绘制了预测AKI风险及95%CI随对比剂容积变化的图,涵盖一系列术前风险范围。我们进一步计算了在对比剂容积谱中对比剂容积每增加200 mL时AKI的比值比(OR)和绝对风险差(RD)。为避免超出数据所能提供信息的过度外推,预测仅在术前风险和对比剂容积取值满足训练集中这些值邻域内至少有10例患者时进行计算;邻域定义为术前风险相差5%且对比剂容积相差50 mL。

在验证队列中进一步评估了模型性能,并报告了主分析中的所有性能指标。所有分析均在R版本3.4.0(R Foundation for Statistical Computing)中开发。18 GAM使用mgcv版本1.8.24 R包进行。19 对于所有双侧χ2检验,P < .05被认为具有统计学显著性。

结果

表1描述了纳入推导集和验证集患者的事件发生率、特征和对比剂容积。在由2 076 694例患者组成的推导集中(平均[SD]年龄,65.1[12.1]岁;662 525例[31.9%]女性),133 306例患者(6.4%)肌酐水平升高至少0.3 mg/dL,66 626例(3.2%)肌酐水平升高至少0.5 mg/dL,28 378例(1.4%)肌酐水平升高至少1.0 mg/dL。在由961 843例患者组成的验证集中(平均[SD]年龄,65.7[12.1]岁;305 577例[31.8%]女性),这些发生率分别为62 913例(6.5%)、34 229例(3.6%)和15 555例(1.6%)。与推导集患者相比,验证集患者术前1期AKI风险的中位数(四分位距)更高(5.4%[3.4%-10.0%] vs 5.0%[3.2%-9.2%]),且接受的对比剂容积平均值(SD)更低(182.4[82.3] mL vs 190.6[86.4] mL)。

不同术前风险组患者接受的对比剂容积模式相似(补充材料中的eTable 2)。对于每个术前风险组,约一半患者接受了100至200 mL对比剂,当对比剂容积降至低于100 mL或增至高于200 mL时,该百分比逐渐降低。图1显示了个体患者接受的对比剂容积,按术前风险估计值排序,并按观察到的AKI发生率着色。术前风险较高的患者AKI发生率较高,且总体上随对比剂容积增加而升高。

比较使用线性预测因子与非线性预测因子的模型,非线性存在性检验具有统计学显著性(χ²₂₆ = 1436.2;P < .001)。交互作用存在性检验在比较使用线性预测因子的模型(χ²₃ = 9.1;P = .03)和比较使用非线性预测因子的模型(χ²₂₀ = 105.6;P < .001)时均具有统计学显著性。将观察到的风险与不同候选模型对肌酐水平升高至少0.3 mg/dL风险的预测进行比较,也显示数据对采用非线性和交互作用项的模型拟合更好(补充材料中的eFigure 2)。最后,使用有序连接函数的模型校准度劣于使用多项连接函数的模型(补充材料中的eTable 3),表明使用比例优势设定来建模对比剂用量与不同严重程度AKI之间的关联是不充分的。在测试集上评估时,最佳模型预测肌酐水平升高至少0.3 mg/dL风险的AUC为0.777(95% CI,0.775-0.779),预测肌酐水平升高至少0.5 mg/dL风险的AUC为0.839(95% CI,0.837-0.841),预测肌酐水平升高至少1.0 mg/dL风险的AUC为0.870(95% CI,0.867-0.873)(表2)。其针对各AKI严重程度的校准斜率分别为0.998(95% CI,0.989-1.007)、0.999(95% CI,0.989-1.008)和0.986(95% CI,0.973-0.998)。该模型的Brier评分分别为0.0539(95% CI,0.0538-0.0540)、0.0276(95% CI,0.0275-0.0276)和0.0123(95% CI,0.0123-0.0124),表明误差低且准确性高。补充材料中的eFigure 3显示了所有3种AKI严重程度的观察风险与预测风险之间良好的校准。平滑校准图也显示患者校准良好(图2),除了对较高风险患者略有高估。应用于验证集时,该模型对3种AKI严重程度取得了相似的AUC,分别为0.794(95% CI,0.792-0.795)、0.845(95% CI,0.843-0.848)和0.872(95% CI,0.869-0.875),校准斜率令人满意(肌酐水平升高≥0.3 mg/dL:1.039;95% CI,1.030-1.047;肌酐水平升高≥0.5 mg/dL:1.063;95% CI,1.054-1.074;肌酐水平升高≥1.0 mg/dL:1.103;95% CI,1.089-1.117)(表2;补充材料中的eFigure 4和eFigure 5)。

图3绘制了在术前风险为5%、45%和80%时,肌酐水平升高至少0.3 mg/dL、0.5 mg/dL和1.0 mg/dL的估计风险随对比剂用量变化的函数关系。学习模型(补充材料中的eFigure 6)显示,与其他患者相比,术前风险在25%至75%之间的患者中,较大的风险差异与对比剂用量相关。因此,我们选择这3种术前风险来量化AKI风险与对比剂用量增加之间关联方式的差异。对于每种术前风险,给出了对比剂用量从100 mL增至300 mL、从400 mL增至600 mL或从700 mL增至900 mL时AKI的OR和RD。首先,对于给定的术前风险,在对比剂用量增加200 mL时,AKI的OR在对比剂谱系上存在差异。例如,对于肌酐水平升高至少0.3 mg/dL的风险,术前风险为5%的患者在对比剂用量增加100至300 mL时的OR为1.36(95% CI,1.32-1.43),而在对比剂用量增加400至600 mL时变为1.64(95% CI,1.52-1.77)(图3A;补充材料中的eTable 4)。其次,在相同的对比剂增加量下,不同术前风险组之间的OR存在差异。例如,对于对比剂用量增加100至300 mL,术前风险为45%的患者与术前风险为5%或80%的患者相比具有最高的OR和RD(例如,肌酐水平升高≥0.5 mg/dL的风险:45%术前风险,OR,1.56;95% CI,1.48-1.65;RD,9.7%;95% CI,8.5%-10.8%;5%术前风险,OR,1.41;95% CI,1.33-1.49;RD,0.4%;95% CI,0.3%-0.4%;80%术前风险,OR,1.26;95% CI,1.06-1.50;RD,5.3%;95% CI,1.3%-9.2%)(图3B;补充材料中的eTable 4)。第三,对比剂用量与AKI的关联在不同AKI严重程度级别之间存在差异。例如,对于术前风险为5%的患者,对比剂用量从100增至300 mL以及从400增至600 mL时,肌酐水平升高至少0.5 mg/dL或1.0 mg/dL的OR和RD与肌酐水平升高至少0.3 mg/dL风险的OR和RD相比具有更大的差异(肌酐水平升高≥0.3 mg/dL的风险,对比剂用量增加100-300 mL时,OR,1.36;95% CI,1.32-1.42;RD,1.1%;95% CI,1.0%-1.2%;对比剂用量增加400-600 mL时,OR,1.64;95% CI,1.52-1.77;RD,3.1%;95% CI,2.5%-3.7%;肌酐水平升高≥0.5 mg/dL的风险,对比剂用量增加100-300 mL时,OR,1.41;95% CI,1.33-1.49;RD,0.4%;95% CI,0.3%-0.4%;对比剂用量增加400-600 mL时,OR,1.97;95% CI,1.75-2.21;RD,1.7%;95% CI,1.3%-2.2%;肌酐水平升高≥1.0 mg/dL的风险,对比剂用量增加100-300 mL时,OR,1.51;95% CI,1.36-1.67;RD,0.1%;95% CI,0.1%-0.2%;对比剂用量增加400-600 mL时,OR,2.27;95% CI,1.91-2.70;RD,0.7%;95% CI,0.5%-1.0%)(图3;补充材料中的eTable 4)。

表1. 研究人群特征 查看原表 ↗
图1. 患者术前急性肾损伤(AKI)风险与对比剂用量的散点图该散点图以每位患者250个最近邻估计的观察到的AKI风险进行着色。将肌酐转换为微摩尔每升,乘以88.4。 查看原图 ↗
表2. 预测急性肾损伤风险的模型性能a 查看原表 ↗
图2. 测试集中通过样条曲线预测急性肾损伤模型的校准图。通过三次样条平滑,在观察风险与预测风险中计算肌酐水平绝对升高的风险。若要将肌酐转换为微摩尔每升,乘以88.4。 查看原图 ↗
图3. 急性肾损伤(AKI)风险作为造影剂体积函数的预测。针对术前AKI风险为5%、45%和80%的患者,计算肌酐绝对升高的风险。给出了造影剂体积从100增至300 mL、从400增至600 mL以及从700增至900 mL时AKI风险的比值比(ORs)和绝对风险差(RDs)。彩色条带表示95% CI。若要将肌酐转换为微摩尔每升,乘以88.4。 查看原图 ↗

讨论

我们开发并验证了一个模型,用于量化接受PCI的患者中造影剂体积与3种AKI严重程度风险之间的关联。我们发现,风险增加随造影剂体积和患者基线风险而变化。鉴于我们的结果以及既往研究显示当前造影剂使用在不同患者风险间差异很小,2 该模型有潜力支持个性化的造影剂剂量估计以降低AKI风险。

既往关于指导造影剂剂量的工作侧重于推导造影剂体积的安全上限水平。4,20,21 然而,不同的安全水平是从具有不同纳入标准的队列中推导出来的,这对其在接受PCI的普通患者人群中的应用构成了挑战。6,21,22 此外,关于低于和高于安全水平的增量造影剂体积所伴随的AKI风险信息对决策很有价值。6 此外,这些研究假设AKI风险与造影剂体积之间呈线性关联,忽略了这种关联在不同患者间可能存在的异质性。相比之下,我们的模型建立在超过100万名具有广泛基线风险谱的患者之上,使其适用于接受PCI的普通患者人群。更重要的是,开发该模型时使用的先进分析方法能够深入了解造影剂体积与AKI风险之间更复杂的关联,超越了文献所承认的范围。所发现的AKI与造影剂体积关联在患者间的异质性,可能有助于对造影剂剂量做出个性化决策,甚至可能有助于为是否进行PCI的决策提供信息。

医生根据血清肌酐浓度升高来诊断AKI,但对于诊断AKI所需的升高程度存在不同定义。常见定义采用高于0.3 mg/dL、0.5 mg/dL或1.0 mg/dL的绝对升高、高于25%的相对升高,或绝对升高与相对升高的复合标准。23,24,25,26,27 这些定义会识别出不同的AKI诊断患者;因此,基于1种定义建立的预测模型不能应用于其他定义。28 为开发一种可指导对比剂剂量、且无论所考虑的AKI定义如何均适用的预测模型,我们选择使用肌酐水平绝对升高的3个阈值作为研究结局,包括作为AKIN定义一部分的0.3 mg/dL阈值、既往研究中常用的0.5 mg/dL阈值,以及1.0 mg/dL的最高阈值。提供对不同严重程度AKI的预测,将有助于根据临床医生确定的每例患者严重程度水平进行决策。我们未将相对变化纳入结局定义,因为其取决于基线肌酐水平,并可能在结局与2个预测变量之间的关联中引入不连续性,从而导致建模困难。尽管我们未使用相对肌酐,但可通过使用基线肌酐水平计算相对肌酐以用于决策。所推导的模型同时预测了AKI严重程度范围内的风险,提供了对对比剂剂量与AKI关联的更细致理解,以指导对对比剂剂量的知情决策。

本研究实施的方法可应用于其他临床结局和可改变的操作性危险因素,以研究操作变量与结局风险估计之间的关联,为围绕风险缓解策略的决策提供指导。大量关于临床预测建模的工作基于仅使用基线信息的模型。此类模型可用于基准质量评估和治疗规划。29 通过额外整合操作变量,有机会从数据中识别用于个体化策略的新且有帮助的信息。

我们量化个体患者急性肾损伤(AKI)风险与造影剂用量之间关联的模型,是朝着个体化决策迈出的一步,有助于权衡经皮冠状动脉介入治疗(PCI)的净获益,并制定个体化PCI治疗方案以降低AKI风险。实施该模型还有若干后续步骤。首先,当前模型使用的是注册登记数据,其中部分数据元素需要人工提取。要将该模型整合为床旁决策支持工具,需要实现变量提取的自动化,最可能的方式是从包含临床记录的电子健康档案中自动提取。随着电子健康档案计算能力和先进分析技术的进步,这一需求正日益得到解决,相关研究也是活跃的研究课题。其次,还需要确立通过与临床工作流程整合来有效实施该模型,以促进模型在决策中的实用性。最后,模型提供的预测应结合病例复杂程度和患者风险特征的信息一并考虑。这些因素应在交互式界面中呈现,以供临床医生做出知情决策。

局限性

本研究存在若干局限性。首先,该模型是使用接受造影剂暴露的PCI患者的观察性数据开发的。然而,不同基线风险下观察到的造影剂使用模式相似,确保了因基于基线风险的造影剂使用偏好所导致的偏倚有限。其次,尽管该模型经过了时间验证,但可能需要持续更新,以反映患者特征和数据中关联关系的变化。30 第三,由于队列中缺乏术前风险极高且造影剂用量极高患者的组合数据,该模型无法为这类患者提供预测。然而,对于这些患者,很少考虑使用如此高的用量。在需要使用高用量的情况下,不应将模型的预测用于决策支持,因为我们数据库中高风险患者中具有该暴露的人极少。第四,我们没有关于术后肌酐水平评估时间的信息,且手术当天出院的患者被排除在外。这些遗漏可能导致未能识别出院后肌酐水平升高的AKI。然而,这些患者通常AKI风险最低,且未进行术后肌酐水平评估。该模型仍适用于一般PCI患者,尤其是那些AKI风险升高、最能从该模型中获益的患者。第五,我们无法获取这些患者出院后的结局,以评估所识别的肌酐水平升高与这些结局的关联。进一步研究应探讨该模型是否能降低临床不良结局的风险。第六,本研究未评估造影剂类型与AKI风险的关联,这可能是进一步研究的方向。

结论

我们开发了一个模型,用于估计对比剂用量与接受PCI患者发生AKI风险的关联。我们发现这种关联呈非线性,且在不同基线风险的患者之间存在异质性。该模型提供的信息可指导个体化对比剂剂量,以降低患者发生AKI的风险。还需进一步研究,以在诊疗现场应用并验证该模型,并评估其对决策和结局的影响。

参考来源

  1. Huang C, Li SX, Mahajan S, et al. Development and Validation of a Model for Predicting the Risk of Acute Kidney Injury Associated With Contrast Volume Levels During Percutaneous Coronary Intervention. JAMA Netw Open. 2019. PMID: 31755952. doi:10.1001/jamanetworkopen.2019.16021
  2. 全文:PMC6902830(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6902830/

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。