文献速递重症综合管理与镇静镇痛消化、代谢与肾脏急症

尿NGAL作为脓毒症急性肾损伤生物标志物的临床效用批判性评估:来自观察性FINNAKI研究的数据

Urine NGAL as a biomarker for septic AKI: a critical appraisal of clinical utility-data from the observational FINNAKI study.
PubMed 文献 · Ann Intensive Care · 2020-04-28
一句话结论在484例脓毒症ICU患者中,尿NGAL单独预测急性肾损伤、肾脏替代治疗及90天死亡的能力不足,加入临床模型后净获益仅1.4%–2.5%,不支持其临床使用。

该研究为FINNAKI前瞻性观察研究的事后分析,纳入484例符合Sepsis-3标准的成人ICU脓毒症患者,评估首次尿NGAL对KDIGO急性肾损伤、严重急性肾损伤(KDIGO 2–3期)、3天内肾脏替代治疗及90天死亡的预测价值。尿NGAL的AUC分别为0.690、0.728、0.769和0.600。将尿NGAL加入临床预测模型后,对急性肾损伤、严重急性肾损伤和肾脏替代治疗的判别有统计学改善,但决策曲线分析的净获益仅1.4%–2.5%,每额外获得1例真阳性需检测40–74例患者。结论认为这些推荐的统计学方法不支持在脓毒症危重患者中使用尿NGAL预测急性肾损伤或临床结局。

要点

  • 在484例Sepsis-3脓毒症ICU患者中,首次尿NGAL预测急性肾损伤的AUC为0.690,预测严重急性肾损伤为0.728,预测肾脏替代治疗为0.769,预测90天死亡为0.600。
  • 将尿NGAL加入临床预测模型后,对急性肾损伤、严重急性肾损伤和肾脏替代治疗的判别有统计学改善(P<0.05),但对90天死亡无改善。
  • 决策曲线分析显示,在预设阈值概率下,加入尿NGAL的净获益仅为2.5%(急性肾损伤,95%CI 0.2–4.6%)、1.4%(严重急性肾损伤,95%CI 0.4–4.1%)和1.4%(肾脏替代治疗,95%CI 0.1–2.8%)。
  • 每额外获得1例真阳性需检测的患者数:急性肾损伤40例,严重急性肾损伤71例,肾脏替代治疗74例。
  • 作者结论认为,尿NGAL单独预测脓毒症危重患者急性肾损伤、肾脏替代治疗和90天死亡的能力不足,详细统计学分析不支持其临床效用。

适用人群与场景

  • 484例符合Sepsis-3标准的成人ICU脓毒症患者,来自FINNAKI研究子队列。
  • 患者最初按ACCP/SCCM标准筛查脓毒症,后重新按Sepsis-3标准分类,纳入在ICU最初3天内符合标准者。

诊断标准与关键阈值

  • 脓毒症定义:Sepsis-3标准(第三国际共识定义)。
  • 急性肾损伤定义:KDIGO标准,包括血肌酐和尿量两项标准;基线肌酐取ICU入科前1年内至入科前1周的最后一次可用值,不可用时用MDRD方程假设GFR 75 ml/min/1.73 m²估算。
  • 严重急性肾损伤定义:KDIGO 2–3期。
  • 尿NGAL测量:采用NGAL ELISA Rapid Kit(BioPorto® Gentofte,丹麦),测量范围10–1000 ng/ml;低于10 ng/ml记为10 ng/ml,高于1000 ng/ml记为1000 ng/ml;取首次可用样本(0、12或24小时)用于预测计算。

研究设计与关键结果

  • 研究类型:前瞻性观察性FINNAKI研究的事后分析;样本量484例;人群为符合Sepsis-3标准的成人ICU脓毒症患者。
  • 急性肾损伤发生率44.8%(217/484),严重急性肾损伤27.7%(134/484),肾脏替代治疗9.5%(46/484),90天死亡率28.1%(136/484)。
  • 尿NGAL预测急性肾损伤、严重急性肾损伤、肾脏替代治疗和90天死亡的AUC分别为0.690、0.728、0.769和0.600。
  • 将尿NGAL加入临床预测模型后,对急性肾损伤、严重急性肾损伤和肾脏替代治疗的模型改善有统计学意义(P<0.05),对90天死亡无统计学改善。
  • 决策曲线分析:在预设阈值概率0.3、0.2、0.1、0.05下,加入尿NGAL的净获益分别为2.5%(95%CI 0.2–4.6%)、1.4%(95%CI 0.4–4.1%)、1.4%(95%CI 0.1–2.8%)和无改善(90天死亡)。
  • 每额外获得1例真阳性需检测的患者数:急性肾损伤40例,严重急性肾损伤71例,肾脏替代治疗74例。
  • 敏感性分析排除24例无0小时尿样本的患者后结果不变。

证据类型、等级与局限

  • 证据类型:前瞻性观察性研究的事后分析。
  • 局限:本文为FINNAKI NGAL研究的脓毒症患者亚组事后分析,无法影响样本量;肾脏替代治疗预测价值因事件数少需谨慎解读;不同国家肾脏替代治疗实践差异削弱结果外推性;患者最初按ACCP/SCCM标准筛查,后仅纳入Sepsis-3标准者,可能排除符合Sepsis-3但不符合旧标准者;部分患者测量时可能已存在急性肾损伤;未对尿NGAL进行尿肌酐校正;临床风险模型仅用于评估尿NGAL的增量价值,任何模型在独立外部验证前不应用于临床实践;虽Hosmer–Lemeshow检验及限制变量数不支持过拟合,但不能排除。

对床旁实践的改变

  • 作者结论认为,在危重成人脓毒症患者中,尿NGAL单独预测急性肾损伤、肾脏替代治疗和90天死亡的能力不足,详细的统计学分析不支持其临床效用。
  • 作者指出,每额外获得1例真阳性需检测40–74例患者,鉴于急性肾损伤尚无特异性预防或治疗措施且肾脏替代治疗启动标准仍在研究中,这一检测负担难以接受。
  • 作者指出,临床风险模型仅用于评估尿NGAL的增量价值,任何模型在独立外部验证前不应在临床实践中使用。

指南或共识出处

  • 原文引用指南/共识:Sepsis-3(Third International Consensus Definitions for Sepsis and Septic Shock);KDIGO(Kidney Disease: Improving Global Outcomes)急性肾损伤标准;ACCP/SCCM脓毒症定义;QUADAS-2(Quality Assessment of Diagnostic Accuracy Studies 2)标准。

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」,故未列出这些栏目。
全文中译16 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:Ann Intensive Care. 2020 Apr 28;10:51. doi: 10.1186/s13613-020-00667-7

背景

中性粒细胞明胶酶相关脂质运载蛋白(NGAL)作为急性肾损伤(AKI)检测、演变及预后的生物标志物已被广泛研究[1, 2]。NGAL是一种最初在中性粒细胞颗粒中发现的蛋白质[3],但除肾上皮外,还在多种人体组织中合成——例如呼吸道、胃和结肠。NGAL的所有体内功能尚未完全阐明。它不仅在肾小管损伤时,还在细菌感染、非感染性全身炎症反应综合征以及无细菌感染的慢性和全身性疾病中,在血清和尿液中迅速升高[4]。因此,炎症被认为是阻碍NGAL作为脓毒症重症监护患者AKI生物标志物常规使用的混杂因素[5–7]。

在最近的一项荟萃分析中,尿NGAL(uNGAL)预测脓毒性AKI的受试者工作特征曲线下面积(AUC)为0.90 [8],但各项个体研究规模较小,样本量在45至168之间不等。此外,该荟萃分析的可推广性可能受到质疑,因为65%的脓毒症患者来自亚洲。此外,目前使用的统计方法存在若干缺点:AUC不太适合评估生物标志物的增量价值[9]或评估临床实用性[10]。较新的重分类方法甚至可能使无用的生物标志物看起来适用[11]。尽管显然需要比尿量和血清肌酐更好的工具来早期检测和分类AKI,但现有关于任何肾损伤生物标志物用于AKI诊断、分期、预后或治疗的数据均不充分[12]。

我们此前在一个1042例未筛选的成人重症监护患者大型队列中测试了uNGAL预测AKI、肾脏替代治疗(RRT)和90天死亡率的能力[13]。脓毒症患者占研究人群的46%。与之前的荟萃分析[8]相比,这是迄今为止最大的具有uNGAL测量的脓毒症患者队列。由于我们未单独报告脓毒症患者,他们无法被纳入该荟萃分析[8]。我们现在扩展了分析,使用更复杂的统计方法评估uNGAL在预测脓毒症患者AKI、RRT和90天死亡率方面的实用性:风险评估图(RAP)[14]和决策曲线分析(DCA)[10]。据此,我们使用这些新统计方法,在一个同质性且临床重要的危重脓毒症患者群体中检验了以下假设:uNGAL改善临床风险模型对AKI、RRT和90天死亡率的预测性能。据我们所知,文献中尚无对uNGAL或其临床实用性的类似详细分析。

方法

患者

我们分析了这项FINNAKI NGAL子研究[13]中脓毒症患者的尿液。赫尔辛基大学医院外科系伦理委员会对FINNAKI研究给予了全国性批准[15],采用延迟知情同意政策,并由每位患者或其代理人书面知情同意予以确认。

数据

原始研究[13]的患者被前瞻性筛查,脓毒症依据美国胸科医师学会/危重病医学会(ACCP/SCCM)标准[16]定义。为提高结果的普适性,我们现在使用最新的第三次国际脓毒症与脓毒性休克共识定义(Sepsis-3)标准[17]对这些患者重新分类。我们纳入在重症监护前3天内符合标准的患者。

我们根据肾脏病:改善全球预后(KDIGO)标准定义AKI,包括血浆肌酐和尿量标准[18]。尿量每小时测量,血浆肌酐每日测量。采用前一年至重症监护病房(ICU)入院前1周内最后可得的血浆肌酐值作为基线值。当不可得时,我们使用肾脏病饮食改良方程估算基线肌酐值,假设肾小球滤过率为75 ml/min/1.73 m2 [19]。我们纳入ICU停留前3天内的AKI和RRT数据,选择每位患者最终KDIGO分期的最高分期进行分析。我们从芬兰人口登记中心获取90天死亡率数据。

uNGAL的测定

尿液样本在ICU入院时(0 h)、12 h和24 h采集,并按其他文献所述保存[13]。使用NGAL ELISA快速试剂盒(BioPorto® Gentofte,丹麦)以双份分析样本的人员对患者记录设盲。经过验证的酶联免疫吸附测定(ELISA)方法具有良好的批内和批间精密度[20],测量范围为10–1000 ng/ml。分析时,低于10 ng/ml的值登记为最低可测值(10 ng/ml),高于1000 ng/ml的值登记为最高可测值(1000 ng/ml)。对于预测计算,我们为每位患者选择首个可得的uNGAL测量值(0、12或24 h)。

统计分析

我们测试了四种不同的结局:(1)按原始KDIGO分类定义的AKI(KDIGO 1–3期),(2)“严重”AKI(KDIGO 2–3期),(3)RRT,以及(4)90天死亡率。为模拟临床决策,我们使用ICU入院时可获得的临床变量为这些结局构建了临床风险模型。我们酌情使用Mann–Whitney U检验、卡方检验或Fisher精确检验(双侧p值)检验这些变量与结局的关联。我们进行了多变量logistic回归分析,同时纳入关联最强的变量(见附加文件1:表S1)。为避免过拟合[21],我们将协变量数量限制为每8个因变量终点1个,并按推荐方法[22]对缺失值进行插补(附加文件1:表S1)。为确保满足多变量logistic回归的假设,我们检查了变量之间的相关性,并进行多元回归分析以排除多重共线性(附加文件2)。我们使用Hosmer–Lemeshow检验评估模型拟合优度。此后,我们将uNGAL加入临床风险模型,并获得了针对四种结局的新风险模型(附加文件3)。我们计算了单独uNGAL、临床风险模型以及包含uNGAL的新风险模型的AUC及其95%置信区间(CIs)。为评估uNGAL的预测价值,我们计算了无类别净重分类改善(cfNRI)[23]和综合判别改善(IDI)[24],并为每个结局绘制RAPs[14]。我们在附加文件4:统计方法中详细描述了这些指标。

我们还针对这些结局进行了DCA[10],以说明将uNGAL加入临床预测模型的净获益。DCA将净获益对阈值概率作图。净获益描述了在不产生假阳性结果的情况下获得的新真阳性结果,并随所选阈值概率而变化,即超过该概率则给予患者治疗(例如,收入ICU)。例如,当阈值概率为0、1或0.1时,我们将分别收入所有患者、不收入任何患者或收入风险≥ 10%的患者。阈值概率根据假阴性结果相对于假阳性结果的重要性来选择。阈值概率为0.1意味着我们认为假阴性结果(拒绝必要的ICU收入)的危害是假阳性结果(不必要的ICU收入)的9倍(1–0.1/0.1)。对于更严重的结局,假阴性结果被认为危害更大,阈值则降低。因此,对于AKI、严重AKI、RRT和90天死亡率,我们前瞻性地分别选择阈值概率0.3、0.2、0.1和0.05。我们计算了检验权衡,以确定每额外获得1例真阳性分类所需检测的最少患者数[25]。最后,我们进行了敏感性分析,排除了没有0小时尿样本的患者。

我们以中位数及四分位距(IQRs)或绝对数(百分比及95% CIs)呈现数据。统计分析使用SPSS 22软件(SPSS Inc.,Chicago,IL,USA)、MedCalc Statistical Software version 18(MedCalc Software bvba,Ostend,Belgium;http://www.medcalc.org;2018)和R 3.4.3(R Development Core Team,Vienna,Austria)进行。

结果

我们纳入了484例符合Sepsis-3定义的患者(图1)。表1展示了患者特征。在AKI患者中,115/217(53%)在第1天发生AKI,87/217(40%)在第2天发生,15/217(7%)在第3天发生。在ICU最初3天内接受RRT治疗的46例患者中,20例(43%)在ICU第1天开始RRT,19例(41%)在第2天开始,7例(15%)在第3天开始。用于预测结局的uNGAL测量值为0小时样本的有460/484例(95%),12小时样本的有9例(2%),24小时样本的有15例(3%)。首次测量的uNGAL在48例患者(10%)中低于检测限,在110例患者(23%)中高于检测限。

图1 研究流程图 查看原图 ↗
表1 484例重症脓毒症患者的特征 查看原表 ↗

AUC

uNGAL预测ICU最初3天内AKI、严重AKI和RRT以及第90天死亡的AUC见表2。将uNGAL加入临床风险模型后,对AKI、严重AKI和RRT结局产生统计学显著的模型改善(所有p < 0.05),但对90天死亡率无显著改善(表2)。

表2 将尿NGAL加入临床风险模型后对各终点的模型改善 查看原表 ↗

cfNRI、IDI和RAP

cfNRI和IDI值综合表明,加入uNGAL后模型向正确方向变化。模型对RRT的改善最为显著(表2,图2c)。RAP对AKI和严重AKI显示出可变效应(图2a、b),对RRT效应更为持续(图2c),但对90天死亡率预测的改善可忽略不计(图2d)。

图2 风险评估图展示模型增强,a AKI,b 严重(KDIGO 2–3级)AKI,c RRT,d 90天死亡率。虚线(基线模型)代表临床风险模型,实线代表加入uNGAL的新风险模型。实线与虚线之间的灰色区域代表IDIevents(黑线之间区域)和IDInonevents(红线之间区域)。a 从曲线目测估计,当事件风险大于约45%时,将uNGAL加入临床风险模型可改善对将发生AKI患者的区分,当事件风险小于约50%时可改善对不会发生AKI患者的判别。b 对于严重AKI,当事件(=严重AKI)风险大于约25%时,将uNGAL加入临床风险模型可改善对KDIGO 2–3级患者的区分,当事件风险小于约30%时有助于区分KDIGO 0–1级患者。c 将uNGAL加入临床风险模型,当事件风险低于约40%时可改善对最终需要RRT个体的分配性能,当事件风险低于约10%时可增强对最终不需要RRT个体的判别。d 相应统计量见表2,临床90天死亡率风险模型和加入uNGAL的新模型的RAP表明,当事件风险> 40%时,uNGAL对区分第90天将死亡的患者仅提供极小增强 查看原图 ↗

决策曲线分析(DCA)和净获益

在预先定义的0.3阈值概率下,将uNGAL加入临床AKI风险模型可获得2.5%(95% CI 0.2–4.6%)的净获益(图3a)。对于重度AKI(阈值概率0.2)和RRT(阈值概率0.1),净获益分别为1.4%(0.4–4.1%,图3b)和1.4%(0.1–2.8%,图3c)。90天死亡率预测在阈值概率0.05时未改善(图3d)。检验权衡值(为获得额外一例真阳性所需检测的最低患者数,即净获益的倒数)为:AKI 40,重度AKI 71,RRT 74。排除24例无0小时样本的患者后重复分析,结果未改变(见附加文件5)。

图3 决策曲线分析:a AKI,b 重度(KDIGO 2–3)AKI,c RRT,d 90天死亡率。黑色虚线(基线模型)代表临床风险模型,红色虚线代表加入uNGAL的新模型。黑色实线:假设无患者发生结局。灰色实线:假设所有患者均发生结局。a 由于新模型曲线高于基线曲线,DCA显示在阈值概率约0.25–0.35时识别将发生AKI的患者具有净获益(NB)。在预先定义的阈值概率0.30时,NB幅度为2.5%(95% CI 0.2–4.6%)。然而,在阈值概率0.4时,完全没有NB。请注意,如果模型未偏离“所有预期阳性”的灰色线,则两者在该阈值概率下对预期所有均为阳性的策略均无额外贡献,不应使用。b 对于重度AKI,在阈值概率0.2时NB为1.4%(95% CI 0.4–4.1%)。与AKI一样,NB在临床相关阈值概率区域内不持续存在。c 将uNGAL加入临床RRT风险模型,在阈值概率0.10时识别最终需要RRT的患者方面给出1.4%(95% CI 0.1–2.8%)的NB。请注意,在阈值概率约0.35时曲线相交。d 临床90天死亡率风险模型与包含uNGAL的临床模型的决策曲线在风险阈值0.05时未分离,因此显示将uNGAL加入临床风险模型无NB 查看原图 ↗

讨论

在这项纳入484例危重脓毒症患者的扩展统计分析中,我们发现单独使用uNGAL对AKI的预测能力较差——并不优于使用ICU入院数据的临床预测模型。将uNGAL加入临床预测模型对AKI、重度AKI和RRT的预测有轻度改善,但改善幅度无临床意义。这些发现与当前荟萃分析的结论严重矛盾,不支持uNGAL在危重脓毒症患者中的实用性。

uNGAL的AUC

在这项脓毒症患者研究中,ICU中获取的首个可用uNGAL对AKI的AUC为0.690,与FINNAKI研究中1042例非选择性ICU患者前24小时内最高uNGAL的AUC 0.733相似[13]。我们的结果与近期一项评估NGAL在脓毒症患者中性能的荟萃分析所纳入12项研究的合并AUC(0.90)不一致[8]。重要的是,Zhang等[8]荟萃分析中的各项研究样本量较小——最大的一项研究纳入了168例患者。该荟萃分析的可推广性可能受到质疑,因为总共纳入的1263例研究患者中近三分之二来自同一个国家——中国。此外,纳入的研究中有两项(228例患者)在急诊科而非ICU进行。研究人群中疾病严重程度和合并症(如慢性肾脏病)的患病率可能与我们的研究不同。根据诊断准确性研究报告质量评价工具2(QUADAS-2)标准,大多数单项研究的偏倚风险未得到恰当处理[8]。在纳入的研究中,我们的结果与Hjortrup等[26]的丹麦研究具有可比性,这可能源于病例构成和诊疗措施与高收入国家当前临床实践的相似性。在本脓毒症队列中,与原始FINNAKI NGAL亚研究[13]相对应,uNGAL预测RRT的点估计AUC似乎最佳(AUC 0.769)。然而,根据我们的结果,单用uNGAL不足以预测脓毒症患者的AKI、RRT或90天死亡率。

临床预测模型的改进

基于IDI值,将uNGAL加入临床参考模型可改善对结局的预测。IDI和cfNRI值在某种程度上难以解读,但RAP通过在发生事件和未发生事件的患者中展示这些指标,揭示了模型在不同事件风险下的改善或恶化。曲线显示模型改善因事件风险不同而异。

uNGAL的临床实用性

广泛使用且易于解读的AUC将真阳性率(敏感度)对假阳性率(1减去特异度)作图,为我们提供预测风险的连续截断值。为指导临床实践中的决策,需要生物标志物的截断值(或决策阈值)将患者分为低风险和高风险组,但此类数值在生物标志物研究中并非总有报告[8]。AUC能够比较不同检测方法对同一疾病的整体性能,但不能告诉我们某一标志物为已有风险预测模型增值的能力,或在缺乏此类模型时为临床判断增值的能力。

我们使用了DCA图[10],该图展示了模型在一系列不同的事件阈值概率下的净获益。DCA能够比较临床模型和包括NGAL在内的新模型。DCA图,尤其是AKI和严重AKI的DCA图,显示在临床相关阈值概率范围内,将uNGAL加入临床风险模型后净获益的增加程度有所不同。临床医生选择最佳阈值概率,在假阳性和假阴性分类的危害之间进行权衡。我们选择随着事件严重程度增加而降低阈值。在40(针对AKI)和74(针对RRT)之间的检测权衡比——即每额外检测出一例真阳性所需的最少检测患者数——几乎不可接受,因为目前尚无针对AKI的特异性预防或治疗方法,且RRT启动标准仍在研究中[27]。

局限性与优势

本研究存在一些明显的局限性需要考虑。首先,由于这是对大型FINNAKI NGAL研究[13]中脓毒症患者亚组的事后分析,我们无法影响样本量。因此,我们的结果,尤其是uNGAL对RRT的预测价值,由于事件数量较少,必须谨慎解读。此外,不同国家在使用RRT方面的临床实践差异降低了我们研究结果的普适性。然而,据我们所知,这是最大的连续纳入重症监护患者、研究脓毒症中uNGAL的多中心队列。其次,尽管研究患者最初是使用原ACCP/SCCM脓毒症标准进行筛选的,但我们现在仅纳入符合最新Sepsis-3定义的脓毒症患者。这可能导致符合Sepsis-3标准但不符合原标准的患者被排除。第三,部分患者在测量时可能已存在AKI,这是所有预测性生物标志物研究中的共同问题。我们进行了一项敏感性分析,排除了24例无0小时尿液样本的患者,但结果未发生变化。第四,我们未对uNGAL进行尿肌酐校正[28]。最后,所呈现的临床风险模型的目的是评估uNGAL的增量价值,即uNGAL在临床推理基础上增加的信息。重要的是,任何模型在进行独立外部验证之前都不应用于临床实践。尽管Hosmer–Lemeshow拟合优度检验的结果以及限制模型中变量数量并不支持过拟合,但仍不能排除过拟合的可能。

我们的研究也有一些优势。为模拟临床适用性并进行公平比较,我们将临床风险模型的变量限制为入住ICU时可获得的变量。我们进行了扩展的统计分析,使用最新推荐的第统计方法(包括按推荐意见[25, 29, 30]对假阴性和假阳性进行变量加权)来审视所提出的AKI生物标志物的临床实用性。我们认为我们对484例患者的详细分析显著补充了现有来自1263例脓毒症患者的uNGAL合并数据[8]。

结论

我们得出结论:在重症成人脓毒症患者中,单独使用uNGAL在预测AKI、RRT和90天死亡率方面表现不足。详细的统计分析不支持uNGAL在该患者人群中的临床实用性。

补充信息

附加文件1:表S1。在单变量模型中探讨的变量与结局的关联。

附加文件2:变量之间的相关性及多重共线性检验结果。

附加文件3:多变量模型及决策曲线分析结果。

附加文件4:统计学方法。

附加文件5:敏感性分析(原始数据)。

参考来源

  1. Törnblom S, Nisula S, Petäjä L, et al. Urine NGAL as a biomarker for septic AKI: a critical appraisal of clinical utility-data from the observational FINNAKI study. Ann Intensive Care. 2020. PMID: 32347418. doi:10.1186/s13613-020-00667-7
  2. 全文:PMC7188747(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7188747/

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。