文献速递消化、代谢与肾脏急症重症综合管理与镇静镇痛

SEA-MAKE评分作为预测危重急性肾损伤患者主要不良肾脏事件的工具:SEA-AKI研究结果

SEA-MAKE score as a tool for predicting major adverse kidney events in critically ill patients with acute kidney injury: results from the SEA-AKI study.
PubMed 文献 · Ann Intensive Care · 2020-04-16
一句话结论SEA-MAKE评分可预测ICU急性肾损伤患者28天内主要不良肾脏事件,但广泛使用前需外部验证。

本研究为前瞻性多中心观察性队列研究,纳入泰国17个ICU中5071例成人患者,其中2856例(56%)发生急性肾损伤(AKI)。在AKI患者中,1749例(61%)发生主要不良肾脏事件(MAKE),包括死亡1175例(41.4%)、透析410例(14.4%)和肾功能未恢复1154例(40.7%)。研究基于9个预测因子(低格拉斯哥昏迷评分3分、呼吸急促1分、使用血管升压药1分、机械通气2分、少尿2分、血清肌酐升高≥3倍5分、高血尿素氮3分、低血细胞比容2分、血小板减少1分)构建SEA-MAKE评分,其 optimism-corrected AUC 为0.80(0.78,0.81); cutoff值为7时,敏感性0.75、特异性0.76、阳性似然比3.10、阳性预测值0.84。作者认为该评分简单易用,可能有助于资源有限环境中预测MAKE,但需外部验证后方可广泛使用。

要点

  • SEA-MAKE评分由9个床旁指标构成:低GCS 3分、呼吸急促1分、血管升压药1分、机械通气2分、少尿2分、肌酐升高≥3倍5分、高BUN 3分、低Hct 2分、血小板减少1分。
  • 在AKI首日患者中,cutoff值7分时敏感性0.75、特异性0.76、阳性似然比3.10、阳性预测值0.84。
  • 在首日后发生AKI的患者中,cutoff值5分时敏感性0.71、特异性0.65、阳性似然比2.03、阳性预测值0.71。
  • 评分需使用入ICU后首个24小时内各预测因子的最差值计算。
  • SEA-MAKE评分 optimism-corrected AUC 0.80(0.78,0.81),内部验证校准 α=1.001、β=0。

适用人群与场景

  • 年龄>15岁、入住ICU的成人患者,来自泰国17个ICU(16家医院),包括大学、区域和省级医院。
  • 排除终末期肾病接受慢性透析的患者;仅使用首次入院数据。
  • AKI诊断依据KDIGO标准;若基线肌酐不可得且无CKD史,采用入院时肌酐与基于MDRD方程(GFR 75 mL/min/1.73 m2)反推值中的较低者作为基线。
  • 尿量标准修改为24小时尿量:>0.5 mL/kg/h为无AKI,0.3–0.5 mL/kg/h为KDIGO 2期,<0.3 mL/kg/h为KDIGO 3期。

诊断标准与关键阈值

  • MAKE28定义:ICU入科后28天内出院前满足以下一项或多项:死亡(任何原因)、接受任何模式肾脏替代治疗、或出院前最终血清肌酐≥基线值的200%。
  • SEA-MAKE评分 cutoff 值:AKI首日组为7分;首日后AKI组为5分。
  • 评分计算采用入ICU后首个24小时内各预测因子的最差值。

研究设计与关键结果

  • 研究类型:前瞻性网络多中心观察性队列研究(SEA-AKI研究),2013年2月至2015年7月纳入泰国17个ICU的成人患者。
  • 共5381例符合条件,排除382例无血尿样本及258例ESRD后,5071例纳入分析;其中AKI 2856例(56%),非AKI 2215例(44%)。
  • AKI患者中1749例(61%)发生MAKE:死亡1175例(41.4%)、新发RRT 410例(14.4%)、肾功能未恢复1154例(40.7%)。
  • 最终模型9个预测因子及其OR(95%CI):低GCS 2.72(2.17,3.40)、呼吸急促1.55(1.29,1.86)、血管升压药使用1.56(1.30,1.88)、机械通气1.81(1.45,2.27)、少尿1.78(1.48,2.14)、肌酐升高≥3倍4.77(3.38,6.73)、高BUN 2.33(1.89,2.86)、低Hct 1.81(1.50,2.19)、血小板减少1.40(1.15,1.70)。
  • SEA-MAKE评分 optimism-corrected AUC 0.80(0.78,0.81);明显性能AUC 0.797(95%CI 0.780–0.813),bias-corrected bootstrap AUC 0.799(95%CI 0.780–0.813)。
  • 与SOFA第1天、APACHE II、SOFA肾脏第1天比较,AUC分别为0.75(0.73,0.77)、0.74(0.72,0.75)、0.70(0.68,0.72)。
  • AKI首日组(n=2154)AUC 0.82(0.80,0.84),首日后AKI组(n=702)AUC 0.73(0.70,0.77)。
  • 校准分析:α截距1.001、β斜率0。

证据类型、等级与局限

  • 证据类型:前瞻性多中心观察性队列研究,内部验证采用bootstrapping法(2000次bootstrap样本)。
  • 局限:研究人群疾病多样性可能影响临床病程和结局,但病因未能纳入评分。
  • 局限:与APACHE II和SOFA比较的内部验证并非真正外部验证,且这些评分并非直接为预测MAKE设计,结果需谨慎解读。
  • 局限:MAKE28结局仅基于住院数据,不能外推至出院后事件。
  • 局限:作者结论指出广泛使用前需外部验证。

对床旁实践的改变

  • 作者认为SEA-MAKE评分是首个可用于床旁预测ICU AKI患者MAKE28的简化临床评分,可能有助于常规ICU护理中预测MAKE。
  • 作者认为该工具易于使用,即使在资源有限环境中也可行。
  • 作者指出模型内部验证性能充分,但广泛使用前需外部验证。

指南或共识出处

  • SEA-MAKE评分源自SEA-AKI研究,发表于Annals of Intensive Care。

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13 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 16;10:42. doi: 10.1186/s13613-020-00657-9

背景

急性肾损伤(AKI)在危重患者中的发生率高达70%;AKI患者的发病率和死亡率均较高[1]。从AKI中存活的患者将面临进展为慢性肾脏病(CKD)和终末期肾病(ESRD)的长期风险,这给医疗系统带来了沉重负担。尽管实验模型已经产生了许多有前景的AKI治疗药物,然而,这些药物未能转化为临床实践[2, 3]。

为解决这些问题,美国国家糖尿病、消化和肾脏疾病研究所(NIDDK)急性肾损伤临床试验工作组建议在确诊AKI的3期临床试验中使用“死亡、接受透析和持续性肾功能丧失的复合终点”[4],该终点通常被称为主要不良肾脏事件(MAKE),类似于冠状动脉疾病的主要不良心脏事件(MACEs)[5]。MAKE由三个临床重要结局组成,具有合理的事件发生率,同时反映了以患者为中心的短期和长期结局[6]。

多项回顾性研究使用电子病历设计MAKE的预测模型[7–9]。然而,尚无基于前瞻性研究数据的MAKE预测模型。如果能在住院期间预测MAKE,将有助于识别高危AKI患者以进行可能的靶向干预。

本研究的目的是建立一个评分系统,用于预测ICU患者AKI后28天内主要不良肾脏事件(MAKE 28),该系统易于使用且适用于许多医院,尤其是在资源有限的环境中。

方法

患者与研究设计

这是一项前瞻性多中心观察性队列研究,也称为东南亚AKI队列研究,在泰国各地16家医院的17个ICU中进行。研究站点包括大学医院、区域医院和省级医院。2013年2月至2015年7月期间入住参与ICU的所有年龄大于15岁的患者均纳入研究。排除接受慢性透析的ESRD患者。如果患者在研究期间多次入院,仅使用首次入院的数据。未进行正式样本量计算,因为样本量固定为东南亚AKI队列[10]。使用所有可用数据以最大化所提出模型的效能和泛化性。

伦理声明

研究方案经各参与站点的机构审查委员会审查,并豁免知情同意。

数据收集

所有数据均在患者于研究站点在线注册后,收集于一个网络平台。收集了人口学、临床和实验室数据。收集了以下人口学数据:年龄、体重指数、性别、合并疾病(高血压、糖尿病、冠状动脉疾病、脑血管疾病、恶性肿瘤和慢性肾脏病)、入院和入住ICU的时间,以及患者入住ICU时的主要诊断。收集了入住ICU时的临床数据:患者的生命体征、液体平衡状态、患者是否使用血管升压药或机械通气、肾脏替代治疗、急性生理与慢性健康评价(APACHE)II评分,以及入住医院后前3天的序贯器官衰竭评价(SOFA)评分。获取了实验室数据,如全血细胞计数、血清肌酐和血尿素氮水平(如有)。前7天每天收集数据,之后每周收集一次,直至第28天。然而,仅使用第一天的参数作为预测变量来构建模型。

研究结局

主要结局是28天内符合主要不良肾脏事件(MAKE28)一项或多项标准的患者:死亡、接受透析和/或持续性肾功能丧失。院内死亡定义为入住ICU后28天内出院前因任何原因死亡。接受透析定义为入住ICU后28天内出院前接受任何模式的肾脏替代治疗。持续性肾功能丧失定义为入住ICU后28天内出院前最后一次血清肌酐值为基线肌酐值的200%或以上。

研究定义

AKI依据KDIGO标准诊断[3]。对于基线血清肌酐,使用入院前1年内最近一次可获取的数值。如果真实基线肌酐水平不可获取且患者既往无CKD病史,我们使用入院时血清肌酐值与根据肾脏病饮食改良(MDRD)方程、以肾小球滤过率75 mL/min/1.73 m2反向计算血清肌酐所得值之间的最低值来估算基线血清肌酐[11],此为KDIGO指南[3]所推荐。对于尿量标准,修改为使用24小时尿量。尿量> 0.5 mL/kg/h的患者定义为无AKI,0.3–0.5 mL/kg/h定义为KDIGO 2期,< 0.3 mL/kg/h定义为KDIGO 3期[11]。MAKE定义为死亡、接受透析和持续性肾功能丧失的复合终点[4]。

采用国际疾病分类第10版编码对重症监护室(ICU)入住诊断进行分类。入住ICU的主要诊断及急性肾损伤(AKI)的病因由研究团队确定。“肾脏相关疾病”的定义为AKI、肾小球疾病、与肾脏疾病相关的电解质失衡和/或泌尿道结石。高血压根据《美国预防、检测、评估与治疗高血压全国联合委员会第七次报告》(JNC 7)定义[12]。慢性肾脏病根据KDIGO 2012《慢性肾脏病评估与管理临床实践指南》诊断[13]。

使用入院前的实际体重值计算尿流率,若无法获取,则按以下公式计算理想体重:男性为身高(cm)—100,女性为身高(cm)—110。体重指数(BMI)分级采用世界卫生组织专家咨询标准:最佳BMI为18.5–22.9 kg/m2,超重为BMI > 23 kg/m2,肥胖为BMI > 27.5 kg/m2 [14]。本研究中几乎所有患者均为亚洲人。

统计分析

分类数据以计数和百分比表示。连续数据若呈正态分布,以均数和标准差(SD)表示;若非正态分布,以中位数和四分位距表示。MAKE组与非MAKE组之间的比较,分类变量采用Pearson卡方渐近检验和Fisher精确检验。同时,连续变量采用Student t检验(若数据呈正态分布)或Kruskal–Wallis单向秩和检验(若数据呈非正态分布)。正态性通过图形可视化评估,并比较均数与中位数的相似性。统计分析使用IBM SPSS Statistics第21版完成。P值< 0.05被视为具有统计学意义。

在开发队列中,最初考虑了所有潜在的临床因素。在单变量逻辑回归方法中具有统计学意义的变量被输入多变量逻辑回归方法。在多变量分析模型中,每个临床因素均针对年龄、性别、体重指数以及高血压、糖尿病、冠状动脉疾病、脑血管疾病、恶性肿瘤和慢性肾脏病等合并症进行调整,以检验其潜在的可预测性。在多变量逻辑回归方法中具有统计学意义的变量被选为MAKE的预测因子。然后,显著的预测因子被纳入最终分析。缺失数据超过25%的候选变量最终被排除。对于非完全随机缺失的数据,在最终模型中对缺失的候选变量进行了多重插补(n = 10)。在逐步向前Wald选择法下运行了调整协变量的多变量二元逻辑回归分析。参数估计值从10次插补的合并数据中获得。使用Schneeweiss评分系统[15]将完整模型转换为简化评分分值。计算方差膨胀因子(VIF)和容差系数以检验协变量之间的多重共线性。VIF值超过10通常被认为提示多重共线性,但在较弱模型中(逻辑回归中常常如此),高于2.5的值可能值得关注[16]。容差值低于0.1表明存在严重的共线性问题,如果值小于0.2,则表明存在潜在的共线性问题[17, 18]。

使用自举法进行内部验证[19]。共抽取2000个自举样本,在每个自举样本中拟合包含所有纳入变量的最终模型。随后使用Schneeweiss评分系统[15]重新简化评分和分值分配。使用以下性能指标评估评分的表观性能:Nagelkerke R2(整体性能)[20]、受试者工作特征曲线下面积(AUC)(能够区分MAKE和非MAKE患者)以及校准图[19, 21]。如果AUC = 1,则表明具有完美的区分度。如果AUC = 0.5,则区分度不优于随机。从观测结局(因变量)对预测风险(自变量)的线性回归中获得校准截距α和斜率β,以表明预测值平均而言接近平均观测结局。在校准曲线分析中,截距α = 0且斜率β = 1意味着模型校准良好。

在此内部验证分析中,我们还尝试将SEA-MAKE评分的区分度(AUC)与APACHE II、第1天SOFA和第1天SOFA-肾脏进行比较,尽管我们认识到使用内部验证的局限性可能会高估SEA-MAKE评分相对于其他评分的性能,且比较应在真正的外部验证环境下进行。

结果

所有5381例病例均符合该队列条件。我们排除了382例因无血液和尿液样本的病例,以及258例患有终末期肾病(ESRD)的病例。排除这些患者后,共有5071例可用于分析(图1)。在可分析病例中,2856例(56%)为AKI患者,2215例(44%)为非AKI患者。在AKI患者中,1749名受试者符合一项或多项MAKE标准:死亡(n = 1175;41.4%)、新发肾脏替代治疗(RRT)(n = 410;14.4%)和肾功能未恢复(n = 1154;40.7%)。所有AKI病例均纳入开发队列,以建立预测MAKE28的临床评分(SEA-MAKE评分)。开发队列中ICU入科时的主要诊断大多数为肺部疾病(29.7%)、心血管疾病(26.5%)和感染性疾病(15.8%)(附加文件1:表S1)。

图1 研究流程图。a死亡率;15例数据缺失,b未恢复;23例数据缺失 查看原图 ↗

开发队列分析

在开发队列中,入组时MAKE与非MAKE患者临床和实验室特征比较的单因素分析见表1。发现许多参数如糖尿病、慢性肾脏病(CKD)、格拉斯哥昏迷量表评分、体温、心率、呼吸频率、平均动脉压、血细胞比容、血小板计数、血清钠、血清钾、血尿素氮、血清肌酐、总胆红素、PaO2/FiO2比值、动脉血pH、尿量、净液体平衡、机械通气和血管加压药使用在MAKE与非MAKE患者之间差异有统计学意义。然而,年龄、体重指数、性别、高血压、冠状动脉疾病、脑血管疾病、恶性肿瘤和慢性健康评分在两组之间未发现差异有统计学意义。

在逻辑回归分析中,校正年龄、性别、体重指数和合并症(高血压、糖尿病、冠状动脉疾病、脑血管疾病、恶性肿瘤和慢性肾脏病)后,确定MAKE与显著较低的格拉斯哥昏迷量表评分[OR(95% CI)4.27(3.48,5.23)]、较低的平均动脉压[OR(95% CI)2.25(1.73,2.93)]、较低的血细胞比容[OR(95% CI)2.27(1.91,2.69)]、较低的尿量[OR(95% CI)1.78(1.52,2.10)]和较低的血小板计数[OR(95% CI)2.22(1.87,2.65)]相关。相反,确定MAKE与显著较高的体温[OR(95% CI)1.74(1.30,2.32)]、较高的心率[OR(95% CI)0.78(1.51,2.08)]、较高的呼吸频率[OR(95% CI)2.29(1.94,2.70)]、较高的正性液体平衡[OR(95% CI)2.34(1.98,2.76)]、较高的血尿素氮[OR(95% CI)3.97(3.30,4.78)],尤其是较高比例的血清肌酐较基线水平升高≥3倍[OR(95% CI)10.18(7.34,14.12)]相关(图2)。

在采用基于多变量回归的方法创建SEA-MAKE评分时,对缺失值进行多重插补后,候选预测变量在协变量调整下以向前Wald选择法纳入分析。最终模型中有9个预测变量具有显著性:低格拉斯哥昏迷量表评分[OR(95% CI)2.72(2.17,3.40)]、呼吸急促[OR(95% CI)1.55(1.29,1.86)]、使用血管升压药[OR(95% CI)1.56(1.30,1.88)]、接受机械通气[OR(95% CI)1.81(1.45,2.27)]、少尿[OR(95% CI)1.78(1.48,2.14)]、血清肌酐升高≥3倍[OR(95% CI)4.77(3.38,6.73)]、高血尿素氮[OR(95% CI)2.33(1.89,2.86)]、低红细胞压积[OR(95% CI)1.81(1.50,2.19)]和血小板减少症[OR(95% CI)1.40(1.15,1.70)](表2)。简化评分分值(Schneeweiss评分系统)为:低格拉斯哥昏迷量表评分为3分,呼吸急促为1分,使用血管升压药为1分,接受机械通气为2分,少尿为2分,血清肌酐升高≥3倍为5分,高血尿素氮为3分,低红细胞压积为2分,血小板减少症为1分。所有方差膨胀因子(VIF)均小于1.3,容差系数超过0.79,意味着协变量之间不存在潜在的多重共线性。

表1 开发队列中MAKE与非MAKE患者的临床和实验室特征(n = 2856) 查看原表 ↗
图2 预测主要不良肾脏事件(MAKE28)的比值比的log-10尺度森林图(经年龄、性别、体重指数以及高血压、糖尿病、冠状动脉疾病、脑血管疾病、恶性肿瘤和慢性肾脏病等合并症调整) 查看原图 ↗
表2 使用多变量回归方法创建简化SEA-MAKE评分系统a 查看原表 ↗

评分性能与内部验证

评分的整体性能(Nagelkerke's R2)为0.329。表观性能的区分度(AUC)为0.797(95% CI 0.780–0.813),偏倚校正的Bootstrap性能为0.799(95% CI 0.780–0.813)(附加文件1:图S1),乐观度校正性能为0.795。当我们将SEA-MAKE评分的区分度与第1天SOFA、APACHE II和第1天SOFA肾脏评分进行比较时,这些评分的AUC(95% CI)分别为0.75(0.73,0.77)、0.74(0.72,0.75)和0.70(0.68,0.72)(图3a)。我们还发现,SEA-MAKE评分应用于第1天即发生AKI的患者(n = 2154)时,与第1天之后发生AKI的患者(n = 702)相比具有更高的区分能力,AUC(95%)分别为0.82(0.80,0.84)和0.73(0.70,0.77)(图3b)。基于简化模型,SEA-MAKE评分可通过将各预测变量的简化评分分值相加来计算。当第1天AKI组(AKI D1)的截断值为7时,敏感度为0.75,特异度为0.76,阳性似然比为3.10,阳性预测值为0.84。当第1天之后AKI组(AKI after D1)的截断值为5时,敏感度为0.71,特异度为0.65,阳性似然比为2.03,阳性预测值为0.71(附加文件1:表S2)。

在校准曲线分析中,X轴代表主要不良肾脏事件(MAKE)的预测风险,Y轴代表MAKE的观察风险,蓝色直线代表完美拟合,红点代表每个分箱中偏倚校正Bootstrap样本的平均MAKE。校准截距α = 0和校准斜率β = 1.001见附加文件1:图S2。

图3 用于评估评分系统预测MAKE性能的受试者工作特征(ROC)曲线下面积。a 将SEA-MAKE的性能与SOFA第1天、APACHE II和SOFA-肾脏第1天进行比较。b SEA-MAKE评分系统区分第一天发生急性肾损伤(AKI)(AKI第1天)和第一天之后发生AKI(AKI第1天后)患者的能力 查看原图 ↗

讨论

尽管许多用于预测危重症患者AKI的AKI风险预测模型已被广泛研究和开发,但MAKE预测模型仍未被提出[22–24]。SEA-MAKE评分是首个用于预测ICU患者AKI后主要不良肾脏事件的简化临床评分,可用作即时检测(POC)。总之,用于开发该评分的九个参数为格拉斯哥昏迷量表、呼吸频率、血管升压药使用、机械通气、尿量、血清肌酐升高、血尿素氮、血细胞比容和血小板计数。如果每个预测变量存在多个实验室值,应使用入住ICU后最初24小时内测得的每个预测变量的最差值。重要的是,该评分易于计算,可应用于大多数医院,甚至在资源有限的环境中也是如此。尽管MAKE预测模型最早由McKown等人于2017年发表[9],但该模型源自一项使用电子健康记录创建基于指数方程的模型的回顾性研究。此外,先前开发的评分系统难以在现实患者诊疗环境中使用。然而,SEA-MAKE评分可用作POC(附加文件1:图S3)。SEA-MAKE评分系统可用于在患者发生AKI前的最初24小时内评估MAKE,或在第一天之后发生AKI(AKI after D1)的患者48小时时进行评估(附加文件1:表S3)。我们还发现,SEA-MAKE评分在大学医院和区域医院的预测能力高于省级医院(附加文件1:表S4)。

本研究未进行正式的样本量计算,因为其固定于东南亚AKI研究[10]。使用了该队列所有可用数据以最大化效能和推广性。然而,在开发预测模型时具有足够的样本量很重要;这是确定何为“足够”与否的标准方法[25]。一些专家可能建议,模型推导时每个候选变量至少10个事件,验证研究至少100个事件,作为足够的样本量[26]。基于这一概念,本研究人群远远大于最低要求。我们排除了缺乏血液和尿液样本的患者,因为我们无法确定谁是否发生AKI。此外,用于预测MAKE的参数大多与血液和尿液数据相关。因此,没有血液和尿液数据,我们将无法使用评分系统预测哪些AKI患者会发生MAKE。

关于本研究中使用复合终点,有几个优点。首先,复合终点提高了事件发生率,从而增强了统计效能。其次,复合终点可能减少因竞争风险导致的偏倚(例如,死亡是发生AKI的竞争风险,而RRT是血清肌酐水平翻倍的竞争风险)[6]。然而,使用复合终点的缺点也需要加以讨论。首先,我们不知道哪些预测因子对复合结局的各个组成部分有贡献。其次,当各结局在临床相关性和对患者的重要性方面差异显著时,可能会产生误导,例如,当最不重要的结局贡献了最多的事件数时[6]。因此,我们还分别在每个单独终点中研究了SEA-MAKE评分在MAKE复合终点中的AUC,如附加文件1:表S5所示。

本研究有几个优势。首先,这是一项大型多中心、系统性前瞻性收集数据的研究,在泰国所有地区开展。三种级别的医疗服务医院(大学医院、区域医院和省级医院)均纳入本研究。其次,纳入该队列的患者因各种类型的疾病入院,与真实世界情况相似。第三,如前所述,本研究可能是首个开发出简化评分的研究,该评分即使在资源有限的环境中也可实际用作POC。第四,通过方差膨胀因子和容差检验,九个预测因子之间未发现多重共线性。第五,我们使用了基于回归系数的评分系统而非基于风险比的评分系统。这是因为基于回归系数的评分系统提供了更好的数学校正,且在拟合数据方面比基于风险比的评分系统表现更好[27]。

然而,需要讨论几个局限性。首先,研究人群中患者的多样性可能存在问题,因为特定疾病,尤其是AKI的病因,可能影响临床过程和结局,但我们无法将其纳入该评分。其次,当我们将SEA-MAKE评分的表现与APACHE II和SOFA进行比较时(图3a),我们发现内部验证欠佳,因为它不是真正的外部验证。此外,APACHE II、第1天SOFA和第1天肾脏SOFA并非直接设计用于预测MAKE。因此,该结果需要谨慎解读。第三,本研究的MAKE28结局仅基于住院期间数据。因此,我们的MAKE28不能外推至出院后的事件。

结论

SEA-MAKE评分可能是首个用于预测危重AKI患者MAKE 28的简化临床评分系统。该工具可能有助于临床医生在常规ICU护理中预测MAKE。该工具易于使用,即使在资源有限的环境中也可行。模型在内部验证时表现充分。然而,在广泛使用之前需要进行外部验证。

补充信息

补充文件1。表S1。开发队列(n = 2,856)中所诊断疾病的分布。表S2。SEA-MAKE评分在不同截断值下预测28天内主要不良肾脏事件(MAKE28)的性能。表S3。在入院后24、48和72小时评估的SEA-MAKE评分在首日后急性肾损伤(D1后AKI)患者中的区分度比较(n = 702)。表S4。SEA-MAKE评分在不同情形下的预测能力。表S5。SEA-MAKE评分对AKI后28天内复合MAKE及各个单独终点的区分度。图S1。用于MAKE预测的表观性能和偏倚校正Bootstrap性能的受试者工作特征(ROC)曲线下面积。图S2。内部验证期间SEA-MAKE评分各截断点下MAKE观察风险与预测风险比较的校准曲线分析。图S3。SEA-MAKE评分作为床旁即时检测在临床实践中的拟议流程图。表S6。TRIPOD清单。

参考来源

  1. Sukmark T, Lumlertgul N, Praditpornsilpa K, et al. SEA-MAKE score as a tool for predicting major adverse kidney events in critically ill patients with acute kidney injury: results from the SEA-AKI study. Ann Intensive Care. 2020. PMID: 32300902. doi:10.1186/s13613-020-00657-9
  2. 全文:PMC7162998(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7162998/

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。