非心脏手术后需肾脏替代治疗急性肾损伤风险指数的推导与外部验证
最终模型纳入年龄、性别、手术类型、eGFR、血红蛋白、白蛋白尿、心梗史和肝病史,外部验证C统计量0.95(95%CI 0.95-0.96),校准后斜率1.00。预测风险阈值≥10%时敏感性21.2%、特异性99.9%、阳性预测值38.1%、阴性预测值99.7%。该工具可用于术前风险分层,但阳性预测值有限,需结合临床判断。
要点
- 最终模型外部验证C统计量0.95(95%CI 0.95-0.96),校准后斜率1.00(95%CI 0.98-1.02),区分度和校准度均优。
- 预测风险阈值≥10%时敏感性仅21.2%、特异性99.9%、阳性预测值38.1%、阴性预测值99.7%,高阈值下漏诊多但误判少。
- 腹主动脉瘤修复术OR 19.34(95%CI 14.31-26.14)、肝或胰腺手术OR 6.46(95%CI 3.85-10.83)是与需KRT的AKI关联最强的手术类型。
- 白蛋白尿提供独立预后信息:轻度OR 1.88(95%CI 1.52-2.33)、重度OR 3.74(95%CI 2.98-4.69),去除后模型区分度下降。
- 年轻年龄与更高风险相关(<40岁OR 3.73,95%CI 2.61-5.33;40-69岁OR 2.07,95%CI 1.69-2.53),与部分既往研究相反。
适用人群与场景
- 推导队列:2004年1月1日至2013年12月31日在加拿大Alberta接受非心脏手术的18-95岁成人,排除术前30天内无血清肌酐测量者及术前终末期肾病(透析、肾移植或基线eGFR<10 mL/min/1.73 m2)患者。
- 外部验证队列:2007年1月1日至2017年12月31日在加拿大Ontario接受非心脏手术的成人,纳入排除标准与推导队列相同。
- 手术类型包括腹主动脉瘤修复、结直肠、肝或胰腺、其他腹部、腹膜后、胸部、血管或肌肉骨骼手术。
- 适用场景为术前临床风险分层,使用常规术前可获取的人口学、实验室和合并症数据。
诊断标准与关键阈值
- 结局定义:术后14天内需肾脏替代治疗(KRT)的急性肾损伤(AKI),基于ICD-10 AKI诊断码和加拿大健康干预分类KRT操作码。
- 白蛋白尿分级:正常(尿试纸阴性;<30 mg/g)、轻度(微量;≥1或30-300 mg/g)、重度(≥2或≥300 mg/g),取术前1年内最接近手术日的测量。
- eGFR基于CKD-EPI方程,取术前30天内最接近手术日的血清肌酐计算。
- 风险指数总分0-30分,对应预测风险从0.01%(0分)至96.7%(30分)。
- 预设风险分类:<1%、1%至<5%、5%至<10%、10%至<20%、≥20%。
处置流程与药物剂量
- 第一步:术前使用最终模型(模型2)或对应整数风险指数评估非心脏手术后14天内需KRT的AKI风险,模型变量包括年龄、性别、手术类型、eGFR、血红蛋白浓度、白蛋白尿、心梗史和肝病史。
- 第二步:根据预测风险阈值≥10%识别高风险患者,该阈值下敏感性21.2%、特异性99.9%、阳性预测值38.1%、阴性预测值99.7%。
- 第三步:对高风险患者考虑加强监测和支持性策略(原文提及准确识别高风险患者可能允许增加监测和支持性策略,但未给出具体方案)。
- 原文未给出具体药物剂量、给药途径、频次或目标值。
- 模型外部应用时需进行逻辑重校准以适应当地基线风险和预测因子与结局的关联。
红旗征与不能漏的情况
- 原文未提及
研究设计与关键结果
- 推导队列中529例(0.6%)发生术后需KRT的AKI,外部验证队列中2956例(0.4%)发生。
- 最终模型(模型2)外部验证C统计量0.95(95%CI 0.95-0.96),初始校准斜率1.28(95%CI 1.26-1.30)、校准截距1.12(95%CI 1.03-1.21),逻辑重校准后斜率1.00(95%CI 0.98-1.02)、截距0.00(95%CI –0.07至0.07)。
- 风险指数外部验证C统计量0.95(95%CI 0.95-0.96),重校准后校准斜率0.96(95%CI 0.95-0.98)、截距–0.23(95%CI –0.30至–0.16)。
- 预测风险阈值≥10%时敏感性21.2%、特异性99.9%、阳性预测值38.1%、阴性预测值99.7%。
- 内部验证C统计量:模型1为0.89(95%CI 0.87-0.90),模型2为0.89(95%CI 0.88-0.91),模型3为0.87(95%CI 0.86-0.89),模型4为0.87(95%CI 0.85-0.88),模型5为0.80(95%CI 0.78-0.82)。
- 与模型2相比,去除白蛋白尿(模型3)导致20例(3.8%)结局患者被正确重分类至更高风险类别、167例(0.2%)无结局患者被正确重分类至更低风险类别。
证据类型、等级与局限
- 证据类型:预后研究(模型推导与外部验证),遵循TRIPOD报告规范。
- 证据等级或推荐强度:原文未提及。
- 局限:结局基于行政编码定义;白蛋白尿缺失采用单一插补;外部验证队列与推导队列基线特征存在差异(如年龄分布、肝病比例、手术类型比例不同);阳性预测值和敏感性较低;模型需在本地人群重校准后应用;原文未报告前瞻性验证。
对床旁实践的改变
- 可在术前使用常规数据(年龄、性别、手术类型、eGFR、血红蛋白、白蛋白尿、心梗史、肝病史)对非心脏手术患者进行需KRT的AKI风险分层。
- 预测风险≥10%阈值下特异性99.9%但敏感性仅21.2%,不能仅凭此阈值排除低风险患者,阴性预测值99.7%可用于识别极低风险人群。
- 白蛋白尿是重要预测因子,术前应尽量获取尿白蛋白测量以优化风险分层;无白蛋白尿数据时可使用不含白蛋白尿的替代模型(模型3),但区分度有所下降。
- 模型跨人群应用前需进行逻辑重校准,因不同地区KRT启动阈值和时间趋势可能不同。
- 原文未提供针对高风险患者的具体干预措施或药物方案,风险分层本身不改变术后管理方案。
指南或共识出处
- 原文引用Kidney Disease: Improving Global Outcomes(KDIGO)AKI指南,该指南推荐开发与验证心脏手术以外情境的AKI风险预测工具。
- 原文引用Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis(TRIPOD)报告规范。
全文中译12 节 · 点击展开
引言
急性肾损伤(AKI)在大手术后常见,并与不良结局相关,包括住院时间延长、慢性肾脏病和死亡。1,2,3 术后AKI占住院环境中AKI病例的三分之一以上,4 而在1995年至2009年间,大型择期手术后需要肾脏替代治疗(KRT)的AKI发生率增加了近4倍。5,6 当AKI严重到需要KRT时,其资源消耗大,并与不良的患者体验和结局相关。7,8 量化需要KRT的AKI风险是手术知情同意过程的重要组成部分,并可能影响围手术期决策。9,10
已有若干经过验证的心脏手术后AKI预测模型;然而,针对非心脏手术操作后AKI的此类工具很少,11,12 尽管对某些患者而言风险可能相当大。5,6,13,14 临床实践指南15已纳入对患者进行AKI风险分层的建议。然而,缺乏针对非心脏手术后具有临床意义的AKI的准确风险分层方法,是进一步研究和临床采用降低AKI风险方法的障碍。准确识别AKI风险增加的患者可能有助于加强监测和支持性策略。因此,肾脏病:改善全球结局(KDIGO)的AKI指南已纳入建议,要求研究和验证用于心脏手术以外情境的AKI风险预测工具。15
我们使用基于人群的队列来开发并外部验证大型非心脏手术后需要KRT的AKI风险预测模型和基于整数的风险指数。我们将这些风险预测工具定位于术前临床环境中的风险分层,并聚焦于术前易于识别的风险因素。
方法
本预后研究经加拿大阿尔伯塔省卡尔加里市卡尔加里大学联合健康研究伦理委员会批准,因使用回顾性去标识化数据而豁免知情同意。我们遵循个体预后或诊断多变量预测模型的透明报告(TRIPOD)报告指南来报告多变量预测模型的开发和验证。16
推导队列和验证队列
我们采用其他文献描述的方法,从阿尔伯塔肾脏病网络数据库和阿尔伯塔省健康行政数据中获取模型推导队列。17 我们使用阿尔伯塔省医生索赔中的《国际疾病分类》第九版临床修订本(ICD-9-CM)以及医院出院摘要中的《国际疾病统计分类和相关健康问题》第十版(ICD-10)和加拿大健康干预分类操作代码来描述患者合并症和手术操作。18,19,20,21 我们纳入了2004年1月1日至2013年12月31日期间在加拿大阿尔伯塔省接受腹主动脉瘤手术修复或以手术治疗结直肠、肝脏或胰腺疾病的全部18至95岁患者,以及接受其他腹部、腹膜后、胸部、血管或肌肉骨骼手术操作的患者。我们排除了手术前30天内无术前血清肌酐测量值的患者以及手术前患有终末期肾病(定义为接受透析或肾移植,或基线估算肾小球滤过率[eGFR] <10 mL/min/1.73 m2)的患者。队列建立和特征描述的诊断及操作代码见补充材料e表1和e表2。
外部验证队列使用加拿大安大略省2007年1月1日至2017年12月31日期间的数据集建立,该数据在安大略省伦敦市的ICES(原临床评价科学研究所)进行分析。ICES储存有加拿大安大略省患者的实验室信息和省级行政数据。数据分析于2019年9月1日至2021年5月31日进行。队列纳入标准与推导队列相同,使用相似的ICD-9-CM和ICD-10编码方法来描述患者合并症和手术操作。22,23
结局指标和候选预测变量
我们采用已被验证对需要KRT的AKI具有高敏感度和特异度的方法,使用AKI的ICD-10诊断代码和KRT的加拿大健康操作分类代码(补充材料e表1)定义手术后14天内需要KRT的AKI。20,21,24 我们通过文献回顾及其在临床诊疗中的常规可及性确定候选预测变量。17,25,26,27 我们纳入人口学数据、实验室指标、合并症、手术操作5以及手术状态为急诊或紧急 vs 择期。我们使用30天内最接近的测量值,并纳入患者手术日期,基于慢性肾脏病流行病学协作组(CKD-EPI)方程确定基线血清肌酐浓度和eGFR。28 我们使用手术前最接近患者手术日期的血红蛋白测量值。白蛋白尿基于最接近手术日期的尿液试纸或白蛋白与肌酐比值测量值,分为正常(阴性;<30 mg/g;将白蛋白与肌酐比值转换为mg/mmol,乘以0.113)、轻度(微量;≥1或30-300 mg/g)或重度(≥2或≥300 mg/g),取手术前1年内的测量值。29 我们使用经过验证的编码算法从医院出院摘要和医生索赔中识别手术前3年内的合并症。18,19
统计分析
我们使用局部加权散点图平滑和限制性立方样条分析评估了结局与连续变量(年龄、eGFR和血红蛋白浓度)之间关联的线性。我们确认了eGFR和血红蛋白浓度与需要KRT的AKI之间存在线性关联。局部加权散点图平滑分析显示结局与年龄呈二次关联,因此我们在模型中将其分类为小于40岁、40至69岁和70岁或以上。为解决未测量的白蛋白尿状态,我们在每个队列内分别进行了单一插补,使用包含全模型中所有变量的有序逻辑回归模型来插补缺失值。22例患者(<0.001%)缺失的血红蛋白测量值被插补为队列中的平均血红蛋白浓度(127 g/L;转换为g/dL,除以10.0)。
我们基于3种不同策略开发了5个多变量逻辑回归模型。首先,我们拟合了一个包含所有候选预测变量的全模型。我们使用全队列的1000个 bootstrap 样本进行 bootstrap 重采样以选择变量,并使用在至少80%的 bootstrap 样本中双侧1%显著性水平下具有统计学显著性的变量拟合模型。我们通过进一步移除在术前环境中可能较不一致可获得的变量,开发了其他逐渐简化的模型。我们通过计算表观C统计量来确定每个模型在推导队列中的区分度。
全模型(模型1)包含30个变量。经过 bootstrap 重采样后,15个变量在至少80%的样本中被选中并纳入模型2。模型3包含模型2中的变量,但排除了白蛋白尿。模型4由年龄、性别、手术类型、eGFR和血红蛋白浓度组成(10个变量);模型5仅纳入年龄、性别和手术类型。
我们使用 bootstrap 重采样对每个模型进行了内部验证。我们取100个 bootstrap 样本并拟合相应模型,计算C统计量,并确定 bootstrap 和检验C统计量。我们从表观C统计量中减去 bootstrap 统计量与检验C统计量之间的差值,以确定每个模型的乐观校正C统计量。30
我们基于100个 bootstrap 样本的校准截距和校准斜率评估校准,使用预测风险对结局的逻辑回归。将100个回归系数的平均值作为相应模型的校准斜率。完美校准由校准截距为0和校准斜率为1表明。30,31
我们进一步使用贝叶斯信息准则、精确率-召回率曲线下面积、分类净重分类改善和综合判别改善对模型进行比较。净重分类改善评估在加入新变量后将病例和对照分层为高预测风险类别和低预测风险类别的改善程度。32,33 我们根据临床医生的意见预先设定了风险类别:小于1%、1%至小于5%、5%至小于10%、10%至小于20%以及20%或以上。综合判别改善是新旧模型之间发生事件的患者与未发生事件的患者平均预测风险之差。32,34,35 我们进一步使用重分类表对模型进行比较,该表对发生事件和未发生事件进行分层,并采用相同的预先设定预测风险类别。36
我们基于准确性和简约性原则,使用Framingham心脏研究的方法将表现最佳的模型转化为基于整数的风险指数。37 该过程为每个变量分配一个整数分值,队列中每位患者的总分值用于估计相应的风险。
我们对表现最佳的模型和相应的风险指数进行了外部验证,将其应用于来自ICES Ontario的外部验证队列,以评估其在地理上不同的独立队列中的预测性能。我们使用C统计量评估判别能力,使用校准截距和斜率评估校准度。我们使用逻辑重新校准来优化外部验证队列中的模型校准。38 分析使用Stata 16版(StataCorp LLC)进行。
结果
队列描述
推导队列包括92 114例患者(男性47.8%,女性52.2%;平均[SD]年龄,62.3[18.0]岁);529例(0.6%)在非心脏手术后14天内发生需要肾脏替代治疗(KRT)的急性肾损伤(AKI)(图1)。发生需要KRT的AKI的患者更多为男性;接受过腹主动脉瘤修复术或血管、结直肠、肝脏或胰腺手术;基线估算肾小球滤过率(eGFR)和血红蛋白浓度较低(补充材料中的eTable 3)。
外部验证队列包括709 086例患者(男性49.2%,女性50.8%;平均[SD]年龄,61.0[16.0]岁);2956例(0.4%)在非心脏手术后14天内发生需要KRT的AKI。平均年龄与推导队列相似;然而,外部验证队列中年龄小于40岁和70岁或以上的患者百分比较小(<40岁:10.6% vs 13.3%;≥70岁:32.2% vs 38.9%)(表1)。在外部验证队列中,较大百分比的患者患有中度或重度肝病、有腹部和肌肉骨骼手术史,平均基线eGFR较高。较小百分比的患者有心肌梗死或腹主动脉瘤病史以及血管、结直肠、肝脏或胰腺手术史。
模型特征
采用bootstrap重采样(模型2)时,以下因素与需要肾脏替代治疗(KRT)的急性肾损伤(AKI)风险相关:较年轻年龄(40-69岁:比值比[OR],2.07[95%CI,1.69-2.53];<40岁:OR,3.73[95%CI,2.61-5.33])、男性(OR,1.55;95%CI,1.28-1.87)、手术类型(结直肠:OR,4.86[95%CI,3.28-7.18];肝脏或胰腺:OR,6.46[95%CI,3.85-10.83];其他腹部:OR,2.19[95%CI,1.66-2.89];腹主动脉瘤修复:OR,19.34[95%CI,14.31-26.14];其他血管:OR,7.30[95%CI,5.48-9.73];胸部:OR,3.41[95%CI,2.07-5.59])、较低的eGFR(每增加1 mL/min/1.73 m2:OR,0.97;95%CI,0.97-0.97)、较低的血红蛋白浓度(每增加0.1 g/dL:OR,0.99;95%CI,0.98-0.99)、白蛋白尿(轻度:OR,1.88[95%CI,1.52-2.33];重度:OR,3.74[95%CI,2.98-4.69])、心肌梗死病史(OR,1.63;95%CI,1.32-2.03)和肝脏疾病(轻度:OR,2.32[95%CI,1.66-3.24];中度或重度:OR,4.96[95%CI,3.58-6.85])。完整模型(模型1)和简化模型(模型3-5)的预测变量及比值比如表2所示。
内部验证
以C统计量衡量的区分度从模型5的0.80(95%CI,0.78-0.82)到模型1的0.89(95%CI,0.87-0.90)和模型2的0.89(95%CI,0.88-0.91)不等(补充材料中的eTable 4)。模型1和模型2的区分度相似,尽管排除了大多数合并症以及择期与急诊或紧急手术状态;然而,在分别剔除白蛋白尿和额外合并症后,模型3(0.87;95%CI,0.86-0.89)和模型4(0.87;95%CI,0.85-0.88)的C统计量较低。模型2观察到最低的贝叶斯信息准则(5278),表明在对模型复杂性进行惩罚后具有最佳的全局模型拟合。模型1(0.080)和模型2(0.079)的精确率-召回率曲线下面积相似,而模型3(0.069)、4(0.060)和5(0.026)则下降。风险指数的精确率-召回率曲线下面积(0.076)低于模型2。所有模型的校准斜率均接近理想值,在内部验证中从模型5的0.98(95%CI,0.92-1.06)到模型2的0.99(95%CI,0.94-1.03)不等。图2A显示了模型2在推导队列中大多数预测风险下的校准情况,尽管在最高预测风险(>20%)处出现了预测风险高于观察风险的情况。
基于分类净重分类改善和综合判别改善的模型比较见补充材料中的e表5。与模型2相比,在模型1中加入额外合并症后,分别仅有少数有结局和无结局的患者被重新分类至较高和较低风险类别,且综合判别改善观察到的提升很小。与排除白蛋白尿的模型3相比,在模型2中加入白蛋白尿后,净重分类和判别改善的变化更大,有结局且被正确重新分类至较高风险类别的患者增加20例(3.8%),无结局且被正确重新分类至较低风险类别的患者增加167例(0.2%)。与模型4和模型5相比,模型2的净重分类改善和综合判别改善变化更大。模型1、3、4和5与模型2比较的重分类表见补充材料中的e表6至9。
基于表现最佳模型(模型2)开发的整数风险指数(补充材料中的e表10)产生的分值范围为0至30,每个分值对应的预测风险范围为0.01%(0分)至96.7%(30分)(补充材料中的e表11)。该风险指数在推导队列中的判别能力与模型2相似,C统计量为0.89(95% CI,0.87-0.90)。该风险指数在内部验证队列中的校准斜率为0.97(95% CI,0.92-1.03)。风险指数中每个分值对应的需要肾脏替代治疗(KRT)的急性肾损伤(AKI)观察概率和预测概率见补充材料中的e图。
外部验证
模型2在外部验证队列中显示出极好的判别能力,C统计量为0.95(95% CI,0.95-0.96)。初次应用时,校准斜率为1.28(95% CI,1.26-1.30),校准截距为1.12(95% CI,1.03-1.21)。对模型系数和截距进行逻辑重新校准后,重新校准的模型2校准斜率为1.00(95% CI,0.98-1.02),校准截距为0.00(95% CI,–0.07至0.07)。重新校准的模型2的精确率-召回率曲线下面积为0.233,重新校准的风险指数为0.218。图2B显示了模型2在外部验证队列中跨一系列预测风险类别的校准情况。模型2和3以及重新校准的模型2和3的回归系数见补充材料中的e表12。
该风险指数在外部验证队列中也显示出极好的判别能力(C统计量,0.95;95% CI,0.95-0.96)。原始风险指数在外部验证队列中的校准斜率为1.22(95% CI,1.20-1.24),校准截距为0.80(95% CI,0.72-0.88)。经重新校准后,校准斜率改善至0.96(95% CI,0.95-0.98),校准截距改善至–0.23(95% CI,–0.30至–0.16)。风险指数中每个分值在外部验证队列中对应的需要KRT的AKI观察概率和预测概率见补充材料中的e图。
在预测风险阈值≥10%时,观察到敏感性为21.2%、特异性为99.9%、阳性预测值为38.1%、阴性预测值为99.7%(表3)。原始模型及重新校准的模型2和模型3的电子风险计算器见补充材料的eAppendix。
讨论
我们在一个大型的基于人群的队列中开发并内部验证了用于预测大型非心脏手术后需要肾脏替代治疗(KRT)的急性肾损伤(AKI)的风险预测模型。我们在一个独立的、地理上不同的人群队列中对表现最佳的模型及相应风险指数进行了外部验证,结果显示在重新校准后具有极好的区分度和预测准确性。我们的模型使用患者人口学特征、实验室数据和合并症,这些都是术前诊疗中易于获取的变量。该风险指数可在术前实施,以识别非心脏手术后需要KRT的AKI风险增加的患者。严重AKI的术前风险分层对于患者教育、治疗决策的潜在调整和资源分配可能具有重要价值,因为需要KRT的AKI是一种严重的不良结局,对患者具有重要意义,且对医疗系统而言资源消耗大。
我们的最终模型和风险指数在内部验证中显示出极好的区分度和校准度。30,31 精确度(阳性预测值)和召回率(敏感性)相对较低,而最终模型的阴性预测值和特异性较高,这与预期一致,因为该结局的发生率较低。排除白蛋白尿的简化模型导致区分度有所下降,且对低、中、高风险组的分层能力较差,这支持了白蛋白尿的预后重要性,39,40,41 白蛋白尿是一种相对简单的实验室指标,可常规纳入AKI风险评估。不含白蛋白尿的模型表现尚可,可在无法获得白蛋白尿测量时使用。模型性能下降最大的是仅基于人口学变量和手术类型的模型,这凸显了纳入eGFR和血红蛋白浓度等实验室指标的多变量方法对AKI风险预测的价值。我们的最终模型及相应风险指数的外部验证显示,在根据外部验证队列中基线风险和预测因子与结局之间关联的差异对模型进行重新校准后,具有很强的区分度和极好的校准度。这些发现凸显了在新人群中应用时对风险模型进行重新校准的重要性,这对于需要KRT的AKI结局可能尤为重要,因为启动KRT的阈值可能因地区和随时间而变化。42,43
我们最终模型和风险指数中包含的变量此前已被证实与急性肾损伤(AKI)相关,包括较低的估算肾小球滤过率(eGFR)、较高的白蛋白尿、较低的血红蛋白浓度、血管手术史以及心脏和肝脏疾病的存在。27,40,44,45 我们发现,年龄增长与需要肾脏替代治疗(KRT)的AKI风险降低相关,这与其它研究了AKI关联但未限于接受KRT患者的研究结果不同。11,25,46 这些结果的一个可能原因是,老年患者比年轻患者更不可能接受KRT,或者有AKI风险的老年患者可能被预先选择为非手术治疗方案。
这些模型的开发是有价值的,因为关于非心脏手术后预测AKI的研究很少。11 大多数已发表的模型仅限于较小的、单中心的仅接受肝移植或肝切除的患者队列。Kheterpal等27使用大型国家临床研究数据集开发了一个用于预测普外科手术后AKI的风险指数。然而,他们的研究预测的AKI风险定义为术后肌酐浓度升高超过2 mg/dL(177 μmol/L)或手术后30天内需要透析。15 更近期,Park等12开发并验证了简易术后AKI风险(SPARK)指数,该指数可用于预测任何术后AKI或严重AKI,严重AKI定义为肾脏疾病:改善全球预后(KDIGO)2期或3期AKI、AKI后死亡或非心脏手术后90天内透析。12 两个模型与我们的模型不同,因为它们的结局包含了较轻阶段的AKI,而我们的模型则不然。我们的模型旨在预测需要KRT的AKI,其对患者健康和卫生资源利用的影响更大。
本研究可能对患者、医疗服务提供者和决策者具有意义。获取关于需要KRT的AKI风险的个体化信息可能有助于为是否采取某种治疗方案的决策提供依据,或帮助患者更好地为术后不良事件做准备。医疗服务提供者可以使用该工具来识别AKI高风险患者,这将有助于患者咨询、有针对性地使用预防措施以降低AKI风险,并促使对高风险患者的肾功能进行更仔细的术后监测。能够在手术前识别需要KRT的高风险患者,可能有助于更好地规划资源分配,包括是否需要术前咨询肾脏病专科医生或在具备KRT条件的中心规划手术程序。需要进一步研究来检验该风险预测工具对围手术期决策的临床影响,包括描述风险阈值的研究——在这些阈值下,患者偏好或临床医生关于接受或避免手术的建议可能发生改变,或确定在特定患者人群中测试AKI预防干预措施的临床动机风险阈值。
局限性
本研究存在局限性。尽管合并症是通过经验证的方法从行政数据中识别出来的,但这些数据并非专门为AKI风险预测而收集,这可能限制了可用于研究的候选变量;AKI的重要危险因素,包括疾病严重程度、围手术期肾毒性药物暴露以及手术方式的详细信息,可能未被纳入。一部分队列人群没有术前白蛋白尿测量值,这可能影响了模型的性能。然而,我们使用了插补方法来处理缺失数据,并发现纳入白蛋白尿后模型性能有所改善,这为在模型中插补白蛋白尿的有效性提供了令人安心的结果。AKI患者的肾脏替代治疗可能因患者偏好和机构实践而有所不同。因此,这些风险模型可能无法推广适用于所有地区和患者人群。47在预测风险较高水平时(即风险指数≥20分;预测风险>20%),模型和风险指数可能高估了绝对风险。然而,如果在临床实践中使用10%的风险阈值将患者分为中危与高危状态,这不太可能影响基于该模型的决策。例如,选择10%或以上的风险阈值来分层识别需要KRT的AKI高危患者时,模型的敏感性为21.2%,特异性为99.9%,阳性预测值为38.1%,阴性预测值为99.7%,提示该模型可能在临床上可用于识别高危患者。
结论
在这项预后研究中,我们开发并外部验证了一个逻辑回归模型和一个风险指数,用于预测大型非心脏手术术后需要KRT的AKI,显示出优异的性能。该预后工具使用易于获得的术前数据,可能有助于其在临床围手术期风险分层中的实施和应用评估。
参考来源
- Wilson TA, de Koning L, Quinn RR, et al. Derivation and External Validation of a Risk Index for Predicting Acute Kidney Injury Requiring Kidney Replacement Therapy After Noncardiac Surgery. JAMA Netw Open. 2021. PMID: 34424303. doi:10.1001/jamanetworkopen.2021.21901
- 全文:PMC8383136(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8383136/
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。