Część 1|Przewidywanie powrotu do zdrowia nerek po dializie wymagającego ostrego uszkodzenia nerek Przewidywanie powrotu do zdrowia nerek po dializie wymagającego ostrego urazu nerek

Przewidywanie powrotu do zdrowia nerek po dializie wymagającego ostrego uszkodzenia nerek Przewidywanie powrotu do zdrowia nerek po dializie wymagającego ostrego urazu nerek

Kontakt: emily.li@wecistanche.com

Benjamin J. Lee^1,2,3, Chi-yuan Hsu^1,4, Riszi Parikh⁴, Charles E. McCulloch⁵, Thida C. Tan⁴, Kathleen D. Liu^1,6, Raymond K. Hsu¹, Leonid Prawowerow⁷, Sijie Zheng^4,7i Alan S. Go^1,4,5

¹Oddział Nefrologii, Wydział Medycyny, Uniwersytet Kalifornijski, San Francisco, San Francisco, Kalifornia, USA;²Houston Kidney Consultants, Houston, Teksas, USA;³Houston Methodist Institute for Academic Medicine, Houston, Teksas, USA;⁴Wydział Badań, Kaiser Permanente Northern California, Oakland, Kalifornia, USA;⁵Wydział Epidemiologii i Biostatystyki, Uniwersytet Kalifornijski, San Francisco, San Francisco, Kalifornia, USA; 6 Division of Critical Care, Department of Anesthesia, University of California, San Francisco, San Francisco, California, USA; oraz⁷Department of Nefrology, Kaiser Permanente Oakland Medical Center, Oakland, Kalifornia, USA

Wstęp:

Późniejwymaga dializy ostre uszkodzenie nerek(AKI-D), odzyskiwanie wystarczającejfunkcja nerkiprzerwaćdializajest ważnym wynikiem klinicznym i zorientowanym na pacjenta. Powszechnym dylematem jest przewidywanie prawdopodobieństwa wyzdrowienia u poszczególnych pacjentów.

Metody:

W tym badaniu kohortowym zbadano wszystkich dorosłych członków Kaiser Permanente Northern California, którzy doświadczyli AKI-D między styczniem 2009 r. a wrześniem 2015 r. i przewidywali śmiertelność szpitalną<20%. candidate="" predictors="" included="" demographic="" characteristics,="" comorbidities,="" laboratory="" values,="" and="" medication="" use.="" we="" used="" logistic="" regression="" and="" classification="" and="" regression="" tree="" (cart)="">

opracować i zweryfikować krzyżowo modele predykcyjne dla odzysku.

Wyniki:

Spośród 2214 pacjentów z AKI-D średni wiek wynosił 67,1 lat, 40,8 procent stanowiły kobiety, a 54 procent było rasy białej; 40,9 procent pacjentów wyzdrowiało. Pacjenci, którzy wyzdrowieli, byli młodsi, mieli wyższy wyjściowy szacowany wskaźnik przesączania kłębuszkowego (eGFR) i stężenie hemoglobiny przed przyjęciem do szpitala, a także rzadziej mieli wcześniejszą niewydolność serca lub przewlekłą chorobę wątroby. Stopniowa regresja logistyczna zastosowana do próbek z bootstrapem zidentyfikowała wyjściowy eGFR, poziom hemoglobiny przed przyjęciem, przewlekłą chorobę wątroby i wiek jako czynniki prognostyczne najczęściej związane z opadaniemdializaw ciągu 90 dni. Nasz końcowy model regresji logistycznej, zawierający te predyktory, miał współczynnik korelacji między obserwowanymi i przewidywanymi prawdopodobieństwami wynoszący 0,97, przy współczynniku c wynoszącym 0,64. Alternatywne podejście CART nie przewyższyło modelu regresji logistycznej (wskaźnik c 0,61).

Wniosek:

Opracowaliśmy i zweryfikowaliśmy krzyżowo oszczędny model przewidywania powrotu do zdrowia po AKI-D z doskonałą kalibracją przy użyciu rutynowo dostępnych danych klinicznych. Jednak umiarkowana dyskryminacja modelu ogranicza jego użyteczność kliniczną. Potrzebne są dalsze badania, aby opracować lepsze narzędzia prognostyczne.

Kidney Int Rep (2019) 4, 571–581; https://doi.org/10.1016/j.ekir.2019.01.015

SŁOWA KLUCZOWE:dializa, dializa-wymagająca, funkcja nerek,ostre uszkodzenie nerek,model predykcyjny,regeneracja nerek

Cistanche chroni i poprawia pracę nerek

AKI-D to poważna ostra choroba, która dotyka od 3 do 13 procent krytycznie chorych pacjentów.^1–3Chociaż śmiertelność wewnątrzszpitalna wśród pacjentów z AKI-D spadła,^4–8znaczna część ocalałych pozostaładializa-zależne w momencie wypisu ze szpitala i poza nim.^2,5,9–11 Regeneracja nerekpo AKI-D, zdefiniowanym jako powrót dostatecznejfunkcja nerkiprzerwać kontynuacjędializa, jest ważnym wynikiem klinicznym i ukierunkowanym na pacjenta. Chociaż większość pacjentów z prawidłowym stanem wyjściowymfunkcja nerkiw końcu wyzdrowieją, jeśli przeżyją hospitalizację z AKI-D,12 wielu pacjentów z doświadczeniem AKI-Dostre uszkodzenie nerek(AKI) nakłada się na przewlekłą chorobę nerek (CKD) i nie wyzdrowieje.^13–15

Przewidywanie powrotu do zdrowia po wystąpieniu AKI-D jest częstym dylematem, przed którym stają pacjenci, ich rodziny i lekarze z wielu specjalności, od nefrologów po intensywistów, szpitalników i lekarzy podstawowej opieki zdrowotnej. Wykazano, że wyjściowy eGFR, białkomocz, wiek, cukrzyca i obciążenie chorobami współistniejącymi mają wpływ na prawdopodobieństwo wyzdrowienia.9,10,13-17 Jedyny opublikowany model predykcyjny został skonstruowany przez Srisawat i wsp.,¹⁸ którzy stwierdzili, że wskaźnik współwystępowania Charlsona i wynik APACHE II są predyktorami. Jednak ich badanie było małe (n=76) i obejmowało tylko wysoce wyselekcjonowanych uczestników włączonych do badania klinicznego, w którym wykluczono pacjentów z wcześniej istniejącą CKD w stadium 4 lub 5, więc możliwość uogólnienia była ograniczona z wielu powodów.^19,20Ogólnie rzecz biorąc, dane dotyczące naturalnego przebiegu AKI-D są zmienne i trudno jest stwierdzić, czy poszczególny pacjent z AKI-D wyzdrowieje.^9,21

Zdolność do dokładniejszego przewidywania powrotu do zdrowia może potencjalnie kierować poradnictwem i podejmowaniem decyzji zarówno w warunkach szpitalnych, jak i ambulatoryjnych. Wielu hospitalizowanych pacjentów z AKI pyta o szanse na wyzdrowienie jeszcze przed rozpoczęciem ostrych objawówdializa, a niektórzy mogą odmówić rozpoczęciadializacałkowicie, jeśli zrozumieją, że szanse na wyzdrowienie są bardzo niskie i prawdopodobnie będą włączonedializaprzez resztę ich życia. Dokładna prognoza powrotu do zdrowia poinformujedializadecyzje dotyczące dostępu dla pacjentów z AKI-D: zarówno wybór cewników tymczasowych, jak i tunelowych w krótkim okresie oraz czas umieszczenia przetoki lub przeszczepu w perspektywie średnioterminowej. Ulepszone zdolności prognostyczne wpłynęłyby również na czas leczenia ambulatoryjnegodializaumieszczenie krzesła (tj. ustalenie czasu i miejsca pobytu ambulatoryjnego)dializa), co może potencjalnie wpłynąć na długość pobytu w szpitalu. W warunkach ambulatoryjnych, gdy pacjenci rozważają procedury, które mogą przedłużyć AKI-D (np. podanie kontrastu jodowego), możliwość przewidzenia powrotu do zdrowia pomogłaby pacjentom i ich świadczeniodawcom odpowiednio ocenić ryzyko i korzyści. Z perspektywy badawczej, ulepszone zdolności prognostyczne pozwoliłyby na celowe włączenie pacjentów z AKI-D, którzy mają rozsądną szansę na wyzdrowienie do prób testujących potencjalne metody leczenia.

Obecnie nie ma zatwierdzonych modeli prognozowania regeneracji AKI-D, a panele ekspertów zidentyfikowały tę lukę w wiedzy jako kluczową przeszkodę w poprawie wyników w tej wrażliwej populacji.^9,22Wykorzystując zróżnicowaną, społecznościową kohortę, naszym celem było opracowanie modelu prognozowania powrotu do zdrowia po AKI-D, który można by zastosować w rutynowej praktyce klinicznej.

Badanie to zostało zatwierdzone przez instytucjonalną komisję rewizyjną KPNC i University of California w San Francisco, z zastrzeżeniem uzyskania świadomej zgody ze względu na charakter badania.

Cistanche chroni i poprawia pracę nerek

METODY

Populacja źródłowa

The source population was based within Kaiser Per- Permanente Northern California (KPNC), a large, integrated health care delivery system that provides comprehensive care for >4,4 miliona członków. Pacjenci ci byli leczeni w 21 szpitalach należących do Kaiser Permanente (Załącznik uzupełniający S1). Członkostwo w KPNC jest wysoce reprezentatywne dla okolicznych lokalnych i stanowych populacji.23 Prawie wszystkie aspekty opieki są rejestrowane przez system elektronicznej dokumentacji medycznej KPNC, który jest zintegrowany z oddziałami szpitalnymi, oddziałami ratunkowymi i ambulatoryjnymi.

Badanie to zostało zatwierdzone przez instytucjonalną komisję rewizyjną KPNC i University of California w San Francisco, z zastrzeżeniem uzyskania świadomej zgody ze względu na charakter badania.

Próbka badawcza

Przeprowadziliśmy retrospektywne badanie kohortowe wszystkich dorosłych (w wieku co najmniej 18 lat) członków KPNC, u których rozwinął się AKI-D między 1 stycznia 2009 r. a 30 września 2015 r. i którzy mieli co najmniej 12 kolejnych miesięcy wieku członkostwo w planie zdrowotnym i korzyści z apteki przed hospitalizacją indeksową w celu zapewnienia odpowiedniego uchwycenia istotnych chorób współistniejących, badań laboratoryjnych i stosowania leków na receptę. Na potrzeby tej analizy zaklasyfikowaliśmy pacjentów z AKI-D, jeśli przeszli terapię nerkozastępczą (RRT; ostrą przerywaną hemodializę i/lub ciągłą RRT) podczas hospitalizacji bez jakiejkolwiek przewlekłej RRT przed przyjęciem i mieli szczytowe stężenie kreatyniny w surowicy pacjentów hospitalizowanych większe niż lub równy 50 procentom stanu wyjściowego przed przyjęciem (zdefiniowanym jako ostatni pomiar ambulatoryjny niezwiązany z nagłymi wypadkami między 7 a 365 dniem przed przyjęciem). Przewlekła RRT przed przyjęciem została stwierdzona na podstawie kompleksowego Rejestru leczenia schyłkowej niewydolności nerek (ESRD) KPNC, który śledzi rozpoczęcie i zakończenie leczenia RRT oraz datę (daty) przeszczepienia nerki. wartości eGFR<15 ml/min="" per="" 1.73="" m2="" (because="" it="" is="" difficult="" in="" this="" egfr="" range="" to="" distinguish="" true="" aki-d="" from="" the="" progression="" of="" severe="" ckd)="" or="" predicted="" probability="" of="" inpatient="" mortality="" ≥20%="" using="" a="" kpnc-validated="" risk="" score26="" (because="" the="" issue="" of="">regeneracja nerekma znaczenie kliniczne tylko wśród tych pacjentów z AKI-D, którzy prawdopodobnie przeżyją ostrą hospitalizację, a także w celu zmniejszenia problemów analitycznych pojawiających się, gdy śmierć może być interpretowana jako stan „niewyzdrowienia” po AKI-D). Przeprowadziliśmy również 2 analizy wrażliwości: jedną, w której nie wykluczono pacjentów z przewidywanym prawdopodobieństwem śmiertelności szpitalnej większym lub równym 20 procent oraz jedną, w której zastosowano kreatyninę w surowicy zamiast eGFR.

Regeneracja nerek po AKI-D

Podstawowym rezultatem było odzyskanie rodzimychfunkcja nerkipo AKI-D, definiowane jako niezależność od RRT w ciągu 90 dni po rozpoczęciu RRT i przeżycie przez okres większy lub równy 4 tygodni po zakończeniu RRT. Pacjenci, którzy przerwali RRT w ciągu 4 tygodni od 90-dniowego zakończenia, byli obserwowani po 90 dniach, aby potwierdzić, że przeżyli przez minimalny 4-tydzień. Wykorzystaliśmy status po 90 dniach, ponieważ pacjenci są zwykle uważani za chorych na ESRD, jeśli pozostanądializa-zależna przez okres dłuższy niż lub równy 90 dni.9 Wymagaliśmy, aby pacjenci byli żywi i nie przebywalidializaprzez okres dłuższy niż lub równy 4 tygodni, aby zmniejszyć potencjalną błędną klasyfikację osób, które przerwały leczeniedializaz powodu wycofania opieki. Wyzdrowienie może nastąpić podczas wstępnej hospitalizacji z AKI-D lub w warunkach ambulatoryjnych po wypisaniu ze szpitala. Zakotwiczyliśmy naszą analizę w oparciu o datę rozpoczęcia RRT (zamiast wypisu ze szpitala lub innej daty), aby ściślej powiązać ją z naturalną historią epizodu AKI niż z innymi zewnętrznymi czynnikami, które mogą wpływać na długość hospitalizacji.

Współzmienne

Cechy demograficzne (np. wiek, płeć, rasa i pochodzenie etniczne) uzyskano z baz danych planów zdrowotnych.^27–29Istotne choroby współistniejące zostały zdefiniowane przez diagnostyczną lub proceduralną Międzynarodową Klasyfikację Chorób, kody dziewiątej rewizji i uzupełnione wynikami badań laboratoryjnych, ambulatoryjnymi objawami życiowymi i przepisanymi lekami przy użyciu danych opartych na elektronicznej dokumentacji medycznej, które zostały oczyszczone i połączone na poziomie indywidualnego pacjenta z Wirtualna hurtownia danych Kaiser Permanente zgodnie z wcześniejszym opisem i walidacją.^25,30–38Stan życiowy pacjenta został określony przy użyciu wyczerpujących informacji z administracyjnych i klinicznych baz danych planu zdrowotnego, raportów pełnomocników członkowskich, akt stanu życiowego wydanych przez Urząd Ubezpieczeń Społecznych oraz informacji o aktach zgonu ze stanu Kalifornia.^39,40 Demographic characteristics and inpatient laboratory values were measured on the date of RRT initiation for AKI-D, and baseline outpatient laboratory values and vital signs were measured 7 to 365 days before admission. For variables that had missing data, a category for missingness was created for each of those variables. Variables with >20 procent brakujących wartości nie zostało włączonych do procesu modelowania.

Podejście statystyczne

Analizy przeprowadzono przy użyciu SAS, wersja 9.3 (SAS Inc., Cary, NC) i Salford Predictive Modeler, wersja 8.2 (Salford Systems, San Diego, CA). Charakterystykę wyjściową porównano między grupami odzysku, stosując analizę wariancji dla zmiennych ciągłych i x² testy dla zmiennych kategorialnych.

Początkowo przeprowadziliśmy wieloczynnikową analizę regresji logistycznej w celu przewidywania powrotu do zdrowia po AKI-D, z następującymi kandydatami do predyktorów: wiek, płeć, zgłaszana rasa i pochodzenie etniczne, palenie tytoniu, stosowanie leków przed przyjęciem, istniejące choroby współistniejące (niewydolność serca, choroba wieńcowa, przebyty udar niedokrwienny, choroba tętnic obwodowych, migotanie przedsionków, zastawka mitralna lub aortalna, żylna choroba zakrzepowo-zatorowa, nadciśnienie, cukrzyca, dyslipidemia, wcześniejsze hospitalizowane krwawienia z przewodu pokarmowego, choroby tarczycy, przewlekła choroba wątroby, przewlekła choroba płuc, otępienie, depresja) i hospitalizacja wskaźnik ryzyka śmiertelności.²⁶ Dodatkowe czynniki prognostyczne kandydujące obejmowały następujące zmienne przed przyjęciem: wskaźnik masy ciała, skurczowe ciśnienie krwi, poziomy lipoprotein o wysokiej i niskiej gęstości przed przyjęciem, eGFR (przy użyciu równania kreatyniny z przewlekłą chorobą nerek⁴¹), poziom białkomoczu paskowego, poziom hemoglobiny i liczba płytek krwi. Wskaźnik masy ciała, skurczowe ciśnienie krwi przed przyjęciem oraz wszystkie zmienne laboratoryjne potraktowano jako porządkowe zmienne kategorialne (podziały między kategoriami przedstawiono w Tabelach 1 i 2; podobne wyniki uzyskano, gdy te współzmienne potraktowano jako zmienne ciągłe). Aby zidentyfikować ważne predyktory, najpierw wygenerowaliśmy 1000 losowych próbek z kohorty analitycznej poprzez ponowne próbkowanie metodą bootstrap z zastąpieniem, a następnie przeprowadziliśmy automatyczną krokową regresję logistyczną na każdej próbce. Predyktory, które zostały wybrane za pomocą regresji krokowej w stopniu większym lub równym 75% próbek poddanych procesowi ładowania początkowego, zostały uwzględnione w modelu końcowym. Następnie zastosowaliśmy 10-krotną walidację krzyżową do wygenerowania przewidywanych prawdopodobieństw powrotu do zdrowia dla każdego pacjenta, które wykorzystano do obliczenia wskaźnika c i wygenerowania statystyk kalibracji. Na koniec oszacowania parametrów modelu i ilorazy szans dla końcowego zestawu predyktorów zostały wygenerowane za pomocą modelu regresji logistycznej z wykorzystaniem pełnej kohorty analitycznej.

Zaplanowaliśmy również a priori wykonanie analizy CART dla powrotu do zdrowia, ponieważ nie było wiadomo, czy ta metoda przyniesie więcej klinicznie użytecznych wyników niż podejście regresji logistycznej.⁴² Predyktory kandydujące były takie same jak te stosowane w analizie regresji logistycznej. CART traktował wszystkie wartości laboratoryjne jako zmienne ciągłe i optymalnie dobrane punkty odcięcia, aby zminimalizować utratę informacji. Nie ustawiono żadnych limitów minimalnego rozmiaru węzła lub terminala. Drzewa zostały przycięte i zoptymalizowane przy użyciu wbudowanej 10-krotnej weryfikacji krzyżowej, aby zminimalizować względną błędną klasyfikację przypadków, jednocześnie chroniąc przed nadmiernym dopasowaniem. Wygenerowano indeksy C, macierz konfuzji i krzywą charakterystyki działania odbiornika, aby ocenić działanie końcowego drzewa decyzyjnego.

Aby uzyskać część 2, kliknijtutaj.