Một bảng nomogram kết hợp các chỉ số chức năng và tổn thương ống thận để dự đoán nguy cơ tổn thương thận cấp cho bệnh nhân nhiễm trùng huyết

BMC Nephrology - Tập 22 Số 1 - 2021
Jianchao Ma1, Yulin Deng2, Haiyan Lao3, Xin Ouyang4, Silin Liang4, Yifan Wang4, Fen Yao4, Yiyu Deng2, Chunbo Chen4
1Department of Nephrology, Guangdong Provincial People’s Hospital, Guangdong Academy of Medical Sciences, 510080, Guangzhou, Guangdong, PR China
2Department of Critical Care Medicine, Guangdong Provincial People’s Hospital, Guangdong Academy of Medical Sciences, 510080, Guangzhou, Guangdong Province, PR China
3Department of Pharmacy, Guangdong Provincial People’s Hospital, Guangdong Academy of Medical Sciences, 106 Zhongshan Er Road, 510080, Guangzhou, Guangdong, PR China
4Department of Intensive Care Unit of Cardiovascular Surgery, Guangdong Cardiovascular Institute, Guangdong Provincial People’s Hospital, Guangdong Academy of Medical Sciences, 106 Zhongshan Er Road, 510080, Guangzhou, PR China

Tóm tắt

Tóm tắt Đặt vấn đề Kết hợp tổn thương ống thận và các chỉ số sinh học chức năng có thể cải thiện độ chính xác trong dự đoán tổn thương thận cấp tính (AKI). Cystatin C huyết thanh (sCysC) đại diện cho tổn thương chức năng của thận, trong khi N-acetyl-β-D-glucosaminidase nước tiểu (uNAG) được coi là một chỉ số sinh học tổn thương ống thận. Cho đến nay, chưa có bảng nomogram nào chứa sự kết hợp này để dự đoán AKI ở nhóm bệnh nhân nhiễm trùng huyết. Mục tiêu của chúng tôi là so sánh hiệu suất của các mô hình dự đoán AKI có hoặc không có sự kết hợp hai chỉ số này và phát triển một bảng nomogram hiệu quả cho bệnh nhân nhiễm trùng huyết trong đơn vị chăm sóc đặc biệt (ICU). Phương pháp Đây là một nghiên cứu tiến cứu được thực hiện tại ICU hỗn hợp nội khoa - ngoại khoa của một bệnh viện chăm sóc thứ ba. Các bệnh nhân trưởng thành có nhiễm trùng huyết được tuyển chọn. Bệnh nhân được chia thành nhóm phát triển và nhóm xác thực theo thứ tự thời gian nhập viện ICU. Một mô hình hồi quy logistic để dự đoán AKI được xây dựng đầu tiên trong nhóm phát triển. Đóng góp của các chỉ số sinh học (sCysC, uNAG) vào mô hình này để dự đoán AKI được đánh giá thông qua diện tích dưới đường cong đặc trưng (AUC), chỉ số phân loại lại liên tục (cNRI) và cải thiện phân biệt gia tăng (IDI). Sau đó, bảng nomogram đã được thiết lập dựa trên mô hình có hiệu suất tốt nhất. Bảng nomogram này được xác thực trong nhóm xác thực về khả năng phân biệt và hiệu chỉnh. Phân tích đường quyết định (DCA) được thực hiện để đánh giá tính hữu ích lâm sàng của bảng nomogram này. Kết quả Trong 358 bệnh nhân được ghi nhận, 232 nằm trong nhóm phát triển (69 AKI), trong khi 126 ở nhóm xác thực (52 AKI). Mô hình lâm sàng đầu tiên bao gồm điểm APACHE II, creatinine huyết thanh và thuốc gây co mạch được sử dụng tại thời điểm nhập viện ICU. Việc thêm sCysC và uNAG vào mô hình này đã cải thiện AUC lên 0.831. Hơn nữa, việc kết hợp chúng đã cải thiện đáng kể việc phân loại lại nguy cơ so với mô hình dự đoán đơn lẻ, với cNRI (0.575) và IDI (0.085). Một bảng nomogram đã được thiết lập dựa trên mô hình mới bao gồm sCysC và uNAG. Việc áp dụng bảng nomogram này trong nhóm xác thực cho thấy phân biệt tốt với AUC là 0.784 và hiệu chỉnh tốt. DCA cho thấy tính hữu ích lâm sàng tốt của bảng nomogram này. Kết luận Một bảng nomogram kết hợp các chỉ số chức năng (sCysC) và chỉ số tổn thương ống thận (uNAG), cùng với các yếu tố lâm sàng thông thường có thể là một công cụ tiên đoán hữu ích cho việc dự đoán cá thể hóa AKI ở bệnh nhân nhiễm trùng huyết.

Từ khóa


Tài liệu tham khảo

Li PK, Burdmann EA, Mehta RL. Acute kidney injury: global health alert. Kidney Int. 2013;83(3):372–6.

Xu X, Nie S, Liu Z, Chen C, Xu G, Zha Y, et al. Epidemiology and Clinical Correlates of AKI in Chinese Hospitalized Adults. Clin J Am Soc Nephrol. 2015;10(9):1510–8.

Spapen H, van Laethem J, Hites M, Verdoodt A, Diltoer M, Honoré PM. Treatment of Ventilator-associated Pneumonia with High-dose Colistin Under Continuous Veno-venous Hemofiltration. Journal of translational internal medicine. 2019;7(3):100–5.

Chertow GM, Burdick E, Honour M, Bonventre JV, Bates DW. Acute kidney injury, mortality, length of stay, and costs in hospitalized patients. J Am Soc Nephrol. 2005;16(11):3365–70.

Coca SG, Singanamala S, Parikh CR. Chronic kidney disease after acute kidney injury: a systematic review and meta-analysis. Kidney Int. 2012;81(5):442–8.

Parikh CR, Devarajan P. New biomarkers of acute kidney injury. Crit Care Med. 2008;36(4 Suppl):S159-65.

Uchino S, Kellum JA, Bellomo R, Doig GS, Morimatsu H, Morgera S, et al. Acute renal failure in critically ill patients: a multinational, multicenter study. Jama. 2005;294(7):813–8.

Walkey AJ, Lagu T, Lindenauer PK. Trends in sepsis and infection sources in the United States. A population-based study. Annals of the American Thoracic Society. 2015;12(2):216–20.

Chen YJ, Chen FL, Chen JH, Wu MM, Chen YL, Chien DS, et al. Epidemiology of sepsis in Taiwan. Medicine. 2019;98(20):e15725.

Poston JT, Koyner JL. Sepsis associated acute kidney injury. BMJ (Clinical research ed). 2019;364:k4891.

Kokkoris S, Parisi M, Ioannidou S, Douka E, Pipili C, Kyprianou T, et al. Combination of renal biomarkers predicts acute kidney injury in critically ill adults. Ren Fail. 2012;34(9):1100–8.

Ostermann M, Joannidis M. Acute kidney injury 2016: diagnosis and diagnostic workup. Crit Care. 2016;20(1):299.

McCullough PA, Shaw AD, Haase M, Bouchard J, Waikar SS, Siew ED, et al. Diagnosis of acute kidney injury using functional and injury biomarkers: workgroup statements from the tenth Acute Dialysis Quality Initiative Consensus Conference. Contrib Nephrol. 2013;182:13–29.

Yang CH, Chang CH, Chen TH, Fan PC, Chang SW, Chen CC, et al. Combination of Urinary Biomarkers Improves Early Detection of Acute Kidney Injury in Patients With Heart Failure. Circulation journal: official journal of the Japanese Circulation Society. 2016;80(4):1017–23.

Basu RK, Wong HR, Krawczeski CD, Wheeler DS, Manning PB, Chawla LS, et al. Combining functional and tubular damage biomarkers improves diagnostic precision for acute kidney injury after cardiac surgery. J Am Coll Cardiol. 2014;64(25):2753–62.

Prowle JR, Calzavacca P, Licari E, Ligabo EV, Echeverri JE, Bagshaw SM, et al. Combination of biomarkers for diagnosis of acute kidney injury after cardiopulmonary bypass. Ren Fail. 2015;37(3):408–16.

Charlton JR, Portilla D, Okusa MD. A basic science view of acute kidney injury biomarkers. Nephrol Dial Transplant. 2014;29(7):1301–11.

Yamashita T, Doi K, Hamasaki Y, Matsubara T, Ishii T, Yahagi N, et al. Evaluation of urinary tissue inhibitor of metalloproteinase-2 in acute kidney injury: a prospective observational study. Critical care (London, England). 2014;18(6):716.

Deng Y, Chi R, Chen S, Ye H, Yuan J, Wang L, et al. Evaluation of clinically available renal biomarkers in critically ill adults: a prospective multicenter observational study. Critical care (London, England). 2017;21(1):46.

Deng Y, Ma J, Hou Y, Zhou D, Hou T, Li J, et al. Combining Serum Cystatin C and Urinary N-Acetyl-Beta-D-Glucosaminidase Improves the Precision for Acute Kidney Injury Diagnosis after Resection of Intracranial Space-Occupying Lesions. Kidney & blood pressure research. 2020;45(1):142–56.

Hu X, Zhuang XD, Li Y, Li FF, Guo Y, Du ZM, et al. A Nomogram to Predict Contrast Induced Nephropathy in Patients Undergoing Percutaneous Coronary Intervention. International heart journal. 2017;58(2):191–6.

Guan C, Li C, Xu L, Zhen L, Zhang Y, Zhao L, et al. Risk factors of cardiac surgery-associated acute kidney injury: development and validation of a perioperative predictive nomogram. Journal of nephrology. 2019;32(6):937–45.

Zhou X, Sun Z, Zhuang Y, Jiang J, Liu N, Zang X, et al. Development and Validation of Nomogram to Predict Acute Kidney Injury in Patients with Acute Myocardial Infarction Treated Invasively. Scientific reports. 2018;8(1):9769.

von Elm E, Altman DG, Egger M, Pocock SJ, Gotzsche PC, Vandenbroucke JP. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Ann Intern Med. 2007;147(8):573–7.

Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig LM, et al. Toward complete and accurate reporting of studies of diagnostic accuracy: the STARD initiative. Academic radiology. 2003;10(6):664–9.

Levey AS, Stevens LA, Schmid CH, Zhang YL, Castro AF, 3rd, Feldman HI, et al. A new equation to estimate glomerular filtration rate. Ann Intern Med. 2009;150(9):604–12.

Kidney Disease Improving Global Outcomes (KDIGO) Acute Kidney Injury Work Group. KDIGO clinical practice guideline for acute kidney injury. Kidney Int Suppl. 2012;2:1–138.

Endre ZH, Walker RJ, Pickering JW, Shaw GM, Frampton CM, Henderson SJ, et al. Early intervention with erythropoietin does not affect the outcome of acute kidney injury (the EARLYARF trial). Kidney international. 2010;77(11):1020–30.

Bone RC, Balk RA, Cerra FB, Dellinger RP, Fein AM, Knaus WA, et al. Definitions for sepsis and organ failure and guidelines for the use of innovative therapies in sepsis. The ACCP/SCCM Consensus Conference Committee. American College of Chest Physicians/Society of Critical Care Medicine. Chest. 1992;101(6):1644-55.

Han WK, Wagener G, Zhu Y, Wang S, Lee HT. Urinary biomarkers in the early detection of acute kidney injury after cardiac surgery. Clinical journal of the American Society of Nephrology: CJASN. 2009;4(5):873–82.

Zhang Z, Lu B, Sheng X, Jin N. Cystatin C in prediction of acute kidney injury: a systemic review and meta-analysis. Am J Kidney Dis. 2011;58(3):356–65.

Filler G, Bökenkamp A, Hofmann W, Le Bricon T, Martínez-Brú C, Grubb A. Cystatin C as a marker of GFR–history, indications, and future research. Clinical biochemistry. 2005;38(1):1–8.

Steyerberg EW, Schemper M, Harrell FE. Logistic regression modeling and the number of events per variable: selection bias dominates. J Clin Epidemiol. 2011;64(12):1464-5; author reply 3–4.

Deng Y, Yuan J, Chi R, Ye H, Zhou D, Wang S, et al. The Incidence, Risk Factors and Outcomes of Postoperative Acute Kidney Injury in Neurosurgical Critically Ill Patients. Scientific reports. 2017;7(1):4245.

DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics. 1988;44(3):837–45.

JA H, Radiology MBJ. A method of comparing the areas under receiver operating characteristic curves derived from the same cases. 1983;148(3):839–43.

Youden WJ. Index for rating diagnostic tests. Cancer. 1950;3(1):32–5.

Cook NR. Statistical evaluation of prognostic versus diagnostic models: beyond the ROC curve. Clin Chem. 2008;54(1):17–23.

Pencina MJ, D’Agostino RB, Sr., D’Agostino RB, Jr., Vasan RS. Evaluating the added predictive ability of a new marker: from area under the ROC curve to reclassification and beyond. Stat Med. 2008;27(2):157–72; discussion 207 – 12.

Hosmer DW, Lemesbow S. Goodness of fit tests for the multiple logistic regression model. Communications in Statistics - Theory Method 1980;9(10):1043–69.

Vickers AJ, Elkin EB. Decision curve analysis: a novel method for evaluating prediction models. Med Decision Making. 2006;26(6):565–74.

Vickers AJ, Cronin AM, Elkin EB, Gonen M. Extensions to decision curve analysis, a novel method for evaluating diagnostic tests, prediction models and molecular markers. BMC Med Informatics Decision Making. 2008;8:53.

Sprenkle P, Russo P. Molecular markers for ischemia, do we have something better then creatinine and glomerular filtration rate? Archivos espanoles de urologia. 2013;66(1):99–114.

Leem AY, Park MS, Park BH, Jung WJ, Chung KS, Kim SY, et al. Value of Serum Cystatin C Measurement in the Diagnosis of Sepsis-Induced Kidney Injury and Prediction of Renal Function Recovery. Yonsei Med J. 2017;58(3):604–12.

Deng F, Peng M, Li J, Chen Y, Zhang B, Zhao S. Nomogram to predict the risk of septic acute kidney injury in the first 24 h of admission: an analysis of intensive care unit data. Renal Failure. 2020;42(1):428–36.

Malhotra R, Kashani KB, Macedo E, Kim J, Bouchard J, Wynn S, et al. A risk prediction score for acute kidney injury in the intensive care unit. Nephrology 2017;32(5):814–22.

Thông tin
Thông tin xuất bản

BMC Nephrology

Tập 22 Số 1

Thông tin tác giả