在重症病房 (ICU) 中早期发现急性肾损伤 (AKI) 仍然具有挑战性。AKI 的定义是血清肌酐升高和/或尿量减少，两者都是潜在潜在肾脏损害的晚期标志物。有必要识别发生 AKI 的高风险患者，以便可以采用或研究早期预防或治疗干预措施，例如减少或避免使用肾毒性药物以及优化血压和体液平衡。

AKIpredictor 包括一系列模型，这些模型使用不同时间点的临床数据预测 ICU 入院后 1 周内的 AKI 发展。AKIpredictor 模型表现出良好的性能，在验证队列中优于常用的 AKI 生物标志物中性粒细胞明胶酶相关载脂蛋白 (NGAL) 。在一项前瞻性临床试验中与 ICU 医生进行比较时，AKI 实现了相似的区分度和更高的净收益，因此具有优势。在本研究中，我们在 M@tric 数据库中包含来自鲁汶大学医院的大型异质队列，在最近的 ICU 环境中验证了 AKI的预测作用，其中包含每年来自所有成年患者的高质量和复杂的相互关联的数据于 2013 年至 2018 年入住 ICU。这些患者数据的使用获得了鲁汶大学医院伦理委员会 (S61364) 批准。

肾脏疾病：改善全球结局 (KDIGO) 使用血清肌酐而非尿量标准对 AKI 1 期或更高阶段进行分类。为了更好地解释和与早期研究进行比较，使用相同的评估指标检查预测性能：接收操作特征曲线下面积 (AUROC) 曲线（包括灵敏度和特异性）、校准图（包括校准斜率 (CS) 和校准-大型（CITL））和决策曲线分析。

在验证队列的 20,930 名患者中，11,290 名患者符合纳入标准（在线资源 1）。总共有 1239 名患者（10.97%）在 ICU 入院后 1 周内发生 AKI。在线资源 1 中提供了完整的描述性统计数据。如图 1所示，AKI 预测器表现出良好的辨别力（AUROC：0.75；CS：0.75；CITL：- 0.04），与原始研究（AUROC）相当（但略低于）: 0.80; CS: 0.78; CITL: - 0.01) 。在原始研究中最大敏感性和特异性分别为 64% 和 82% 的分类阈值为 14.5% 时，敏感性和特异性分别为 55.53% 和 79.64%。决策曲线分析表明在广泛的分类阈值 (7.07–38.38%) 中具有潜在的临床实用性。14.5% 的原始分类阈值仍可保留临床实用性。

预测性能：（左）ROC 曲线、（中）校准曲线和（右）决策曲线。ROC接收机工作特性、CS校准斜率、CITL、大规模校准

结果证明了 AKIpredictor 模型的稳健性，即使学习模型的原始数据库可以追溯到 10 年前，在此期间临床环境和医疗保健过程发生了很大变化。基于这些发现，AKI 预测器可以成为早期识别 AKI 患者的有前途的工具。将来，AKIpredictor 可以与生物标志物结合以提高性能。对 AKI 风险较高的患者进行改进的分层是否可以有益于他们的结果，需要未来的前瞻性研究。

---Intensive Care Med 2020 May 19.https://doi.org/10.1007/s00134-022-06746-6

百度浏览   来源 : 重症沙龙   

版权声明：本网站所有注明来源“医微客”的文字、图片和音视频资料，版权均属于医微客所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源：”医微客”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，转载仅作观点分享，版权归原作者所有。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。 本站拥有对此声明的最终解释权。