Akut vesebetegség akut dekompenzált szívelégtelenség után

Jun 03, 2024

Bevezetés:Akut vesebetegség (AKD)kontinuumát képviselivese sérülésakut vesekárosodás (AKI) után 7-90 napig. Az előfordulás ésAz AKD prognózisaaz akut dekompenzált szívelégtelenség (ADHF) után jelenleg nem tisztázott. Ennek a tanulmánynak az volt a célja, hogy feltárja az AKD előfordulását és az AKI-ról az AKD-re való átmenetet, azonosítsa az AKD kockázati tényezőit, és előrejelzési modellt dolgozzon ki az AKD bármely stádiumára vonatkozóan, valamint értékelje az AKD prognózisát.
Módszerek: 2008. január 1. és 2018. december 31. között ADHF miatt összesen 7519 beteget azonosítottak egy több intézményt átfogó adatbázisból. Az ADHF utáni összetett kimenetelek a 3. stádiumú AKD és a minden ok miatt bekövetkezett halál volt. Elemezték az AKD prognózisra gyakorolt ​​hatását, ideértve a súlyos nemkívánatos vese eseményeket (MAKE-kat), a minden okból kifolyólag bekövetkező halált és a szívelégtelenség kórházi kezelését (HFH), az 5 éves követés során.
Eredmények:Az ADHF utáni AKI és AKD összesített előfordulása 9%, illetve 21,2% volt; Az ADHF során AKI-vel diagnosztizált betegek 39,4%-ánál alakult ki AKD, míg az azonosított AKI-epizóddal nem rendelkező betegek 19,4%-ánál ezt követően alakult ki AKD. A prediktív pontozási modellek 0,726 (95% CI: 0,712–0,740) C-statisztikát mutattak ki bármely stádiumú AKD és {{ 19}},807 (95%-os CI: 0,793–0,821) a 3. stádiumú AKD és a halál kombinációjára. Végül, az AKD-t összefüggésbe hozták a minden okból kifolyólag bekövetkező halálozás magasabb kockázatával,
MAKE és HFH az 5 éves követés során (P < 0.001).

Következtetés:Az ADHF utáni AKD káros következményekkel jár. Modellünk segíthet az AKD kialakulásának kockázatának kitett betegek azonosításában, különösen azoknál, akiknél nem volt index AKI epizód.



KULCSSZAVAK: akut dekompenzált szívelégtelenség; akut vesebetegség; akut vesekárosodás

27

CISTANCHE KIVONAT 30% ECHINKAOZIDALVESEBETEGSÉGRE


ADHF is a poor prognostic event in patients with congestive heart failure, with a 1-year death rate of >30% and a high readmission rate.1,2 The condition usually occurs alongside AKI. The incidence of AKI among those admitted for ADHF varies from 9.6% to 43%.3–5 AKI, as a common complication of ADHF (i.e., acute cardiorenal syndrome type 1 in ADHF), is associated with higher 1-year death and readmission rates.3,4,6 The poor prognostic effect is more significant in those who developed AKI or worse renal function but without effective decongestion.7 AKD represents a continuum of kidney injury or renal function nonrecovery after initial kidney insult/ stress. In addition, the transition from AKI to AKD, to chronic kidney disease (CKD) reflects a continuum of persistent kidney injury after initial kidney insult.8 The time course for AKD is described as >7 napon belül, de az AKI kezdeményezésétől számított 90 napon belül. A jelenlegi AKD definíció az Acute Disease Quality Initiative 16 Workgroup konszenzusán alapul.8 Ezért az AKD olyan állapotnak tekinthető, amelyben a hosszan tartó veseműködési zavar (AKI jelenlétében vagy hiányában) még azelőtt fellép, mielőtt a beteg megfelelne a {{4 }}napi kritériumok a CKD-re.8,9 Az ilyen AKI-kutatásokkal összehasonlítva az AKD incidenciáját és prognosztikai hatását az ADHF miatt felvett betegekben vizsgáló tanulmányok ritkák. Néhány tanulmány megjelent, amelyek az AKI/CKD kialakulásához kapcsolódó klinikai tényezőket vagy az ADHF-ben szenvedő betegek előrejelzési modelljét értékelték, de ezek közül néhány foglalkozott az AKD ADHF utáni kialakulásával.4,10–18


image


1. ábra. A folyamatábra (a) a páciens kiválasztásához és (b) a különböző AKI és AKD szakaszok eloszlásához. AKD, akut vesebetegség; AKI, akut vesekárosodás; ECMO, extracorporalis membrán oxigenizáció; ESRD, végstádiumú vesebetegség; RRT, vesepótló kezelés.



Ebben a tanulmányban az AKD előfordulását, klinikai tényezőit és prognosztikai hatását vizsgáltuk ADHF után. Az ADHF utáni AKD előrejelzési modelljét is kidolgoztuk, hogy megkönnyítsük a kockázati rétegződést, és ezáltal elősegítsük az AKD korai azonosítását és beavatkozását.

35

MÓD

Adatforrás

Ez egy retrospektív kohorsz-tanulmány volt a Chang Gung Research Database (CGRD) elektronikus adatainak felhasználásával. A Chang Gung Medical Foundation a legnagyobb egészségügyi rendszer Tajvanon, amely 7 kórházból áll Tajvan egész területén. A CGRD egy több intézményt magában foglaló elektronikus egészségügyi nyilvántartási adatbázis, amely részletesebb klinikai információkat, például laboratóriumi eredményeket és hemodinamikai feljegyzéseket biztosít, mint a kárigények adatbázisa, és magas általános és betegségspecifikus lefedettséggel rendelkezik Tajvanon.19,20 Az ebben a tanulmányban értékelt betegségeket a Betegségek Nemzetközi Osztályozása (ICD), Kilencedik Revízió, Klinikai Módosítás diagnosztikai kódok segítségével azonosították a 2015 előtti feljegyzésekre vonatkozóan, valamint az ICD, Tizedik Revízió, Klinikai Módosítás diagnosztikai kódokat a 2016 utániak esetében. a CGRD-t máshol tárgyalják.20–22 Ezt a tanulmányt a Chang Gung Memorial Hospital Institutional Review Board (intézményi felülvizsgálati bizottság száma: 202000915B0) hagyta jóvá. Eltekintettek az egyéni hozzájárulás szükségességétől, mert a CGRD nem tartalmazza a személyazonosító adatokat. Ezt a vizsgálatot a STROBE nyilatkozat (kiegészítő anyag) szerint végeztük.

15

Tanulmányi populáció

Patients who were admitted for ADHF (identified by ICD, Ninth Revision, Clinical Modification: 428 and ICD, Tenth Revision, Clinical Modification: I50 in the hospital primary and secondary diagnosis during hospitalization) between January 1, 2008, and December 31, 2018, and who had sufficient data to determine the presence of AKI and AKD were identified in the CGRD. The use of ICD, Ninth Revision, Clinical Modification: 428 and ICD, Tenth Revision, Clinical Modification: I50 for identified ADHF hospitalized population is verified in other studies23,24 and with positive predictive value >90%.25,26 A vizsgálati időszakban többszöri ADHF felvételen átesett betegek esetében az első ADHF felvételt használtuk indexfelvételként. A betegeket kizárták, ha igen<18 years old, were diagnosed with having end-stage renal disease and already on maintenance dialysis, or were on extracorporeal membrane oxygenation during the index admission. Patients with anticipated cardiac transplantation, who were diagnosed with having sepsis or obstructive uropathy, were exposed to a nephrotoxic agent during admission (including iodine contrast media, a nonsteroidal anti-inflammatory drug, aminoglycosides, or vancomycin), or developed severe AKI requiring dialysis were also excluded (Figure 1a).

35

AKI és AKD definíciók

Az AKI jelenlétét aVesebetegség: Improving Global Outcomes AKI criteria, which is by comparing a patient's baseline creatinine levels with their highest creatinine level during the first 7 days of their index admission.27 For the baseline creatinine level, we used the lowest creatinine level in the 3 months before the index admission or, if no creatinine level within 3 months of the index admission was available, the first creatinine level in the same index admission. The first AKI episode in the index admission is identified as index AKI. The presence of AKD was determined based on consensus from the Acute Disease Quality Initiative 16 Workgroup.8 AKD is defined by a condition in which persisted AKI is present $7 days after an AKI initiating event. The Acute Disease Quality Initiative workgroup also mentioned that an AKI-initiating event can usually be identified but is not required to diagnose AKD.8,9 For AKD staging, the baseline creatinine level was compared with the creatinine level nearest to 90 days after the index admission; AKD stages 1 and 2 were defined as serum creatinine levels 1.5 to 1.9 and 2.0 to 2.9 times baseline, respectively, whereas stage 3 was defined as a serum creatinine level 3.0 times baseline, serum creatinine increase of $4.0 mg/dl, or being on renal replacement therapy for 8 to 90 days after the index date. If >1 értéket kaptunk az index felvételt követő 8-90 napon belül, az AKD jelenlétét az index felvételt követő 90. naphoz legközelebbi kreatininszint alapján határoztuk meg.

9

Potenciális előrejelzők (kovariánsok)

A betegek klinikai jellemzőit, az AKI-érzékenységi faktorokat 4, 10–17, 28–30 és a vese nem felépülő faktorait a pangásos szívelégtelenségben vagy a kritikus betegségben szenvedő populációkban31–35 a korábbi tanulmányok vagy az adatkészletünkben elérhető adatok alapján határoztuk meg. A kinyert kockázati tényezők közé tartozott az életkor, a nem, az alapbetegség (pl. diabetes mellitus, magas vérnyomás, CKD, májcirrhosis és rosszindulatú daganat), a szívműködés New York Heart Association funkcionális osztálya által végzett értékelése36, valamint a bal kamrai ejekciós frakció. Hemodinamikai paraméterek (szisztolés vérnyomás, diasztolés vérnyomás és pulzusszám) a sürgősségire érkezéskor vagy a felvétel napján, az első laboratóriumi eredmények az indexfelvétel során (beleértve a hemoglobint [HB]; a vér karbamid nitrogénjét [BUN]; szérum kreatinin-, albumin-, nátrium-, kálium-, proteinuria- és B-típusú natriuretikus peptid [BNP] szint), és a kapcsolódó gyógyszerfelírások (ambuláns kacsdiuretikumok az elmúlt 3 hónapban és kumulatív kacs-diuretikumok adagolása ADHF-felvétel alatt, digoxin, inotróp vagy dobutamin indexfelvétel során történő felhasználás) is kinyertük.


Eredmény meghatározása

Ebben a vizsgálatban 2 elsődleges kimenetel volt, amelyek a következők: (i) az AKD bármely stádiumának kialakulása és (ii) a 3. stádiumú AKD vagy bármilyen okból bekövetkezett halál összetett kimenetele az index felvételét követő nyolcadik és 90. napon. . A másodlagos kimenetel a minden ok miatt bekövetkezett halál, a MAKE és a HFH a 91. naptól az ötödik évig az indexbe történő felvételt követően. A MAKE a hosszú távú vesepótló kezelést igénylő végstádiumú vesebetegség új diagnózisából, az újonnan kialakuló CKD-ből állt (amelyet a becsült glomeruláris filtrációs ráta határozza meg<60 ml/ min per 1.73 m2 according to the Modification of Diet in Renal Disease equation), and all-cause death.


Statisztikai elemzés

Az AKI-ban vagy AKD-ben szenvedő és nem szenvedő betegek kiindulási jellemzőit a független mintás t-próbával a folytonos változókra és a c2 teszttel a kategorikus változókra hasonlítottuk össze. Az egyváltozós logisztikus regressziós elemzést az alapjellemzők és az eredmények kockázata közötti lehetséges összefüggés kezdeti szűrésére használtuk. Kovariánsok szignifikánssal<0.2 in the univariate logistic regression analyses were further introduced into a multivariable model with automatic backward elimination. In the multivariable model, continuous parameters (i.e., systolic blood pressure, diastolic blood pressure, heart rate, HB, BUN, creatinine, potassium, and albumin) were categorized based on previous reports or according to clinical definitions.4,10–17 The models for predicting any-stage AKD, the composite of stage 3 AKD and all-cause death, and all-cause death alone were developed separately. 

A többváltozós logisztikus analízisből levezetett klinikai és laboratóriumi alapú predikciós modellt a klinikai használat megkönnyítése érdekében tovább alakították egy egyszerűsített pontrendszerré.37 Az egyszerűsített pontrendszer kulcsgondolata a regressziós együtthatók kerekítése. Az első lépés az volt, hogy referenciaváltozóként (azaz BNP) széles értéktartományú folytonos prediktort azonosítottak, majd ezt a változót több klinikailag jelentős kategóriába sorolták, és referenciaértékeket (általában a középső értéket) kaptak a változó minden kategóriájához. . A referenciaváltozótól eltérő előrejelzőket is ennek megfelelően kategorizáltuk. Végül a prediktor minden kategóriájának referenciaértékét (általában a középső értékét) a referenciaváltozóhoz viszonyított regressziós együttható értékének megfelelően számítottuk ki.



A modell teljesítményét több területen is értékelték, beleértve a megkülönböztetést, a kalibrációt és a belső validálást. Megkülönböztető képességét a vevő működési karakterisztika görbéje alatti terület (AUC) segítségével értékeltük, amelyben az SE kiszámítása DeLong módszerével történt. A kalibrálási teljesítményét az illesztett (megjósolt) valószínűségek deciliseiként azonosító diagram segítségével értékeltük ki. A modell jól kalibrált volt, amikor a várt (jósolt) és a megfigyelt valószínűségek az alcsoportokban hasonlóak voltak. A Hosmer–Lemeshow tesztet nem végezték el, mert érzékeny a nagy mintaméretekre. A levezetett modell külső általánosíthatóságának értékeléséhez belső validálást kell végezni a
Az AUC-t 1000 bootstrapped minta felhasználásával végeztük.
Továbbá összehasonlítottuk a 91. naptól az ötödik évig terjedő minden okú halálozás és a MAKE kockázatát az AKD és a nem AKD csoportok között az egyváltozós Cox arányos kockázati modell segítségével. A HFH kockázatát a csoportok között a követés során az egyváltozós Fine és Gray aleloszlási kockázati modell segítségével hasonlítottuk össze, amely a minden ok miatt bekövetkezett halált versengő kockázatnak tekintette. Az arányos kockázat feltételezését a Schoenfeld reziduális módszerrel értékeltük a hosszú távú eredményekre. Végül a betegeket 3 egyforma nagyságú alcsoportra osztottuk az egyszerűsítés szerint

pontrendszer. Az ordinális kockázati alcsoportokban a teljes okokból bekövetkező halálozás, a MAKE és a HFH kockázatát a fent említett túlélési elemzések segítségével vizsgáltuk, amelyekben az ordinális kockázati alcsoportot folyamatos kovariánsként kezeltük. Minden elemzést az R 4-es verziójával végeztünk.{2}}.1 (R Development Core Team).










Akár ez is tetszhet