论文部分内容阅读
研究背景与目的急性肾损伤(acute kidney injury,AKI)是重症监护室(intensive care unit,ICU)患者常见并发症。重症患者有高度异质性,目前单一标志物预测该人群AKI不理想。联合肾小球滤过功能标志物与肾小管损伤标志物提高对AKI预测效能,但对重症患者,具体标志物组合尚无定论。血胱抑素C(serumcystatin C,sCysC)、尿NAG酶(urinary N-accetyl-β-D-glucosaminidase,uNAG)分别反映肾小球滤过功能和肾小管损伤,已在临床应用。本研究前瞻性、评估sCysC联合uNAG预测重症患者AKI效能,建立AKI预测模型及列线图,以期改善重症患者AKI的防治。方法第一部分:连续纳入本院ICU收治的颅内占位性病变开颅切除术后患者。检测术后入ICU时uNAG、sCysC,评估两者联合对术后AKI的预测效能;分析术后AKI危险因素、建立预测模型;用受试者工作特征曲线(receiver operator characteristic curve,ROC)的曲线下面积(area under the cure,AUC)、连续重分类改善指标(continuous net reclassification index,cNRI)、综合判别改善指数(incremental discrimination improvement,IDI)评估联合 sCysC、uNAG 对模型的贡献;构建AKI列线图,校准曲线评估其预测准确性、决策曲线评估临床实用性。第二部分:连续纳入本院ICU收治的脓毒症患者,按时间先后分:建模与验证队列。检测入ICU时sCysC、uNAG;分析脓毒症患者AKI危险因素、建立预测模型;用ROC-AUC、cNAR、IDI评估联合sCysC、uNAG对模型的贡献;构建列线图。第三部分:连续纳入本院ICU收治的患者。检测入ICU时sCysC;分别根据患者入ICU时糖化血红蛋白、血糖及糖尿病病史分组,比较不同血糖水平分组间 sCysC 预测 AKI 的 ROC-AUC。结果第一部分:在605例手术患者中(67例AKI),联合sCysC、uNAG预测AKI的AUC优于单标志物。建立术后AKI预测模型:模型一不含sCysC、uNAG,模型二包含;后者效能更高(AUC提高到0.803、cNRI提高0.6、IDI提高0.07)。根据模型二建立列线图,预测准确性良好、有临床实用价值。第二部分:共358例脓毒症患者,建模队列232例(69例AKI),验证队列126例(52例AKI)。构建建模队列AIKI预测模型:模型一不含sCysC、uNAG,模型二包含;后者效能更高(AUC提高到0.831、cNRI提高0.489、IDI提高0.053);根据模型二构建列线图,预测准确性良好、有临床实用价值。验证队列中,联合sCysC、uNAG的模型预测效能较好。第三部分:在1317例ICU患者中(379例AKI),血糖水平不影响sCysC预测AKI效能(组间AUC 比较,P>0.05);在糖尿病组,sCysC预测AKI截断值高于非糖尿病组。结论sCysC联合uNAG提高重症患者AKI预测准确性,改善AKI预测模型效能,依此构建的列线图简便、准确,利于重症患者AKI个体化防治。