基于机器学习的急性冠脉综合征患者急性肾损伤的预测模型

目的基于机器学习(machine learning,ML)的方法构建急性冠脉综合征(acute coronary syndrome,ACS)患者在急诊入院后发生急性肾损伤(acute kidney injury,AKI)的临床预测模型。方法收集2018年1月至2020年12月在新疆医科大学第一附属医院住院确诊ACS的患者临床资料。(1)使用sklearn工具包中的train_test_split函数将数据集分为训练组(70%)和测试组(30%),在训练组中使用logistic回归、决策树、随机森林、极端梯度提升、支持向量机和轻量级梯度提升(light gradient boosting machine,LightGBM)方法构建ACS-AKI的预测模型;(2)通过模型可视化工具SHAP可解释模型与递归特征消除(recursive feature elimination,REF)对最佳ML预测模型变量进行筛选,并压缩为特征减少的紧凑预测模型;(3)最后采用测试组数据从区分度,校准和临床效益三个方面对筛选后的预测模型进行评价。结果共纳入499例ACS患者临床资料,其中ACSAKI发生率为29.5%;LightGBM模型在训练集中表现出最佳预测性能(受试者工作特征曲线的曲线下面积=0.78)。对特征变量筛选后发现,导致ACS并发AKI的预测因子有入院肌酐、射血分数、三酰甘油、B型钠尿肽、血尿素氮、胱抑素C、D-二聚体、年龄、袢利尿剂、心肌梗死范围。最后使用测试集数据对ACS-AKI的ML模型进行验证,得到LightGBM模型在区分度(受试者工作特征曲线=0.79)、校准方面、临床效益方面都具有最好的表现。结论通过不同的ML算法构建并验证了ACS患者并发AKI的临床预测模型,并且得到了较好的效果,但此模型仍需要更多外部数据进行验证。

对比不同分型的急性主动脉夹层围手术期导致急性肾损伤的临床研究

目的 对比急性Stanford A型和Stanford B型主动脉夹层患者围手术期发生急性肾损伤的相关危险因素及临床特点。方法 收集2019年1月1日至2021年12月31日在新疆医科大学第一附属医院住院并确诊为急性主动脉夹层的患者资料,按照CTA影像学结果分为TAAAD患者和TBAAD患者,根据KDIGO标准又分别分为AKI组及非AKI组。比较两组间术前、术中、术后资料差异,用二元Logistic回归筛出AKI的独立危险因素,绘制ROC曲线,评估各危险因素对发生AKI的预测价值,描述AAD-AKI的患者出院时肾功能情况,给予AAD-AKI临床指导。结果 共收集464例急性主动脉夹层患者的资料,其中TAAAD患者176例,TBAAD患者288例。TAAAD患者AKI发生率为83.5%(147/176),TBAAD患者AKI发生率为41%(118/288)。多因素Logistic回归分析显示:体外循环时间、术后首次肌酐、机械通气时间、围手术期使用升压药是TAAAD患者发生AKI的独立危险因素(P<0.05)。ROC曲线显示,TAAAD-AKI与术后首次肌酐(AUC:0.857,P=0.001)的相关性最大。肾脏灌注不良、入院首次肌酐、术后首次肌酐、围手术期使用袢利尿剂是TBAAD患者发生AKI的独立危险因素(P<0.05)。ROC曲线显示,TBAAD-AKI与入院首次肌酐(AUC:0.777,P=0.004)的相关性最大。关于出院肾功能结局的研究中,只有一半的患者出院时肾功能完全恢复,TAAAD-AKI患者院内病死率更高。结论 TAAAD-AKI与TBAAD-AKI的独立危险因素有所差异,可能与它们发生AKI的机制不同有关。针对不同的因素,AKI的防治措施也有所不同。对于近一半出院时肾功能未完全恢复的患者,应该在肾病科长期随访。

新疆地区单中心七年回顾性研究:妊娠相关急性肾损伤临床特征分析

目的探讨新疆地区单中心妊娠相关急性肾损伤患者的流行病学特点和临床特征。方法利用新疆医科大学第一附属医院住院患者网络病历系统,回顾性分析2013年1月至2020年11月,在该院住院的妊娠期女性的临床资料。结果本研究共筛选出妊娠期急性肾损伤(pregnancyrelated acute kidney injury,PR-AKI)患者157例,总检出率为0.22%。导致PR-AKI的前3位病因分别为妊娠期高血压疾病(52.9%)、妊娠期急性脂肪肝(11.5%)、产后出血(10.2%)。单因素Logistic回归分析显示舒张压(OR=1.022,95%CI:1.005~1.040)、收缩压(OR=1.013,95%CI:1.001~1.026)、血钾(OR=1.942,95%CI:1.066~3.538)、尿素氮(OR=1.331,95%CI:1.200~1.476)、血肌酐(OR=1.033,95%CI:1.200~1.476)、总胆红素(OR=1.010,95%CI:1.001~1.019)是重症PR-AKI患者的危险因素。新生儿出生体重与母体孕周的相关系数最大,与凝血酶原时间相关系数最小。结论为减少PR-AKI的发生,在基层地区可通过倡导孕期健康生活方式,定时规范全面产检,完善高危孕产妇筛查3方面进行干预,减少不良妊娠结局。

心力衰竭患者AKI发生的临床预测模型构建

目的:构建心力衰竭患者AKI(acute kidney injury)发生的临床预测模型,对早期高危患者识别提供依据。方法:回顾性分析新疆医科大学第一附属医院2018年1月至2020年12月明确诊断心力衰竭患者350例,其中AKI患者104名(29.7%),非AKI患者246名(70.3%),将其按7:3比例随机分为建模队列(n=245)和验证队列(n=105)。构建LASSO回归分析建模队列,基于logistic回归结果构建HF-AKI(heart failure-acute kidney injury)患者的诺顿图,同时对模型进行校准,同时验证模型效益。结果:单因素分析得到25个差异变量,LASSO回归、多因素逐步logistics回归,最终得到5个差异变量:年龄、住院天数、入院肌酐、射血分数、是否使用抗生素。构建HF-AKI患者的临床预测模型并绘制成诺顿图。构建训练组和验证组诺顿图的ROC曲线AUC大小分别为0.730和0.794,通过Hosmer-Lemeshow检验,验证组虽然没有训练组的拟合优度优异,但P>0.05,表明该诺顿图模型同样具有良好的校准度。结论:本研究成功构建了HF-AKI的临床预测模型,经过系列验证提示该模型的训练组和验证组均具有净收益范围,具有一定的临床价值。

不同分型急性主动脉夹层导致围术期AKI临床预测模型的构建与比较

目的构建并比较Stanford A型和B型急性主动脉夹层(AAD)患者围术期导致急性肾损伤(AKI)的诺模图预测模型。方法收集2019年1月至2021年12月在我院确诊为AAD的患者资料。采用LASSO回归和多因素logistic分别筛选出Stanford A型急性主动脉夹层AKI(TAAAD-AKI)、Stanford B型急性主动脉夹层AKI(TBAAD-AKI)的独立危险因素并构建诺模图预测模型。通过Bootstrapping内部验证,从准确性、校准度、临床效益3个角度综合评价模型优劣。结果共收集464例AAD患者的资料,TAAAD-AKI的发生率为83.5%(147/176),TBAAD-AKI的发生率为41.0%(118/288)。用于构建TAAAD-AKI诺模图的独立危险因素有:入院首次血清肌酐(SCr)、入院D-二聚体值、体外循环(CPB)时间、机械通气(MV)时间、围术期使用升压药;构建TBAAD-AKI诺模图的独立危险因素有:入院首次SCr、入院肾脏灌注不良、ICU滞留时间、围术期使用袢利尿剂。区分度显示TAAAD-AKI模型受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.899,提示准确性高;TBAAD-AKI模型AUC值为0.825,说明模型有中等准确性。绘制模型校准曲线,Hosmer-Lemeshow检验反映两种诺模图模型均有很好的校准度。而决策曲线同样发现模型均有不错的临床效益。结论TAAAD-AKI和TBAAD-AKI的预测因子除了入院首次SCr外并不相同,TAAAD-AKI关键变量主要集中在术中术后,而TBAAD-AKI则多为术前。构建并验证可行的两种诺模图对于AKI的临床预警具有重要意义。