肾宝口服液对大鼠heymann肾病模型尿蛋白量及生化指标的影响

目的:研究肾宝口服液对大鼠heymann肾病模型尿蛋白量及血清指标的影响。方法:72只雄性SD大鼠随机分为正常组、模型组、尿毒清颗粒组、肾宝口服液大、中、小剂量组,除正常组外,其余5组建立heymann肾病模型。连续灌胃给药28d,检测尿蛋白量、血清总蛋白、血清白蛋白、血清肌酐(CRE)、血清尿素氮(BUN)及血清GSH-PX活性结果:肾宝口服液组尿蛋白、BUN、CRE水平显著降低(P<0.05或0.01)、血清GSH-PX活力与血清白蛋白、血清总蛋白水平显著升高(P<0.01)。

老年糖尿病肾病患者血液透析低血糖预测模型的构建与验证

目的 构建老年糖尿病肾病(diabetic kidney disease, DKD)患者血液透析低血糖列线图风险模型并验证其预测效果,为临床制订个体化的低血糖防控措施提供参考。方法 采用便利抽样法选取2022年6月至2023年6月在南宁市某三级甲等医院A院区血液净化室进行血液透析治疗的老年DKD患者273例建模,同法选取2023年7-12月该院B院区的老年DKD患者65例进行模型验证。以Lasso回归筛选特征变量,采用Logistic回归构建模型;以受试者工作特征曲线、校准曲线和临床决策曲线评价模型预测效能。结果 338例研究对象低血糖发生率为43.5%。体质量指数、文化程度、自我管理、社会支持、DKD病程、透析过程中进食、过去1年低血糖史、透析前血糖是老年DKD患者透析低血糖的影响因素(均P<0.05)。构建的预测模型的受试者工作特征曲线下面积为0.828,校准曲线显示预测结果与实际有较好一致性(P>0.05),经验证该模型预测的总体准确率为80.0%,临床决策曲线阈值概率为7%~95%时,模型临床净获益高。结论 基于Lasso-Logistic回归构建的列线图模型在临床中应用有较好的预测价值。

2型糖尿病患者并发糖尿病肾病风险的列线图预测模型与验证研究

背景糖尿病肾病(DN)是糖尿病患者常见的并发症,对其发生风险进行预测与验证,有助于提前识别高风险患者并采取干预措施,以避免或延缓肾脏疾病的进展。目的分析影响2型糖尿病(T2DM)患者并发DN的风险因素,构建T2DM患者发生DN风险的预测模型并进行验证。方法选取2016年1月—2021年6月在新疆医科大学第一附属医院住院的5810例T2DM患者为研究对象,根据是否并发DN将患者分为DN组(481例)和非DN组(5329例)。对其中481例DN患者和非DN患者依据性别、年龄(±2岁)进行1∶1病例对照匹配,将匹配后的962例T2DM患者根据2∶1比例随机分为训练组(n=641)和验证组(n=321)。收集患者的基础数据,如临床特征、实验室检查结果及其他相关数据。采用LASSO回归优化筛选变量,利用多因素Logistic回归分析建立列线图预测模型。分别采用受试者工作特征(ROC)曲线、Hosmer-Lemeshow校准曲线和决策曲线分析(DCA)评价预测模型的区分度、校准度以及预测模型的临床有效性。结果DN组与非DN组患者性别、年龄、BMI、糖尿病病程、白细胞计数、总胆固醇、三酰甘油、低密度脂蛋白胆固醇、血清肌酐、高血压、收缩压、舒张压、糖化血红蛋白载脂蛋白B、24 h尿微量总蛋白、定性尿蛋白比较,差异有统计学意义(P<0.05)。采用LASSO回归分析方法,筛选出5个与T2DM患者发生DN风险相关的预测变量,结合多因素Logistic回归分析结果显示,糖尿病病程、总胆固醇、血清肌酐、高血压、定性尿蛋白是T2DM患者并发DN的危险因素(P<0.05)。训练组DN发生风险的ROC曲线下的面积(AUC)为0.866(95%CI=0.839~0.894),验证组DN发生风险的AUC为0.849(95%CI=0.804~0.889)。Hosmer-Lemeshow校准曲线拟合度较好(训练组P=0.748;验证组P=0.986)。DCA显示当患者的阈值概率为0.15~0.95时,使用列线图预测模型预测T2DM患者发生DN风险更有益。结论本研究发现糖尿病病程、总胆固醇、血清肌酐、高血压、定性尿蛋白可能是T2DM患者并发DN的危险因素,建立了包含该5个危险因素的列线图预测模型,可用于预测T2DM患者发生DN的风险。

基于DID模型分析轻盈祛浊汤治疗痰湿瘀阻型糖尿病肾病的远期疗效及对维生素D水平的影响

目的:基于双重差分法(DID)模型分析轻盈祛浊汤治疗痰湿瘀阻型糖尿病肾病(DN)的远期疗效及对血清25羟基维生素D[25(OH)D]水平的影响。方法:前瞻性选取2020年6月至2022年6月于该院就诊的痰湿瘀阻型DN患者120例,按照随机数字表法分为对照组和观察组,各60例。对照组患者接受常规西医标准化治疗,观察组患者在对照组的基础上予以轻盈祛浊汤治疗。比较两组患者的临床疗效,炎症因子、血钙、血磷和25(OH)D水平,采用DID模型对比两组患者治疗前后不同时间点(治疗前,治疗后1、2、3及6个月)的血清25(OH)D水平。结果:随访6个月,无1例失访。观察组患者的总有效率[93.33%(56/60)]较对照组[78.33%(47/60)]升高,差异有统计学意义(P<0.05)。观察组患者随访结束时肿瘤坏死因子α、白细胞介素(IL)6和IL-1β水平低于对照组,血钙水平高于对照组,血磷水平低于对照组,差异均有统计学意义(P<0.05)。血清25(OH)D水平在时间、组间、时间-组间交互项的差异均有统计学意义(P<0.05);DID回归模型显示,两组治疗前的差分效应量为0.844,且差异无统计学意义(P=0.329>0.1),满足平行趋势假设;两组治疗后的差分效应量为-1.878,且差异有统计学意义(P<0.05),即说明在治疗后各时间点,观察组的效应值明显高于对照组;双重差分效应值为-2.722,且差异有统计学意义(P=0.005)。结论:轻盈祛浊汤能上调痰湿瘀阻型DN患者维生素D水平,改善钙磷水平,减轻炎症水平,提高疗效。

肾病综合征型子痫前期预测模型的建立及验证

目的建立及验证肾病综合征型子痫前期的模型,为妇产科医生早期识别和早期诊断肾病综合征型子痫前期提供参考。方法回顾性分析2012年1月至2021年1月在广西医科大学第一附属医院和广西医科大学附属武鸣医院住院并分娩的60名肾病综合征型子痫前期病例,并选取同期202例为非肾病综合征型子痫前期患者作为对照组。将病例按照7∶3比例随机分为训练集和验证集,训练集依据是否临床诊断肾病综合征型子痫前期进行分组,进行logistic单因素及多因素分析,建立肾病综合征型子痫前期的预测模型,对模型区分度、校准度进行检验,使用Bootstrap进行内部验证,并使用验证集数据进行内部验证。列线图实现模型可视化。结果Logistic单因素及多因素分析最终保留4个变量:是否早发型、初产妇、总蛋白、纤维蛋白原。建立诊断预测模型,使用列线图呈现。使用验证组内部验证ROC为0.9517,模型具有较好的推广性。内部验证的HL检验χ^(2)值为5376.1,P<0.001。结论构建的预测模型可作为临床医师诊断肾病综合征型子痫前期的参考依据。

基于机器学习对2型糖尿病肾病预测模型的构建及验证

目的寻找2型糖尿病(T2DM)患者糖尿病肾病(DKD)的独立预测因子,构建DKD发病风险的最佳机器学习(ML)模型并进行验证。方法以2019年10月—2020年9月于承德市中心医院内分泌科住院治疗的528例T2DM患者为研究对象,随机分为训练集(370例)和验证集(158例),训练集依据是否合并DKD分为DKD组(89例)和非DKD组(281例)。单因素分析患者的一般资料和辅助检查,将其中有意义的变量通过最小绝对收缩和选择算法(LASSO)回归筛选最佳预测因子,将LASSO回归筛选出的最佳预测因子通过Logistc回归(LR)、K近邻(KNN)、支持向量机(SVM)、决策树(DT)、随机森林(RF)、朴素贝叶斯(NB)、人工神经网络(ANN)和极致梯度提升(XGBoost)8种ML算法,经3重交叉验证建立预测模型,通过比较受试者工作特征(ROC)曲线、Delong检验、GiViTI校准曲线选择最佳预测模型。采用决策曲线分析(DCA)评估模型的临床实用性。结果年龄、丙氨酸转氨酶(ALT)、肌酐(Cr)、甘油三酯(TG)、胱抑素C(Cys-C)、25羟基维生素D[25(OH)D]、单核细胞计数(Mon)是DKD的独立预测因子。8种ML模型中,ANN模型表现最佳。GiViTI校准曲线提示模型具有较好的准确度(P>0.05),决策曲线显示预测模型曲线在0.027~0.612的阈值概率区间具有临床实用价值。结论本研究构建的预测DKD发生风险的ANN模型有助于早期识别DKD的高危T2DM患者。

肾病综合征患者他克莫司血药浓度监测及MLP预测模型建立

目的考察肾病综合征(NS)患者使用他克莫司后的血药浓度监测情况,同时建立他克莫司血药浓度预测模型。方法收集厦门大学附属中山医院2020年1月1日至2023年8月31日166例NS患者使用他克莫司的血药浓度监测数据(共计509次),并对其疗效、药物不良反应(ADR)与血药浓度的相关性进行分析。利用其中109例含有基因信息的NS患者的302次血药浓度监测数据建立多层感知机(MLP)预测模型,并对其进行验证。结果在疗效方面,未缓解组患者的中位血药浓度为2.20 ng/mL,显著低于部分缓解组的4.00 ng/mL(P<0.001)和完全缓解组的3.60 ng/mL(P=0.002)。在ADR方面,发生ADR组患者的中位血药浓度为5.01 ng/mL,显著高于未发生ADR组的3.37 ng/mL(P=0.001),且经受试者工作特征曲线亚组分析后可知,他克莫司血药浓度≥6.65 ng/mL时,患者更易发生血肌酐升高[曲线下面积(AUC)为0.764,P<0.001];他克莫司血药浓度≥6.55 ng/mL时,患者更易发生血糖升高(AUC=0.615,P=0.005)。所建立的MLP预测模型的损失函数值为0.9,预测值与实测值的平均误差绝对值为0.2795ng/mL,验证散点图的决定系数为0.984,说明模型取得了良好的预测效果。结论他克莫司血药浓度对NS患者的疗效和ADR均有影响。利用MLP模型进行血药浓度预测的准确率高,预测值与实测值之间误差小,该模型可作为临床个体化用药方案中的重要工具。

利用联合模型动态预测IgA肾病患者进入终末期肾病的概率

目的:建立一个工具能够根据每次访视IgA肾病(IgAN)患者的病情变化,动态预测患者进入终末期肾病(ESKD)的概率。方法:选取1997—2007年在国家肾脏疾病临床医学研究中心长期随访的IgAN患者。利用联合模型(Joint model)分析IgAN患者所有访视点的产生纵向数据,实现动态预测患者ESKD的概率,以达到个体化动态预测的目标。我们首先以肾活检时刻为基准建立了临床模型(模型A)和临床病理模型(模型B)。模型A的生存子模型部分引入了年龄、性别、尿蛋白定量(Log转换)、估算的肾小球滤过率(eGFR)、eGFR下降斜率、血白蛋白水平等指标;纵向子模型部分引入了年龄、尿蛋白定量、eGFR、eGFR下降斜率以及血清白蛋白水平。模型B在模型A的基础上生存子模型上增加了牛津病理分类指标。模型C是以首次访视时间为基准重新拟合了模型A并评估了其性能。所有的纵向子模型采用访视时间t的非线性混合模型拟合。结果:本研究纳入了866例IgAN患者,以首次门诊就诊为基线,平均随访时间为12.2±5.5年,共访视22 533人次,平均每个患者访视26次。随访中260例(30.0%)患者进入ESKD,其末次随访平均eGFR为9.1±3.0 mL/(min·1.73m^(2))。将所有患者按照3∶1的比例,随机分为建模组(650例)和测试组(216例)。以肾活检时刻为基线,模型A与模型B的性能基本一致,二者均表现出较高的预测性能,纳入或者剔除病理学变量并未明显增加联合模型对ESKD风险预测的准确性。随着随访时间的增加,模型A的预测性能持续提升,在肾活检后第5年左右达到最佳性能。AUC值由肾活检时的0.864增至肾活检后第5年的0.956;Brier评分由肾活检时的0.124降至活检后第5年的0.058。以首次访视时刻为基线的模型C也取得了类似的结果。为方便临床实践,我们利用Shiny包实现了动态预测,并将相关模型R对象、源代码公布在网络上。结论:联合模型可以用于IgAN患者访视点产生的纵向数据,高性能动态预测IgAN患者尿毒症的概率,实现个体化动态预测的目标。

IgA肾病病证结合预后风险预测模型的构建及评价

目的分析影响IgA肾病患者预后的危险因素,构建并评价IgA肾病患者预后风险预测模型。方法收集2017年10月-2022年10月北京市昌平区中西医结合医院肾病科经肾活检确诊的452例IgA肾病患者的临床资料,通过采集临床资料、实验室指标、病理指标、中医证候及其要素等,以初始血肌酐(SCr)较基线水平增倍或初始估算肾小球滤过率(eGFR)较基线降低超过50%,或进入终末期肾病(ESRD)期为联合终点事件指标,Cox单因素和多因素回归分析筛选影响IgA肾病预后的危险因素,应用R4.1.1构建列线图模型,评估模型的预测水平和区分度。结果根据Cox多因素回归分析结果,最终纳入24h尿蛋白定量、时间平均尿蛋白定量(TA-UP)、新牛津病理分型T评分、新牛津病理分型C评分、气阴两虚5个因子。根据上述预测因子建立预后风险预测模型,结果显示其一致性指数为0.810(95%CI:0.673~0.815,P<0.001)。校正曲线显示模型拟合度较好;3年受试者工作特征曲线下面积为0.757(95%CI:0.739~0.823),表明该模型的预测概率较好。结论基于中医证候学的IgA肾病列线图模型能较准确地预测IgA肾病患者预后风险,可为临床预测IgA肾病风险提供参考依据。

基于跨理论模型的动机性访谈护理对糖尿病肾病透析患者自护能力及心理状态的影响

目的探讨基于跨理论模型的动机性访谈护理对糖尿病肾病(DN)透析患者自护能力、生活质量、心理状态的影响,为提高该疾病的治疗效果提供参考依据。方法选取2022年8月至2023年8月就诊于南京医科大学附属泰州人民医院的81例DN透析患者,依据随机数字表法分为对照组(40例,常规健康教育及护理干预)和研究组(41例,对照组干预方案+基于跨理论模型的动机性访谈护理)。两组患者均干预6个月。比较两组患者干预前和干预6个月后自护能力评分、生活质量、心理状态,以及干预期间并发症发生情况。结果与干预前比,干预6个月后研究组患者饮食、运动、血糖监测、低血糖预防能力评分及两组患者自护能力总分、情感、精神健康、社会功能、精力、生理职能、生理功能、自身健康状况、躯体疼痛评分均升高,研究组均较对照组更高;两组患者焦虑自评量表(SAS)、抑郁自评量表(SDS)评分均降低,研究组均较对照组更低;干预期间研究组患者并发症总发生率低于对照组(均P<0.05);对照组干预前和干预6个月后饮食、运动、血糖监测、低血糖预防能力评分比较,差异均无统计学意义(均P>0.05)。结论DN透析患者应用基于跨理论模型的动机性访谈护理干预可提高其自护能力,改善生活质量,调节心理状态,同时有利于降低并发症发生风险。

基于决策树分类模型的糖尿病肾病进展预测量表的研制

目的 基于决策树分类模型建立糖尿病肾病(diabetic kidney disease,DKD)进展预测量表。方法 回顾性收集六盘水市第二人民医院内分泌科2020年7月至2021年7月收治的308例糖尿病肾病患者作为研究对象,并将其分为微量蛋白尿组(n=224)与显性蛋白尿组(n=84)。对2组患者的人口学资料、既往基础病史等指标进行单因素和多因素Logistic回归分析,并运用决策树分类模型建立DKD进展预测量表。结果 308例研究对象中84例(27.27%)为显性蛋白尿,224例(72.73%)为微量蛋白尿。多因素Logistic回归分析显示收缩压(OR=1.022,P=0.003)和血肌酐(OR=1.012,P <0.001)和总蛋白水平(OR=0.953,P=0.003)是引起显性蛋白尿的独立风险因素。运用决策树分类模型建立预测量表,量表总分为60分,诊断阈值为33分,决策树模型ROC曲线面积(0.781)大于多因素Logistic回归(0.769),灵敏度为95.2%,特异度为78.9%。结论 DKD进展预测量表能够较准确的评估DKD进展,对于早期预测DKD进展具有较好的临床价值。

基于动物模型的高尿酸肾病病理及分子机制研究进展

尿酸是人类嘌呤代谢的终产物,其过度积累会导致高尿酸血症。高尿酸血症与慢性肾病的关系密切,被认为是后者的独立危险因素,因此由高尿酸血症诱导的慢性肾病也被称为高尿酸肾病。21世纪以来,随着尿酸致病作用研究逐渐深入,以及高尿酸血症动物模型构建的发展,尿酸的致病机制逐渐被揭开,对其诱导慢性肾病的病理生理机制研究也有了重要进展,但对其病理分子机制的认识仍有很大不足。因此,新型的动物模型或造模方式或许能够给高尿酸血症及相关慢性肾病的机制研究提供更好的契机。本文从氧化应激、炎症、自噬、纤维化和肠道微生物等方面介绍高尿酸肾病病理分子机制的研究进展:氧化应激方面,尿酸在细胞内通过黄嘌呤氧化酶、烟酰胺腺嘌呤二核苷酸磷酸氧化酶、线粒体诱导氧化应激并损伤细胞;炎症方面,尿酸晶体可以激活NLRP3炎症小体并启动炎症瀑布,但关于游离尿酸的促炎作用尚存争议;自噬方面,有研究支持促进自噬可缓解尿酸诱导的炎症,也有研究支持完全相反的结论;纤维化方面,上皮间质转化是尿酸引起肾小球硬化和肾小管间质纤维化的重要机制,大量研究寻找了尿酸引起肾组织上皮间质转化的不同信号通路;肠道微生物方面,有益的菌群可通过合成短链脂肪酸、减少尿素肠肝循环、减少尿酸生成保护肾脏。本文旨在帮助人们理解高尿酸血症与慢性肾病之间的复杂关系,为进一步进行相关研究和新药研发提供参考。

基于BP神经网络算法构建糖尿病早期肾病风险预测模型

目的探讨糖尿病早期肾病的相关危险因素,并基于BP神经网络算法构建其风险预测模型。方法回顾性分析永康某中医院2020年1月至2022年12月收治的1048例糖尿病患者,其中糖尿病肾病患者115例,占10.97%,并以此分为DKD组(糖尿病肾病组115例)和DM组(糖尿病组933例)。收集患者相关资料,采用倾向性评分匹配(PSM)排除混杂因素后按1∶1最邻近方法进行匹配。以单因素分析中具有统计学意义的指标,运用BP神经网络算法基于相关因素构建预测模型。以平均绝对值误差(MAE)进行模型效能分析,以受试者工作特征曲线(ROC)评估风险预测模型的预测价值,并进行外部验证,采用校准曲线评估模型一致性。结果混杂因素有性别、合并高血压、空腹血糖、尿酸,将建模集按1∶1比例以最邻近方法进行PSM排除混杂因素后,DKD组95例,DM组95例。单因素分析结果提示患者年龄、2型糖尿病、总胆固醇(TC)、尿蛋白排泄率、糖尿病病程、胱抑素C(Cys C)组间差异具有统计学意义(P<0.05)。预测精度从大到小依次为BP神经网络算法、决策树、支持向量机、逻辑回归。BP神经网络结果显示影响糖尿病早期肾病发生重要性的前4位因素依次为蛋白尿排泄率、年龄、糖尿病病程、Cys C。预测模型AUC为0.959(95%CI:0.917~1.000),约登指数0.867,对应的敏感度与特异性分别为0.867、1.000。外部验证AUC为0.958(95%CI:0.922~0.995),其敏感度与特异性分别为0.804、1.000,校准图中校准曲线贴近于标准曲线。结论基于机器学习法构建的以年龄、病程、尿蛋白排泄率、TC、Cys C、2型糖尿病为预测特征的BP神经网络算法模型对糖尿病早期肾病有较好的预测价值,可以把该模型临床应用于此类高风险人群的管理识别。

基于麻雀搜索算法优化的BP神经网络模型对2型糖尿病肾病的预测研究

背景糖尿病肾病(DN)是糖尿病常见的微血管并发症之一,发病率高,危害性大。早期发现DN对预防相关疾病非常重要。目前大多研究基于传统的统计预测方法,数据需满足其所要求的前提假设条件。近年来已无法很好满足其在DN预测领域的需求,有必要尝试开展机器学习等新方法在DN预测领域的应用。目的利用LASSO回归和麻雀搜索算法(SSA)优化的BP神经网络(SSA-BP神经网络)构建DN预测模型。方法本研究时间为2023年4—8月,数据来源于公开的伊朗133例糖尿病患者的并发症数据。采用SPSS 26.0软件进行单因素分析,采用LASSO回归筛选变量。以是否患DN为因变量,分别用8∶2和7∶3的比例划分训练集和测试集,使用SSA-BP神经网络进行建模与分析,并与经典的机器学习模型对比预测性能以分析较优的DN模型。基于准确率、精确率、灵敏度、特异度、F1-score和受试者工作特征曲线下面积(AUC)指标进行模型评价。结果剔除9例1型糖尿病患者,本研究纳入的有效样本量为124例2型糖尿病(T2DM)患者,其中73例(58.9%)被诊断为DN患者。单因素分析显示年龄、BMI、糖尿病持续时间、空腹血糖(FBG)、糖化血红蛋白(HbA_(1c))、低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、三酰甘油(TG)、收缩压(SBP)和舒张压(DBP)的T2DM患者DN危险因素(P<0.05)。训练集∶测试集=8∶2时,训练集(n=100)中有59例DN患者,测试集(n=24)含有14例DN患者。LASSO回归筛选出年龄、糖尿病持续时间、HbA_(1c)、LDL和SBP共5个影响因素。Logistic回归(LR)、K近邻(KNN)、支持向量机(SVM)、BP神经网络、SSA-BP神经网络模型在测试集的准确率分别为83.33%、79.17%、79.17%、87.50%、95.83%。F1-score分别为0.8462、0.8000、0.8000、0.8889、0.9600。训练集∶测试集=7∶3时,训练集(n=88)中有52例DN患者,测试集(n=36)含有21例DN患者。LASSO回归筛选出年龄、BMI、糖尿病持续时间、LDL、HDL、SBP和DBP这7个影响因素。LR、KNN、SVM、BP神经网络、SSA-BP神经网络模型在测试集的准确率分别为86.11%、86.11%、86.11%、72.22%、91.67%。F1-score分别为0.8718、0.8718、0.8649、0.7059、0.9091。结论LR、KNN和SVM模型在训练集∶测试集=7∶3时性能较好,BP神经网络和SSA-BP神经网络模型在训练集∶测试集=8∶2时性能较好。相较于BP神经网络模型和传统机器学习模型,SSA-BP神经网络模型的预测性能更佳,可及时准确识别T2DM DN患者,实现DN的早发现和早治疗,从而预防并减缓对其身体带来的危害。

老年冠心病患者PCI术后并发造影剂肾病的危险因素及预测模型

目的探讨老年冠心病患者经皮冠状动脉介入术(PCI)术后并发造影剂肾病的危险因素,构建风险预测模型。方法回顾性分析2018年1月—2023年1月民航总医院收诊的216例行PCI治疗的老年冠心病患者的病历资料,依据80/20定律随机分为训练集(172例)和验证集(44例)。参考欧洲泌尿生殖放射学会制定的造影剂肾病标准,将PCI术后老年冠心病患者分为造影剂肾病组和非造影剂肾病组。分析老年冠心病患者PCI术后并发造影剂肾病的危险因素,构建并验证风险模型。结果172例行PCI治疗的老年冠心病患者中发生造影剂肾病18例,发生率为10.47%(18/172)。造影剂肾病组患者的术前肾小球滤过率(GFR)低于非造影剂肾病组(P<0.05),术后次日清晨血肌酐(Scr)、术后次日清晨尿肾损伤分子-1(KIM-1)、术后次日清晨尿中性粒细胞明胶酶相关脂质转载蛋白(NGAL)高于非造影剂肾病组(P<0.05)。术前GFR(OR=0.245,95%CI:0.141~0.426)、术后次日清晨Scr(OR=3.438,95%CI:1.980~5.971)、术后次日清晨尿KIM-1(OR=3.714,95%CI:2.138~6.449)、术后次日清晨尿NGAL(OR=4.973,95%CI:2.864~8.635)是老年冠心病患者PCI术后并发造影剂肾病的影响因素(P<0.05)。列线图模型预测训练集老年冠心病患者PCI术后并发造影剂肾病的灵敏度为0.809(95%CI:0.714~0.891),特异度为0.758(95%CI:0.671~0.834),曲线下面积为0.829(95%CI:0.746~0.925)。列线图模型预测验证集老年冠心病患者PCI术后并发造影剂肾病的灵敏度为0.799(95%CI:0.719~0.892),特异度为0.685(95%CI:0.602~0.794),曲线下面积为0.813(95%CI:0.708~0.916)。结论术前GFR、术后次日清晨Scr、术后次日清晨尿KIM-1、术后次日清晨尿NGAL与老年冠心病患者PCI术后并发造影剂肾病有关,构建风险模型有助于早期评估PCI术后造影剂肾损伤的发生风险。

糖尿病肾病合并高尿酸血症风险预测模型的构建与验证

目的:构建糖尿病肾病(DKD)患者合并高尿酸血症(HUA)风险预测模型,并对模型预测效能进行验证。方法:回顾性分析我院住院治疗的DKD患者212例,采用随机数表法将所有研究对象按7∶3比率纳入建模组和验证组,通过二元Logistic回归筛选危险因素后构DKD合并HUA风险预测模型,并对模型预测效能进行评估。结果:建模组DKD合并HUA患者总甘油三酯(TG)、糖尿病病程、糖化血红蛋白(HbA1c)、促甲状腺激素(TSH)、尿酸(UA)、C反应蛋白(CRP)均高于非HUA患者,差异具有统计学意义(均P<0.05)。二元Logistic回归分析显示:TG、糖尿病病程、HbA1c、TSH、CRP均为DKD合并HUA的独立影响因素,OR值分别为2.278、1.332、1.522、1.907、1.556。构建风险预测模型:P=1/{1+exp[-(-9.344+0.828×TG+0.287×糖尿病病程+0.196×HbA1c+0.102×TSH+0.442×CRP)]}。建模组曲线下面积(AUC)为0.832(0.768~0.895),敏感度为75.40%,特异性为75.90%,Hosmer-Lemeshow(H-L)检验为χ^(2)=3.657,P=0.366。验证组模型AUC为0.821(0.749~0.886),敏感度为78.57%,特异性为77.78%,H-L检验为χ^(2)=4.017,P=0.196。结论:构建的风险预测模型对DKD患者是否合并HUA有较好的预测价值,可以应用于临床推广。

肺部超声B线积分及新型炎症标志物对糖尿病肾病维持性血液透析患者心血管事件风险模型的构建及验证

目的构建并验证肺部超声B线积分(LUBS)及新型炎症标志物[单核细胞/高密度脂蛋白胆固醇比值(MHR)、系统免疫炎症指数(SII)、C反应蛋白/白蛋白比值(CAR)]预测糖尿病肾病维持性血液透析(DN-MHD)患者心血管事件的发生风险模型。方法选取北京市普仁医院2018年10月至2022年10月收治的122例DN-MHD患者,按照7∶3的比例分为训练集(86例)和验证集(36例)。将发生心血管事件的患者纳入发生组,分析DN-MHD患者心血管事件发生的影响因素,以此构建列线图预测模型并进行验证;受试者工作特征曲线评估列线图预测模型对DN-MHD患者心血管事件发生的预测效能;预测模型临床效益使用决策曲线分析。结果训练集33例患者发生心血管事件、验证集13例发生心血管事件。训练集与验证集临床一般资料比较,差异无统计学意义(P>0.05)。发生组与未发生组透析龄、透析中低血压、LUBS、MHR、SII、CAR比较,差异有统计学意义(P<0.05)。LUBS(OR=5.693)、MHR(OR=3.241)、SII(OR=4.877)、CAR(OR=4.052)是DN-MHD患者心血管事件发生的影响因素(P<0.05)。列线图预测模型区分度良好;校准曲线与理想曲线拟合度较好。训练集中列线图预测模型预测DN-MHD患者心血管事件发生的灵敏度为88.60%、特异度为90.20%,曲线下面积为0.883;验证集中列线图预测模型预测DN-MHD患者心血管事件发生的灵敏度为87.50%、特异度为89.10%,曲线下面积为0.874。列线图预测模型在阈值概率为0.00~0.23时可获得最大临床效益。结论基于LUBS、MHR、SII、CAR建立的列线图预测模型可较好地评估DN-MHD患者心血管事件的发生风险。

康肾口服液对大鼠heymann肾病模型肾脏组织形态的影响

目的:探讨康肾口服液对大鼠heymann肾病模型肾脏组织形态的影响。方法:取雄性SD大鼠,选尿蛋白为阴性的大鼠72只,随机分为6组,空白对照组、模型组、康肾口服液大剂量组、康肾口服液中剂量组、康肾口服液小剂量组、尿毒清颗粒组,除空白对照组外其余各组造heymann肾病模型。取一个肾固定,行HE染色,进行病理组织观察。结果:与模型组比较,康肾口服液大剂量组、康肾口服液中剂量组、康肾口服液小剂量组和尿毒清颗粒组均可显著改善大鼠heymann肾病模型肾脏病理组织病变(P<0.01),以康肾口服液中、小剂量组对大鼠heymann肾病模型肾脏病理组织的改善作用为好。结论:康肾口服液对大鼠heymann肾病模型肾脏病理组织有较好的改善作用。

以跨理论模型为框架的认知行为干预在膜性肾病患者中的效果及对心理状态的影响

评价以跨理论模型为框架的认知行为干预在膜性肾病患者中的效果及对心理状态的影响。方法 选择2020年2月到2022年2月的膜性肾病患者70例,随机分成实验组(35:以跨理论模型为框架的认知行为干预)与对照组(35:常规护理),分析患者护理前后的认知、行为评分、焦虑、抑郁评分、满意度。结果 护理前各项指标对比没有差异,P>0.05。护理后实验组的指标优于对照组,P<0.05。结论 在膜性肾病患者实际护理的过程中,采用以跨理论模型为框架的认知行为相关干预方式,具有一定的推广价值。

儿童原发性肾病综合征复发相关因素分析及风险预测模型构建

目的探讨儿童原发性肾病综合征(PNS)复发的相关因素及构建风险预测模型。方法回顾性分析2013年1月至2020年1月入院诊断为PNS患儿的临床资料。随访患儿复发情况,分析影响患儿复发与频复发的危险因素,建立预测模型并进行效能评估。结果纳入392例PNS患儿,男192例、女200例,中位年龄8.0(7.0~10.0)岁。392例患儿中复发266例(67.9%),复发患儿中频复发124例(46.6%)。多因素logistic回归分析发现,发病年龄增大是PNS患儿复发的独立保护因素(P<0.05),临床分型为肾炎型、尿蛋白转阴时间延长是独立危险因素(P<0.05)。回归方程:Logit(P)=–14.27–1.85×(发病年龄)+0.65×(临床分型)+1.71×(尿蛋白转阴时间),模型预测PNS患儿复发的ROC曲线下面积(AUC)为0.90(95%CI:0.88~0.93)。依从性不良、家长PNS疾病了解情况差是PNS患儿频复发的独立危险因素(P<0.05),初次复发时间延长是独立保护因素(P<0.05)。回归方程:Logit(P)=–0.52+0.54×(依从性)+0.51×(家长PNS疾病了解情况)–0.09×(初次复发时间),模型预测PNS患儿频复发的AUC为0.89(95%CI:0.86~0.92)。结论PNS患儿总体复发率高,与发病年龄、肾炎型、尿蛋白转阴时间密切相关,而患儿依从性、家长PNS疾病了解情况、初次复发时间与频复发相关,应给予针对性干预措施,降低患儿复发率。