目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD...目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD1~5期非透析成年患者病例资料,按照7∶3分为训练集和内部验证集。将47项常规临床特征(包括血清Klotho蛋白)用于为模型提供变量信息,在训练集中利用单因素Cox回归筛选可能的风险因素、Lasso-Cox回归模型筛选风险因素、多因素Cox逐步回归构建列线图风险预测模型,内部验证评估模型性能。结果共400例病例资料纳入分析,训练集280例,验证集120例。训练集有52例死亡,228例存活;验证集有21例死亡,99例存活。全因死亡风险预测模型显示5年生存率受试者工作曲线下面积(area under the curve,AUC)在训练集和验证集分别为0.760(95%CI:0.676,0.844)和0.788(95%CI:0.679,0.897),模型总体C指数在训练集和验证集分别为0.755(95%CI:0.685,0.826)和0.720(95%CI:0.614,0.826)。单因素Cox回归分析结果显示,年龄、心血管疾病病史、胱抑素C、碱性磷酸酶、白蛋白、嗜酸性粒细胞、血红蛋白、补体C3、钙、C反应蛋白、肿瘤坏死因子-α(TNF-α)以及血清Klotho蛋白可能是全因死亡的预测因子(P<0.05)。多因素Cox逐步回归最终筛选出年龄、白蛋白、补体C3及血清Klotho蛋白共4个独立预测因子(P<0.05),模型最终纳入了年龄、白蛋白、补体C3、血清Klotho蛋白共4个指标。结论成功构建并验证了基于血清Klotho蛋白的慢性肾脏病全因死亡预测机器学习模型;年龄大是CKD患者全因死亡的危险因素,白蛋白、补体C3及血清Klotho蛋白高是CKD患者全因死亡的保护因素。展开更多
目的对比羟氯喹(hydroxychloroquine,HCQ)和螺内酯在充分肾素-血管紧张素-醛固酮系统抑制剂(renin-angiotensin-aldosterone system inhibitors,RAASi)治疗的基础上对IgA肾病(immunoglobin A nephropathy)患者的疗效和安全性。方法采用...目的对比羟氯喹(hydroxychloroquine,HCQ)和螺内酯在充分肾素-血管紧张素-醛固酮系统抑制剂(renin-angiotensin-aldosterone system inhibitors,RAASi)治疗的基础上对IgA肾病(immunoglobin A nephropathy)患者的疗效和安全性。方法采用前瞻性、非随机对照研究,纳入2019年4月至2021年3月陆军军医大学第二附属医院肾内科门诊原发性IgA肾病患者172例,其中男性56例,女性116例,年龄(37.5±10.7)岁,分为HCQ组(n=104)和双RAASi组(n=68),均随访6个月。比较两组患者随访期间尿蛋白肌酐比值(UPCR)下降率和肾小球滤过率(eGFR)下降率,以及亚组分析探讨激素或免疫抑制剂对治疗的影响。结果与双RAASi组比较,HCQ组基线血肌酐平均水平更高,eGFR更低,Lee氏分级中Ⅲ~Ⅳ比例更高,差异有统计学意义(P<0.05)。随访6个月,两组UPCR下降率相当(-54.7%vs-52.0%,P=0.551),而HCQ组的eGFR下降率显著低于双RAASi组(-3.3%vs-11.5%,P<0.01)。进一步评价激素或免疫抑制剂对两组治疗的影响,采用亚组分析发现,HCQ和螺内酯对降尿蛋白无显著差异,但对于入组前和入组后全程未使用激素或免疫抑制剂的人群,入组前未使用激素或免疫抑制剂但入组后加用的人群,以及入组前和入组后全程使用激素或免疫抑制剂的人群,HCQ组在随访第6个月时的eGFR下降率显著低于双RAASi组(P<0.05)。在随访过程中两组均未观察到严重不良事件。结论在充分RAASi治疗的基础上尿蛋白不达标的IgA肾病患者,HCQ和螺内酯控制尿蛋白水平效果相当,无严重不良事件,但HCQ在eGFR保护作用显著优于螺内酯。展开更多
文摘目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD1~5期非透析成年患者病例资料,按照7∶3分为训练集和内部验证集。将47项常规临床特征(包括血清Klotho蛋白)用于为模型提供变量信息,在训练集中利用单因素Cox回归筛选可能的风险因素、Lasso-Cox回归模型筛选风险因素、多因素Cox逐步回归构建列线图风险预测模型,内部验证评估模型性能。结果共400例病例资料纳入分析,训练集280例,验证集120例。训练集有52例死亡,228例存活;验证集有21例死亡,99例存活。全因死亡风险预测模型显示5年生存率受试者工作曲线下面积(area under the curve,AUC)在训练集和验证集分别为0.760(95%CI:0.676,0.844)和0.788(95%CI:0.679,0.897),模型总体C指数在训练集和验证集分别为0.755(95%CI:0.685,0.826)和0.720(95%CI:0.614,0.826)。单因素Cox回归分析结果显示,年龄、心血管疾病病史、胱抑素C、碱性磷酸酶、白蛋白、嗜酸性粒细胞、血红蛋白、补体C3、钙、C反应蛋白、肿瘤坏死因子-α(TNF-α)以及血清Klotho蛋白可能是全因死亡的预测因子(P<0.05)。多因素Cox逐步回归最终筛选出年龄、白蛋白、补体C3及血清Klotho蛋白共4个独立预测因子(P<0.05),模型最终纳入了年龄、白蛋白、补体C3、血清Klotho蛋白共4个指标。结论成功构建并验证了基于血清Klotho蛋白的慢性肾脏病全因死亡预测机器学习模型;年龄大是CKD患者全因死亡的危险因素,白蛋白、补体C3及血清Klotho蛋白高是CKD患者全因死亡的保护因素。
文摘目的对比羟氯喹(hydroxychloroquine,HCQ)和螺内酯在充分肾素-血管紧张素-醛固酮系统抑制剂(renin-angiotensin-aldosterone system inhibitors,RAASi)治疗的基础上对IgA肾病(immunoglobin A nephropathy)患者的疗效和安全性。方法采用前瞻性、非随机对照研究,纳入2019年4月至2021年3月陆军军医大学第二附属医院肾内科门诊原发性IgA肾病患者172例,其中男性56例,女性116例,年龄(37.5±10.7)岁,分为HCQ组(n=104)和双RAASi组(n=68),均随访6个月。比较两组患者随访期间尿蛋白肌酐比值(UPCR)下降率和肾小球滤过率(eGFR)下降率,以及亚组分析探讨激素或免疫抑制剂对治疗的影响。结果与双RAASi组比较,HCQ组基线血肌酐平均水平更高,eGFR更低,Lee氏分级中Ⅲ~Ⅳ比例更高,差异有统计学意义(P<0.05)。随访6个月,两组UPCR下降率相当(-54.7%vs-52.0%,P=0.551),而HCQ组的eGFR下降率显著低于双RAASi组(-3.3%vs-11.5%,P<0.01)。进一步评价激素或免疫抑制剂对两组治疗的影响,采用亚组分析发现,HCQ和螺内酯对降尿蛋白无显著差异,但对于入组前和入组后全程未使用激素或免疫抑制剂的人群,入组前未使用激素或免疫抑制剂但入组后加用的人群,以及入组前和入组后全程使用激素或免疫抑制剂的人群,HCQ组在随访第6个月时的eGFR下降率显著低于双RAASi组(P<0.05)。在随访过程中两组均未观察到严重不良事件。结论在充分RAASi治疗的基础上尿蛋白不达标的IgA肾病患者,HCQ和螺内酯控制尿蛋白水平效果相当,无严重不良事件,但HCQ在eGFR保护作用显著优于螺内酯。