CN112837819B - 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 - Google Patents
建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 Download PDFInfo
- Publication number
- CN112837819B CN112837819B CN202110077761.7A CN202110077761A CN112837819B CN 112837819 B CN112837819 B CN 112837819B CN 202110077761 A CN202110077761 A CN 202110077761A CN 112837819 B CN112837819 B CN 112837819B
- Authority
- CN
- China
- Prior art keywords
- risk factors
- kidney injury
- acute kidney
- coronary artery
- bypass grafting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 201000011040 acute kidney failure Diseases 0.000 title claims abstract description 51
- 208000033626 Renal failure acute Diseases 0.000 title claims abstract description 50
- 208000009304 Acute Kidney Injury Diseases 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 39
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 29
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 claims abstract description 26
- 102400000667 Brain natriuretic peptide 32 Human genes 0.000 claims abstract description 26
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 claims abstract description 26
- HPNRHPKXQZSDFX-OAQDCNSJSA-N nesiritide Chemical compound C([C@H]1C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@H](C(N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CSSC[C@@H](C(=O)N1)NC(=O)CNC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@@H](N)CO)C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1N=CNC=1)C(O)=O)=O)[C@@H](C)CC)C1=CC=CC=C1 HPNRHPKXQZSDFX-OAQDCNSJSA-N 0.000 claims abstract description 26
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 claims abstract description 23
- 108010082126 Alanine transaminase Proteins 0.000 claims abstract description 23
- 206010019280 Heart failures Diseases 0.000 claims abstract description 12
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 42
- 238000001356 surgical procedure Methods 0.000 claims description 31
- 210000004369 blood Anatomy 0.000 claims description 25
- 239000008280 blood Substances 0.000 claims description 25
- 229940109239 creatinine Drugs 0.000 claims description 21
- 238000007477 logistic regression Methods 0.000 claims description 20
- 208000010125 myocardial infarction Diseases 0.000 claims description 20
- 206010020772 Hypertension Diseases 0.000 claims description 18
- 230000003902 lesion Effects 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 11
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000011088 calibration curve Methods 0.000 claims description 9
- 206010012601 diabetes mellitus Diseases 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 8
- 238000000611 regression analysis Methods 0.000 claims description 8
- 230000002861 ventricular Effects 0.000 claims description 8
- -1 heart surgery Proteins 0.000 claims description 7
- 230000002980 postoperative effect Effects 0.000 claims description 7
- 238000007675 cardiac surgery Methods 0.000 claims description 6
- 238000013211 curve analysis Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000011119 multifactor regression analysis Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000012502 risk assessment Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000013433 optimization analysis Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 206010003658 Atrial Fibrillation Diseases 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000002513 implantation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 210000001685 thyroid gland Anatomy 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 108010023302 HDL Cholesterol Proteins 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 208000031226 Hyperlipidaemia Diseases 0.000 description 2
- 108010028554 LDL Cholesterol Proteins 0.000 description 2
- 230000001746 atrial effect Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000007213 cerebrovascular event Effects 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- CVSVTCORWBXHQV-UHFFFAOYSA-N creatine Chemical compound NC(=[NH2+])N(C)CC([O-])=O CVSVTCORWBXHQV-UHFFFAOYSA-N 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010003662 Atrial flutter Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 208000005736 Nervous System Malformations Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 229960003624 creatine Drugs 0.000 description 1
- 239000006046 creatine Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003516 pericardium Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 208000003663 ventricular fibrillation Diseases 0.000 description 1
- 206010047302 ventricular tachycardia Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，通过对国内大量患者医院资料的搜集整理，结合直接单因素和间接单因素回归筛选以及多因素回归优化分析方法，建立风险评估模型，通过样本量的增加和新的风险因素纳入，特别是丙氨酸氨基转移酶升高和脑钠肽两种风险因素的引入，有效地提高了评估模型的准确性和可靠性，为我国心力衰竭患者冠状动脉旁路移植术的急性肾损伤风险评估提供了一种有效的评估预测方法，对我国医疗水平的健康发展有着重要意义。
Description
技术领域
本发明属于生物医学领域，特别涉及建立冠状动脉旁路移植术后急性肾损伤预测模型的方法。
背景技术
冠心病是心力衰竭最常见的原因，冠状动脉旁路移植(CABG)手术是外科治疗冠心病合并心功能不全的重要方法之一。但由于其手术技术要求高，围手术期管理的复杂性，此类患者围手术期严重并发症居高不下，在众多并发症中，急性肾损伤(AKI)的发生率较高，术后多器官功能障碍，最为常见的是心功能不全合并AKI，与围手术期死亡和术后生活质量降低有密切的关系。目前，已经建立了许多针对心脏手术术后肾功能不全的预测评分***，比较常用的有克里夫兰ARF评分，Mehta评分以及SRI评分等等。然而这些模型主要针对所有心脏手术的患者人群设计，并且大多基于10年前的临床数据，数据主要收集自西方国家人群。对如今接受单纯CABG尤其是心功能不全的患者评估可能存在偏差。因此，建立一种兼顾中国人群特异性和准确性的风险评估模型，能准确地对术后不良事件进行预测，通过对风险因素进行分层，识别高危患者，控制围术期风险因素，继而达到降低并发症，提高医疗质量的目的，具有重要的临床意义。
发明内容
本发明的目的在于提供一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，本模型能够更加准确地评估心衰病人冠状动脉旁路移植术后急性肾损伤的风险，是一种更适合中国人群风险预测的模型，适合在临床实践中推广应用。
为实现上述目的，本发明采用以下技术方案：
一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，所述模型对冠状动脉旁路移植术后急性肾损伤的风险因素先采用直接单因素回归分析，再通过所述间接单因素回归分析方法得到组合风险因素，最终通过多因素回归分析对所述组合风险因素进一步筛选得到最终风险因素，并确定线列图预测模型。
进一步地，所述模型的建立包括以下步骤：
(1)收集统计术前心功能不全患者接受冠状动脉旁路移植手术病人临床资料建立疾病数据库；
(2)对27种可能的风险因素分别进行相关性分析，首先进行直接单因素logistic回归分析，确定相对于急性肾损伤排序靠前的直接风险因素；
(3)将步骤(2)中排序靠前的风险因素分别作为因变量，对余下的变量进行间接单因素logistic回归分析，再次确定排序靠前的间接风险因素；
(4)合并步骤(2)和步骤(3)中排序靠前的风险因素，得到组合风险因素；
(5)对组合风险因素进行多因素logistic回归分析，删除共线性变量，得到与术后急性肾损伤相关的最终风险因素；
(6)基于每个最终风险因素的回归系数对其进行赋值，建立线列图预测模型方程，急性肾损伤发生率：P(t)＝λ0(t)exp(β1x1+β2x2+…+βkxk)；
(7)通过验证组对该模型进行外部验证。
进一步地，步骤(2)所述27种可能风险因素变量均为分类变量，采用频数(百分率)表示。
进一步地，步骤(2)所述直接风险因素为3种：血肌酐、心梗病史和围术期输血。
进一步地，步骤(3)所述间接风险因素为10种：性别、糖尿病、丙氨酸氨基转移酶升高、心脏手术、脑钠肽、外周动脉病变、左室射血分数、高血压、慢性阻塞性肺病和体外循环手术。
进一步地，步骤(4)所述组合风险因素为13种：血肌酐、心梗病史、围术期输血、性别、糖尿病、丙氨酸氨基转移酶升高、心脏手术、脑钠肽、外周动脉病变、左室射血分数、高血压、慢性阻塞性肺病和体外循环手术，步骤(5)所述最终风险因素为9种：性别、丙氨酸氨基转移酶升高、脑钠肽、血肌酐、左室射血分数、心梗病史、高血压、体外循环手术和围术期输血。
进一步地，步骤(2)所述的直接单因素Logistic回归分析及步骤(3)所述的间接单因素Logistic回归分析，风险因素显著性按照正确率的绝对值排序。
进一步地，步骤(5)所述多因素Logistic回归分析采用“Enter”法，并基于Logistic回归方程建立线列图。
进一步地，步骤(7)所述外部验证包括采用AUC值进行区分度评估、采用校准曲线评估模型校准度以及采用决策曲线分析进行净获益率评估。
进一步地，所有统计分析采用R语言(version 3.5)完成。
本发明公开的建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，与现有其他模型相比，本模型建立过程是以中国患者为研究对象，考察搜集的患病人群基数大，数据库样本丰富，考察的风险因素更多，因而本模型相对于目前其他预测模型，具有更适合中国人群，且预测的准确性更高，适合在临床实践中评估术后急性肾损伤风险。
本发明公开的预测模型建立过程，采用直接单因素回归与间接单因素回归分析相结合，并通过多因素回归分析进一步优化筛选结果，筛选出9种最终风险因素，这种多步回归分析方法，既充分保留了风险因子的完整性，也保证了所筛选风险因子与预测结果的相关性，极大的提高了本预测模型的预测准确性，对于临床实践中的风险评估有着重要意义。
尤其是通过这种分步筛选方法，将独立风险因素丙氨酸氨基转移酶和脑钠肽的引入本预测模型，使得本模型显示出更好的区分度、校准度和净获益率，对于提高本模型的预测准确性具有重要意义；预测准确性的提高也间接证明了丙氨酸氨基转移酶升高和脑钠肽与围术期发生急性肾损伤有着直接的风险关系，因而也为心力衰竭患者冠状动脉旁路移植术围术期风险评估提供了更多的参考和评价依据；同时丙氨酸氨基转移酶升高和脑钠肽两种风险因素引入和提出，对于深入研究心力衰竭患者冠状动脉旁路移植术围术期出现急性肾损伤风险原因和机理也有重要的指导和借鉴意义。
附图说明
图1为本发明列线图预测模型示意图；
图2为本发明建模组各模型校正曲线对比示意图；
图3为本发明建模组各模型受试者工作曲线(ROC)对比示意图；
图4为本发明验证组各模型受试者工作曲线(ROC)对比示意图；
图5为本发明建模组各模型决策曲线分析对比示意图；
图6为本发明验证组各模型决策曲线分析示意图；
图7为本发明建立冠状动脉旁路移植术后急性肾损伤预测模型的方法流程示意图。
具体实施方式
本发明公开的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其流程示意图参见图7，下面结合附图对本发明做进一步介绍和说明。
实施例1
整理搜集2010年至2019年，临床资料齐全的国内3659例因心力衰竭接受冠状动脉旁路移植术的病人作为建模研究对象，搜集整理患者包括：性别、高血脂、脑钠肽、甲状腺功能、血红蛋白、丙氨酸氨基转移酶、高血压、身体质量指数、心梗病史、糖尿病、心脏血管的支架植入、血肌酐升高、心脏手术、吸烟史、外周动脉病变、脑血管事件、术前危重状态、CCS4级、术前房颤或房扑、NYHA心功能III或IV级、左室射血分数(LVEF＜35％)、合并瓣膜手术、合并主动脉手术、非择期手术、慢性阻塞性肺病、体外循环手术和围术期输血在内的27种风险因素作为研究对象。
急性肾损伤的定义依据，以下三个标准满足一个即可诊断为急性肾损伤：(1)血肌酐(SCr)48小时内增高大于等于0.3mg/dL；(2)SCr在7天内增高大于等于基础值的1.5倍；(3)连续6个小时尿量少于0.5ml/kg/h。
高血脂判定标准，当符合以下空腹血浆检查指标≥1项，可诊断血脂异常，总胆固醇(TC)≥6.2mmol/L，低密度脂蛋白胆固醇(LDL-C)≥4.1mmol/L，甘油三酯(TG)≥2.3mmol/L，高密度脂蛋白胆固醇(HDL-C)＜1.0mmol/L；脑钠肽分类标准为：小于50岁，脑钠肽＞450pg/ml，50到75岁之间，脑钠肽＞900pg/ml，大于75岁，脑钠肽大于1800pg/ml；甲状腺功能，是否有甲状腺异常病史；血红蛋白，以＜90g/L为分界点；丙氨酸氨基转移酶，是否有丙氨酸氨基转移酶升高；高血压，是否有收缩压＞140mmHg或舒张压＞90mmHg；心梗，是否有心梗病史；糖尿病，是否有糖料病病史；心脏血管的支架植入，既往是否有过心脏血管的支架植入手术；血肌酐，术前血肌酐＞176umol/L；心脏手术，是否有过打开心包的心脏手术；吸烟史，是否有过吸烟史；外周动脉病变，既往是否有过外周动脉病变；脑血管事件，有无超过24小时的昏迷或中枢神经***异常超过72小时；术前危重状态，是否有过以下任一项，室性心动过速或心室颤动或被抢救过来的猝死；CCS4级，CCS心绞痛分级4级；术前房颤或房补，术前两周内有无术前房颤或房补；左室射血分数(LVEF＜35％)；合并瓣膜手术，是否有合并任何瓣膜手术；合并主动脉手术，是否有任何合并主动脉手术；非择期手术，是否有过非择期手术；慢性阻塞性肺病，是否有过慢性阻塞性肺病；体外循环手术，是否有过体外循环手术；围术期输血，是否有过围术期输血；还包括性别和身体质量指数。整理上述患者资料信息，建立患者资料数据库。
实施例2
统计学分析：所有变量均为分类变量，采用频数(百分率)进行表示，单因素分析中，风险因素显著性按照正确率的绝对值排序，P值要求小于0.1。多因素Logistic回归分析采用“Enter”法，“Enter”法为回归分析方法栏中可选的一种分析方法，并基于Logistic回归方程建立线列图预测模型。
将3659名患者根据年龄、性别和身体质量指数指标分为两个人群，其中一个人群作为建模组，另一个人群作为验证组，建模组人群数量为2365人，验证组人数为1294人，建模组和验证组的年龄、性别和身体质量指数指标分布情况基本一致。
在建模组(n＝2365)中，综合以往的研究和临床经验，本研究纳入了27种风险因素，首先进行直接单因素logistic回归分析，直接分析27种风险因素和急性肾损伤之间的相关性，风险因素相关显著性按照正确率的绝对值排序，P值要求小于0.1，相对于急性肾损伤得到3种排序靠前的直接风险因素：血肌酐、心梗病史和围术期输血，再进行间接单因素logistic回归分析，即分别将血肌酐、心梗病史和围术期输血作为因变量，对余下的24个变量进行间接单因素回归分析，风险因素显著性仍然按照正确率的绝对值排序，P值要求小于0.1，每种变量回归分析结束后，选择相应的4种排序靠前的间接风险因素，其中对血肌酐分析结果，得到糖尿病、丙氨酸氨基转移酶升高、外周动脉病变和脑钠肽四种风险因素，对心梗病史分析结果，得到LVEF＜35％、、慢性阻塞性肺病、体外循环手术和外周动脉病变四种风险因素，对围术期输血分析结果，得到心脏手术、性别、高血压和脑钠肽四种风险因素。通过上述分析总共筛选得到10种间接风险因素：性别、糖尿病、丙氨酸氨基转移酶升高、心脏手术、脑钠肽、外周动脉病变、LVEF＜35％、高血压、慢性阻塞性肺病和体外循环手术。上述10种间接风险因素与血肌酐、心梗病史和围术期输血3种直接风险因素一起共得到13种组合风险因素：血肌酐、心梗病史、围术期输血、性别、糖尿病、丙氨酸氨基转移酶升高、心脏手术、脑钠肽、外周动脉病变、LVEF＜35％、高血压、慢性阻塞性肺病和体外循环手术，对这13种组合风险因素，进行多因素logistic回归分析，删除共线性变量，确定了9个与术后急性肾损伤相关的最终风险因素：性别、丙氨酸氨基转移酶升高、脑钠肽、血肌酐、LVEF＜35％、心梗病史、高血压、体外循环手术和围术期输血。9种最终风险因素对应权重和系数见表1。
表1风险因素和权重
建立在多因素分析基础上选择的独立风险因素，基于每个独立风险因素的回归系数对其进行赋值，参见表1，使用logistic回归方法建立线列图预测模型(图1)，急性肾损伤发生率：P(t)＝λ0(t)exp(β1x1+β2x2+…+βkxk)，其中P(t)为急性肾损伤发生率，λ0(t)为计算AKI的函数，x1、x2...xk为协变量，βi为xi的回归系数，用于预测术后急性肾损伤的发生率。
通过绘制校正曲线(calibration curve)、ROC受试者工作曲线以及决策曲线分析(decision curve analysis,DCA)来评估该模型的校准性、区分度和净获益率。并且与目前临床使用的克里夫兰ARF评分、Mehta评分以及SRI评分进行对比。
模型校准度采用校正曲线评估，区分度采用AUC值进行评估，净获益率采用DCA曲线进行评估，所有统计分析采用R语言(version3.5)完成，P值小于0.05被认为具有统计学意义。
建模组各模型校正曲线对比示意图(图2)，本线列图预测模型和其他三个模型的校准曲线表明，本线列图预测模型较其他模型有更好的校准度(图2)，特别是在预计AKI发生率低于30％的范围内校准度很高。
建模组各模型受试者工作曲线(ROC)对比示意图(图3)，其中本线列图预测模型AUC值为0.807，克里夫兰ARF评分AUC值为0.638，Mehta评分AUC值为0.597，SRI评分AUC值为0.600，验证组各模型受试者工作曲线(ROC)对比示意图(图4)，其中本线列图预测模型AUC值为0.815，克里夫兰ARF评分AUC值为0.612，Mehta评分AUC值为0.620，SRI评分AUC值为0.572，无论是建模组还是验证组，本线列图预测模型受试者工作曲线下面积(AUC)，较其他3个常用模型都高，AUC为ROC曲线下与坐标轴围成的面积，AUC越接近1.0，检测方法真实性越高，区分度越高，预测结果越准确。
建模组各模型决策曲线分析对比示意图(图5)，验证组各模型决策曲线分析示意图(图6)，决策曲线分析DCA曲线表明，本线列图预测模型在建模组和验证组中也比其他三种模型表现出更高的净获益率。
建模组共2365例患者，其中术后发生AKI的患者共205例(8.67％)，本线列图预测模型纳入了性别，丙氨酸氨基转移酶，脑钠肽，术前血肌酐增高，LVEF＜35％，既往心梗，高血压，体外循环手术和围术期输血等9个独立的风险因素。验证组共1294例患者，其中术后发生AKI共119例(9.19％)，本线列图预测模型比其他3个模型显示出更好的区分度、校准度和净获益率，本线列图预测模型对于心功能不全患者冠状动脉旁路移植术后急性肾损伤的预测准确性更高。
实施例3
独立风险因素丙氨酸氨基转移酶和脑钠肽对本线列图预测模型影响实验，验证对象为建模组人群，当本线列图预测模型纳入了性别，术前血肌酐增高，LVEF＜35％，既往心梗，高血压，体外循环手术和围术期输血等7个独立的风险因素，其受试者工作曲线下面积(AUC)为0.738；当模型纳入了性别，术前血肌酐增高，LVEF＜35％，既往心梗，高血压，体外循环手术、围术期输血和丙氨酸氨基转移酶等8个独立的风险因素，其受试者工作曲线下面积(AUC)为0.762；当模型纳入了性别，术前血肌酐增高，LVEF＜35％，既往心梗，高血压，体外循环手术、围术期输血和脑钠肽等8个独立的风险因素，其受试者工作曲线下面积(AUC)为0.751；当模型纳入了性别，术前血肌酐增高，LVEF＜35％，既往心梗，高血压，体外循环手术、围术期输血、丙氨酸氨基转移酶和脑钠肽等9个独立的风险因素，其受试者工作曲线下面积(AUC)为0.807；可见，模型建立过程中，独立风险因素丙氨酸氨基转移酶和脑钠肽的纳入，对于本线列图预测模型显示出更好的区分度、校准度和净获益率具有重要意义。
以上实施例对本发明进行了进一步阐述和说明，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，所述预测模型预测方程为：P(t)＝λ0(t)exp(β1x1+β2x2+…+βkxk)；所述P(t)为急性肾损伤发生率，λ0(t)为计算AKI的函数，x1、x2 ...xk为协变量，βi为xi的回归系数；
一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，所述模型对冠状动脉旁路移植术后急性肾损伤的风险因素先采用直接单因素回归分析，再通过间接单因素回归分析方法得到组合风险因素，最终通过多因素回归分析对所述组合风险因素进一步筛选得到最终风险因素，并确定线列图预测模型；
所述预测模型的建立包括以下步骤：
（1）收集统计术前心功能不全患者接受冠状动脉旁路移植手术病人临床资料建立疾病数据库；
（2）对27种可能的风险因素分别进行相关性分析，首先进行直接单因素logistic回归分析，确定相对于急性肾损伤排序靠前的直接风险因素；
（3）将步骤（2）中排序靠前的风险因素分别作为因变量，对余下的变量进行间接单因素logistic回归分析，再次确定排序靠前的间接风险因素；
（4）合并步骤（2）和步骤（3）中的直接风险因素和间接风险因素，得到组合风险因素；
（5）对组合风险因素进行多因素logistic回归分析，删除共线性变量，得到与术后急性肾损伤相关的最终风险因素；
（6）基于每个最终风险因素的回归系数对其进行赋值，建立线列图预测模型方程；
（7）通过验证组对该模型进行外部验证；
步骤（6）所述线列图预测模型纳入了性别、丙氨酸氨基转移酶、脑钠肽、术前血肌酐增高、LVEF＜35%、既往心梗、高血压、体外循环手术和围术期输血9个独立风险因素。
2.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（2）所述27种可能风险因素变量均为分类变量，采用频数表示。
3.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（2）所述直接风险因素为3种：血肌酐、心梗病史和围术期输血。
4.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（3）所述间接风险因素为10种：性别、糖尿病、丙氨酸氨基转移酶升高、心脏手术、脑钠肽、外周动脉病变、左室射血分数、高血压、慢性阻塞性肺病和体外循环手术。
5.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（4）所述组合风险因素为13种：血肌酐、心梗病史、围术期输血、性别、糖尿病、丙氨酸氨基转移酶升高、心脏手术、脑钠肽、外周动脉病变、左室射血分数、高血压、慢性阻塞性肺病和体外循环手术，步骤（5）所述最终风险因素为9种：性别、丙氨酸氨基转移酶升高、脑钠肽、血肌酐、左室射血分数、心梗病史、高血压、体外循环手术和围术期输血。
6.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（2）所述的直接单因素Logistic回归分析及步骤（3）所述的间接单因素Logistic回归分析，风险因素显著性按照正确率的绝对值排序。
7.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（5）所述多因素Logistic回归分析采用“Enter”法，并基于Logistic回归方程建立线列图。
8.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，步骤（7）所述外部验证包括采用AUC值进行区分度评估、采用校准曲线评估模型校准度以及采用决策曲线分析进行净获益率评估。
9.根据权利要求1所述的一种建立冠状动脉旁路移植术后急性肾损伤预测模型的方法，其特征在于，所有统计分析采用R语言完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110077761.7A CN112837819B (zh) | 2021-01-20 | 2021-01-20 | 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110077761.7A CN112837819B (zh) | 2021-01-20 | 2021-01-20 | 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112837819A CN112837819A (zh) | 2021-05-25 |
| CN112837819B true CN112837819B (zh) | 2024-04-16 |
Family
ID=75929197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110077761.7A Active CN112837819B (zh) | 2021-01-20 | 2021-01-20 | 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112837819B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112820397B (zh) * | 2021-01-20 | 2024-04-05 | 中国医学科学院阜外医院 | 一种冠状动脉旁路移植术围术期风险预测模型的建立方法 |
| CN113591582B (zh) * | 2021-07-01 | 2024-05-31 | 山东科技大学 | 基于静息态功能磁共振数据的性格识别装置及方法 |
| CN113409945A (zh) * | 2021-07-02 | 2021-09-17 | 上海市第一人民医院 | 一种可预测脓毒症急性肾损伤的模型 |
| CN113921136A (zh) * | 2021-09-13 | 2022-01-11 | 吾征智能技术(北京)有限公司 | 一种融合多源数据智能评估预测慢性病风险的*** |
| CN113782211A (zh) * | 2021-10-27 | 2021-12-10 | 首都医科大学附属北京地坛医院 | 乙肝肝硬化病患发生慢性肾脏病的风险预警模型建立方法、预测方法 |
| CN114974595A (zh) * | 2022-05-13 | 2022-08-30 | 江苏省人民医院（南京医科大学第一附属医院） | 一种克罗恩病患者黏膜愈合预测模型及方法 |
| CN115910365B (zh) * | 2022-11-16 | 2024-02-13 | 华中科技大学同济医学院附属同济医院 | Eos-CRSwNP术前难治性评估模型的构建方法及预测*** |
| CN117894466B (zh) * | 2024-03-15 | 2024-05-17 | 四川大学华西医院 | 基于循环神经网络的急性肾炎风险连续预测方法和*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101689220A (zh) * | 2007-04-05 | 2010-03-31 | 奥利安实验室有限公司 | 用于治疗、诊断和预测医学病症发生的***和方法 |
| CN110827992A (zh) * | 2019-11-15 | 2020-02-21 | 袁洪 | 高血压术后急性肾损伤的术前预测方法 |
| CN111613334A (zh) * | 2020-06-01 | 2020-09-01 | 广东省心血管病研究所 | 主动脉弓置换术后急性肾损伤概率预测模型的建立方法 |
| CN112017783A (zh) * | 2020-09-14 | 2020-12-01 | 华中科技大学同济医学院附属协和医院 | 一种心脏术后肺部感染的预测模型及其构建方法 |
-
2021
- 2021-01-20 CN CN202110077761.7A patent/CN112837819B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101689220A (zh) * | 2007-04-05 | 2010-03-31 | 奥利安实验室有限公司 | 用于治疗、诊断和预测医学病症发生的***和方法 |
| CN110827992A (zh) * | 2019-11-15 | 2020-02-21 | 袁洪 | 高血压术后急性肾损伤的术前预测方法 |
| CN111613334A (zh) * | 2020-06-01 | 2020-09-01 | 广东省心血管病研究所 | 主动脉弓置换术后急性肾损伤概率预测模型的建立方法 |
| CN112017783A (zh) * | 2020-09-14 | 2020-12-01 | 华中科技大学同济医学院附属协和医院 | 一种心脏术后肺部感染的预测模型及其构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 体外循环对冠状动脉旁路移植术后患者早期急性肾损伤的影响;席雷;王正清;刘志刚;梁少杰;滕磊;;第三军医大学学报(第12期);全文 * |
| 冠状动脉旁路移植术后急性肾损伤的发生情况与危险因素分析;杨立猛等;中国血液净化(第11期);第738-741页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112837819A (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112837819B (zh) | 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法 | |
| CN111312401B (zh) | 一种基于多标签学习的体检后慢性疾病预后*** | |
| CN115019919B (zh) | 基于深度学习的脑卒中早期康复后功能预测模型建立方法 | |
| CN113327679A (zh) | 一种肺栓塞临床风险及预后评分方法与*** | |
| CN114220540A (zh) | 一种糖尿病肾病风险预测模型的构建方法及应用 | |
| CN114898873A (zh) | 一种糖尿病前期患者心血管疾病风险的预测方法及*** | |
| CN112820397B (zh) | 一种冠状动脉旁路移植术围术期风险预测模型的建立方法 | |
| CN111883258B (zh) | 一种构建ohss分度分型预测模型的方法 | |
| CN113470816A (zh) | 一种基于机器学习的糖尿病肾病预测方法、***和预测装置 | |
| CN114974585A (zh) | 一种妊娠期代谢综合征早期风险预测评估模型构建方法 | |
| CN114373544A (zh) | 一种基于机器学习的预测膜性肾病的方法、***和装置 | |
| CN114400094A (zh) | 针对多病共患老年病人的经皮冠状动脉介入治疗后心肌梗死风险预测模型的构建方法及应用 | |
| CN113744832B (zh) | 连续性肾脏替代治疗智慧决策及质量控制*** | |
| CN114864097A (zh) | 一种主动脉夹层病人术后死亡预测模型的建立方法和装置 | |
| CN117493970A (zh) | 一种基于深度学习的冠心病患者pci术后不良心血管事件的预测方法 | |
| Farzi et al. | Predicting serious diabetic complications using hidden pattern detection | |
| CN117174304A (zh) | 慢性阻塞性肺疾病合并肺动脉高压患者生存预后预测模型 | |
| CN116564512A (zh) | 心力衰竭合并肾功能不全患者的人工智能预后评估*** | |
| Zhou et al. | A novel laboratory-based model to predict the presence of obstructive coronary artery disease comparison to coronary artery disease consortium 1/2 score, duke clinical score and diamond-forrester score in china | |
| CN115547489A (zh) | 一种维持性血液透析患者死亡风险预测方法 | |
| CN115691788A (zh) | 一种基于异构数据的双重注意力耦合网络糖尿病分类*** | |
| Arias et al. | Predictive Model and Risk Score for In-Hospital Mortality in Patients with All-Cause Cardiogenic Shock Santiago Shock Score (S3) | |
| CN110895669A (zh) | 构建房颤预测决策树的方法 | |
| Ceh-Varela et al. | Machine learning analysis of factors contributing to Diabetes Development | |
| CN115479934B (zh) | 一种基于标志物和影像学的主动脉夹层联合预后评估*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210903 Address after: 100037 Beijing City, Xicheng District No. 167 North Applicant after: FUWAI HOSPITAL, CHINESE ACADEMY OF MEDICAL SCIENCES Address before: 6-3, 417 Hengshan street, Lushunkou District, Dalian, Liaoning, 116041 Applicant before: Yin Lijun |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |