Med-MIMIC，持续分享MIMIC临床生信文献与思路解读，捕捉当下热点思路，感兴趣的老师可以点点关注~需要定制化分析的老师欢迎扫码联系~
文章标题：Development and validation of a nomogram to predict the risk of vancomycin-related acute kidney injury in critical care patients
中文标题：开发和验证列线图以预测重症监护患者万古霉素相关急性肾损伤的风险
发表期刊：Front Pharmacol .
发表时间：2024年8月
影响因子：4.4/Q1
万古霉素相关的急性肾损伤 （AKI） 导致重症监护病房 （ICU） 的发病率被低估。提前预测其发生非常重要。然而，预测这种 AKI 的危险因素和列线图是有限的。
纳入与排除标准
纳入标准：本研究侧重于首次入住重症监护病房 （ICU） 并在 ICU 住院期间接受万古霉素治疗的患者。符合条件的患者记录了万古霉素给药的开始和停止时间，以及至少一项测量的万古霉素谷浓度。
排除标准： 1） 使用万古霉素前或停药后超过 72 小时发生 AKI;2） 万古霉素给药前存在慢性肾病;3） 万古霉素治疗期间使用连续性肾脏替代疗法 （CRRT）;4） 万古霉素给药时间少于 48 小时;5） ICU 住院时间短于 48 小时;6） 16 岁以下的患者;7） 患者信息过多缺失。
临床变量和结局定义
本研究涉及提取 ICU 入住前 24 小时内的各种变量，包括人口统计学、入院状况、万古霉素使用状况、合并症、感染源、感染病原体、伴随肾毒性病原体、生命体征、实验室检查和结局。
AKI 被诊断为每日血清肌酐 （SCr） 浓度。因此，AKI 的诊断依据是 SCr 水平与基线值相比增加 1.5 倍以上或在 48 小时内升高 ≥0.3 mg/dL。缺乏这些 KDIGO SCr 标准并不表示存在 AKI。
统计方法
这是对两个数据库的回顾性分析。共有 1,959 名诊断为 AKI 并接受万古霉素治疗的患者从重症监护医学信息市场 IV （MIMIC-IV） 数据库中入组。根据 7：3 的比例，随机分配训练集 （n = 1,372） 和内部验证集 （n = 587）。外部验证集包括来自 eICU 合作研究数据库 （eICU） 的 211 名患者。接下来，为了筛选潜在变量，使用了最小绝对收缩和选择运算符 （LASSO） 回归。随后，由多变量 logistic 回归中所选结果的变量开发列线图。最后，评估区分、校准和临床效用以验证列线图。
结果分析
1. 基线特征
在我们对 ICU 临床记录的回顾性分析中，5,425 名患者符合纳入标准，其中 1,959 名患者最终被纳入研究。万古霉素诱导的 AKI 患者发生率为 84.4% （1,654/1,959）。与非 AKI 组相比，AKI 组患者年龄较大，体重更高，GCS 更低，SOFA 更高。他们还表现出呼吸机和血管加压药的使用增加。此外，与非 AKI 组患者相比，AKI 患者的万古霉素谷浓度往往较高，万古霉素持续时间较长。
2. 变量选择
最终模型纳入了八个预测因子：年龄（比值比 [OR]：1.02;95% CI：1.01-1.03）、体重（OR：1.02;95% CI：1.01-1.03）、万古霉素谷浓度（OR：1.02;95% CI：1.00-1.04）、万古霉素病程（OR：1.00;95% CI：1.00-1.00）、SOFA 评分（OR：1.42;95% CI：1.12-1.25）、充血性心力衰竭（OR：2.08;95% CI：1.27-3.39）、肺部疾病（OR：1.53;95% CI：1.04-2.26）和袢利尿剂（OR：2.06;95% CI：1.3-3.26）。
3. 列线图的建立
我们构建了一个列线图来评估 ICU 患者发生万古霉素相关 AKI 的概率（图 2）。通过计算总分（补充图 S4），使用该列线图评估 AKI 的概率。
4. ROC 曲线
万古霉素诱导的 AKI 列线图在训练集中的 AUC 为 0.791 （95% CI：0.758–0.823），在内部验证集中也实现了 0.793 （95% CI：0.742–0.844）。此外，在外部验证集中，AUC 值为 0.755 （95% CI：0.663–0.847）。
5. 校准曲线
校准图表明预测模型在两组中非常匹配。H-L 检验揭示了预测结果和观察结果之间的一致性。
6. 决策曲线
决策曲线分析表明，预测患者 AKI 的阈值概率在 53% 到 90% 之间（图 5），表明使用该列线图进行 AKI 预测将提供比标准无治疗或全部治疗方法更大的临床益处。
文章小结
这个建立的列线图表明，在确定万古霉素治疗的重症监护患者的个体 AKI 风险方面表现良好，这将有利于做出临床决策。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
