导读
良好可靠的血管通路是维持性血液透析患者得到有效治疗的“生命线”。动静脉内瘘（Arteriovenous Fistula,AVF）是首选的血管通路，其功能直接影响患者透析效率和预后。关于其成熟机制，AVF是非生理性血管重构。随着使用时间的延长以及穿刺次数的增加，尤其合并高龄、糖尿病、高血压、低血压等患者，易出现瘤样扩张、远端缺血综合征、血栓及血管狭窄等并发症，导致AVF失功。
何为内瘘失功？
可参与预测内瘘失功的指标或模型
1
指标
研究［2］显示：HD导致AVF失功患者血清中碱性成纤维细胞生长因子（b-FGF）、血清和糖皮质激素诱导的蛋白激酶3（SGK3）水平升高，二者联合检测对HD患者发生AVF失功具有较高的预测效能，可将其作为预测HD患者AVF失功的有效因子，为临床预防、优化治疗措施提供帮助。
2
早期内瘘失功的模型
早期内瘘失功的预测模型1，也有相关研究[3]，根据此结果计算出各预测因子的值，由此建立的动静脉内瘘早期预测模型评分公式为：prediction score=8×头静脉直径（mm)+6×桡动脉直径（mm)-3×TC(mmol/L）+术前2 d至手术当天上午平均舒张压（mmHg）。通过绘制ROC曲线得出该模型的曲线下面积为0.707，当风险总分切点选择为103.17时，灵敏度和特异度分别为69.46%和68.42%，阳性预测值和阴性预测值分别为98.0%和9%。该模型纳入的预测因子较少，且便于检测，价格便宜，临床实用性较高，但该模型观察AVF失功的时间较短，应用范围较小，因此还需要增加样本量，延长观察时间，进一步跟踪AVF的远期通畅率，才能提高该模型的可靠程度。
预测模型2如下表所示：
表1 预测模型2的评分系统
该模型通过相加每个预测因子的分值得到总分，总分分值范围为-7～12分。最后通过内部验证计算受试者工作特征曲线下面积（Area Under Curve,AUC）为0.731，说明该模型有较好的预测能力。
预测模型3则是专门针对合并糖尿病患者的预测模型（表2）
表2 预测模型3的评分标准
该模型的AUC是0.886，敏感度为83.9%，特异度为80.0%，阴性预测值为78.8%，使用自举验证法进行内部验证，结果显示AUC值为0.884，均表明该模型预测效果较好。但是建立该模型的样本量较小，且未进行外部验证。此外，该模型适用于经过评估后前臂远端的头静脉通畅且口径良好的患者，对于模型得出的分数未进行分级，因此该模型的临床适用性还有待进一步考量。
3
晚期内瘘失功的模型
目前有4种晚期内瘘失功的预测模型值得关注。
①CAVe A2T2评分系统（表3）：
表3 CAVe A2T2评分系统的评分标准
将CAVe A2T2评分系统分为3层：0～1分，2分，3分。得分越高，AVF通畅率越低，失功率越高，因此具有较好的判别能力。
②第一个腕部（桡动脉-头静脉）或肘部（肱动脉-头静脉）AVF在1年内存活的临床评分模型
糖尿病、既往无中心静脉导管插入史、未进行介入治疗这3个因素进入临床评分模型，并将进行评分界定，以≥3分为临界值，评分范围为0～4分。该模型在训练队列及验证队列中的AUC值为0.810和0.755，表明该模型具有较好的预测性能；此外，模型的敏感度和特异度较低，训练队列、验证队列的敏感度和特异度分别为81.5%和70.4%、76.1%和64.4%，但训练队列与验证队列中结果较为一致，说明该模型评分较为可靠。
③一个成熟AVF失功的风险预测模型
基于上述结果绘制列线图，在分类变量方面，≥70岁得分增加40分，有低血压得分增加50分；在连续型变量方面，超滤体质量比每增加1%得分增加10分，低密度脂蛋白每升高0.5 mmol/L得分增加9分，将所有变量对应的分数相加，可以预测AVF失功的发生率。该列线图的C-index为0.714，提示预测成熟AVF准确度较高。另外，将64例MHD患者纳入该列线图模型进行外部验证，C-index为0.747，提示该模型的有良好的的区分度。但该模型中主要纳入的变量为患者的基本情况和实验室检查结果，缺乏内瘘相关的情况。
④4个危险因素风险预测模型：
钙磷乘积、体质量变化率、穿刺次数和有无糖尿病。通过绘制ROC曲线图得到的AUC值>0.7，表示该模型的预测价值良好。根据约登指数最大原则，找到4个独立危险因素的预测截点，结果显示当体质量变化率达到4.64%、钙磷乘积达到88.80 mg/dL、穿刺次数达到278.75次时内瘘有失功的可能。
预测失功的最佳证据
图文转载自血液透析那些事儿微信公众号，转载非商业用途仅作交流学习
下期内容推送会出现在您订阅列表
