论文部分内容阅读
目的:1.分析住院期间使用髓袢利尿剂和甘露醇的患者发生急性肾损伤的流行病学特征;2.构建住院期间联合使用髓袢利尿剂和甘露醇导致急性肾损伤的Logistic回归、随机森林和神经网络三种风险预测模型,并评估模型预测价值,选出预测能力最优的模型。方法:1.多中心回顾性收集自2013年1月至2017年12月新疆医科大学第一附属医院住院期间联合使用髓袢利尿剂和甘露醇的人群和2007年12月至2017年5月中南大学湘雅三医院在住院期间使用髓袢利尿剂和甘露醇的人群。详细记录患者性别、年龄、民族、联合用药前后的各项生化指标,合并使用其他药物、合并疾病和病史等70种因素。2.采用SPSS21.0软件进行统计学分析,对纳入变量进行单因素的初步筛选,P<0.05为差异有统计学意义。按照7:3将样本随机分为模型开发队列和外部验证队列。3.单因素初步筛选出有意义(P<0.5)的影响因素纳入多因素Logistic回归分析中,确定影响急性肾损伤发生的风险因素,并建立Logistic回归预测模型。采用Hosmer-Lemeshow(H-L)检验法、自身验证法及受试者工作特征(ROC)曲线及外部验证来评估模型的预测价值。4.使用2.11.1版R语言建立随机森林预测模型,进行外部验证,并计算准确度、敏感度、特异性,绘制ROC曲线并计算曲线下面积(AUC)。5.使用SPSS21.0软件中的神经网络模块的多层感知器建立神经网络预测模型,将单因素分析筛选出有统计学差异的变量纳入神经网络分析,并建立急性肾损伤风险模型,使用准确度、敏感度、特异性,绘制ROC曲线并计算曲线下面积(AUC)进行评估。结果:1.两中心数据共计9673例,仅使用髓袢利尿剂的人群有3248例,AKI发生率为11.79%;仅使用甘露醇(不包含任何类型的利尿剂)的患者共3369例,AKI发生率为3.41%;联合用药(使用髓袢利尿剂的前后三天内使用甘露醇)的患者共计2634例,AKI发生率为16.40%;二级用药(在使用髓袢利尿剂的前后3~7天内使用甘露醇)有287例,AKI发生率为7.67%;三级用药(在使用髓袢利尿剂的前后7~15天内使用甘露醇)有134例,AKI发生率为8.40%。2.Logistic回归分析结果显示,血清钠(P=0.033,比值比(OR)=1.354,95%置信区间(CI)1.025-1.788),平均红细胞体积(MCV,P=0.042,OR=1.358,95%CI 1.011-1.825),尿素(P=0.047,OR=1.328,95%CI 1.004-1.757),基线肌酐(P=0.000,OR=2.678,95%CI2.033-3.527),胰岛素(P=0.000,OR=1.829,95%CI 1.390-2.406),地高辛(P=0.012,OR=2.426,95%CI 1.211-4.857)为急性肾损伤风险预测模型中的风险因素,预测模型为:Logit(P)=In(P/1-P)=-2.620+0.303×血清钠+0.306×MCV+0.284×尿素+0.985×基线肌酐+0.604×胰岛素+0.886×地高辛;该模型评估:H-L检验?~2=9.213,P=0.238,准确度为68.5%,特异性70.04%,灵敏度60.93%,外部验证的ROC曲线下AUC为0.633?0.029(95%CI 0.575-0.690);3.随机森林模型结果显示,9个变量数目为模型最优变量个数,变量重要性为用药前肌酐(基线肌酐)、血小板分布宽度(PDW)、尿素、总胆红素、直接胆红素、白细胞、天门冬氨酸转移酶(AST)、血清白蛋白、血清氯。模型评估:准确度为61.7%,灵敏度56.1%,特异性73.8%;外部验证ROC曲线下AUC为0.688;4.神经网络模型结果显示,变量重要性分别为天门冬氨酸转移酶(AST)、丙氨酸氨基转移酶(ALT)、尿素、直接胆红素、红细胞压积(HCT)、总蛋白、血清钙、单核细胞百分比等,模型评估:训练集准确度83.1%,测试集86.7%,验证集81.4%,外部验证ROC曲线下AUC为0.656。5.根据AUC评价指标,及其他指标综合评价,随机森林预测模型为三种风险预测模型中预测能力较好的模型。结论:1.住院期间使用髓袢利尿剂(11.79%)比住院期间使用甘露醇诱发急性肾损伤的发生率高(3.41%)(P<0.05);住院期间联合使用髓袢利尿剂和甘露醇(16.40%)比住院期间单独使用髓袢利尿剂(11.79%)和单独使用甘露醇(3.41%)诱发急性肾损伤的发生率高(P<0.05);住院期间联合用药(16.40%)比二级用药(7.67%)与三级用药(8.40%)诱发急性肾损伤的发生率高(P<0.05);住院期间联合使用髓袢利尿剂和甘露醇诱发急性肾损伤的发生率最高,风险最高;2.血清钠、MCV、尿素、基线肌酐、胰岛素、地高辛为急性肾损伤Logistic回归风险预测模型的危险因素,经准确度、特异性、灵敏度和外部验证AUC结果得出模型的预测能力中上;3.随机森林预测模型显示基线肌酐、PDW、尿素、总胆红素、直接胆红素、白细胞、AST、血清白蛋白、血清氯为危险因素,经准确度、特异性、灵敏度和外部验证AUC结果得出模型的预测能力为中上;4.神经网络模型显示AST、ALT、尿素、直接胆红素、HCT等为该模型的重要影响因素,模型的准确度较高,但灵敏度较低,模型整体预测能力中等;5.尿素氮和基线肌酐这两个变量均出现在三个模型中,AST、直接胆红素出现在随机森林模型和神经网络模型中的前几位变量,说明这四个变量对影响AKI的发生至关重要;6.随机森林模型与其他两个模型相比,经准确度、敏感度、特异性和绘制ROC曲线并计算曲线下面积(AUC)及综合评分评价后为最优模型,具有较好的预测能力。