Malattia renale acuta dopo insufficienza cardiaca scompensata acuta

Jun 03, 2024

Introduzione:Malattia renale acuta (AKD)rappresenta un continuum dilesione renaleper 7-90 giorni dopo danno renale acuto (AKI). L'incidenza eprognosi dell’AKDdopo insufficienza cardiaca scompensata acuta (ADHF) non sono attualmente chiari. Questo studio mirava a esplorare l'incidenza dell'AKD e la transizione da AKI ad AKD, a identificare i fattori di rischio per AKD e a sviluppare un modello di previsione per AKD in qualsiasi stadio e a valutare la prognosi dell'AKD.
Metodi: sono stati identificati un totale di 7519 pazienti ricoverati per ADHF tra il 1 gennaio 2008 e il 31 dicembre 2018 da un database multiistituzionale. Gli esiti compositi dopo l’ADHF erano AKD allo stadio 3 e morte per tutte le cause. È stato analizzato l'impatto sulla prognosi dell'AKD, inclusi gli eventi avversi renali maggiori (MAKE), la morte per tutte le cause e il ricovero per insufficienza cardiaca (HFH), durante 5 anni di follow-up.
Risultati:L’incidenza complessiva di AKI e AKD dopo ADHF è stata rispettivamente del 9% e del 21,2%; Il 39,4% dei pazienti con diagnosi di AKI durante l’ADHF ha successivamente sviluppato AKD mentre il 19,4% dei pazienti senza un episodio di AKI identificato ha successivamente sviluppato AKD. I modelli di punteggio predittivo hanno rivelato statistiche C di 0.726 (IC 95%: 0.712–0.740) per AKD in qualsiasi stadio e {{ 19}},807 (IC 95%: 0,793–0,821) per il composito di AKD di stadio 3 e morte. Infine, l’AKD era associato a rischi più elevati di morte per tutte le cause,
MAKE e HFH durante i 5 anni di follow-up (P <0.001).

Conclusione:AKD dopo ADHF è associato a esiti avversi. Il nostro modello potrebbe aiutare nell’identificazione dei pazienti a rischio di sviluppo di AKD, soprattutto in coloro che non hanno avuto un episodio di AKI indice.



PAROLE CHIAVE: insufficienza cardiaca acuta scompensata; malattia renale acuta; danno renale acuto

27

ESTRATTO DI CISTANCHE CON IL 30% DI ECHINCAOSIDEPER MALATTIE RENALI


ADHF is a poor prognostic event in patients with congestive heart failure, with a 1-year death rate of >30% and a high readmission rate.1,2 The condition usually occurs alongside AKI. The incidence of AKI among those admitted for ADHF varies from 9.6% to 43%.3–5 AKI, as a common complication of ADHF (i.e., acute cardiorenal syndrome type 1 in ADHF), is associated with higher 1-year death and readmission rates.3,4,6 The poor prognostic effect is more significant in those who developed AKI or worse renal function but without effective decongestion.7 AKD represents a continuum of kidney injury or renal function nonrecovery after initial kidney insult/ stress. In addition, the transition from AKI to AKD, to chronic kidney disease (CKD) reflects a continuum of persistent kidney injury after initial kidney insult.8 The time course for AKD is described as >7 giorni ma entro 90 giorni dall'inizio dell'AKI. L'attuale definizione di AKD si basa sul consenso del gruppo di lavoro Acute Disease Quality Initiative 16.8 Pertanto, l'AKD potrebbe essere considerata come una condizione in cui si verifica una disfunzione renale prolungata (in presenza o assenza di AKI) prima che un paziente soddisfi i {{4 }}criteri giornalieri per l'insufficienza renale cronica.8,9 Rispetto a tale ricerca sull'AKI, gli studi che indagano l'incidenza e l'impatto prognostico dell'AKD nei pazienti ricoverati per ADHF sono rari. Sono stati pubblicati alcuni studi che valutano i fattori clinici correlati allo sviluppo di AKI/IRC o modelli di previsione per i pazienti con ADHF, ma pochi di essi hanno affrontato lo sviluppo di AKD dopo ADHF.4,10–18


image


Figura 1. Il diagramma di flusso per (a) la selezione dei pazienti e (b) la distribuzione dei diversi stadi di AKI e AKD. AKD, malattia renale acuta; AKI, danno renale acuto; ECMO, ossigenazione extracorporea a membrana; ESRD, malattia renale allo stadio terminale; RRT, terapia sostitutiva renale.



In questo studio, abbiamo studiato l'incidenza, i fattori clinici e l'impatto prognostico dell'AKD dopo l'ADHF. Abbiamo anche sviluppato un modello di previsione per AKD dopo ADHF per facilitare la stratificazione del rischio e quindi promuovere l’identificazione e l’intervento precoce dell’AKD.

35

METODI

Origine dati

Si trattava di uno studio di coorte retrospettivo che utilizzava dati elettronici dal Chang Gung Research Database (CGRD). La Chang Gung Medical Foundation è il più grande sistema medico di Taiwan, che comprende 7 ospedali in tutta Taiwan. Il CGRD è un database di cartelle cliniche elettroniche multiistituzionale che fornisce informazioni cliniche più dettagliate, come risultati di laboratorio e cartelle cliniche emodinamiche, rispetto ai database delle richieste di risarcimento e ha un'elevata copertura complessiva e specifica per malattia di Taiwan.19,20 Il le malattie valutate in questo studio sono state identificate utilizzando i codici diagnostici ICD, Nona revisione, Modificazione clinica per i record prima del 2015 e i codici diagnostici ICD, Decima revisione, Modificazione clinica per quelli successivi al 2016. La struttura dei dati e la convalida di i CGRD sono discussi altrove.20–22 Questo studio è stato approvato dal comitato di revisione istituzionale del Chang Gung Memorial Hospital (numero del comitato di revisione istituzionale: 202000915B0). La necessità del consenso individuale è stata derogata perché i dati di identificazione personale non sono inclusi nella CGRD. Questo studio è stato condotto secondo la dichiarazione STROBE (materiale supplementare).

15

Popolazione dello studio

Patients who were admitted for ADHF (identified by ICD, Ninth Revision, Clinical Modification: 428 and ICD, Tenth Revision, Clinical Modification: I50 in the hospital primary and secondary diagnosis during hospitalization) between January 1, 2008, and December 31, 2018, and who had sufficient data to determine the presence of AKI and AKD were identified in the CGRD. The use of ICD, Ninth Revision, Clinical Modification: 428 and ICD, Tenth Revision, Clinical Modification: I50 for identified ADHF hospitalized population is verified in other studies23,24 and with positive predictive value >90%.25,26 Per i pazienti con più ricoveri ADHF durante il periodo di studio, il primo ricovero ADHF è stato utilizzato come ricovero indice. I pazienti venivano esclusi se lo erano<18 years old, were diagnosed with having end-stage renal disease and already on maintenance dialysis, or were on extracorporeal membrane oxygenation during the index admission. Patients with anticipated cardiac transplantation, who were diagnosed with having sepsis or obstructive uropathy, were exposed to a nephrotoxic agent during admission (including iodine contrast media, a nonsteroidal anti-inflammatory drug, aminoglycosides, or vancomycin), or developed severe AKI requiring dialysis were also excluded (Figure 1a).

35

Definizioni di AKI e AKD

La presenza di AKI è stata determinata in base alNefropatia: Improving Global Outcomes AKI criteria, which is by comparing a patient's baseline creatinine levels with their highest creatinine level during the first 7 days of their index admission.27 For the baseline creatinine level, we used the lowest creatinine level in the 3 months before the index admission or, if no creatinine level within 3 months of the index admission was available, the first creatinine level in the same index admission. The first AKI episode in the index admission is identified as index AKI. The presence of AKD was determined based on consensus from the Acute Disease Quality Initiative 16 Workgroup.8 AKD is defined by a condition in which persisted AKI is present $7 days after an AKI initiating event. The Acute Disease Quality Initiative workgroup also mentioned that an AKI-initiating event can usually be identified but is not required to diagnose AKD.8,9 For AKD staging, the baseline creatinine level was compared with the creatinine level nearest to 90 days after the index admission; AKD stages 1 and 2 were defined as serum creatinine levels 1.5 to 1.9 and 2.0 to 2.9 times baseline, respectively, whereas stage 3 was defined as a serum creatinine level 3.0 times baseline, serum creatinine increase of $4.0 mg/dl, or being on renal replacement therapy for 8 to 90 days after the index date. If >1 è stato ottenuto durante gli 8-90 giorni successivi al ricovero indice, la presenza di AKD è stata determinata in base al livello di creatinina misurato più vicino al 90° giorno dopo il ricovero indice.

9

Potenziali predittori (covariate)

Le caratteristiche cliniche del paziente, i fattori di suscettibilità all'AKI,4,10–17,28–30 e i fattori di non recupero renale per insufficienza cardiaca congestizia o popolazioni con malattie critiche31–35 sono stati identificati in base a studi precedenti o alla disponibilità nel nostro set di dati. I fattori di rischio estratti includevano età, sesso, malattia di base (ad esempio diabete mellito, ipertensione, insufficienza renale cronica, cirrosi epatica e tumore maligno), valutazione della funzionalità cardiaca mediante classe funzionale della New York Heart Association, 36 e frazione di eiezione ventricolare sinistra. Parametri emodinamici (pressione arteriosa sistolica, pressione arteriosa diastolica e frequenza cardiaca) all'arrivo al pronto soccorso o al giorno del ricovero, primi risultati di laboratorio durante il ricovero indice (inclusi emoglobina [HB]; azoto ureico nel sangue [BUN]; siero livelli di creatinina, albumina, sodio, potassio, proteinuria e peptide natriuretico di tipo B [BNP]) e relative prescrizioni di farmaci (diuretici dell'ansa ambulatoriali nei 3 mesi precedenti e dosaggio cumulativo di diuretici dell'ansa durante il ricovero con ADHF, digossina, inotropi o dobutamina utilizzati durante l'ammissione all'indice) sono stati anche estratti.


Definizione del risultato

Ci sono stati 2 esiti primari in questo studio, che sono i seguenti: (i) lo sviluppo di qualsiasi stadio di AKD e (ii) un risultato composito di AKD di stadio 3 o morte per tutte le cause durante l'ottavo e il 90° giorno dopo il ricovero indice . Gli esiti secondari sono morte per tutte le cause, MAKE e HFH dal 91° giorno al quinto anno dopo l'ammissione all'indice. Il MAKE era composto da una nuova diagnosi di malattia renale allo stadio terminale che richiedeva terapia sostitutiva renale a lungo termine, insufficienza renale cronica di nuova insorgenza (definita dalla velocità di filtrazione glomerulare stimata<60 ml/ min per 1.73 m2 according to the Modification of Diet in Renal Disease equation), and all-cause death.


Analisi statistica

Le caratteristiche basali dei pazienti con e senza AKI o AKD sono state confrontate utilizzando il test t del campione indipendente per variabili continue e il test c2 per variabili categoriche. L'analisi di regressione logistica univariata è stata utilizzata per lo screening iniziale della possibile associazione tra le caratteristiche di base e i rischi degli esiti. Covariate con significato di<0.2 in the univariate logistic regression analyses were further introduced into a multivariable model with automatic backward elimination. In the multivariable model, continuous parameters (i.e., systolic blood pressure, diastolic blood pressure, heart rate, HB, BUN, creatinine, potassium, and albumin) were categorized based on previous reports or according to clinical definitions.4,10–17 The models for predicting any-stage AKD, the composite of stage 3 AKD and all-cause death, and all-cause death alone were developed separately. 

Il modello di previsione clinica e di laboratorio derivato dall'analisi logistica multivariata è stato ulteriormente trasformato in un sistema di punti semplificato per un facile utilizzo clinico.37 L'idea chiave del sistema di punti semplificato è quella di arrotondare i coefficienti di regressione. Il primo passo è stato quello di identificare un predittore continuo con un ampio intervallo di valori come variabile di riferimento (cioè BNP) e quindi classificare questa variabile in diverse categorie clinicamente significative e ottenere valori di riferimento (solitamente il valore medio) per ciascuna categoria della variabile . Anche i predittori diversi dalla variabile di riferimento sono stati classificati di conseguenza. Infine, il valore di riferimento (solitamente il valore medio) di ciascuna categoria del predittore è stato calcolato in base al valore del suo coefficiente di regressione rispetto a quello della variabile di riferimento



Le prestazioni del modello sono state valutate in diverse aree, tra cui discriminazione, calibrazione e convalida interna. La sua capacità discriminativa è stata valutata utilizzando l'area sotto la curva caratteristica operativa del ricevitore (AUC), in cui l'SE è stata calcolata utilizzando il metodo di DeLong. Le sue prestazioni di calibrazione sono state valutate utilizzando il grafico che identifica i sottogruppi come decili di probabilità adattate (previste). Il modello era ben calibrato quando le probabilità attese (previste) e osservate nei sottogruppi erano simili. Il test Hosmer-Lemeshow non è stato eseguito perché è sensibile alle grandi dimensioni del campione. Per valutare la generalizzabilità esterna del modello derivato, una validazione interna del
L'AUC è stata condotta utilizzando 1.000 campioni sottoposti a bootstrap.
Abbiamo ulteriormente confrontato i rischi di morte per tutte le cause e MAKE dal 91° giorno al quinto anno tra i gruppi AKD e non AKD utilizzando il modello di rischio proporzionale di Cox univariato. Il rischio di HFH tra i gruppi durante il follow-up è stato confrontato utilizzando il modello univariato di sottodistribuzione del rischio Fine e Gray, che considerava la morte per tutte le cause un rischio concorrente. L'ipotesi di rischio proporzionale è stata valutata utilizzando il metodo dei residui di Schoenfeld sui risultati a lungo termine. Infine, i pazienti sono stati divisi in 3 sottogruppi di uguali dimensioni secondo lo schema semplificato

sistema di punti. I rischi di morte per tutte le cause, MAKE e HFH nei sottogruppi di rischio ordinale sono stati studiati utilizzando le suddette analisi di sopravvivenza, in cui il sottogruppo di rischio ordinale è stato trattato come una covariata continua. Tutte le analisi sono state condotte utilizzando la versione R 4.0.1 (R Development Core Team).










Potrebbe piacerti anche