部分摘录
引言
临床医生不断寻求新的知识，以更深入地了解疾病的表现及其进展原因。研究人员需要开发有效的方法，从大型数据集中提取具有临床意义的信息，以支持决策制定和个性化护理。[1],[2] 分析纵向的电子健康记录（EHR）数据为追踪疾病进展和识别高风险患者提供了前所未有的机会。
重要性声明
| 问题 | 急性肾损伤（AKI）患者发展为慢性肾病（CKD）的风险很高，但识别出风险最高的患者仍然具有挑战性。 |
|---|
| 已有认知 | 大多数关于AKI进展的研究依赖于静态的、单时间点的特征，这些特征无法捕捉影响AKI结果的动态、随时间变化的因素。 |
| 本文的贡献 | 我们提出了一种新颖的、可扩展的、基于数据的方法，用于动态追踪AKI患者的临床演变过程并描述其特征。 |
方法
在这项研究中，我们1）使用自然语言处理（NLP）和聚类方法根据医疗代码和肌酐趋势定义临床状态；2）应用多状态建模来量化转换概率；3）通过生存分析识别常见的AKI后轨迹和CKD风险因素。图1概述了AKI向CKD的进展特征。
纳入研究的标准
如果患者的肌酐水平从基线升高50%或更多，则被认为符合研究条件。
我们排除了同时患有CKD的患者：a) 在就诊前或就诊期间有CKD相关代码记录的患者（见补充表S2）；b) 就诊时基线肌酐水平≥1.2 mg/dL的患者，这表明可能存在潜在的CKD。此外，我们还排除了在入院后48小时内肌酐水平未升高50%或更多的患者，以及在该初始48小时内肌酐测量次数少于两次的患者。
队列特征
我们确定了20,699名在入院时（即出现症状后的48小时内）被诊断为AKI且无既往或同时患有CKD的患者。队列详细信息见表1，队列构建过程见补充图S1。中位年龄为63岁（四分位数范围，47–76岁），其中1,272名（6%）患者年龄小于18岁；10,617名（49%）为男性。从初次AKI相关住院开始到首次诊断为CKD的时间中位数为152天（四分位数范围，20–821.5天）。
讨论
为了描述AKI向CKD的进展，我们分析了患者健康状况随时间的变化。我们识别出十五种不同的AKI后临床状态，每种状态发展为CKD的概率各不相同。总体而言，17%的患者发展为CKD。我们还根据患者的初始状态或状态之间的转换情况，识别了不同AKI亚群体中的CKD风险因素。
贡献
本研究有几个关键贡献。首先，它利用真实的纵向EHR数据提供了一种成本效益高的方法来分析AKI向CKD的进展。我们的方法能够捕捉医疗状况、治疗和干预措施与肌酐动态的变化，从而更全面地理解CKD风险。这与最近提出的用于轻度认知障碍患者慢性疾病轨迹的超图聚类方法有所不同。
优势与局限性
本研究有几个优势。通过整合纵向EHR数据，它能够捕捉真实世界的患者轨迹，并以成本效益高的方式识别高风险AKI亚群体。此外，多状态建模的使用使得对患者转换情况的理解比传统的观察性研究方法更为细致。
然而，也存在一些局限性。首先，由于尿液相关AKI指标的可用性有限，我们没有将其纳入研究。
未引用的参考文献
[37,40,41,45,46,47,48,49,50,51,52,53,57,58,60,62,69,72,83]。
作者贡献声明
方一璐：撰写初稿、可视化、验证、方法论、研究设计、正式分析、数据管理、概念构思。乔丹·G·内斯特：撰写初稿、验证、方法论、研究设计、正式分析、数据管理、概念构思。凯西·N·塔：撰写与编辑、方法论。杰拉德·Z·克奈法蒂-海耶克：撰写与编辑、验证、数据管理。翁春华：撰写与编辑、监督、资源协调、项目管理
伦理批准
根据45CFR46.116(d)的规定，这项基于EHR的研究获得了CUIMC机构审查委员会（IRB协议编号AAAR3954）的同意豁免批准，因为本研究满足以下条件：
(1) 研究对受试者的风险极小。
该研究仅涉及现有数据的分析，基于EHR的研究风险很小。尽管在极少数情况下信息可能被泄露，但参与者受到伤害的风险也很小。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
该项目得到了国家医学图书馆（资助编号R01LM012895）、国家人类基因组研究所（资助编号R01HG013031和U01HG008680-09）、国家转化科学促进中心（资助编号UL1TR001873-08、OT2TR003434、KL2TR001874（JKH）以及国家糖尿病、消化系统疾病和肾脏疾病研究所（资助编号K08DK132511（JGN）的资助。此外，该项目还得到了美国肾脏病学会和Kidney Cure的Harold Amos Medical的支持。
