利用LASSO回归和Logistic回归构建急性Stanford A型主动脉夹层修复术后急性肾损伤风险预测列线图

推荐 为解决急性Stanford A型主动脉夹层（ATAAD）修复术后急性肾损伤（AKI）预测难题，研究人员开展回顾性分析，纳入1471例患者，通过LASSO回归和Logistic回归构建列线图。结果显示，该模型对AKI风险预测的AUC-ROC达0.850，验证集为0.840，具有高敏感性和特异性，能优化术后管理策略，提升患者预后。

　　

论文解读
急性Stanford A型主动脉夹层（ATAAD）是一种危及生命的心血管疾病，其修复手术虽然能够挽救患者的生命，但术后并发症的发生率仍然较高，尤其是急性肾损伤（AKI）。AKI不仅是术后常见的并发症，还会显著增加患者的住院时间、医疗费用以及长期的健康负担^[1-3]。研究表明，AKI的发生与多种因素相关，包括缺血再灌注损伤、血流动力学不稳定以及体外循环的影响^[5,7,8]。然而，目前尚缺乏一个全面且准确的预测模型来早期识别高风险患者，从而进行有针对性的干预。

为了解决这一问题，河北医科大学第一医院的研究人员开展了一项回顾性研究，旨在开发并验证一个预测ATAAD修复术后AKI风险的列线图。该研究纳入了2010年2月至2023年7月期间在四家三级医疗中心接受治疗的1471名ATAAD患者。通过严格的纳入和排除标准，最终确定了1121名患者进行分析。研究的主要目标是识别与术后AKI相关的关键因素，并构建一个能够准确预测AKI风险的工具。

研究人员采用了LASSO回归和Logistic回归分析方法。首先，通过LASSO回归筛选出与AKI相关的关键变量，然后利用Logistic回归进一步确认这些变量的独立预测作用。最终，构建了一个包含七个关键因素的列线图模型，这些因素包括心脏衰竭、高脂血症、动脉夹层、肾功能不全、血尿素氮（BUN）、异常心电图（ECG）和总胆固醇（TC）。

研究结果表明，该列线图在训练集中的AUC-ROC为0.850（95% CI: 0.823-0.877），敏感性为76%，特异性为99%；在验证集中的AUC-ROC为0.840（95% CI: 0.798-0.883），敏感性为78%，特异性为94%。此外，列线图的校准曲线显示其预测结果与实际结果高度一致，决策曲线分析也表明该模型在临床应用中具有显著的净收益。

研究结论指出，该列线图具有强大的预测能力，能够有效地识别术后AKI的高风险患者，从而优化术后管理策略，改善患者的预后。这一工具的开发和验证为临床医生提供了一个重要的辅助决策工具，有助于实现个性化治疗和精准医疗。

在方法上，研究人员首先通过计算机断层扫描血管造影（CTA）确诊ATAAD，并在四家三级医疗中心进行手术。研究排除了有慢性肾脏疾病史、重大主动脉手术史以及其他严重合并症的患者，以确保研究结果的可靠性。通过倾向得分匹配（PSM）平衡了AKI和非AKI组之间的基线特征，进一步提高了模型的准确性。

总之，这项研究为ATAAD修复术后AKI的风险预测提供了一个可靠的工具，具有重要的临床意义。未来的研究应进一步在多中心进行验证，以扩大其适用范围，并探索更多的动态风险因素，从而不断完善预测模型，提升其在不同患者群体中的适用性。