一个两阶段数字工具用于预测和预防移植后高尿酸血症

《Frontiers in Digital Health》:A two-phase digital tool to predict and prevent post-transplant hyperuricemia

【字体: 大 中 小 】 时间:2026年08月04日 来源:Frontiers in Digital Health 5.2

编辑推荐:

  背景:移植后高尿酸血症(PTHU)是肾移植受者中常见且具有临床重要性的代谢并发症。现有模型缺乏个性化的移植前预防策略,且很少有研究确定用于PTHU预防的最佳他克莫司水平。为满足这一未满足的需求,研究人员开发并评估了一个整合的数字健康工具,该工具由术前风险预测算

  
背景:移植后高尿酸血症(PTHU)是肾移植受者中常见且具有临床重要性的代谢并发症。现有模型缺乏个性化的移植前预防策略,且很少有研究确定用于PTHU预防的最佳他克莫司水平。为满足这一未满足的需求,研究人员开发并评估了一个整合的数字健康工具,该工具由术前风险预测算法和术后他克莫司剂量管理模块组成。方法:研究人员纳入了195名肾移植受者。进行了移植前实验室评估和纵向系列他克莫司血药浓度(Ctac)测量,同时记录不良事件。使用逻辑回归识别风险因素,并将其纳入列线图。随后根据这些结果推导出剂量优化算法。结果:研究人员识别出四个独立风险因素——红细胞分布宽度标准差(RDW-SD)、凝血酶原时间活动度(PTA)、血清钙和Ctac。值得注意的是,该模型表现出强大的区分性能,术前受试者工作特征曲线下面积(AUROC)为0.802(95%置信区间[CI] 0.723?0.881,p?移植后高尿酸血症是肾移植后常见的代谢并发症,与移植物功能衰竭和排斥反应独立相关,但现有模型缺乏个性化移植前预防策略,且他克莫司的最佳血药浓度用于预防PTHU尚不明确。为应对这一临床需求,研究人员开发并评估了一个两阶段数字健康工具,包括术前风险预测算法和术后他克莫司剂量管理模块。该研究纳入195名首次肾移植受者(来自深圳市第三人民医院,2023年1月至2025年3月),通过逻辑回归识别独立风险因素,构建列线图,并基于Youden指数确定最佳截断值,推导剂量优化算法。研究结果发表在《Frontiers in Digital Health》。

关键技术方法:样本队列来源于深圳市第三人民医院的195名肾移植受者(18-70岁,排除既往高尿酸血症史或联合移植者)。主要方法包括:使用逻辑回归分析识别风险因素,构建列线图;通过受试者工作特征曲线(ROC)评估模型区分性能,并基于Youden指数确定最佳截断值;采用Bootstrap重抽样(500次)进行内部验证,校正过度乐观。

研究结果:
3.1 患者特征:在195名患者中,142名(72.8%)发展为PTHU,其中66.9%发生在术后前3个月。PTHU组术后3个月平均他克莫司血药浓度(Ctac)显著高于非PTHU组(8.89 vs. 8.10 μg/mL,p<0.001),血清钙(Ca)更高(2.15 vs. 1.98 mmol/L,p<0.001),红细胞分布宽度标准差(RDW-SD)更低(45.04 vs. 48.13 fL,p<0.001),凝血酶原时间活动度(PTA)更低(100.92% vs. 109.53%,p<0.001)。
3.2 他克莫司浓度与患者内变异性:PTHU组在术后第一年他克莫司浓度显著更高,尤其在前3个月,且患者内变异性(IPV)也更高,提示药物暴露波动与PTHU风险相关。
3.3 PTHU风险因素:单因素逻辑回归筛选出Ctac、Ca、RDW-SD、PTA、移植前体重、肌红蛋白、血清钠浓度和CYP3A5基因型为潜在因素。多因素逻辑回归最终确定四个独立风险因素:Ctac(比值比[OR]=1.586,p=0.026)、Ca(OR=42.41,p=0.004)、RDW-SD(OR=0.840,p=0.002)和PTA(OR=0.928,p=0.004)。共线性诊断显示无显著多重共线性。
3.4 PTHU风险预测模型(术前):基于Ca、RDW-SD和PTA构建术前预测模型,AUROC为0.802(95% CI 0.720–0.881,p<0.001),最佳截断值0.827,灵敏度67.8%,特异度83.3%。建立了相应评分系统。
3.5 他克莫司剂量管理工具(术后):纳入Ctac、Ca、RDW-SD和PTA构建术后预测模型,AUROC为0.824(95% CI 0.734–0.913,p<0.001),最佳截断值0.817,灵敏度72.8%,特异度84.4%。基于公式计算每位患者的最大安全他克莫司浓度,并开发了剂量管理工具以指导个体化调整。敏感性分析显示强制纳入CYP3A5基因型未显著改善模型性能。
3.6 列线图开发:分别建立了术前和术后PTHU风险评估列线图,将风险因素赋值并计算总分,对应预测概率。
3.7 列线图验证:校准图显示预测概率与观测概率良好一致(p>0.01),决策曲线分析表明多指标模型在较宽阈值概率范围内具有净收益。
3.8 内部验证:Bootstrap校正(500次)显示乐观度为0.020,校正后C指数为0.804,校准斜率从1.000降至0.902,平均绝对误差为0.02,表明模型具有良好的内部有效性,未受过度拟合显著影响。

讨论部分总结:本研究强调PTHU是早期移植物功能障碍的风险因素,但术后管理因持续免疫抑制和药物相互作用而复杂化。移植前干预更易实施。研究识别了RDW-SD、Ca、PTA和Ctac作为独立风险因素,其中RDW-SD的差异提示贫血治疗策略需更全面,Ca的异常与高尿酸血症及血管钙化相关,术后他克莫司IPV高的患者需更频繁的治疗药物监测(TDM)。局限性包括单中心回顾性设计、样本量较小以及高PTHU发生率(72.8%)可能受区域饮食影响,需多中心前瞻性外部验证。当前剂量工具主要聚焦于降低高尿酸血症风险,不能替代临床判断,若计算的最大安全浓度低于抗排斥治疗窗下限,应优先维持抗排斥疗效并加强尿酸监测。研究结论翻译:总之,本研究开发并验证了一个个体化列线图用于预测移植前患者PTHU的风险。该工具能够进行准确的风险分层,促进移植前的个体化管理。此外,对于移植后,研究人员建立了一个他克莫司剂量管理工具以减轻PTHU。通过整合移植前代谢特征与移植后药物监测,本研究建立了一个整合的两阶段管理范式。该策略允许在移植前进行主动干预并在移植后持续优化,最终目标是减少PTHU的发生并保护肾移植物功能。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号