《Frontiers in Immunology》：Early creatinine dynamics for stratifying acute kidney injury trajectories in patients with systemic lupus erythematosus: an exploratory multicenter retrospective study
编辑推荐：
目的：系统性红斑狼疮（SLE）患者在急性肾损伤（AKI）后表现出异质性的肾脏病程。本研究应用潜类别混合模型（latent class mixed modeling, LCMM）识别SLE患者的AKI轨迹表型，利用AKI早期数据构建风险分层模型，并探讨羟氯喹（H
目的：系统性红斑狼疮（SLE）患者在急性肾损伤（AKI）后表现出异质性的肾脏病程。本研究应用潜类别混合模型（latent class mixed modeling, LCMM）识别SLE患者的AKI轨迹表型，利用AKI早期数据构建风险分层模型，并探讨羟氯喹（HCQ）使用是否与AKI轨迹类别归属相关。方法：这项多中心回顾性研究使用MIMIC-IV进行模型开发和内部评估，并使用eICU、NWICU和本地队列进行探索性外部评估。纳入患有AKI的成年SLE患者。主要模型为无种族变量、无类不平衡校正的LASSO逻辑回归模型。采用受试者工作特征曲线下面积（AUC）、布里尔评分（Brier score）、校准截距和校准斜率评估性能。应用自举乐观校正（bootstrap optimism correction）。一项非重叠敏感性分析检查了结构性预测因子-结局重叠的影响。使用多变量逻辑回归和倾向评分匹配评估HCQ。结果：在279例MIMIC患者中，识别出三种AKI轨迹（进展型9.3%、恢复型19.4%、稳定型71.3%）。主要无种族LASSO模型的表观AUC为0.761（乐观校正后：0.706），布里尔评分为0.086（校正后：0.092）。当使用非重叠的48小时后肾脏终点评估时，判别能力大幅下降（AUC 0.593）。探索性外部评估受事件数限制：主要的SLE外部判别亚组中，eICU有6个事件、NWICU有3个事件、本地队列有1个事件；因此，这些估计被视为描述性结果而非确证性验证。HCQ显示出探索性关联，不能解释为因果关系。结论：本研究为SLE患者早期AKI轨迹模式提供了一个探索性风险分层框架。在去除预测因子-结局重叠并进行乐观校正后，表观判别能力显著减弱。外部评估受事件数限制，应将其解释为探索性可迁移性评估，而非普适性的确证证据。
系统性红斑狼疮（SLE）是一种慢性自身免疫病，肾脏受累是长期预后的重要决定因素。狼疮性肾炎可增加慢性肾脏病、终末期肾病和死亡风险。除经典狼疮性肾炎外，SLE患者在住院或重症监护期间还可因感染、血流动力学不稳定、肾毒性药物暴露、疾病活动及免疫抑制治疗并发症等发生急性肾损伤（AKI）。AKI后肾功能恢复存在高度异质性，部分患者迅速恢复，部分持续恶化甚至需要肾脏替代治疗。当前的AKI定义和分期系统（如KDIGO标准）主要基于特定时间窗内血清肌酐或尿量变化，难以完整刻画AKI后的纵向演变轨迹。因此，早期识别SLE-AKI中进展风险高的患者具有重要临床意义。既往预测模型多非针对SLE人群，且很少纳入SLE特异性治疗因素。羟氯喹（HCQ）是SLE基础治疗，但其与AKI动态轨迹的关系尚不清楚。为此，研究人员开展了这项探索性多中心回顾性研究，并发表于《Frontiers in Immunology》。
研究人员利用MIMIC-IV数据库作为模型开发与内部评估队列，采用eICU、NWICU和本地队列进行探索性外部评估。研究纳入成人SLE合并AKI患者，采用潜类别混合模型（LCMM）对AKI后7天内的血清肌酐序列建模，识别出三种轨迹表型：进展型、恢复型和稳定型。进一步基于LASSO特征选择和临床可解释性构建了一个无种族变量、含五个核心变量的风险分层模型。结果显示，主要模型在MIMIC队列中的表观AUC为0.761，自举乐观校正后为0.706；但在使用非重叠的48小时后肾脏终点评估时，AUC降至0.593，提示相当一部分表观判别力来源于预测窗口与轨迹定义结局之间的结构性重叠。外部评估因事件数过少而仅具有描述性意义。HCQ与较低的进展风险存在探索性关联，但不可解释为因果关系。
在关键技术方法方面，研究者采用了以下主要方法：基于多中心回顾性队列，模型开发与内部评估使用MIMIC-IV数据库，探索性外部评估使用eICU、NWICU及本地队列；纳入符合KDIGO血清肌酐标准的SLE-AKI成年患者；使用LCMM识别AKI后7天内的肌酐轨迹；主要模型为无种族、无类不平衡校正的LASSO逻辑回归，性能通过AUC、Brier评分、校准截距和校准斜率评估，并进行1000次自举乐观校正；另进行非重叠敏感性分析以评估结构性预测-结局重叠影响；HCQ关联采用多变量逻辑回归和倾向评分匹配分析。四种建模方法（LASSO、标准逻辑回归、随机森林和XGBoost）在同一预测变量集上进行了比较。
研究结果部分如下：
3.1 Characteristics of the MIMIC SLE-AKI cohort（MIMIC SLE-AKI队列特征）
MIMIC-IV最终推导队列共纳入279例SLE-AKI患者，平均年龄53.2岁，女性占80.3%。高血压、慢性肾脏病、心力衰竭等合并症常见；感染、血管升压药使用和万古霉素暴露比例较高。按轨迹分层后，进展组患者中高血压、感染、血管升压药使用和万古霉素暴露的比例更高，提示该亚组可能存在更高的基线肾脏易损性、血流动力学不稳定和肾毒性暴露负担。
3.2 AKI trajectory phenotypes（AKI轨迹表型）
在MIMIC SLE-AKI队列中，LCMM识别出三种临床可解释的AKI轨迹：进展型（26例，9.3%），表现为AKI后7天内血清肌酐持续升高；恢复型（54例，19.4%），表现为初始肌酐高但随后显著下降；稳定型（199例，71.3%），肌酐相对稳定。三分类模型的熵为0.810，平均后验分类概率为0.889，分类质量良好。在eICU和NWICU外部队列中也观察到类似的三类结构。
3.3 Feature selection and model performance（特征选择与模型性能）
LASSO特征选择显示，48小时肌酐斜率、血管升压药使用、万古霉素使用和高血压病史与进展型轨迹风险增加相关，而HCQ使用与风险降低相关。最终无种族、无类不平衡校正的LASSO模型包含五个核心变量。在MIMIC队列中，表观AUC为0.761，Brier评分为0.086；自举校正后AUC为0.706。四种建模方法中，LASSO和标准逻辑回归的判别表现优于随机森林和XGBoost。非重叠敏感性分析使用48小时后的硬性肾脏终点（肌酐翻倍或死亡）时，AUC降低至0.593，说明去除预测-结局重叠后模型的独立判别能力明显减弱。
3.4 Associations between core variables and AKI progression（核心变量与AKI进展的关联）
多变量逻辑回归分析显示，48小时肌酐斜率与进展风险关联最强（OR 2.97，95%CI 1.85–5.48）；血管升压药使用（OR 2.44）、万古霉素使用（OR 1.90）和高血压病史（OR 1.90）均与进展风险增加相关；HCQ使用与较低的进展几率相关（OR 0.40，95%CI 0.19–0.77）。敏感性分析中，HCQ在SLE队列中持续呈现负向系数，而在非SLE队列中系数接近零，提示该负向关联可能具有一定SLE背景特异性。
3.5 HCQ use and AKI progression（HCQ使用与AKI进展）
倾向评分匹配后，非HCQ组AKI进展率为11.5%，HCQ组为1.6%，组间差异呈临界显著性（P=0.067）。自举探索性logistic模型估计HCQ使用的OR为0.333（95%CI 0.175–0.777）。但匹配样本量小、事件数低，该结果仅作为假设生成性证据，而非因果证据。在SLE与非SLE合并队列中，SLE与HCQ的交互项未达统计学显著性。
3.6 Exploratory external assessment（探索性外部评估）
eICU探索性外部评估中，SLE队列有94例（6个进展事件），LASSO模型AUC为0.797；NWICU SLE队列49例（3个进展事件），AUC为0.964；本地队列18例（1个进展事件），AUC为0.824。这些估计均因事件数极少而不稳定，且外部队列轨迹标签生成方式不同（eICU使用独立LCMM，NWICU和本地队列使用对齐规则标签），因此应视为探索性可迁移性评估而非确证性验证。外部校准显示明显概率偏移，例如eICU中预测概率中位数为0.999、Brier评分为0.737，提示模型未经局部校准不能直接用于个体绝对风险预测。
3.7 Online risk-stratification calculator（在线风险分层计算器）
作为探索性补充资源，研究人员基于五个核心变量实现了在线风险分层计算器，可返回进展型轨迹的预测概率。该工具仅用于研究演示和前瞻性测试，未经验证前不应指导临床决策。
在讨论部分，研究者强调三种AKI轨迹的识别具有临床意义：进展型虽仅占9.3%，但代表需要早期识别的高风险亚组。在本研究低事件数背景下，简洁的线性模型优于复杂集成算法，说明可解释性和稳定性在临床风险分层中的重要性。48小时肌酐斜率是最关键的预测因素，因此该模型应视为AKI后48小时内的动态风险更新工具，而非入院即时预测模型。HCQ使用与较低进展风险的关联与既往SLE中HCQ获益证据方向一致，但本研究不能确立因果关系，可能受适应症偏倚和残余混杂影响。外部评估性能下降可能与人群特征、测量频率、结局标签定义和药物数据完整性差异有关。研究还指出，ICU数据库缺乏SLE疾病活动度、补体水平、抗dsDNA抗体、蛋白尿、肾活检病理分型和免疫抑制剂方案等疾病特异性变量，这是重要局限。种族/族裔被排除在主要模型外，因其可能反映社会决定因素、医疗获取和编码差异而非生物学因果。
研究结论部分可翻译为：本研究利用潜类别混合模型识别了SLE-AKI患者中临床可解释的AKI轨迹，并提供了一个基于AKI后早期肌酐动态的无种族探索性风险分层框架。然而，在自举乐观校正和去除预测因子-结局结构性重叠后，表观判别力显著减弱。外部队列评估受事件数限制且采用了异质性结局标签方案，因此应被视为探索性可迁移性评估而非普适性确证证据。该模型应被视为初步风险分层工具，在临床应用于任何个体前需进行前瞻性验证、局部校准和使用独立的非重叠终点。观察到的HCQ暴露与较低进展轨迹几率的关联是探索性和假设生成的，而非因果关系。
