《Frontiers in Nephrology》：Construction and evaluation of risk prediction model for major adverse cardiovascular events in peritoneal dialysis patients
编辑推荐：
背景与目的：本研究开发并验证了一个稳健、临床适用的风险预测模型，用于腹膜透析（peritoneal dialysis, PD）高危患者的心血管死亡风险预测。该模型能够实现精确的个体化风险分层，支持循证临床决策，并促进针对性的预防干预以改善长期预后。
方法：对
背景与目的：本研究开发并验证了一个稳健、临床适用的风险预测模型，用于腹膜透析（peritoneal dialysis, PD）高危患者的心血管死亡风险预测。该模型能够实现精确的个体化风险分层，支持循证临床决策，并促进针对性的预防干预以改善长期预后。
方法：对2018年6月至2025年5月在西安交通大学第一附属医院肾脏内科接受腹膜透析的患者进行回顾性分析。心血管疾病作为主要终点。比较各组间的基线特征和实验室参数。采用单因素和多因素回归分析确定主要不良心血管事件（major adverse cardiovascular events, MACE）的预测因子。通过bootstrap重采样后按7:3划分，对预测模型进行开发和验证。
结果：多因素分析确定年龄、空腹血糖、绝对握力、左心室射血分数为显著预测因子。ROC曲线（AUC > 0.6）和Kaplan–Meier曲线（P < 0.05）证实了它们对主要不良心血管事件的诊断和区分价值。开发了一个包含这四个变量的列线图。其预测3年、5年和8年心血管事件发生率的AUC分别为0.828（95% CI: 0.744–0.912）、0.785（95% CI: 0.702–0.868）和0.836（95% CI: 0.744–0.929），显示出较强的预测区分能力。使用最佳截断值，将患者分为低风险和高风险组。Kaplan–Meier分析显示三个时间点的累积事件发生率均存在显著差异（P < 0.001），证实了良好的区分能力。校准显示预测结果与观察结果高度一致；决策曲线分析支持其稳健的临床实用性。
结论：年龄、空腹血糖、绝对握力和左心室射血分数是接受PD患者发生MACE的独立预测因子。研究人员开发并内部验证了一种新颖、可解释的基于列线图的风险预测模型，该模型表现出高判别准确性、校准保真度和临床实用性。该工具在PD起始时识别高危个体方面具有重要前景，从而有助于及时、个体化的心血管风险缓解策略。
**论文解读：腹膜透析患者MACE风险预测模型的构建与评估**
**一、研究背景与目的**
慢性肾脏病（chronic kidney disease, CKD）是一种进行性且不可逆的临床综合征，最终可进展为终末期肾病（end-stage renal disease, ESRD）。ESRD的主要治疗手段包括肾移植和肾脏替代治疗，后者涵盖血液透析（hemodialysis, HD）和腹膜透析（peritoneal dialysis, PD）。PD因能更好地保留残肾功能、操作简便、血流动力学稳定、饮食限制较少及血流感染风险较低等优势，成为广泛应用的治疗方式。然而，长期PD可导致复发性腹膜炎、溶质清除不足、腹膜功能进行性恶化及糖代谢紊乱等并发症，显著增加主要不良心血管事件（major adverse cardiovascular events, MACE）风险。心血管疾病（cardiovascular disease, CVD）是PD患者最常见且最致命的并发症，也是该人群的首要死因。流行病学数据显示，PD患者中CVD患病率约65%，并显著升高全因死亡率和住院率。
目前文献多采用单因素方法评估PD患者CVD风险，而CVD在CKD中的发病机制涉及心血管、代谢、炎症和尿毒症等多因素交织，单因素方法局限性明显，无法满足临床精准分层需求。因此，亟需开发一个简便、经过验证且临床可操作的多变量风险预测工具，针对PD患者进行个体化心血管风险评估，以早期识别高危人群并实施靶向预防策略。
**二、研究方法概述（不超过250字）**
该研究为单中心回顾性队列研究，数据来源于西安交通大学第一附属医院肾脏内科腹膜透析中心，纳入2018年6月至2025年5月新置管并规律行PD的患者，最终共436例。研究人员收集了基线人口学特征、实验室指标、超声心动图参数、腹膜转运功能及握力等数据，以MACE为终点事件进行随访。统计方法包括：单因素Cox回归初步筛选变量，LASSO惩罚Cox回归进行降维，多因素Cox回归确定独立预测因子；使用bootstrap重采样（500次）按7:3比例进行模型开发与内部验证；构建列线图；通过时间依赖性ROC曲线、Kaplan–Meier曲线、校准曲线及决策曲线分析（decision curve analysis, DCA）评估模型性能。
**三、研究结果**
（1）**基线特征与随访结局**：共436例患者纳入分析，平均随访48.25±24.05个月。随访期间死亡132例，其中70例（53.0%）归因于MACE。患者平均年龄48.12±13.76岁，女性占58.3%，慢性肾小球肾炎为最常见原发病（68.5%）。
（2）**单因素分析**：与无MACE组相比，MACE组患者的年龄、水肿比例、原发病分布、白蛋白、前白蛋白、白球比、空腹血糖（fasting blood glucose, FBG）、血氯、血磷、甲状旁腺激素等存在显著差异；绝对及相对握力、左心室舒张末期内径、左心室短轴缩短率和左心室射血分数（left ventricular ejection fraction, LVEF）亦有统计学差异（P<0.05）。单因素Cox回归显示年龄、C反应蛋白、FBG、白蛋白、白球比、氯、镁、甲状旁腺激素、绝对握力、相对握力、左心房内径、左心室收缩末期内径、LVEF和左心室短轴缩短率均为MACE的预测因子。
（3）**LASSO回归与多因素Cox回归**：LASSO回归在λ=0.0185时筛选出12个候选变量，在λ=0.0619（均值+1倍标准差）时进一步精简为年龄、绝对握力、LVEF三个变量。将单因素分析有意义的变量及LASSO筛选变量共同纳入多因素Cox回归，最终确定年龄（HR=1.031, 95%CI: 1.010–1.053）、FBG（HR=1.142, 95%CI: 1.061–1.217）、绝对握力（HR=0.956, 95%CI: 0.937–0.976）和LVEF（HR=0.941, 95%CI: 0.921–0.961）为MACE的独立预测因子。
（4）**预测模型构建与验证**：基于这四个变量构建列线图，其预测3年、5年和8年MACE发生率的AUC分别为0.828（95%CI: 0.744–0.912）、0.785（95%CI: 0.702–0.868）和0.836（95%CI: 0.744–0.929），表现出良好的判别能力。经bootstrap内部验证，全数据集C-index为0.8277，训练集和验证集平均C-index分别为0.8717和0.7290。根据约登指数确定最佳截断值，将患者分为低危和高危组，Kaplan–Meier曲线显示两组在3年、5年和8年的累积MACE发生率差异均有统计学意义（P<0.001）。校准曲线显示预测概率与实际发生率接近理想对角线，DCA表明模型具有较好的临床净获益。
（5）**各预测因子的独立价值**：ROC曲线显示，FBG（AUC=0.738）和绝对握力（AUC=0.763）具有较好的判别能力，年龄（AUC=0.698）和LVEF（AUC=0.619）为中等。绝对握力在模型中的贡献最大，其次是LVEF、FBG和年龄。
**四、讨论与结论**
讨论部分指出，心血管死亡占PD患者全因死亡的约50%，本文中占53%。年龄通过心肌肥厚、舒张功能减退等机制增加MACE风险；营养不良和肌少症与心血管死亡密切相关，绝对握力作为简单、无创的营养评估指标，独立预测MACE，且优于相对握力；FBG反映了糖代谢紊乱和胰岛素抵抗，在非糖尿病患者中因腹透液葡萄糖吸收而升高，是MACE的独立危险因素；LVEF则是评估左心室收缩功能的核心指标，其下降显著增加心源性死亡和心衰住院风险。此外，NT-proBNP、血镁和甲状旁腺激素在单因素中虽与MACE相关，但经多因素校正后不再独立，可能与年龄、BMI、血糖等混杂因素有关。
研究结论：年龄、空腹血糖、绝对握力和左心室射血分数是接受PD患者发生MACE的独立预测因子。研究人员构建并内部验证了一种新颖、可解释的列线图风险预测模型，该模型在判别准确性、校准保真度和临床实用性方面表现良好，能够在启动PD时早期识别高危个体，为心血管风险的个体化防控提供有力工具。
