数字算法优于当前的肾衰竭和 CKD 死亡风险预测模型

一种用于预测患者肾衰竭和全因死亡风险的新工具可能为当前慢性肾病 (CKD) 基准风险预测模型提供一种有希望的替代方案，在外部测试中始终优于肾衰竭风险方程。1

预测算法和数字仪表板（称为 KDpredict）旨在同时预测 1-5 年时间范围内的肾衰竭和死亡，并支持中度至重度 CKD 患者的整体决策，同时解决肾衰竭风险方程的缺点。 1

“我们已经能够证明，KDpredict 在预测患有中重度慢性肾病的成人的肾衰竭和死亡风险方面始终比目前使用的风险预测模型更准确，”Pietro Ravani 医学博士、哲学博士卡尔加里大学医学系和公共卫生研究所教授兼临床科学家在一份新闻稿中表示。2

认识到当前肾衰竭风险方程的缺点，研究人员试图建立一种工具来提供肾衰竭的风险预测，考虑到新记录的中重度 CKD 成人的竞争死亡风险和全因死亡。 值得注意的是，该研究提出了一种适应当地环境的预测建模策略，而不是一刀切的模型。1

这项跨国、纵向、基于人群的队列研究包括新记录的慢性肾病 G3b-G4 阶段的个体，定义为估计肾小球滤过率 (eGFR) 15-44 mL/min/1.73 m2。 基于人口的健康数据与阿尔伯塔省、丹麦和苏格兰的 3 个队列相关联，阿尔伯塔省的数据用于训练 KDpredict 并针对丹麦和苏格兰的数据进行测试。1

超级学习器算法根据预测肾衰竭和死亡率的能力选择性能最佳的回归模型或机器学习算法，并根据 Brier 评分最小化交叉验证预测误差。 预先指定的学习器（包括年龄、性别、eGFR、白蛋白尿、是否存在糖尿病和心血管疾病）被排序并合并到一个整体中，或者选择具有最低交叉验证预测误差的学习器。1

预测准确性指数是根据 Brier 评分计算的校准和区分度的衡量标准，用于将 KDpredict 与肾衰竭风险方程进行比较。 结果包括全因死亡和肾衰竭，定义为维持性肾脏替代治疗或 eGFR 持续 90 天以上 10 mL/min/1.73 m2，以先到者为准。1

总共包括来自加拿大的 67,942 名患者、来自丹麦的 17,528 名患者和来自苏格兰的 7740 名患者。 在该队列中，中位年龄为 77-80 岁，中位 eGFR 为 39 mL/min/1.73 m2.1

在假设的临床场景中，研究人员指出，肾衰竭风险方程和 KDpredict 的预测存在很大差异，可能导致不同的治疗决策。 在一个例子中，一名 80 岁的男性，其 eGFR 为 30 mL/min/1.73 m2，白蛋白与肌酐比为 100 mg/g，则他的 5 年肾衰竭风险预测为 10%。肾衰竭风险方程，但会从 KDpredict.1 获得肾衰竭 2% 的 5 年风险预测和死亡率 57% 的 5 年风险预测

研究人员还指出，KDpredict 的个人风险预测对于具有 4 或 6 个变量的两种结果都是准确的。 此外，使用旧数据重新训练的模型在时间上不同的最新数据中进行测试时提供了准确的预测。1

研究人员强调了这些发现的几个潜在局限性，其中一些包括使用来自以白人为主的 3 个国家的数据，在外部测试队列中使用白蛋白尿测量仅限于白蛋白与肌酐比率或蛋白质与肌酐比率、预测工具的静态性质，以及需要在随机试验中进行测试以验证其有用性。1

研究人员总结道：“KDpredict 的独特之处在于，它能够准确预测患有这种严重 CKD 的成年人在首次发病时的两种临床结果的风险，此时应及时进行讨论。”1“通过提出两种风险预测，肾衰竭和死亡，KDpredict 支持以患者为中心的护理和整体决策。”

参考：