IgA腎病國際風險預測工具在中國人群中的預測效果評價

郭康林 程一春 葛樹旺 徐 鋼

(華中科技大學附屬同濟醫院腎臟內科，武漢 430030)

IgA腎病(IgA nephropathy，IgAN)是世界上最常見的原發性腎小球腎炎之一，且其患病率具有地區差異，在亞洲地區的患病率明顯高于其他地區[1]。約30%～40%的患者會在20年內進展為腎衰竭，造成了極大的健康和經濟負擔[2]。

腎功能惡化的風險異質性是IgA腎病的一個特殊特征，因此，改善全球腎臟病預后組織(Kidney Disease Improving Outcomes,KDIGO)指南[3]建議對患者進行風險分層，以便針對疾病進展的高危人群進行免疫抑制治療；但僅基于蛋白尿水平進行風險分層是非常不準確的。為了進行更為準確的風險分層，國際IgA腎病網絡協作組利用有長期隨訪的大型多民族隊列，開發了IgA腎病國際風險預測工具[4]。IgA腎病國際風險預測工具包含2個模型，區別在于一個包含種族因素，一個不包含種族因素。這是第一個基于多民族多中心隊列推導出來的預測IgA腎病預后的工具，且充分整合了經驗證的臨床病理學風險因素。這些臨床病理因素包括年齡、估計腎小球濾過率(estimated glomerular filtration rate，eGFR)、平均動脈壓(mean arterial pressure，MAP)、24 h尿蛋白、牛津病理分型[系膜細胞增殖(mesangial hypercellularity，M)、毛細血管內增殖(endocapillary cellularity，E)、節段硬化(segmental sclerosis，S)、腎小管萎縮/間質纖維化(tubular atrophy/interstitial fibrosis，T)，MEST]評分以及腎素-血管緊張素-醛固酮系統(renin-angiotensin-aldosterone system，RAAS)阻斷劑和免疫抑制劑的使用。該工具的終點事件是患者發生終末期腎衰竭(end stage renal disease，ESRD)或eGFR下降超50%。將患者的基線數據代入該公式即可計算出患者未來某個時間點到達終點事件的概率，根據概率的大小可將患者進行風險分層，以便于根據患者的情況進行針對性治療。

廣泛的外部驗證是所有預測模型在臨床推廣應用的基礎。本研究的目的是在一個現代中國人隊列中對IgA腎病國際風險預測工具進行外部驗證，為該預測工具在臨床的推廣應用提供更多證據。

1 對象與方法

1.1 研究對象

此研究是一項回顧性隊列研究，目的是對國際IgA腎病風險預測工具進行外部驗證。收集2012年1月至2016年12月，華中科技大學附屬同濟醫院收治經活檢確診的IgA腎病患者548例。排除了腎活檢腎小球數小于8、年齡小于18歲、基線臨床病理數據缺失、伴有其他系統性疾病、隨訪時間小于6個月且未到達終點事件的患者，最終有467名患者被納入隊列。本研究已經通過華中科技大學附屬同濟醫院的倫理委員會的審批,倫理編號為TJ-IRB2018110。所有患者均提供了參與本研究的書面知情同意書，所有研究程序符合《赫爾辛基宣言》。

1.2 臨床病理數據

本外部驗證隊列的所有預測因素的定義和收集都與原始隊列一致。將不包含種族的預測模型稱為模型1；包含種族的預測模型稱為模型2。模型1的預測因素包括：年齡、eGFR、MAP、24 h尿蛋白、牛津病理分型評分以及RAAS阻斷劑和免疫抑制劑的使用。在腎活檢時收集患者的基線24 h尿蛋白、年齡、性別、MAP和eGFR。eGFR根據血清肌酐濃度利用慢性腎病流行病學合作研究(Chronic Kidney Disease Epidemiology Collaboration, CKD-EPI)公式計算得出。MAP定義為舒張壓加三分之一的脈壓差。RAAS阻斷劑和免疫抑制劑為腎活檢前使用。由經驗豐富的病理科醫生在不了解臨床數據的情況下，做出牛津病理分型評分。模型2除包括模型1的所有預測因素外，增加了種族這項預測因素。種族分為中國人、日本人、白人或其他，根據種族的不同，模型2的計算公式中種族因素前的系數會有變化。ESRD定義為eGFR小于15 mL-1·min-1·1.73 m-2、接受透析治療或接受腎移植。終點事件定義為隨訪時eGFR下降超50%或發生ESRD。

1.3 計算預測風險值及風險分組

根據IgA腎病國際風險預測工具利用基線數據計算每個患者到達終點事件的概率，即為預測風險。在模型2中，由于違反了比例風險假設，中國人在小于等于36個月時使用一個分段函數[4]。按照原始研究相同的方法，將患者按照預測風險進行排序，0%～16%為低風險組(n=70)、16%～50%為中風險組(n=163)、50%～84%為高風險組(n=164)、84%～100%為極高風險組(n=70)。

1.4 統計學方法

可以從區分度、凈重新分類分析、校準度和臨床實用性幾個方面對模型的表現性能進行評估。使用C統計量和時間依賴地受試者工作特征(receiver operating characteristic curve，ROC)曲線評估模型的區分度。同時比較不同風險組的生存曲線，生存曲線分離則表明模型具有良好的區分度。使用Log-rank檢驗分析生存曲線間的差異。因為低風險組中無患者到達終點事件，以中間風險組作為參考計算風險組之間的風險比(hazard ratio，HR)。使用凈重分類改善指標(net reclassification improvement，NRI)和綜合判別改善指標(integrated discrimination improvement，IDI)進行凈重新分類分析，以比較兩個模型的預測能力是否有差異。

使用校準圖來比較5年到達終點事件的觀察風險和預測風險，以評估模型的校準度。根據線性預測因子得到十等分的預測風險組，畫出5年預測風險對比5年觀察風險的校準圖，以報告隨訪滿5年時，模型預測的校準度。

決策曲線分析用于評估預測模型的臨床效用[5]。在特定閾值下，模型的凈收益是真陽性率與假陽性率的差。在合理的概率閾值范圍內，只有當凈收益高于治療所有患者和不治療任何患者時，才認為預測模型具有臨床應用價值。統計分析采用R 4.0.5(SAS公司，美國)。當P<0.05時，結果具有統計學意義。

2 結果

2.1 外部驗證隊列與原始推導隊列及原始驗證隊列的基線特征比較

本研究的外部驗證隊列共467例患者，有48例(10%)患者到達終點事件。隨訪時間的中位數是4.0年，四分位區間是2.8～5.2年。與本研究的外部驗證隊列相比，原始推導隊列和原始驗證隊列的隊列人數更多，隊列時間更早，隨訪時間更長，到達終點事件的患者比例和24 h尿蛋白相對較高，T2病變的比例及接受RAAS抑制劑治療和免疫抑制劑治療的比例相對較低，詳見表1。

表1 外部驗證隊列、原始推導隊列和原始驗證隊列的基線特征

2.2 IgA腎病國際風險預測工具的預測表現

區分度：在這個外部驗證隊列中，兩個模型都表現出了極好的區分度。模型1和模型2的C指數分別為0.86(95%CI：0.80～0.92)和0.86(95%CI：0.79～0.92)，5年ROC曲線下的面積均為0.88，證明了區分度優于原始推導隊列和原始驗證隊列，詳見表2。

不同風險組的生存曲線如圖1所示。分離良好的生存曲線也證實了兩個模型的區分能力。不同風險組之間的風險比詳見表3。因為低風險組沒有患者到達終點事件，因此以中風險組為參照組，結果顯示兩個模型都能明顯區分高風險組和極高風險組。

圖1 不同風險組的終點事件生存曲線

表3 風險組與終點事件的相關性

重新分類：在將種族作為預測因子加入模型后，模型2與模型1相比，沒有在預測5年風險的表現上有顯著進步，NRI和IDI分別為0.02 (95%CI:-0.07～0.09)和0.00 (95%CI:-0.01～0.01)，詳見表2。

表2 外部驗證隊列驗證模型的C指數、5年AUC面積、NRI、IDI

校準度：圖2顯示了5年終點事件的預測風險與實際風險的對比。總的來說，2個模型的5年終點事件預測無明顯差異，在高風險組輕度低估。

圖2 5年預測風險與5年觀察風險對比的校準圖

臨床效用：圖3是決策曲線分析圖，兩個模型都顯示了在0～0.75閾值概率范圍內5年預測風險的正凈收益，表明了兩個模型顯著的臨床實用性。兩者幾乎重疊，則表示兩個模型在臨床效用上無明顯差異。

圖3 5年預測風險的決策曲線分析

4 討論

本研究首先比較了外部驗證隊列和原始隊列的差異性，然后進一步通過外部驗證評估了國際IgA腎病預測工具在一個現代中國人隊列中的表現性能。與原始推導隊列和原始驗證隊列相比，本研究的現代中國人隊列24 h尿蛋白較低，接受RAAS阻斷劑和免疫抑制劑治療的比例更高，隨訪時間較短，這導致了中國人隊列到達終點事件的患者比例較低。

基于區分度、校準度、重新分類和臨床實用性評價，在本研究中，兩個模型在預測終點事件的5年風險方面無明顯差異，均表現出顯著的區分性和臨床實用性，均輕微低估了5年風險。2個模型的C指數均為0.86，且生存曲線分離良好，表現出優秀的區分能力。2個模型在校準方面表現也基本一致，均輕微低估了5年風險。重新分類表明，兩個模型在預測5年風險方面無明顯差別。決策曲線分析表明2個模型在預測5年風險方面都具有顯著的臨床實用性且無明顯差異。

準確的風險評估對于IgA腎病患者至關重要。相比其他IgA腎病預后模型，IgA腎病國際風險預測工具具有樣本量大、納入的基線容易獲取、納入了MEST評分，包含多個民族等多個優點，充分整合了經驗證的臨床病理學風險因素[6-8]。因原始推導隊列的中位隨訪時間是5年，因此推薦使用此工具預測IgA腎病患者到達終點事件的5年風險。

在臨床上廣泛應用之前，需要對預測模型進行廣泛的外部驗證。外部驗證研究包括地理驗證、時間驗證和領域驗證3種類型。原始研究隊列中的中國人來自中國東部(北京和南京)，且占比為22%。原始推導隊列和原始驗證隊列的中位年數分別是2006年和1998年。因為招募時間過早，原始隊列的患者治療大部分未按照KDIGO指南進行[4-9]。本研究的中國人隊列來自中國中部(武漢)，中位年數是2014年，且大部分患者按照KDIGO指南進行治療。因此，本研究用一個現代中國人隊列對國際IgA腎病預測工具進行外部驗證是必要的。

一項264人的希臘IgA腎病隊列對國際IgA腎病預測工具的外部驗證研究[10]證明，2個模型具有良好的區分度，但校準度不好，均高估了風險。本研究中兩個模型的C指數都是0.86，顯著高于希臘研究(模型1：0.70；模型2：0.71)，校準度也表現良好，僅輕微低估了風險，同時進行了臨床實用性分析。在本研究中，模型1與模型2的預測結果未有顯著差異，其原因可能是隊列的人群相對較少且缺乏種族多樣性。

近幾年來相關領域的研究人員構建并驗證了多個預后預測模型，除了IgA腎病國際風險預測工具，還有最佳臨床預測模型(The Best Clinical Predictive Model，CLIN)、最佳臨床結合組織學模型(The Best Model Combining Clinical Variables and Pathology Scores，CLIN-PATH)及臨床決策支持系統(Clinical Decision Support System，CDSS)等[4-12]。CLIN以性別、年齡、eGFR、血紅蛋白、尿蛋白定量為預測因素，終點事件是腎衰竭。CLIN-PATH在CLIN的基礎上納入年齡、eGFR、M病變、T病變。CDSS是一個人工神經網絡預測模型，以年齡、性別、高血壓、血清肌酐、蛋白尿、MEST-C 分類和治療為預測因素，以5至10 年內發生ESRD 為終點事件。CLIN、CLIN-PATH和CDSS對IgA腎病預后的預測作用特異性更高，其原因是上述3個預測模型的終點事件是ESRD，而國際IgA腎病預測工具的終點事件是eGFR下降超50%或ESRD。國際IgA腎病預測工具相比上述3個預測模型優勢在于靈敏度更高，因終點較易到達更容易識別出高風險患者。

目前，IgA腎病預后影響因素的相關研究仍在不斷進展。國際IgA腎病預測工具的預測因素包含了已經驗證的IgA腎病預后的風險因素，包括年齡、24 h尿蛋白、MAP、eGFR、M病變、E病變、S病變、T病變、RAAS阻滯劑及免疫抑制劑在腎穿刺前的使用[13-14]。最近，一些研究[15-20]表明，血清尿酸、血清膽紅素、血清IgA、補體C4、血清鈣磷等臨床因素和C病變、系膜IgM沉積、系膜IgG沉積等病理因素也是IgA腎病預后的風險因素。隨機森林、支持向量機、人工神經網絡和深度學習等新的模型構建方法也被用于IgA腎病預后模型的構建[12-21]。因此，未來IgA腎病預后預測模型也會隨著研究進展不斷改進完善。

本研究也具有一些局限性。首先，這是一個單中心單民族隊列且僅有467人。其次，這些參與醫院定期隨訪的患者病情都較為嚴重。第三，沒有納入患者確診后的治療情況，而確診后的治療對預后有著重要影響[22]。

總之，本研究對國際IgA腎病預測工具的外部驗證，證明該工具在IgA腎病患者的個性化風險評估方面表現很好，在臨床上推廣應用該工具有助于對患者制定個性化的治療方案，改善患者的預后。

利益沖突所有作者均聲明不存在利益沖突。

作者貢獻聲明徐鋼：提出研究思路，設計研究方案，總體把關；程一春：收集數據；郭康林：分析數據，撰寫論文；葛樹旺：收集數據，審定論文。