非透析慢性腎臟病患者發生腎性貧血風險預測模型的開發與驗證

楊 潔, 邊 宇, 張 蕊

(哈爾濱醫科大學附屬第二醫院 腎內科, 黑龍江 哈爾濱, 150001)

腎性貧血是慢性腎臟病(CKD)常見的并發癥之一,隨著CKD的進展,貧血發生率逐漸增高。一項大型多中心前瞻性研究[1]表明,貧血是心血管事件發生的獨立危險因素。血紅蛋白(Hb)濃度降低可增高心血管疾病風險與全因病死率[2]。低Hb水平與CKD患者生活質量與工作效率降低相關[3]。因此,需及時發現貧血,規避風險,但目前非透析CKD患者發生貧血的預測研究較少。本研究建立首個個體化預測非透析CKD發生貧血風險的列線圖(Nomogram)模型,旨在指導臨床篩查高危因素,并制訂個體化臨床措施,現報告如下。

1 資料與方法

1.1 一般資料

回顧性收集2017年1月—2021年12月在哈爾濱醫科大學附屬第二醫院腎內科就診的患者的臨床資料。本研究經醫院倫理委員會批準(審批號KY2022-240)。納入標準: ① 符合2012年改善全球腎臟病預后組織(KDIGO)慢性腎臟病的診斷標準者; ② 年齡>18歲者。排除標準: ① 臨床資料不全者; ② 近3個月內有急性出血及輸血史者; ③ 懷孕或哺乳期女性,惡性腫瘤、血液系統疾病患者; ④ 在本院就診時已行腎臟替代治療,使用促紅細胞生成素、鐵劑、葉酸及維生素B12等治療的患者。

1.2 方法

記錄患者剛入院時的基本信息及相關實驗室指標?；拘畔挲g、性別、高血壓及糖尿病病史; 實驗室指標包括白細胞(WBC)計數、中性粒細胞百分比、淋巴細胞百分比、Hb、紅細胞分布寬度(RDW)、血小板計數、平均血小板容積、血清堿性磷酸酶、血清白蛋白(ALB)、球蛋白、血漿白蛋白與球蛋白的比值、血胱抑素C、血尿素、血肌酐、血尿酸、碳酸氫鈉、總膽固醇(TC)、甘油三酯(TG)、尿白蛋白、尿隱血等指標。采用R studio軟件(4.1.3版)將患者數據集按7∶3的比例隨機分為訓練集與驗證集。

1.3 統計學方法

采用SPSS 25.0軟件對數據進行分析,分類變量以[n(%)]描述,行卡方檢驗或Fisher精確檢驗2組基線特征。對訓練集數據進行單因素、多因素Logistic回歸分析,篩選出發生貧血的獨立危險因素。采用赤池信息準則(AIC)最小值的逐步回歸[4]選取最終進入預測模型的因素。在此基礎上,調取rms包,構建Nomogram模型。分別在訓練集及驗證集通過受試者工作特征(ROC)曲線的曲線下面積(AUC)、校準圖及擬合優度檢驗(H-L)評價區分度及校準度。H-L中P<0.05為差異有統計學意義,模型擬合度差。使用臨床決策曲線分析(DCA)評價臨床實際決策中的效用度。

2 結 果

2.1 訓練集及驗證集基本特征

按照2012年KDIGO關于CKD患者貧血診斷標準[5], 將男性Hb<130 g/L、女性Hb<120 g/L視為貧血。共納入553患者,其中男314例(56.8%)。訓練集388例,其中貧血286例(73.7%); 驗證集165例,貧血患者129例(78.2%)。除尿素水平外,訓練集及驗證集基本資料比較,差異無統計學意義(P>0.05), 見表1。

表1 訓練集及驗證集基本資料比較[n(%)]

2.2 非透析CKD患者發生腎性貧血風險模型的建立

單因素Logistic回歸分析顯示, 17個變量[WBC、中性粒細胞百分比、RDW、血小板壓積、堿性磷酸酶、ALB、血胱抑素C、尿素、CKD分期、碳酸氫鈉、血鉀、血鈣、血磷、C反應蛋白(CRP)、TG、尿白蛋白、尿隱血]與貧血的發生相關(P<0.05)。將P<0.05的變量納入多因素Logistic回歸分析,結果提示, WBC、ALB、血胱抑素C、尿素、CKD分期等9個變量為貧血的獨立影響因素(P<0.05), 見表2。按照AIC最小原則,納入10個自變量構建列線圖,見圖1。賦值: 貧血=1, 非貧血=0; 二分類變量中,<截斷值=0, ≥截斷值=1; 年齡: 18～44歲=0, 45～60歲=1, >60歲=3; CKD分期: CKD1期=1, CKD2期=2, CKD3期=3, CKD4期=4, CKD5期=5; 尿蛋白: 0=0, +=1,=2,=3,=4; 尿隱血: 0=0, +=1,=2,=3。

表2 單因素及多因素Logistic回歸分析

圖1 非CKD患者腎性貧血預測列線圖

2.3 非透析CKD患者發生腎性貧血風險模型的驗證

依次對訓練集及驗證集數據進行模型驗證。訓練集的ROC曲線下面積(AUC)為0.915(95%CI: 0.870～0.959), 驗證集為0.949(95%CI: 0.927～0.971), 表明模型區分度較高(AUC: 0.5～0.7為區分度低; >0.7～0.9為中等區分度; >0.9為區分度高),預測能力強,見圖2。校準圖(訓練集Brier評分為0.077, 驗證集為 0.097)提示,該模型具有較好的校準度,預測值與實際值一致性較好,能夠準確預測貧血的發生,見圖3、4。訓練集與驗證集的H-L檢驗P值依次為0.146和0.951,P>0.05表明模型有較好的校準度。臨床決策曲線(DCA)顯示,模型臨床效用價值較好,見圖5。

圖2 訓練集及驗證集ROC曲線

圖3 建模人群校準圖

圖4 驗證人群校準圖

圖5 訓練集及驗證集臨床決策曲線

3 討 論

國外報道[6-7]顯示, 45.0%非透析CKD患者會出現貧血,國內也有類似報道。本研究患者貧血發生率為75.1%, 貧血發生率出現差異的原因可能是腎病起病隱匿,早期多無明顯癥狀,起病初期貧血檢出率低,因此就診時多進展為中晚期腎病。

目前關于建模集及驗證集的劃分比例并無明確規定。小樣本量數據集,訓練集與驗證集劃分比例可為7∶3或8∶2, 本研究選擇的劃分比例為7∶3。本研究利用AIC最小原則選取了擬合優良性最好的診斷模型,以列線圖的直觀方式建立國內首個個體化預測非透析CKD人群腎性貧血風險的模型,且模型具有較好的驗證水準。研究發現, WBC、CRP、RDW、ALB、血胱抑素C、尿素、CKD分期、碳酸氫鹽、血鈣水平是貧血的獨立影響因素。

低Hb水平與CRP濃度增加獨立相關[8-9], 且在非透析CKD人群中亦然。腎病患者的微炎癥狀態可誘導紅細形態改變,加速細胞凋亡; 同時炎癥能夠抑制紅細胞生成素(EPO)功能,上調鐵調素水平,抑制鐵的吸收與釋放,從而誘發貧血[10]。本研究中RDW增高是貧血的獨立危險因素,國外也有類似報道[11]?？紤]原因為慢性腎病患者長期營養(如葉酸、維生素B12)缺乏[12-14], 可影響DNA合成,生成巨幼紅細胞入血,引起RDW增大。炎癥因子可抑制細胞中EPO的mRNA水平和EPO的形成[15], 抑制骨髓中紅系祖細胞增殖、分化,幼態紅細胞入血致RDW增大。

貧血程度與ALB水平呈正相關[16-17], 可能與腎病患者蛋白攝入減少和尿蛋白流失加重了低蛋白血癥,導致Hb合成原料減少,加重貧血風險有關。對CKD合并貧血人群分析發現[18], 胱抑素C是貧血發生的危險因素。在首次透析患者中[19], 胱抑素C水平與貧血程度呈正相關,與本研究報道結果一致。尿素在生理狀態下可分解為氰酸酯,其可促進溶血,高水平氰酸鹽可致EPO氨基甲酰化,抑制其生物學活性,且有時間和濃度依賴性[20-22]。同時,尿素可抑制EPO受體mRNA的表達和蛋白質的合成[23], 可能是透析不充分患者高尿素氮致貧血的原因之一。

本研究中CKD1-5期貧血發生率漸增高,說明隨著CKD的進展,貧血風險顯著提升。國內外報道稱,貧血的患病率隨著eGFR水平的降低而增加[16, 18, 24-25]。隨著CKD的進展,腎功能進行性下降,可能與腎間質細胞分泌EPO不足有關。OR值反映了疾病與暴露因素之間的關系,OR>1表示因素促進結局的發生。本研究中CKD5期的OR值較高,但與CKD1期相比,差異無明顯統計學意義(P>0.05), 考慮與CKD分期中人群比例不同有關。

國外研究[26]發現,腎移植患者中,碳酸氫鈉可獨立預測貧血的發生,這與本研究結果相似。但目前有關碳酸氫鹽對貧血的作用機制尚不清楚。血鈣水平的降低促進了貧血的發生, BORONAT M等[17]也報道了相似的結論。EPO激活瞬時受體電位通道蛋白(TRPC)調節細胞內鈣增多[27], 特別是TRPC2與TRPC6。端粒沉默-1-樣蛋白(DOT1L)甲基轉移酶通過下調TRPC6基因表達調節紅系祖細胞Ca2+內流[28], 而過高水平的Ca2+內流可能會導致細胞周期阻滯或凋亡,誘發致命性貧血。

本研究發現,年齡、性別并非影響貧血的因素,與國內外相關報道不一致[8, 29], 考慮可能與研究人群單一、樣本量小及種族不同等因素相關。本研究存在一定的局限性。首先,未納入影響貧血的全部影響因素,如鐵代謝、維生素B12、葉酸等指標的影響,由于上述指標不作為常規檢查項目,因此為避免數據不足造成的統計學誤差,最終未將其納入常規統計分析;其次,所有患者均來自本院腎內科,人群單一,樣本量受限,因此需要多中心、更大樣本量的研究豐富預測模型,提高預測效率;最后,本研究為回顧性研究,可能存在信息偏倚,需后續研究優化模型。