維持性血液透析病人自體動靜脈內(nèi)瘺血管鈣化風險預測模型的構建及驗證

Constructionand validation of risk prediction model for vascular calcification inautogenous arteriovenous fistulas among patients undergoing maintenance hemodialysis WANG Chun，LI Kui， ZHAO Hong，SONG Yan，YANG Jing HefeiFirstPeople'sHospital，Anhui 230061 China Corresponding Author WANG Chun，E-mail：wcjhlgu @ 163.com

AbstractObjetieToaalytheifuengfactorsofvasularcalifationinautogenousarterioveosfstulasamogpatientsugig maintenance hemodialysis（MHD）andtoconstructdecisiontreemodel.Methods：Atotalof233patientsundergoingMHDtreated nour hospitalwereselectedasstudysubjectsfromJanuary22toSeptember2O23Andclinicaldatawerecolected.Thepatientsweredivided into modeling group（l63 patients） and validation group（7O patients） at 7：3 ratio.Logistic regression analysis was used to screen for influencing factorsofascularcalciatiinutogeousarterioveousfistulasaongpatitsudgoingedcisiotrodelastruted. Themodelwasvalidatedusigareaunderthecurve（AUC）ofreceiveroperatorcharacteristc.Results：Theincidenceofvascularcalcfction in autogenous arteriovenous fistulas among patients undergoing MHD in the modeling group was 39.88% .The result of Logistic regresionalysoedatealisatioospos，gsiiityctieproteinoblastgoth andboneopogeeticproei-2weeaifueningfactorsofaularcalcationiautogeousarterovenousfistulasamogpatits undergoing MHD .Plt;0.05） .Decision tree model showed that bone morphogenetic protein-2 in the first layer.The AUC of the model in the modelinggous5578），hileatinevalidatiogoupa568）Cocusis：Aelis durationriiicebsctgte associatedwitvasularcalcificationinutogousarteriovenousfisulasamngpatintsudergigMTeostructeddecisiontreemoel ofvascularcalcificationinautogenousarteriovenousfistulasamong patientsundergoingMHDhadbetterpredictiveperforance.

Keywordsmaitenancehemodialysis;togenosarteroveoufistula;vasularcalcificationinfluencingfactos;decisiotre;model validation

血液透析是終末期腎病病人延續(xù)生命的首選治療方式[12]。血液透析前須建立穩(wěn)定的血管通路以確保血液可以順暢流入和流出體外循環(huán)系統(tǒng)[3。目前，血管通路建立的方式包括自體血管血液透析通路、人工血管及外周靜脈導管等，其中，自體血管血液透析通路憑借其生物相容性好、成本效益高、感染率低等優(yōu)點，已成為維持性血液透析（MHD）病人的首選通路建立方式，但內(nèi)瘺血管鈣化會導致其失功[4-5]。血管鈣化是指在長期的血液透析過程中，病人自體動靜脈內(nèi)瘺血管壁因鈣鹽沉積而增厚、變硬，不僅可導致血管彈性降低，血栓形成風險增加，還會影響血液透析效果，嚴重者甚至可能危及生命[6-7]。因而探究影響MHD病人自體動靜脈內(nèi)瘺血管鈣化的相關因素并盡早制定防治策略，對保證透析療效、降低并發(fā)癥發(fā)生尤為重要。傳統(tǒng)的Logistic回歸分析模型雖具有較好的風險預測效能，但在臨床決策方面存在一定局限性[8。而決策樹模型屬于可視化模型，可通過樹形結(jié)構呈現(xiàn)預測結(jié)果，為臨床決策提供清晰的決策路徑。本研究通過構建MHD病人自體動靜脈內(nèi)瘺血管鈣化的決策樹模型，并對模型效能進行分析，以期為MHD病人的臨床護理及健康宣教提供參考。

Y 對象與方法

1. 1 研究對象

選取2022年1月—2023年9月在我院治療的233例MHD病人為研究對象。按照7：3將病人分為建模組（163例）和驗證組（70例）。納入標準：1）年齡 gt;18 歲；2）接受規(guī)律透析；3）病情穩(wěn)定，透析時間 gt;3 個月；4）選擇自體動靜脈血管通路；5）認知功能正常，可溝通；6）臨床病例資料完整。排除標準：1）治療期間替換為其他血管通路；2）接受腹膜透析;3）伴有惡性腫瘤；4）處于血管炎急性期。本研究已通過我院倫理委員會批準同意（編號：2024-095-01號）。

1.2 調(diào)查工具

自制臨床資料調(diào)查表，包括性別、年齡、居住地、冠心病、體質(zhì)指數(shù)、透析時間、血鈣、血磷、25羥維生素D、超敏C反應蛋白、血紅蛋白、三酰甘油、總膽固醇、低密度脂蛋白、高密度脂蛋白、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2。

1.3 血管鈣化診斷

采用簡易血管鈣化評分法對血管鈣化情況進行評估[9。通過X線檢查病人骨盆平片（以雙側(cè)股骨頭水平線和脊柱中線為基準，將圖像分為4個區(qū)域）雙手正位（以掌骨上方作為水平線，將圖像分為4個區(qū)域）及腰椎側(cè)位（以腰2和腰3椎間隙為分界，將腹主動脈分為上下2個區(qū)域），共10個評估區(qū)域，有血管鈣化計1分，無血管鈣化計0分，總分 0～10 分，評估3次取均值。

1.4 統(tǒng)計學方法

采用SPSS26.0軟件分析數(shù)據(jù)，符合正態(tài)分布的定量資料以均數(shù) ± 標準差 表示，組間比較采用t檢驗；定性資料以頻數(shù)表示，組間比較采用 χ² 檢驗。采用Logistic回歸分析篩選MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響因素，并構建Logistic回歸模型，采用IBMSPSSModeler軟件構建決策樹模型。采用MedCalc軟件繪制受試者工作特征（ROC）曲線下面積。以 Plt; 0.05為差異有統(tǒng)計學意義。

2結(jié)果

2.1建模組和驗證組病人臨床資料比較（見表1）

2.2建模組中鈣化組和非鈣化組病人臨床資料比較建模組163例病人中有65例病人發(fā)生血管鈣化，血管鈣化發(fā)生率為 39.88% 。鈣化組和非鈣化組病人臨床資料比較結(jié)果見表2。

2.3MHD病人自體動靜脈內(nèi)瘺血管鈣化影響因素的Logistic回歸分析

將MHD病人自體動靜脈內(nèi)瘺血管鈣化影響因素發(fā)生情況（非鈣化 =0 ，鈣化 =1 ）作為因變量，將鈣化組和非鈣化組病人臨床資料比較差異有統(tǒng)計學意義的變量作為自變量，結(jié)果顯示，年齡、透析時間、血磷、超敏C反應蛋白、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2均為MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響因素（ Plt;0.05， ，見表3。

2.4MHD病人自體動靜脈內(nèi)瘺血管鈣化的決策樹模型

將Logistic回歸分析中有統(tǒng)計學意義的變量（年齡、透析時間、血磷、超敏C反應蛋白、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2）納入決策樹模型，結(jié)果顯示，決策樹生長4層，共12個節(jié)點，其中7個為終末節(jié)點。透析時間、血磷、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2均是MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響因素 （Plt;0.05 ）。樹狀結(jié)構首層為骨形態(tài)發(fā)生蛋白-2，提示骨形態(tài)發(fā)生蛋白-2對MHD病人自體動靜脈內(nèi)瘺血管鈣化影響最大。見圖1。

2.5 臨床預測模型的驗證

利用驗證組70例病人的臨床資料進行模型驗證，評價決策樹模型的預測效能。建模組模型的AUC為0.815[95%CI（0.747，0.872）]，見圖2。驗證組模型的AUC為 0.830[95%CI（0.761，0.899）]， ，見圖3。表明本研究構建的MHD病人自體動靜脈內(nèi)瘺血管鈣化決策樹模型預測效能較好。

而了解MHD病人自體動靜脈內(nèi)瘺血管鈣化發(fā)生的影響因素并構建預測模型，對提高MHD臨床療效、降低并發(fā)癥發(fā)生率、改善預后等意義重大。

本研究通過回歸分析探討MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響因素發(fā)現(xiàn)，年齡、透析時間、血磷、超敏C反應蛋白、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2均是MHD病人自體動靜脈內(nèi)瘺血管鈣化的獨立影響因素（ （Plt;0.05） 。1）年齡：年齡較高的MHD病人自體動靜脈內(nèi)瘺血管鈣化的發(fā)生風險相對較高[14]。隨著年齡不斷增長，人體的血管結(jié)構和功能逐漸呈退行性變化，加之血管壁和血管彈性減弱，病人發(fā)生自體動靜脈內(nèi)瘺血管鈣化的風險升高。2）透析時間：透析時間較長的MHD病人更易發(fā)生血管鈣化[15]，其原因可能為長期的透析治療會導致血管內(nèi)膜和中膜增厚，血管壁硬化，進而加速血管鈣化進程。此外，透析時間延長還可能引起鈣磷代謝紊亂，導致血管鈣化風險增加。3）超敏C反應蛋白：已有研究結(jié)果顯示，超敏C反應蛋白表達異常升高可導致MHD病人血管鈣化發(fā)生風險增加2.305倍[16]。超敏C反應蛋白是反映機體炎癥的常用指標，其可促進血管內(nèi)皮細胞活化和損傷，導致血管鈣化。同時，超敏C反應蛋白可刺激單核細胞釋放組織因子，加速血管內(nèi)的凝血和血栓形成1。此外，超敏C反應蛋白還可通過抑制胎球蛋白A合成抑制鈣的正常沉積。4）纖維細胞生長因子-21及骨形態(tài)發(fā)生蛋白-2：王夢慈等[18研究發(fā)現(xiàn)，MHD病人纖維細胞生長因子-21和骨形態(tài)發(fā)生蛋白-2水平與自體動靜脈內(nèi)瘺血管鈣化嚴重程度相關，其表達水平與自體動靜脈內(nèi)瘺血管鈣化風險呈正相關。原因可能為纖維細胞生長因子-21和骨形態(tài)發(fā)生蛋白-2異常升高可能促進血管平滑肌細胞增殖和鈣鹽沉積，從而增加自體動靜脈內(nèi)瘺血管鈣化發(fā)生風險。而纖維細胞生長因子-21和骨形態(tài)發(fā)生蛋白-2表達正常的MHD病人血管結(jié)構和功能可能相對穩(wěn)定，因而發(fā)生自體動靜脈內(nèi)瘺血管鈣化的風險較低。5）血磷：MHD高磷病人更易發(fā)生自體動靜脈內(nèi)瘺血管鈣化。高磷會促進血管平滑肌細胞增殖和分化，刺激鈣磷沉積，導致血管壁硬化和鈣化。同時，高磷還可能影響骨質(zhì)代謝，促進骨鈣釋放入血，進一步加劇血管鈣化過程，導致血管鈣化風險升高[19]。

3討論

終末期腎病是慢性腎臟疾病的終末階段，其可引起體內(nèi)代謝產(chǎn)物累積、酸堿平衡和水電解質(zhì)紊亂，導致病人出現(xiàn)尿量減少、水腫、高血壓、肌無力等癥狀[10-11]。MHD是終末期腎病病人延續(xù)生命的有效方法，選擇適當?shù)耐肝鐾穼τ谔岣進HD治療效果、降低并發(fā)癥發(fā)生率、減少再入院率至關重要。自體動靜脈內(nèi)瘺是MHD病人常用的血管通路之一，與人工血管和外周靜脈導管相比，其具有使用壽命長、并發(fā)癥少的優(yōu)勢，因而被多數(shù)病人作為MHD治療的首選通路[12]。近年來，隨著慢性腎小球腎炎、慢性腎盂腎炎、糖尿病腎病等疾病發(fā)病率不斷增高，選擇自體動靜脈內(nèi)瘺作為血管通路的病人增多，有關自體動靜脈內(nèi)瘺血管鈣化的問題也日益凸顯[13]。血管鈣化不僅會降低內(nèi)瘺血管通暢性，還會增加血栓形成風險，危及病人生命，因

風險預測模型主要用于預測病人發(fā)生某種病癥或結(jié)局的概率，其不僅可為醫(yī)務人員提供決策支持，還可為疾病高危人群的健康管理提供參考[20]。決策樹模型是一種用于分類和預測的監(jiān)督學習算法，通過構建樹形結(jié)構來表示數(shù)據(jù)特征與結(jié)果之間的關系。在決策樹模型中，每個非葉節(jié)點表示1個特征屬性的測試，每個分支代表這個特征屬性在某個值域的輸出，每個葉節(jié)點存放1個類別或數(shù)值[21-22]。通過從根節(jié)點到葉節(jié)點的路徑可以根據(jù)特征屬性的取值預測未知樣本的類別或數(shù)值，繼而得出某項特定事件不良結(jié)局發(fā)生概率，相較于Logistic回歸模型，其具有可讀可視、簡單易懂、操作方便等特點[23]。本研究選取233例MHD病人為研究對象，其中建模組163例，驗證組70例，Logistic回歸分析結(jié)果顯示，年齡、透析時間、血磷、超敏C反應蛋白、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2均為MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響因素（ Plt; 0.05），在此基礎上構建決策樹模型發(fā)現(xiàn)骨形態(tài)發(fā)生蛋白-2對MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響最大，說明骨形態(tài)發(fā)生蛋白-2是MHD病人自體動靜脈內(nèi)瘺血管鈣化發(fā)生的重要影響因素。模型驗證結(jié)果顯示，建模組模型的AUC為 0.815[95%CI （0.747，0.872），驗證組模型的AUC為 0.830[95%CI（0.7 61，0.899）]，提示決策樹模型的預測準確性較高。醫(yī)務人員可根據(jù)決策樹模型識別血管鈣化高危病人，降低病人血管鈣化發(fā)生風險。

4小結(jié)

本研究回歸分析結(jié)果顯示，年齡、透析時間、血磷、超敏C反應蛋白、纖維細胞生長因子-21、骨形態(tài)發(fā)生蛋白-2均為MHD病人自體動靜脈內(nèi)瘺血管鈣化的影響因素，基于上述因素構建的決策樹模型具有較好的預測效能。但本研究為回顧性研究，樣本量較小，可能存在納入因素不全等不足，后續(xù)仍需進一步探究。

參考文獻：

[1]VACHHARAJANI TJ，TALIERCIO JJ，ANVARIE.NeW devicesand technologies for hemodialysisvascular access：a review [J].AmJKidney Dis，2021，78（1）：116-124.

[2]BASILE C，DAVENPORT A，MITRA S，etal.Frontiers in hemodialysis：innovations and technological advances[J]. Artif Organs，2021，45（2）：175-182.

[3]MADUELL F，BROSETA J J.Hemodiafiltration（HDF）versus expanded hemodialysis（HDx）[J].SeminDial，2022，35（5）：436-439.

[4]安娜，李洪，陳汝滿，等.不同血管通路類型對維持性血液透析患者 生存影響的研究[J].中國血液凈化，2022，21（9）：681-685.

[5]唐春苑，葉曉青，王饒萍，等.動靜脈內(nèi)瘺流量及泵控血流速對維持 性血液透析患者心臟功能影響的相關研究[J].中國中西醫(yī)結(jié)合腎 病雜志，2020，21（5）：438-440.

[6]KERYAKOSHKH，OKAILYNI，BOULISM AY，et al. Osteocalcin and vascular calcification in hemodialysis patients：an observational cohort study[J].IntUrol Nephrol，2O2l，53（5）：1015- 1023.

[7]陳利明，劉亞玲，李雪，等.18F-NaFPET/CT顯像評估維持性血液 透析患者血管鈣化的作用[J].臨床放射學雜志，2023，42（11）：1830-

[8]崔瑩，金宇，劉曉玲，等.1111例高原地區(qū)健康體檢人群Hp感染 率、抗體分型及l(fā)ogistic回歸分析[J].公共衛(wèi)生與預防醫(yī)學，2024， 35（2）：53-56.

[9]張琢.維持性血液透析患者血清骨形成蛋白7與血管鈣化相關性 分析[D].沈陽：中國醫(yī)科大學，2017.

[10]XU C，SMITHER，TIONG MK，et al.Interventions to attenuate vascular calcification progression in chronic kidney disease：a systematic reviewof clinical trials[J].JAm Soc Nephrol，2022，33 （5）：1011-1032.

[11]郭曉晗，馬萬里，王冬燕，等.維持性血液透析患者社會疏離感的 調(diào)查研究[J].護理學雜志，2024，39（4）：79-82.

[12]YUN S S，MOK S，PARK S C，et al.Efficacy of blood flow measurement using intraoperative color flow Doppler ultrasound as a predictor of autologous arteriovenous fistula maturation[J].Ther Apher Dial，2023，27（1）：50-58.

[13] TASOPOULOU K M，ARGYRIOU C，KAKKOS S K，et al. Superficialization methods of arteriovenous fistula in obese patients： areviewof theliterature[J].AnnVasc Surg，2022，83：3l3-327.

[14]王寧寧，楊麗香，趙文靜，等.高海拔地區(qū)維持性血液透析患者血 管鈣化的影響因素分析[J].廣東醫(yī)學，2019，40（2）：260-263.

[15]范慧，任直親，楊美榮.老年糖尿病腎病患者行維持性血液透析發(fā) 生血管鈣化及其影響因素分析[J].老年醫(yī)學與保健，2023，29（6）： 1175-1179.

[16]韓建芳，李麗華，王寧寧，等.維持性血液透析患者慢性腎臟病礦 物質(zhì)和骨異?；疾∏闆r調(diào)查及血管鈣化的危險因素分析[J].現(xiàn)代 生物醫(yī)學進展，2020，20（5）：953-956.

[17]RIZZO S，RADICE D，F(xiàn)EMIA M，et al.Metastatic and nonmetastatic lymph nodes：quantification and different distribution of iodine uptake assessed by dual-energy CT[J].Eur Radiol，2018，28 （2）：760-769.

[18]王夢慈，吳志茹，尹曉麗，等.FGF-21、BMP-2在維持性血液透析 病人自體動靜脈內(nèi)瘺血管鈣化中的作用[J].蚌埠醫(yī)學院學報， 2022，47（4）：495-499.

[19]鄒楊，洪大情，夏菊花，等.老年維持性血液透析患者心血管鈣化 危險因素分析[J].心肺血管病雜志，2019，38（1）：64-68.

[20] LIAO W Q，COUPLAND C A C，BURCHARDT J，et al. Predicting the future risk of lung cancer：development，and internal and external validation of the CanPredict（lung）model in 19·67 million people and evaluation of model performance against seven otherrisk prediction models[J].Lancet Respir Med，2O23，11（8）： 685-697.

[21]XU HL，WANG W，WANG M，et al.A decision tree model of hypertension among college students in Yunnan province，China[J]. Blood Press，2023，32（1）：2243337.

[22]ADAM A，IBRAHIMNA，TAHPC.et al.Decision tree model for early use of semi-elemental formula versus standard polymeric formula incriticallyillMalaysianpatients：acost-effectiveness study [J].JPEN，2023，47（8）：1003-1010.

[23]HIRANUMA M， KOBAYASHI D， YOKOTA K，et al.Chi-square automatic interaction detector decision tree analysis model： predicting cefmetazole response in intra-abdominal infection[J]. J Infect Chemother，2023，29（1）：7-14. （收稿日期：2024-04-18;修回日期：2025-04-29）