術後急性腎障害のリスク予測モデル：広範な手術患者集団を対象

科学分野:

• 腎臓病学
• 外科的転帰研究
• ヘルスインフォマティクス

背景:

• 術後急性腎障害（AKI）は、患者の回復に影響を与え、罹患率、死亡率、および医療費を増加させる重大な合併症である。
• 予測モデリングは、手術患者におけるAKIのリスクを軽減するための有望なアプローチを提供する。

研究 の 目的:

• 手術を受ける患者におけるAKIのリスクを予測するための教師あり学習モデルを開発および検証すること。
• モデルの開発および検証に米国外科学会全国外科質改善プログラム（ACS-NSQIP）データベースを利用すること。

主な方法:

• テネシー外科質共同研究（TSQC）の12施設（2020-2023年）のデータを使用して、トレーニングおよび時間的検証を行った。
• 外部検証セットは、2023年ACS-NSQIP利用者使用ファイル（PUF）から派生した。
• 加法ロジスティックモデルを選択し、事前の透析またはASA分類5の患者を除外した。
• AKIは、術後腎機能障害または30日以内の透析と定義された。

主要な成果:

• 本研究では、59,706件のトレーニング症例と980,323件の外部検証症例を分析し、AKIの発生率はそれぞれ1.8%および2.4%であった。
• 加法ロジスティックモデルは、両方の検証セットで0.87〜0.88の曲線下面積（AUC）を達成した。
• AKIの主要な予測因子には、入院ステータス、腹水、腎不全、術前クレアチニン、敗血症、米国麻酔科学会（ASA）分類、および患者年齢が含まれた。

結論:

• 開発されたモデルは、術後AKIに対して強力な予測性能（識別能および校正能）を示した。
• このツールは、術前に高リスク患者を特定し、標的を絞った周術期介入を促進することができる。
• AKIの発生率と関連コストを削減するために、このモデルを多様な臨床設定で検証および実装するためのさらなる研究が必要である。