肝硬化患者發生急性腎臟病預測模型的建立與驗證

歐陽晶，常 虹，楊夢嬌，張 夢，田 夢，鄭 亞，王玉平，陳兆峰

1蘭州大學第一臨床醫學院，蘭州 730000 2蘭州大學第一醫院消化科，蘭州 730000 3甘肅省消化系疾病臨床研究中心，蘭州 730000

肝硬化是以肝功能進行性降低及肝組織彌漫性纖維化為主要特征的晚期慢性肝病，隨著病情進展可引起全身多臟器損傷并增加不良預后的風險[1]。由于有效循環血容量不足及腎內血流重分布等帶來的影響[2]，肝硬化患者常出現腎功能損傷[3]，早期表現為功能性腎損傷，經積極治療病情具有可逆性；若腎損害持續進展，可引起急性腎功能衰竭并危及患者生命[4]。因此，加強肝硬化患者腎功能監測、早期識別腎功能損傷具有重要意義[5]。

2017年改善全球腎臟病預后組織首次提出了急性腎臟病(acute kidney disease，AKD)的診斷標準[6]，與現行定義不同，其早期定義為急性腎損傷(acute kidney injury，AKI)啟動事件后≥7 d，出現AKI 1 期或更嚴重的腎功能異常，且持續時間超過90 d的 AKD 被認為是慢性腎臟病(chronic kidney disease，CKD)[7]。Tonon等[8]在研究中強調了AKD對于肝硬化人群的重要性。該研究共納入324例肝硬化患者，隨訪期間共113例(34.88%)發生AKD；組間比較顯示，發生AKD患者的5年死亡率明顯高于未發生AKD者(P<0.001)；多因素分析顯示，AKD進展是5年死亡率的獨立預測因子(HR=3.27，P<0.001)。Kellum等[9]研究表明，包括肝硬化在內的晚期肝病患者是AKD的極高危人群，臨床應予以密切關注并制定科學的治療、隨訪方案。列線圖預測模型是一種可視化的風險評價方法，可直觀反映個體發生某種疾病的概率，為臨床醫生制訂臨床決策提供了重要依據[10]。本研究旨在探索導致肝硬化患者發生AKD的獨立危險因素，并建立列線圖預測模型，以期為臨床決策的制訂提供有益指導。

1 資料與資料

1.1 研究對象

本研究為回顧性隊列研究，連續納入2017年1月—2022年1月于蘭州大學第一醫院消化科住院的肝硬化患者。納入標準：(1)結合臨床表現、血液學指標、影像學檢查及肝穿刺結果，確診為肝硬化；(2)年齡≥16歲。排除標準：(1)診斷肝硬化前即有慢性腎臟病史；(2)妊娠及哺乳期女性；(3)合并惡性腫瘤；(4)AKI診斷相關指標存在缺失者。

根據住院期間是否發生AKD，將入組的肝硬化患者分為AKD組與非AKD組，并按7∶3比例隨機分為訓練集和驗證集。其中AKD被定義為存在AKI[11]，或血肌酐(serum creatinine，SCr)增加>50%，或估算的腎小球濾過率(estimated glomerular filtration rate，eGFR)<60 mL/(min·1.73 m2)，或eGFR較基線降低≥35%，持續時間<3個月，具體診斷標準符合2021年改善全球腎臟病預后組織發布的共識[12]。AKI診斷標準：7 d內SCr較基線升高>50%，或2 d內SCr升高>26.5 μmol/L，或尿量<0.5 mL/(kg·h)，持續6 h。

本研究已通過蘭州大學第一醫院倫理審查會員會審批(審批號：LDYYLL2023-407)，并豁免患者知情同意。

1.2 研究方法

1.2.1 資料收集

通過電子病歷系統收集患者的臨床資料(多次住院患者每次住院時的臨床資料均被納入)，包括性別、年齡、住院時間、體質量指數、吸煙、飲酒、家族史(家族中是否有肝炎、肝硬化、肝癌病史)、基礎疾病、肝硬化病因、用藥史、既往內鏡下治療史、并發癥、終末期肝病模型(model for end-stage liver disease，MELD)評分、血液學指標等。其中并發癥包括：腹水、肝性腦病、消化道出血、感染、肝腎綜合征等、門靜脈血栓/門靜脈海綿樣變等[13]。血液學指標(AKD組為入院確診后首次檢測結果，非AKD組為入院后首次檢測結果)包括：(1)血常規：紅細胞(red blood cell，RBC)、血紅蛋白(hemoglobin，Hb)、紅細胞壓積(hematocrit，Hct)、紅細胞分布寬度標準差(standard deviation of red blood cell distribution width，RDW-SD)、紅細胞分布寬度變異系數(coefficient variation of red blood cell distribution width，RDW-CV)、白細胞(white blood cell，WBC)、中性粒細胞百分比(neutrophil percent，Neut%)、中性粒細胞絕對值(neutrophil，Neut)、淋巴細胞絕對值(lymphocyte，Lymp)、單核細胞絕對值(monocyte，Mono)、血小板(platelet，PLT)；(2)肝腎功能：谷草轉氨酶(aspartate aminotransferase，AST)、谷丙轉氨酶(alanine aminotransferase，ALT)、谷草轉氨酶/谷丙轉氨酶、白蛋白(albumin，ALB)、總膽紅素、直接膽紅素、堿性磷酸酶(alkaline phosphatase，ALP)、γ-谷氨?；D移酶(Gamma-glutamyl transfer-ase，GGT)、二氧化碳、血尿素、SCr；(3)電解質及生化：血鈉(natrium，Na)、血鉀(kalium，K)、血氯(chlorine，Cl)、血鈣(calcium，Ca)；(4)凝血指標：凝血酶原時間(prothrombin time，PT)、活化部分凝血活酶時間(activated partial thromboplastin time，APTT)、凝血酶時間(thrombin time，TT)、國際標準化比值(international normalized ratio，INR)、纖維蛋白原(fibrinogen，FIB)。

1.2.2 檢驗效能估算

由于預測模型的準確性受所采用的模型構建方法、數據處理、變量選取等多方面因素的影響，難以進行準確的樣本量估算。參照既往文獻[6，9，14-15]，根據EVP10標準，多因素回歸分析篩選的自變量為10個時，AKD組和非AKD樣本均需達到100例為宜，本研究擬納入肝硬化患者796例，其中AKD組103例，非AKD組693例，符合該標準。

1.3 統計學處理

采用R 4.2.3軟件進行統計學分析。年齡、體質量指數、MELD評分等不符合正態分布計量資料以中位數(四分位數)表示，組間比較采用Man-WhitneyU檢驗；性別、肝硬化病因、并發癥等計數資料以頻數(百分率)表示，組間比較采用卡方檢驗。在數據分析過程中，若缺失數據小于該變量總數據的3%，則使用中位數插補法進行填補；若某變量/病例缺失數據較多且對整體數據影響不大時，直接剔除該變量/病例。采用LASSO回歸法對肝硬化患者發生AKD的影響因素進行初篩，并采用多因素Logistic回歸法進一步篩選AKD的獨立影響因素。采用“rms”程序包繪制列線圖，以便對個體發生AKD的風險進行展示。采用受試者工作特征(receiver operating characteristic，ROC)曲線、校準曲線和臨床決策曲線分別從區分度、校準度和臨床實用性3方面對模型的性能進行評價。以P<0.05為差異具有統計學意義。

2 結果

2.1 一般臨床資料

共入選符合納入與排除標準的肝硬化患者796例。其中AKD組103例，非AKD組693例；訓練集561例，驗證集235例。

AKD組與非AKD組在年齡、肝硬化病因、并發癥、MELD評分方面以及多種血液學指標水平差異均具有統計學意義(P均<0.05)，見表1、表2。訓練集與驗證集在患者年齡、肝硬化病因、并發癥、MELD評分以及多種血液學指標方面差異均無統計學意義(P均>0.05)。

表1 AKD組與非AKD組臨床資料比較Tab.1 Clinical datas between AKD and non-AKD groups

表2 AKD組與非AKD組血液學指標比較[M(P25，P75)]Tab.2 Hematologic indices between AKD and non-AKD groups[M(P25，P75)]

2.2 肝硬化患者發生AKD影響因素篩選及預測模型構建

在訓練集中，首先通過LASSO回歸分析進行變量初篩，采用十倍交叉驗證法選取Lambda.1se為最佳λ值，初步選取了可能影響肝硬化患者發生AKD風險的10個因素，分別為性別、糖尿病史、肝硬化病程、肝性腦病、消化道出血、膽道感染、腹水、Hb、ALB、TT(圖1)，然后采用多因素Logistic回歸法進一步對上述影響因素進行篩選，結果顯示男性、糖尿病史、肝性腦病、消化道出血、腹水、Hb、ALB、TT為肝硬化患者發生AKD的獨立影響因素(表3)。根據LASSO回歸和Logistic回歸分析結果，建立肝硬化患者發生AKD的預測模型。

圖1 基于LASSO回歸的特征變量篩選A.十倍交叉驗證圖；B.收縮系數圖Fig.1 Screening of feature variables based on LASSO regressionA.tenfold cross-validation plot；B.contraction factor plot

表3 肝硬化患者發生AKD影響因素的多因素Logistic回歸分析結果Tab.3 Multifactorial Logistic regression analysis of factors influencing the occurrence of AKD in patients with liver cirrhosis

2.3 預測模型可視化

基于LASSO回歸和多因素Logistic回歸分析篩選的影響因素，采用“rms”程序包繪制肝硬化患者發生AKD列線圖(圖2)，其可對個體化患者發生AKD的風險進行預測。臨床使用時，根據患者臨床資料首先可通過標尺獲得各獨立影響因素所對應的單項分值，然后將其相加獲得總分值，最后在總分值數軸上，向下投射所對應的預測概率即為該肝硬化患者發生AKD的風險。

圖2 肝硬化患者發生AKD的列線圖預測模型Fig.2 Nomogram prediction model for the occurrence of AKD in patinets with liver cirrhoticAKD：同表1

2.4 預測模型評價

2.4.1 區分度

訓練集中，模型預測肝硬化患者發生AKD的ROC曲線AUC為0.895(95% CI：0.865～0.925)，最佳截斷值為0.17，靈敏度為88.6%，特異度為80.7%。驗證集中，模型預測肝硬化患者發生AKD的ROC曲線AUC為0.869(95% CI：0.807～0.930)，最佳截斷值為0.23，靈敏度為78.8%，特異度為87.6%。在訓練集和驗證集中AUC均>0.85，提示模型對AKD具有良好的區分度(圖3)。

圖3 模型預測肝硬化患者發生AKD的受試者工作特征曲線A.訓練集；B.驗證集Fig.3 Receiver operating characteristic curve predicted the development of AKD in patients with liver cirrhoticA.training set；B.validation setAKD：同表1

2.4.2 校準度

不管在訓練集或是驗證集，H-L檢驗示均顯示模型的擬合度良好，P值分別為0.727、0.357。AKD預測值分布曲線與校準曲線貼合良好，即模型預測的AKD發生概率與實際情況較一致，提示預測模型具有較高的擬合度和一致性(圖4)。

圖4 預測模型在訓練和驗證人群中的校準曲線A.訓練集；B.驗證集Fig.4 Calibration curves of the prediction model in the training and validation setA.training set；B.validation setAKD：同表1

2.4.3 臨床實用性

臨床決策曲線顯示，在兩組數據集中，當閾值概率處于0.2%～62%范圍內時，選擇該模型預測AKD發生風險可使肝硬化患者臨床獲益，提示預測模型具有較好的臨床實用性(圖5)。

圖5 預測模型的臨床決策曲線A.訓練集；B.驗證集Fig.5 Clinical decision curves for predictive modelA.training set；B.validation setAKD：同表1

3 討論

本研究基于796例肝硬化患者的臨床資料，采用于LASSO回歸和多因素Logistic回歸法建立了肝硬化患者發生AKD的預測模型，并對模型的性能進行了評價，結果顯示性別、糖尿病史、肝性腦病、消化道出血、腹水、Hb、ALB、TT為肝硬化患者發生AKD的獨立影響因素，基于此影響因素建立的模型在訓練集、驗證集中預測肝硬化相關AKD的AUC分別為0.895、0.869，且具有較好的校準度及臨床實用性，提示該模型在肝硬化患者發生AKD的風險預測方面性能較高，具有良好的應用前景。

肝硬化患者在病情進展過程中易出現腎功能損傷。文獻報道[16-19]，腎功能受損是肝硬化患者的嚴重并發癥之一，發病率可高達20%～80%，而AKD是腎功能損傷的一種類型，為非急性AKI中不符合CKD的腎功能損傷狀態，其可由AKI進展而來也可獨立發生，并對患者臨床預后造成不利影響。數據顯示，相較于非AKD患者，AKD患者合并CKD與終末期腎病的風險約增高5倍，死亡風險增高3.5倍[20]，故加強AKD的預防與識別具有重要意義。既往文獻顯示，肝硬化患者合并AKD的比例分布于14%～32%[9，21-22]。本研究結果顯示，796例肝硬化患者中發生AKD者103例(13%)，其發病率略低于文獻報道，可能與入組人群或地域差異相關。

分析AKD發生的影響因素，并建立適宜的預測模型是提升臨床對肝硬化相關AKD高危人群篩查與管理水平的重要輔助手段。本研究結果顯示，糖尿病史、肝性腦病、消化道出血、腹水是肝硬化患者發生AKD的獨立危險因素。糖尿病患者體內血糖升高可導致血管病變，而腎臟為其主要靶器官之一[23]。此外，糖基化蛋白亦可對腎臟產生不利影響，表現為腎小球濾過率降低，腎小球基底膜損傷，嚴重時可并發糖尿病腎病，增加AKD發生風險[24-25]。肝性腦病是肝硬化患者常見并發癥之一，其與腎功能損傷呈現相互影響、互相促進的關系。一方面，肝性腦病可損傷中樞神經細胞，影響大腦調節功能[26]，并誘發神經功能異常，引起酸堿失衡、水和電解質紊亂，直接影響腎小球濾過功能，導致腎功能損傷；另一方面，腎功能損傷可引起尿液中氨類物質排泄減少并通過血腦屏障進入腦脊液，加重肝性腦病[27-28]。上消化道出血時由于液體丟失過量可導致機體有效循環血容量快速減少，而合并腹水者由于液體重新分布亦可導致有效循環血容量減少，故消化道出血、腹水均可引起血容量降低，進而活化腎素-血管緊張素-醛固酮系統，引起血流重分配和腎臟缺血；此外，二者均可增加感染的風險，誘發炎癥反應，導致腎損傷[12]。

本研究結果顯示，男性、Hb、ALB、TT為肝硬化相關AKD的保護因素。受體表面積的影響，多數女性的腎小球數量少于男性，故當發生腎血管收縮、腎缺血灌注性損傷時，女性患者早期腎小球濾過率下降更為明顯，AKD發生風險隨之升高，但部分研究認為男性是AKD的重要促進因素[29]。低Hb濃度誘發AKD的詳細原因尚不清楚，可能是多種機制共同作用的結果[30-31]：(1)Hb不足可降低血液攜氧能力，以致腎髓質缺氧，在腎損傷的發生中起重要促進作用；(2)貧血患者可能存在亞臨床腎臟疾病，提升了腎小管耗氧量并加劇其氧化應激反應，從而增加腎損傷的易感性。ALB是評估機體營養狀況的重要參數，肝硬化患者由于腸黏膜損傷導致營養攝入不足，而營養不良將增加感染風險，過量的內毒素和炎癥因子進入體循環可使腎小管周圍毛細血管壁纖維蛋白沉著[32]，繼而引起腎臟損傷。此外，隨著肝臟功能衰竭持續性進展，ALB逐漸減少可引起循環系統膠體滲透壓降低，大量液體進入細胞間隙，有效循環血容量減少，亦可激活腎素-血管緊張素-醛固酮系統和交感神經，引起腎血管收縮、腎缺血灌注性損傷。TT變化與AKD相關性的機制尚未明確，TT縮短多發生于高纖維蛋白血癥或血標本pH呈酸性時，此時血液呈高凝狀態或機體酸中毒，腎小球灌注及代謝異常，可能誘發AKD。

目前肝硬化患者發生AKD預測模型的相關研究較為匱乏?；诤Y選的影響因素，本研究建立了肝硬化患者發生AKD的預測模型，并從區分度、校準度和臨床實用性方面對模型的性能進行了評價。結果顯示，模型在驗證集中預測肝硬化AKD的AUC為0.895，靈敏度為88.6%，特異度為80.7%；而在驗證集中AUC、靈敏度、特異度分別為0.869、78.8%、87.6%，提示模型對于AKD具有良好的區分度。校準曲線顯示模型的擬合度、一致性均良好；而臨床決策曲線顯示，當閾值概率處于0.2%～62%范圍時，通過模型預測AKD可使肝硬化患者獲益，提示預測模型具有良好的臨床實用性，故整體而言，本研究建立的模型對于肝硬化AKD的預測具有較高的性能和準確性，有利于肝硬化相關AKD的早期識別和診斷。

本研究局限性：(1)為單中心回顧性研究，可能存在一定程度的信息偏倚；(2)受回顧性研究固有屬性的影響，納入的觀察指標受限，可能存在其他影響AKD發生風險的因素未納入分析。

綜上，作為肝硬化病情進展的常見并發癥，AKD可對患者預后產生不利影響，加強AKD的預防與早期識別具有重要意義。本文采用LASSO回歸和Logistic回歸方法篩選的8個影響因素成功建立了肝硬化AKD的預測模型，經驗證性能良好，有望應用于肝硬化AKD的早期篩查，以期做到早發現、早診斷、早治療。

作者貢獻：歐陽晶負責研究構思、資料收集及論文撰寫；常虹、楊夢嬌、張夢負責文獻檢索、研究設計；田夢負責資料整理；鄭亞、王玉平負責數據分析；陳兆峰負責論文寫作指導及修訂。

利益沖突：所有作者均聲明不存在利益沖突