ピエトロ・ラヴァーニ医学博士
クレジット: コクラン腎臓と移植
患者の腎不全および全死因死亡のリスクを予測するための新しいツールは、現在のベンチマークリスク予測モデルに代わる有望な代替手段となる可能性がある。 慢性腎臓病（CKD）外部試験では腎不全のリスク方程式を常に上回っています。1
KDpredict として知られる予測アルゴリズムとデジタル ダッシュボードは、腎不全のリスク方程式の欠点に対処しながら、1 ～ 5 年の期間で腎不全と死亡を同時に予測し、中等度から重度の CKD 患者の総合的な意思決定をサポートするように設計されています。 1
「KDpredict は、現在使用されているリスク予測モデルよりも、中等度から重度の慢性腎臓病を患う成人における腎不全と死亡のリスクを常に正確に予測していることを示すことができました。」と Pietro Ravani 医師、PhD は述べています。カルガリー大学医学部および公衆衛生研究所の教授兼臨床科学者はプレスリリースで述べた。2
研究者らは、現在の腎不全リスク方程式の欠点を認識し、新たに報告された中等度から重度のCKDを有する成人における、競合する死亡リスクを考慮した腎不全と全死因死亡の両方のリスク予測を提供するツールの構築を模索した。 注目すべきは、この研究では、万能のモデルではなく、地域の設定に適応する予測モデリングの戦略を提案していることです。1
この多国籍縦断的集団ベースのコホート研究には、推定糸球体濾過量（eGFR）15～44 mL/分/1.73 m2として定義される、新たに記録された慢性腎臓病ステージG3b～G4を持つ個人が含まれていました。 人口ベースの健康データは、アルバータ州、デンマーク、スコットランドの 3 つのコホートを形成するためにリンクされ、アルバータ州のデータは KDpredict のトレーニングに使用され、デンマークとスコットランドのデータに対してテストされました。1
スーパー学習者アルゴリズムは、ブライアー スコアに基づく相互検証された予測誤差を最小限に抑えて腎不全と死亡率を予測する能力に基づいて、最もパフォーマンスの高い回帰モデルまたは機械学習アルゴリズムを選択しました。 年齢、性別、eGFR、アルブミン尿、糖尿病の有無、心血管疾患など、事前に指定された学習者がランク付けされてアンサンブルに組み合わされるか、相互検証された予測誤差が最も低い学習者が選択されます。1
Brier スコアから計算された校正と識別の尺度である予測精度の指標を使用して、KDpredict を腎不全リスク方程式と比較しました。 転帰には、全死因死亡および腎不全が含まれます。腎不全は、維持腎代替治療または 10 mL/分/1.73 m2 の eGFR が 90 日以上持続したいずれか早い方と定義されます。
合計で、カナダの患者 67,942 人、デンマークの患者 17,528 人、スコットランドの患者 7,740 人が含まれていました。 コホートの年齢中央値は77～80歳、eGFR中央値は39 mL/分/1.73 m2.1でした。
追跡期間の中央値は、すべてのコホートで 5 ～ 6 年でした。 腎不全率は 100 人年あたり 0.8 ～ 1.1 の範囲であり、死亡率は 100 人年あたり 10 ～ 12 の範囲でした。 研究者らは、腎不全リスクの予測において、KDpredict が腎不全リスク方程式よりも正確であると指摘しました。 具体的には、5 年間の予測精度指数は、KDpredict では 27.8% (95% CI、25.2% ～ 30.6%) であったのに対し、デンマークの腎不全リスク方程式では 18.1% (95% CI、15.7% ～ 20.4%)、30.5 でした。 KDpredict の % (95% CI、27.8% ～ 33.5%) に対し、スコットランドにおける腎不全リスク方程式の 14.2% (95% CI、12.0% ～ 16.5%)。1
仮説的な臨床シナリオでは、研究者らは、腎不全リスク方程式と KDpredict からの予測が大幅に異なり、治療上の決定が異なる可能性があると指摘しました。 一例では、eGFR が 30 mL/min/1.73 m2、アルブミン対クレアチニン比が 100 mg/g の 80 歳の男性は、5 年間の腎不全リスク予測が 10% であると考えられます。腎不全のリスク方程式は使用されますが、KDpredict からは腎不全で 2%、死亡率で 57% という 5 年間のリスク予測が得られます。1
研究者らは、KDpredict による個々のリスク予測が、4 つまたは 6 つの変数を使用した両方の結果について正確であることにも注目しました。 さらに、古いデータを使用して再トレーニングされたモデルは、時間的に異なる、より新しいデータでテストした場合に正確な予測を提供しました。1
研究者らは、これらの結果に対するいくつかの潜在的な限界を強調しており、その中には、白人人口が大部分を占める3か国のデータの使用、外部検査コホートにおけるアルブミン対クレアチニン比またはタンパク質対クレアチニン比に限定されたアルブミン尿測定の使用などが含まれる。 、予測ツールの静的な性質、およびその有用性を検証するためのランダム化試験でのテストの必要性。1
「KDpredict は、この重症度の CKD を有する成人の両方の臨床転帰のリスクを、最初の発症時点で、タイムリーな議論が必要なときに正確に予測できるという点でユニークです。」と研究者らは結論付けています。 KDpredict は、腎不全と死亡を考慮して、患者中心のケアと総合的な意思決定をサポートします。」
参考文献:
1714224124
#デジタルアルゴリズムが腎不全とCKDの死亡リスクに関して現在の予測モデルを上回る性能を発揮
2024-04-27 13:01:09