血清肌酐联合胱抑素C对慢性肾衰竭患者的预测价值分析

罗小宝,黄丽,黄德喜

(铜陵市立医院检验科,安徽 铜陵 244099)

慢性肾衰竭(chronic renal failure,CRF)是肾脏慢性疾病进展的终末结局,由于肾脏具有强大的代偿能力,导致肾脏出现损伤后不易展现出特异性改变,早期症状也较为隐匿,乏力、水肿、尿多等症状常被患者忽视[1]。血肌酐(serum creatinine,CR)是人体肌酸经脱水后形成的一种内生代谢产物,随血液流经肾脏代谢后排出,血清CR水平主要由肾决定,如果CR严重增高,普遍代表肾功能不全、甚至衰竭[2]。胱抑素C(cystatin C,CYC)是一种相对分子质量较低的半胱氨酸蛋白酶抑制剂,当血液流经肾脏,CYC可自由通过肾小球并存在于超滤液中,且与其他蛋白质缺乏接触,几乎完全被近端小管上皮细胞重吸收后代谢分解[3]。本研究回顾性分析CRF患者的影响因素,旨在探讨CR联合CYC对患者的预测价值。

1 资料与方法

1.1 一般资料

选取2017年10月至2022年10月铜陵市立医院收治的90例CRF患者为研究对象。纳入标准:(1)符合《慢性肾脏病早期筛查,诊断及防治指南(2022年版)》中CRF的诊断标准[4];(2)患者均接受常规体检和影像学检查后确诊,包括血常规、尿常规、CT、B超等;(3)至少存在3个月的肾脏损害或肾功能降低,美国慢性肾脏疾病(chronic kidney disease,CKD)3～5期者;(4)临床资料完整。排除标准:(1)合并脑出血等严重心脑疾病患者;(2)患有已确诊的血液、免疫系统疾病;(3)伴随原发性肝功能障碍、癌症者;(4)近6个月内有重大外伤史;(5)过敏体质者。其中男性51例,女性39例,年龄(51.83±10.64)岁;依据CKD分期标准[5]将CKD患者分为CKD3期组(n=28)、CKD4期组(n=33)和CKD5期组(n=29)。另选取45名同期于本院体检的肾功能健全者为对照组。研究期间受试者均无脱落。研究项目通过本院伦理委员会审查批准后实施。

1.2 观察指标

1.2.1 一般资料 通过电子病历收集入选患者的一般资料:姓名、年龄、性别、体重、吸烟史、饮酒史、冠心病史、高血压史、糖尿病史、CRF病程、肾炎病史等。

1.2.2 实验室生化指标收集 患者入院24 h内,在夜间禁食8～12 h后,于次日清晨空腹状态时留晨尿后,取其静脉血约5 mL,EDTA抗凝血用MQ-2000PT糖化血红蛋白(HBA1c)分析仪测定HBA1c水平,采用AU5800全自动生化分析仪测定血糖(GLU)、尿酸(URCA)、尿素氮(BUN)、CYC、CR、TC、TG、LDL-C、HDL-C、ALT、AST水平,采用mindray CRP-M100特定蛋白免疫分析仪测定超敏C反应蛋白(hs-CRP),采用mindray BC-6700血液细胞分析仪测定WBC、Hb。

1.3 统计学分析

2 结果

2.1 两组研究对象一般资料比较

两组对象高血压、糖尿病患病率、HBA1c、GLU、URCA、BUN、TG、WBC、hs-CRP、CR、CYC等指标比较,差异均有统计学意义(P<0.05)。见表1。

表1 两组研究对象一般资料分析

2.2 CR、CYC及联合预测因子预测CRF的ROC曲线

ROC曲线显示:CR、CYC预测CRF的截断值分别为51.32 μmol/L和0.76 mg/L,CR、CYC及联合因子PF的AUC均>0.800,其中联合预测因子PF的AUC大于各原始协变量,联合预测因子PF的工作性能优于CR、CYC单独作为预测指标的工作性能,联合预测因子PF对CRF的预测价值最高。见表2及图1。

表2 联合预测因子及各原始协变量对CRF的预测ROC曲线参数

2.3 不同CKD分期患者单因素分析

不同CKD分期患者HBA1c、GLU、BUN、WBC、hs-CRP、CR、CYC等指标比较,差异均有统计学意义(P<0.05);而性别、年龄、体重、吸烟史、饮酒史、冠心病、高血压、糖尿病患病率、肾炎病史、Hb、URCA、TC、TG、HDL-C、LDL-C、ALT、AST等指标比较,差异均无统计学意义(P>0.05)。见表3。

表3 CRF患者不同CKD分期临床资料的单因素分析

2.4 影响CRF患者CKD分期的多因素Logistic回归分析

以CRF患者CKD分期为因变量并赋值(分类变量,赋值标准:1=CKD3期组;2=CKD4期组;3=CKD5期组),以单因素分析中具有统计学差异的影响因素作为自变量(连续变量,以原数据代入),进行多因素Logistic回归分析。结果显示:HBA1c、BUN、WBC、hs-CRP、CR、CYC水平升高均是CRF患者CKD分期加重的独立危险因素(P<0.05)。见表4。

表4 CRF影响患者CKD分期的多因素Logistic回归分析

2.5 变量的多重共线性检验

将多因素Logistic回归筛选出的影响因素进行共线性检验分析,结果显示:HBA1c、BUN、WBC、hs-CRP、CR、CYC的容差均>0.2,方差膨胀因子均<10,提示解释变量与其余解释之间不存在多重共线性,各解释变量之间相互独立。见表5。

表5 解释变量的共线性检验系数

2.6 预测CRF患者CKD分期的人工神经网络模型

根据多因素Logistic回归分析结果,将CRF患者的血清HBA1c、BUN、WBC、hs-CRP、CR、CYC水平共8条风险相关路径作为第一层的输入变量,每个变量都连接到隐藏层中的所有节点(H1∶1到H1∶2),输出层终点的结局指标为CKD分期情况,建立人工神经网络模型,血清CR水平、血清CYC水平、血清BUN水平在预测CRF患者CKD分期中所占权重均较高。见图2。

2.7 模型验证

采用Bootstrap自抽样法进行模型验证,ROC曲线评价人工神经网络模型的区分度,模型训练集的AUC为0.869(95%CI:0.786～0.915,P<0.05),计算可得C-index结果为0.873,该模型区分度良好。校准曲线评价模型的校准度,训练集人工神经网络模型的预测概率与参考概率拟合度良好,Hosmer-Lemeshow检验结果差异无统计学意义(P>0.05),该模型准确度较高。见图3。

3 讨论

CR是一种预测CRF的生物标志物,虽在临床实践中应用广泛,但CR不能准确预测肾损害的早期阶段,有一定局限性,作为生物标志物较不完善[6-8]。CYC是一种内源性标志物,可在肾小球中自由过滤,几乎可被管状上皮细胞完全重新吸收,随后被分解代谢[9-11]。Zhao等[8]研究发现,随着肾功能的下降CYC水平升高,且终末期肾病患者的CYC水平更高,本研究结果与之相符。预测CRF的ROC曲线显示,CR、CYC的AUC均>0.8,其中CYC的AUC为0.847,大于CR的AUC 0.802,而CR联合CYC的预测价值最高,二者联合的AUC为0.895。

本研究发现,HBA1c、BUN、WBC、hs-CRP、CR、CYC水平均是CRF病情进展的独立危险因素。Kumakura等[12]研究发现,当肾脏出现损伤时大量炎症因子被释放,血清WBC和hs-CRP水平升高,中性粒细胞等免疫细胞涌入肾脏组织中参与循环,炎症因子与CRF患者预后情况具有高度相关性。HBA1c水平过高代表血糖不能及时把控在正常值范围内,机体处于高糖状态下,肾脏代谢明显增加[13]。CRF患者肾脏排泄功能异常导致尿液较少,尿液中BUN被肾小管充分吸收后回流至血液中,造成血清BUN水平升高[14-15]。基于以上观点,本研究建立预测CRF患者CKD分期的人工神经网络模型,模型基于各输入指标的神经传递特性。结果显示,血清CR水平、血清CYC水平、血清BUN水平所占权重均较高。经Bootstrap自抽样法对模型进行验证,ROC曲线和校准曲线显示,模型效能良好,为临床CRF患者CKD分期的预测提供了重要价值。但本研究尚存在一定的局限性,纳入的样本量较少且数据来自单一中心,增加了选择偏倚的风险;对于我国以外的其他种族人群,尚未进行本研究成果合理性和有效性探讨,未来还需要扩大样本量研究;缺少针对CRF患者不同治疗手段预后情况的数据分析,若将此作为研究变量纳入,分析结果的深度和广度将进一步提升,可在后续研究中不断改进。

综上,血清CR、CYC水平对CRF有预测价值,相比于CR、CYC单独预测,以CR联合CYC预测CRF的价值最大。此外,HBA1c、BUN、WBC、hs-CRP、CR、CYC水平均是CRF病情进展的危险因素,若能及时监测以上危险因素,在合适时机采取有效的手段干预,有助于CRF患者个性化防治方案的制定。