已故捐献者肾脏移植后移植物失败的动态风险预测

《Clinical Journal of the American Society of Nephrology》：Dynamic Risk Prediction of Graft Failure After Deceased Donor Kidney Transplant

　　肾移植受者基于eGFR动态变化的移植肾功能衰竭预测模型开发及验证，显示模型随时间推移预测效能提升（3个月AUC 0.70，30个月0.90），但外部验证因数据采集差异性能衰减。该模型可动态更新风险，辅助高危患者识别与干预。

　　

背景：

识别出肾移植后发生移植物失败高风险的患者，有助于及时采取干预措施以改善治疗结果。我们开发并验证了一个风险预测模型，该模型通过监测估算的肾小球滤过率（eGFR）的变化来动态预测三年内的移植物失败风险。

方法：

该风险预测模型是在一个前瞻性多中心队列中（2010-2013年接受死亡捐赠者肾移植的患者）建立的，并在三个独立的队列中进行了验证（一个注册队列和两个电子病历（EMR）队列）。该模型采用两阶段方法：首先使用线性混合效应模型估算eGFR的变化趋势，然后利用这些趋势在逻辑回归模型中预测三年内的移植物失败风险。eGFR的计算采用了不受种族影响的公式，移植物失败定义为需要重新进行透析或再次接受移植的情况，同时排除了死亡因素的影响。该模型可以在移植后的前三年内随时使用，且随着每次新的eGFR测量数据的获得，预测风险会动态更新。

结果：

在开发队列（N=1,114）中，有94名患者（8%）在移植后三年内发生了移植物失败。随着可用eGFR测量数据的增加，模型的预测准确性逐渐提高。移植后三个月时，模型的乐观校正曲线下面积（AUC）为0.70（95%置信区间[CI] 0.63, 0.77）；移植后三个月时，AUC达到0.90（95% CI 0.85, 0.95）。在验证队列中，模型的表现有所下降（移植后三个月的AUC范围为0.60-0.64，移植后三个月的AUC范围为0.72-0.78），这可能是由于确定eGFR的数据收集方法存在差异所致。

结论：

该风险预测模型通过识别出可能需要更密切监测和个性化干预的高风险患者，有望提升移植后的护理质量。

通俗语言总结：研究人员开发了一个模型，通过分析估算的肾小球滤过率（eGFR）的变化来预测三年内的肾移植失败风险。该模型在多个群体中进行了测试，随着时间的推移，其预测准确性不断提高：移植后三个月的AUC为0.70，移植后三个月的AUC为0.90。在其他群体中的验证结果显示准确性略有下降，这可能是由于数据收集方法的差异。该模型能够根据每次新的eGFR测量结果动态更新风险预测，从而帮助识别出移植物失败高风险的患者，及时采取干预措施以改善治疗结果。