综述：急性冠状动脉综合征患者中对比剂诱发急性肾损伤的风险预测模型：一项系统评价和荟萃分析

《Frontiers in Medicine》：Risk prediction models for contrast-induced acute kidney injury in patients with acute coronary syndromes: a systematic review and meta-analysis

　　对比剂诱导急性肾损伤风险预测模型在急性冠脉综合征患者中的系统综述与Meta分析。PCI CAG CI-AKI PROBAST AUC 发表偏倚 外部验证

　　急性冠状动脉综合征（ACS）作为一种严重的临床疾病，每年影响全球超过700万人，给公共卫生带来了巨大挑战。ACS涵盖ST段抬高型心肌梗死（STEMI）、非ST段抬高型心肌梗死（NSTEMI）以及不稳定型心绞痛（UA）等类型，具有高发病率和高死亡率的特点。随着医疗技术的进步，经皮冠状动脉介入治疗（PCI）和冠状动脉造影（CAG）已成为ACS治疗的重要手段，不仅能帮助明确病变情况，还能改善患者的预后。然而，这些诊疗过程中的一个严重并发症——对比剂诱导的急性肾损伤（CI-AKI）——仍然对患者健康和医疗资源构成威胁。

CI-AKI的发生与使用对比剂有关，它是医院获得性肾功能不全的第三大原因。相关研究表明，CI-AKI的发病率在进行CAG或PCI的患者中大约为5.1%至10.5%。对于ACS患者而言，其发生CI-AKI的风险尤其突出，这不仅与病情本身密切相关，还与患者的整体健康状况、系统性炎症反应等因素有关。因此，建立准确的预测模型对于识别高风险患者、采取预防措施以及减少CI-AKI的发生具有重要意义。

目前，已有多个模型被用于预测ACS患者发生CI-AKI的风险，但这些模型的预测效果和临床实用性仍存在争议。为了评估现有模型的预测性能，研究者们进行了系统综述和荟萃分析。通过检索PubMed、Web of Science、The Cochrane Library和Embase等数据库，最终筛选出16项研究。这些研究涵盖了从2017年到2024年的数据，其中大部分为回顾性研究，仅有两项为前瞻性研究。回顾性研究虽然在某些情况下能提供丰富的数据，但其结果可能因数据收集方式的不同而高估模型的实际表现。此外，多数研究数据来源于单一中心的医疗机构，这可能导致选择偏倚，限制了模型的外部适用性。

在模型构建过程中，研究者普遍采用了多元逻辑回归分析，少数研究则尝试使用机器学习方法。变量选择方面，大部分研究先进行单变量分析，再通过多元回归确定独立预测因素。然而，这种做法可能导致忽略变量间的交互作用和混杂因素，从而影响模型的准确性。在模型验证方面，仅有四分之一的研究进行了外部验证，这使得模型的推广性受到质疑。同时，许多研究在数据处理和模型校准方面缺乏透明度，未详细说明如何处理缺失数据或变量复杂性，这不仅影响了研究的可重复性，也限制了其他研究者对结果的验证和借鉴。

通过荟萃分析，研究发现开发模型的汇总曲线下面积（AUC）为0.804（95% CI: 0.772–0.836），而验证模型的汇总AUC为0.785（95% CI: 0.747–0.823）。尽管这些模型在预测性能上表现出一定的优势，但研究中发现的显著异质性（I2分别为89.7%和84.8%）表明，模型之间的差异较大，难以统一应用。此外，发表偏倚的存在（p < 0.05）进一步削弱了结果的可靠性。所有纳入的研究均被评估为存在高偏倚风险，主要由于数据来源不当、统计分析偏倚等问题。

从模型的预测因子来看，年龄、估算肾小球滤过率（eGFR）、血清肌酐（SCr）、左心室射血分数（LVEF）以及使用主动脉内球囊反搏（IABP）是较为常见的指标。其中，年龄与CI-AKI的发生率呈正相关，这可能与老年人肾代谢功能下降、对比剂对肾脏的损害更为敏感有关。eGFR和SCr作为评估肾功能的基础指标，尽管广泛使用，但其特异性有限，容易受到多种因素影响。相比之下，胱抑素C（CyC）具有更高的敏感性和早期诊断能力，能够更早地识别急性肾功能变化。此外，低LVEF提示心脏输出不足，可能影响肾脏灌注，进而增加CI-AKI的风险。IABP的使用则反映了患者存在严重的血流动力学不稳定，可能进一步加重肾功能损害。

尽管现有模型在预测性能上表现良好，但其在临床应用中的局限性不容忽视。首先，多数模型未充分考虑动态指标，而是依赖静态变量（如年龄、eGFR等），这可能导致预测的片面性。其次，缺乏对模型实际临床效果的系统评估，如对死亡率、透析需求或住院时间的影响。此外，许多模型未经过外部验证，难以推广到不同人群或医疗环境。因此，未来的研究应更加注重模型的外部验证，确保其在不同人群中的适用性。

为了提升模型的临床价值，研究者应采用更严谨的方法，包括前瞻性研究设计、多中心数据采集、标准化的CI-AKI定义以及结合专业医学知识和机器学习算法的综合方法。同时，应加强模型的校准和验证过程，确保其在真实世界中的稳定性和可靠性。此外，临床实践中应重视预防措施，如使用等渗或低渗对比剂、优化对比剂使用剂量、实施充分的水化治疗等，以降低CI-AKI的发生风险。

总的来说，虽然当前已有多种模型可用于预测ACS患者发生CI-AKI的风险，但由于方法学上的不足和临床适用性的限制，这些模型尚不能广泛应用于临床实践。未来的研究应聚焦于构建更加全面、准确且具有外部验证的预测模型，同时加强模型的临床评估和成本效益分析，以更好地指导临床决策和患者管理。