供肾零点活检病理结果与移植肾功能延迟恢复的相关研究

目的探讨供肾零点活检病理结果与肾移植术后并发移植肾功能延迟恢复(DGF)的关系。 方法回顾性分析西安交通大学第一附属医院肾移植科2018年5月至2019年4月实施的心脏死亡器官捐献(DCD)肾移植供、受者临床资料。采用零点活检病理结果评估供肾质量，并按照Banff 2013标准、Remuzzi评分及马里兰病理指数(MAPI)对供肾进行病理分级和评分。肾小球数量≥7个，小动脉数量≥2支为合格标本。根据受者肾移植术后是否发生DGF，将其分为DGF组和非DGF组。采用Mann-Whitney U检验比较两组供肾肾小球硬化率、小动脉玻璃样变率、Banff 2013标准评分、Remuzzi评分和MAPI评分。采用卡方检验比较两组供肾肾间质纤维化、肾小管萎缩、小动脉内膜纤维化增厚、小动脉管壁透明样变、肾小管损伤/坏死及肾小球内微血栓发生情况。采用logistic回归分析供肾零点活检病理结果与DCD肾移植术后并发DGF的关系。P<0.05为差异有统计学意义。 结果最终纳入133例受者，其中DGF组26例，DGF发生率为19.5%，非DGF组107例。133例合格肾穿刺标本中，平均获得肾小球数量(13±5)个，中位肾小球硬化率5.8%(0～13.3%)，中位小动脉数量5支(3～6支)，中位小动脉玻璃样变率0(0～11%)，肾间质纤维化占47.4%(63/133)，肾小管萎缩占48.1%(64/133)，小动脉内膜纤维化增厚占58.6%(78/133)，小动脉管壁透明样变占36.8%(49/133)，未见肾小球内微血栓，所有供肾均合并不同程度肾小管损伤/坏死。两组受者供肾肾间质纤维化、肾小管萎缩、肾小管损伤/坏死以及Remuzzi评分差异有统计学意义(χ²＝7.65、7.92和16.81，Z＝-2.02，P均<0.05)。多因素分析结果显示肾小管损伤/坏死是肾移植术后并发DGF的独立危险因素。 结论供肾零点活检病理学评估对于预测肾移植短期预后具有一定价值，在供者维护和器官保存过程中应尽可能避免造成肾小管缺血/坏死，以降低DGF发生风险。     

基于回归分析和机器学习的先天性心脏病患儿术后住院死亡预测模型的建立—单中心12年大数据汇总分析

目的探索建立先天性心脏病患儿术后住院病死率的预测模型。方法收集上海儿童医学中心2006年1月1日至2017年12月31日所有行先天性心脏病手术的病例资料,根据亚里士多德评分系统对不同手术评分,分别应用logistic回归分析和机器学习建立包含手术复杂性评分和患儿术前危险因素的术后住院病死率预测模型并比较两种模型的C指数。结果共纳入24693例行先天性心脏病手术病例,595例(2.4%)术后住院死亡。所有手术术后住院病死率为0~77.8%,其中32种手术术后住院病死率为0。除手术复杂性评分,其他危险因素包括年龄、身高、手术史、超声心动图检查及实验室检查结果(主要为凝血因子)与术后住院死亡显著相关。仅用手术复杂性评分预测术后住院死亡的ROC曲线下面积为0.654(95%CI:0.628~0.681,P<0.001),综合分析手术复杂性评分和术前危险因素建立预测模型的ROC曲线下面积为0.886(95%CI:0.868~0.904,P<0.001),应用机器学习建立预测模型的ROC曲线下面积为0.889(敏感度为0.817)。应用logistic回归和机器学习建立模型所参考的危险因素略有差异。结论应用logistic回归分析和机器学习建立的包含手术复杂性评分和术前危险因素的预测模型能更准确预测术后住院死亡,这对于先天性心脏病患儿手术风险评估及术后管理具有重要临床意义。     

机器学习算法和COX列线图在肝细胞癌术后生存预测中的应用价值

目的探讨机器学习算法和COX列线图在肝细胞癌术后生存预测中的应用价值。方法采用回顾性描述性研究方法。收集2012年1月至2017年1月中国医学科学院北京协和医学院肿瘤医院收治的375例肝细胞癌行根治性肝切除术患者的临床病理资料;男304例,女71例;中位年龄为57岁,年龄范围为21~79岁。375例患者通过计算机产生随机数方法以8∶2比例分为训练集300例和验证集75例,应用逻辑回归、支持向量机、决策树、随机森林、人工神经网络机器学习算法构建肝细胞癌患者术后生存的预测模型,筛选性能最优的机器学习算法预测模型;构建肝细胞癌患者术后生存预测的COX列线图预测模型;比较最优机器学习算法预测模型和COX列线图预测模型预测肝细胞癌患者术后生存的性能。观察指标:(1)训练集与验证集患者临床病理资料分析。(2)训练集与验证集患者随访及生存情况。(3)机器学习算法预测模型构建及验证。(4)COX列线图预测模型构建及验证。(5)随机森林机器学习算法预测模型与COX列线图预测模型预测性能评价。采用门诊或电话方式进行随访,了解患者生存情况。随访时间截至2019年12月或患者死亡。正态分布的计量资料以±s表示,组间比较采用配对t检验。偏态分布的计量资料以M(P25,P75)或M(范围)表示,组间比较采用Mann-Whitney U检验。计数资料以绝对数表示,当Tmin≥5,N≥40时,组间比较采用χ2检验;当1≤Tmin≤5,N≥40时,采用校正χ2检验;当Tmin<1或N<40时,采用Fisher确切概率法。采用Kaplan-Meier法计算生存率和绘制生存曲线。采用COX比例风险模型进行单因素分析,将P<0.2的变量纳入Lasso回归分析,根据λ值筛选影响预后的变量,最后将变量纳入COX比例风险模型进行多因素分析。结果(1)训练集与验证集患者临床病理资料分析:训练集和验证集患者微血管侵犯(无、有),肝硬化(无、有)分别为292、8例,105、195例和69、6例,37、38例,两组患者比较,差异均有统计学意义(χ2=4.749,5.239,P<0.05)。(2)训练集与验证集患者随访及生存情况:训练集与验证集患者均获得随访。训练集300例患者随访时间为1.1~85.5个月,中位随访时间为50.3个月。验证集75例患者随访时间为1.0~85.7个月,中位随访时间为46.7个月。375例肝细胞癌患者术后1、3年总体生存率分别为91.7%、79.5%。训练集和验证集患者术后1、3年总体生存率分别为92.0%、79.7%和90.7%、81.9%。两组患者术后生存情况比较,差异无统计学意义(χ2=0.113,P>0.05)。(3)机器学习算法预测模型构建及验证。①筛选最优机器学习算法预测模型:根据变量对预测肝细胞癌术后3年生存的信息增益度,应用逻辑回归、支持向量机、决策树、随机森林和人工神经网络5种机器学习算法对肝细胞癌临床病理因素进行变量综合排名。筛选主要预测因素为乙型肝炎e抗原(HBeAg)、手术方式、肿瘤最大直径、围术期输血、肝被膜侵犯、肝脏Ⅳ段侵犯。将预测因素前3、6、9、12、15、18、21、24、27、29个变量依次引入5种机器学习算法。其结果显示:当引入9个变量时,逻辑回归、支持向量机、决策树、随机森林机器学习算法预测模型受试者工作特征曲线的曲线下面积(AUC)趋于稳定。当引入变量>12个时,人工神经网络机器学习算法预测模型AUC波动明显,逻辑回归、支持向量机机器学习算法预测模型AUC稳定性可继续改善,而随机森林机器学习算法预测模型AUC接近0.990,说明随机森林机器学习算法预测模型为最优机器学习算法预测模型。②随机森林机器学习算法预测模型优化和验证:将预测因素29个变量依次引入随机森林机器学习算法预测模型中,构建训练集最佳随机森林机器学习算法预测模型。其结果显示:当引入变量=10个时,网格搜索法示最佳决策树结点个数=4,最佳决策树数目=1000;当引入变量≥10个时,随机森林机器学习算法预测模型AUC稳定在0.990左右。其中当引入变量=10个时,随机森林机器学习算法预测模型预测训练集术后3年总体生存AUC为0.992,灵敏度为0.629,特异度为0.996,预测验证集术后3年总体生存AUC为0.723,灵敏度为0.177,特异度为0.948。(4)COX列线图预测模型构建及验证。①训练集患者术后生存因素分析。单因素分析结果显示:HBeAg、甲胎蛋白、围术期输血、肿瘤最大直径、肝被膜侵犯、肿瘤分化程度是影响肝细胞癌患者术后生存的相关因素(风险比=1.958,1.878,2.170,1.188,2.052,0.222,95%可信区间为1.185~3.235,1.147~3.076,1.389~3.393,1.092~1.291,1.240~3.395,0.070~0.703,P<0.05)。将P<0.2的临床病理因素纳入Lasso回归分析,其结果显示:性别,HBeAg,甲胎蛋白,手术方式,围术期输血,肿瘤最大直径,肿瘤位置在肝脏Ⅴ段和肝脏Ⅷ段,肝被膜侵犯,肿瘤分化程度(高分化、中高分化、中分化、中低分化)是影响肝细胞癌患者术后生存的相关因素。进一步将上述临床病理因素纳入多因素COX回归分析,其结果显示:HBeAg、手术方式、肿瘤最大直径是肝细胞癌患者术后生存的独立影响因素(风险比=1.770,8.799,1.142,95%可信区间为1.049~2.987,1.203~64.342,1.051~1.242,P<0.05)。②COX列线图预测模型的构建和验证:将训练集COX多因素分析结果中P≤0.1的临床病理因素引入Rstudio软件及其rms软件包,构建训练集COX列线图预测模型。COX列线图预测模型预测术后总体生存的C-index为0.723(se=0.028),预测训练集术后3年总体生存AUC为0.760,预测验证集术后3年总体生存AUC为0.795。训练集校准图验证显示COX列线图预测模型对术后生存有较好预测效果。COX列线图回归函数=0.62706×HBeAg(正常=0,异常=1)+0.13434×肿瘤最大直径(cm)+2.10758×手术方式(腹腔镜=0,开腹手术=1)+0.54558×围术期输血(无输血=0,输血=1)-1.42133×高分化(非高分化=0,高分化=1)。计算所有患者COX列线图风险评分,应用Xtile软件寻找COX列线图风险评分最佳阈值,风险评分≥2.9分为高危组,风险评分<2.9分为低危组。Kaplan-Meier总体生存曲线结果显示:训练集低危组和高危组患者术后总体生存比较,差异有统计学意义(χ2=33.065,P<0.05)。验证集低危组和高危组患者术后总体生存比较,差异有统计学意义(χ2=6.585,P<0.05)。进一步采用决策曲线分析结果显示:联合HBeAg、手术方式、围术期输血、肿瘤最大直径和肿瘤分化程度因素的COX列线图预测模型预测性能优于单一因素的预测性能。(5)随机森林机器学习算法预测模型和COX列线图预测模型预测性能评价:通过对2种模型中共同含有的重要变量(肿瘤最大直径)进行分析,并将2种模型通过预测误差曲线进行比较,观察2种模型的预测差异。其结果显示:肿瘤最大直径为2.2 cm时,随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为77.17%和74.77%(χ2=0.182,P>0.05);肿瘤最大直径为6.3 cm时,随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为57.51%和61.65%(χ2=0.394,P>0.05);肿瘤最大直径为14.2 cm时,随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为51.03%和27.52%(χ2=12.762,P<0.05)。随着肿瘤最大直径增加,2种模型预测患者生存率差异增大。验证集中,随机森林机器学习算法预测模型预测患者术后3年总体生存AUC为0.723,COX列线图预测模型预测患者术后3年总体生存AUC为0.795,两者比较,差异有统计学意义(t=3.353,P<0.05)。采用Bootstrap交叉验证结果显示:随机森林机器学习算法预测模型和COX列线图预测模型预测3年生存的整合Brier得分分别为0.139、0.134,COX列线图预测模型预测误差低于随机森林机器学习算法预测模型。结论与机器学习算法预测模型比较,COX列线图预测模型预测肝细胞癌术后3年生存性能更佳,且其变量少,易于临床使用。     

公民逝世后器官捐献供者评估标准的研究

目的分析公民逝世后器官捐献供肾移植后肾功能延迟恢复(DGF)的危险因素,建立供者评估标准及评分系统。方法回顾性分析本中心2011年12月至2015年7月间367例公民逝世后器官捐献肾脏移植的临床资料。通过捐献者年龄、原发病、高血压病史、糖尿病病史、捐献前血肌酐水平、心肺复苏和低血压过程等与肾移植后DGF及肾功能恢复时间关系的单因素、多因素相关性分析及Cox回归分析,建立公民逝世后器官捐献供者的评估标准及评分系统。结果根据供者的年龄、原发病、高血压病史、捐献前血肌酐水平、心肺复苏和低血压程度等与肾移植后DGF相关的单因素及Cox回归分析结果,建立了供体评分系统,对367例肾移植受者的捐献者进行评分,供者评分5分的肾移植82例,DGF发生率5.4%,肾功能恢复时间4.2d;5~15分190例,DGF发生率6.7%,肾功能恢复时间5.1d;15~30分81例,DGF发生率33.9%,肾功能恢复时间8.2d;30分14例,DGF发生率50%,肾功能恢复时间27.3d。供者评分15分的供肾,DGF发生率显著高于评分低于15分的供肾(P0.05),肾功能恢复时间延长;评分大于30分的供肾,肾功能恢复时间显著延长(P0.05)。结论供者的年龄、原发病、高血压病史、捐献前血肌酐水平、心肺复苏和低血压过程等与肾移植后DGF密切相关。根据DGF高危因素分析建立的供体评分系统及分级标准简单、实用、易行,对捐献者供肾质量可以做到客观的评估。适合我国公民逝世后器官捐献者供肾质量的评估。     

机器学习算法构建急性心肌梗死患者发生急性肾损伤风险预测模型并与传统模型比较

目的利用机器学习算法建立急性心肌梗死(acute myocardial infarction, AMI)患者发生急性肾损伤(acute kidney injury, AKI)风险预测模型, 并与传统Logistic回归模型比较。方法该研究为回顾性研究。收集首都医科大学附属北京安贞医院2011年7月至2016年12月AMI患者的人口学、实验室检查、治疗方案和用药情况等资料。AKI诊断标准参照2012年改善全球肾脏病预后组织公布的AKI诊疗指南, 入选AMI患者采用单纯随机抽样法将其分为训练集(70%)及内部测试集(30%)。运用SelectFromModel和Lasso回归模型选择重要特征因素为AMI患者发生AKI的预测因素。分别利用Logistic回归模型(模型A)及机器学习算法(模型B)建立AMI患者发生AKI的风险预测模型, DeLong法比较模型A和模型B在测试集中的受试者工作特征曲线(receiver-operating characteristics curve, ROC曲线)下面积(area under the curve, AUC), 并选出最佳模型。结果共6 014例A...     

急性A型主动脉夹层患者术后死亡风险的预测模型

目的采用不同的机器学习算法, 构建并筛选预测急性A型主动脉夹层患者术后30天内死亡风险的最佳预测模型。方法纳入2015年至2022年间行手术治疗的急性A型主动脉夹层患者521例, 收集其围手术期资料并进行筛选后保留329例。分别通过Lasso回归和主成分分析确定两组不同的预测变量后, 使用逻辑回归和支持向量机、随机森林、梯度提升、超级学习算法建立预测术后30天内死亡风险的预测模型, 并使用ROC曲线、敏感度值和特异度值等指标对各个模型进行比较。结果所有模型的ROC曲线下面积(AUC)0.791～0.959, 使用Lasso回归确定预测变量, 并通过超级学习算法建立的模型预测效果最佳, AUC 0.959。结论在对急性A型主动脉夹层术后30内死亡的预测中, 超级学习算法优于其他算法。     

肾移植患者发生移植肾功能延迟恢复的危险因素分析及预测

目的 研究肾移植患者发生移植肾功能延迟恢复（BGF）的相关危险因素及预测方法。方法 回顾性分析212例具有完整人类白细胞抗原（HLA）配型资料的尸体肾移植患者的临床资料，对患者的性别、年龄、血型、乙型肝炎病毒感染情况、心功能分级、是否再次移植、透析时间长短、HLA配型情况、供肾热缺血时间、供肾冷缺血时间以及血管开放后泌尿时间进行严格的记录和评估。用一元logistic回归方法初步找出与DGF发生相关的因素，再用多元逐步logistic回归方法找出导致DGF发生的各项高危险因素，建立移植肾功能延迟恢复的logistic回归模型。结果 本组患者DGF发生率为16．51％。由一元logistic回归方法分析发现在α=0．05的水准上，DGF与心功能分级、透析时间、HLA-Ⅰ类错配、HLA总错配及移植肾冷缺血时间有关，但与是否再次移植、性别、年龄、血型、乙型肝炎病毒感染情况、肾脏热缺血时间、血管开放后泌尿时间等均无明显的相关性。用多元逐步logistic回归分析方法发现患者心功能分级、HLA-Ⅰ类抗原错配和移植肾冷缺血时间是影响DGF的重要因素。结论 DGF的发生不是移植肾冷保存时间过长或其它任何单一因素导致的，而是由供肾质量、免疫学因素和受者功能状况等多种因素决定的。应用DGF的多元回归预测模型，可以计算出患者发生DGF的概率，从而进行必要的临床干预，预防DGF的发生。     

机器学习方法构建老年患者术后急性肾损伤的预测模型

目的 采用机器学习方法构建老年患者术后急性肾损伤(AKI)的预测模型。方法 收集2019年6月至2020年7月行手术治疗的老年患者的术前信息和术后随访信息,提取实验室检查结果,共纳入115个术前变量,应用极端梯度提升(XGB)、梯度提升(GBM)、随机森林(RF)、支持向量机(SVM)和弹性网络逻辑回归(ELA)5种方法构建术后AKI预测模型,采用受试者工作特征曲线下面积(AUROC)、精确度-召回率曲线下面积(AUPRC)和Brier评分评估模型性能。为简化模型以便于临床实践应用,得到原始模型后剔除部分相关性较低的变量,并再次用上述方法对模型进行评估。结果 本研究最终纳入老年患者5 929例,男3 359例(56.7%),女2 570例(43.3%),年龄65～99岁,其中154例(2.6%)发生术后AKI。在应用5种机器学习方法构建的预测模型中,XGB模型的AUROC和AUPRC最高,分别为0.798(95%CI 0.705～0.888)和0.230(95%CI 0.079～0.374);Brier评分最低,为0.023(95%CI 0.014～0.029)。对XGB模型进行简化后...     

Lifeport与静态低温保存应用于器官捐献供肾保存效果的Meta分析

目的系统评价Lifeport与静态低温保存(CS)在器官捐献供肾的保存效果。方法计算机检索Medline数据库、Embase数据库、考克兰图书馆(Cochrane library)、中国生物医学文献数据库、中国知网、万方数据库和维普数据库,搜集Lifeport与CS在移植肾保存效果的相关临床研究,检索时限均从建库至2015年12月31日。按照纳入与排除标准选择文献,评价质量并提取资料,并评价纳入研究的偏倚风险后,采用Stata 12软件进行Meta分析。结果共纳入16个研究,包括5个随机对照试验(RCT)和11个回顾性队列研究(RCS)。Meta分析结果显示:与CS组比较,(1)总体捐献供肾(TDD),Lifeport组移植术后移植肾功能延迟恢复(DGF)发生率降低,DGF持续时间减少、平均住院日减少以及术后1年肾存活率增加,两组术后急性排斥反应(AR)发生率与1年人存活率相当;(2)心脏死亡器官捐献供肾(DCD):Lifeport组术后DGF发生率降低,术后平均住院日减少,两组术后移植肾原发性无功能(PNF)与AR发生率,术后1年人、肾存活率比较,差异无统计学意义;(3)扩展标准供肾(ECD):Lifeport组术后PNF发生率降低并改善术后1年肾存活率,两组术后DGF发生率、AR发生率与术后1年人存活率比较,差异无统计学意义。结论 Lifeport应用于器官捐献供肾保存具有一定的优势,但受纳入研究数量及质量所限,上述研究结论尚需开展更多高质量研究予以验证。     

LifePort阻力指数对肾移植术后移植肾功能延迟恢复预测的研究进展

肾移植是目前治疗终末期肾功能衰竭最为有效的手段,边缘供肾使用增加导致肾移植受者术后移植肾功能延迟恢复(DGF)发生率增高。Life Port作为一款肾脏机械灌注转运器,以其对供肾的显著保护作用而在临床上得到广泛应用。Life Port阻力指数可作为有效评估供肾灌注程度的指标,对于判断肾移植受者术后是否发生DGF具有重要参考价值。本文就Life Port阻力指数对肾移植术后DGF预测研究进展作一综述。     

基于机器学习剪切波弹性超声的早期慢性肾脏病分期预测模型

目的:探究基于机器学习剪切波弹性超声(SWE)的慢性肾脏病(CKD)分期预测模型建立与应用。方法:收集上海交通大学医学院附属仁济医院肾脏科2019年5月—2019年12月间具有天然肾活检临床指征CKD患者的临床资料。运用传统二元logistic回归法与支持向量机(SVM)机器学习算法分析与建模,通过ROC曲线分析评价各预测模型的诊断效能。结果:共纳入117例肾活检证实CKD的患者。CKD各期存在不同SWE值;基于机器学习SWE的预测模型诊断CKD1、2期,优于两种logistic回归方法构建的预测模型;Logistic回归与SVM模型都不能预测3期或以上CKD分期。结论:基于机器学习剪切波弹性超声的预测模型可以分层诊断早期CKD,为CKD早期诊断与分层管理提供新思路。     

机械灌注应用在肾移植中的效果评价(附36例报道)

目的探讨机械灌注法保存供肾的临床效果。方法 2013年5月至10月,解放军第181医院肾脏科采用机械灌注保存供肾共36例。采用LKT-100型Lifeport器官灌注运输器及其配套专用的相关软件进行机械灌注保存、运输、灌注供肾。分析患者术后一般情况,机械灌注过程中阻力系数和流速与移植物功能延迟恢复(DGF)发生的关系。结果 36例受者均未发生移植肾丢失。其中30例(83%)未发生DGF,移植肾功能恢复良好;6例出现DGF,经治疗术后3~18 d逐渐恢复正常。36例供肾进行机械灌注1 h,阻力系数≤0.3 mmHg/(ml·min)28例,受者术后均未发生DGF;阻力系数0.3 mmHg/(ml·min)8例,其中6例受者术后发生DGF。8例流速100 ml/min,受者均未发生DGF;21例流速60~100 ml/min,其中有1例受者发生DGF;7例流速60 ml/min,其中5例发生DGF。结论机械灌注法保存供肾能改善供肾质量,降低移植受者的DGF发生率。     

移植肾功能恢复延迟高危供者的评估及肾脏修复

我国自2015年1月1日开始,器官捐献成为我国器官移植唯一的合法来源。而公民逝世后器官捐献尸体供肾也带来一些移植术后并发症,特别是移植肾功能恢复延迟(delayed graft function,DGF)的发生率增加。导致公民逝世后器官捐献尸体供肾移植术后DGF的因素主要有:①DCD和ECD供体增多;②供体治疗、维护、获取和术后管理过程中供肾损伤;③传统静态冷保存技术不能满足需求。针对这些问题临床医生要做到以下几点:①对供体要做全面的评估,利用评估标准合理取舍供体,预测DGF风险;②对供体尽心维护,采取有效措施、降低高危因素引起供肾的损害;③对获取的供肾精心修复,采用以低温机械灌注保存为主的有效方法修复器官损害;④加强移植术后受者的管理,预见性防治措施降低DGF发生率。总之,依据临床工作的实际情况,结合器官获取和临床移植工作的操作流程,进行供肾评估与修复具有十分重要的意义。     

应用LifePort器官转运器改善肾移植效果的大宗临床研究(附573例报告)

目的探讨供肾脉冲灌注保存转运器(LifePort)保存心脏死亡器官捐献(DCD)供肾和扩大标准供体(ECD)供肾对肾移植术后受者肾功能恢复的影响。方法回顾性分析466例器官捐献(DCD+ECD)供者和882例肾移植受者围手术期的临床资料。根据供肾保存方式不同,将309例DCD供者的左右两侧肾脏随机分为LifePort(DCD-LP)组(309例)和DCD冷藏组(309例);132例ECD供者的双侧供肾全部采用LifePort保存并转运,设为ECD-LP组(264例)。分别观察3组受者术后总体情况、术后早期移植肾功能指标、术后并发症发生情况;对比观察肾移植术前零点穿刺肾组织病理学检查结果;比较肾移植术后有否发生移植物功能延迟恢复(DGF)受者的供肾LifePort灌注参数。结果与DCD冷藏组比较,DCD-LP组、ECD-LP组受者的住院时间明显缩短,差异均有统计学意义(均为P0.05)。DCD冷藏组、DCD-LP组、ECD-LP组围手术期的人存活率均为100%,肾存活率分别为99.7%、100%、99.2%,差异均无统计学意义(均为P0.05)。与DCD冷藏组比较,DCD-LP组、ECD-LP组的DGF发生率明显降低,差异均有统计学意义(均为P0.05)。3组受者的术后早期肾功能,急性排斥反应、感染和外科并发症的发生率比较,差异均无统计学意义(均为P0.05)。病理学检查结果显示,采用LifePort灌注能明显减轻肾小管的水肿、变性、坏死。发生DGF者的供肾LifePort灌注阻力指数明显高于未发生DGF者,而供肾LifePort灌注流量则明显低于未发生DGF者,差异均有统计学意义(均为P0.05)。结论 LifePort能有效改善离体DCD和ECD供肾质量,降低术后DGF发生率,促进移植肾功能恢复,并可在离体肾脏维护及评估中对术后恢复情况作出预判。     

肾移植术后导致肾功能恢复延迟的危险因素分析

目的探讨肾移植术后发生肾功能恢复延迟(DGF)的危险因素。方法对肾移植术后发生DGF的111例患者(DGF组)及同期未发生DGF的141例患者(对照组)的临床资料进行回顾性分析,用χ2检验进行单因素分析,用Logistic进行多因素回归分析,计算其相对危险度。结果单因素及多因素分析表明,冷缺血时间,热缺血时间,术中、术后早期低血压,群体反应性抗体阳性,急性肾小管坏死,加速性排斥反应,神经钙调素抑制剂肾毒性,术后早期尿漏、输尿管梗阻等8种因素是发生DGF的危险因素。结论术前、术中及术后早期的多种因素均能导致DGF,其发生基础为缺血-再灌注损伤,应针对多种危险因素采取综合预防措施。     

肾移植受者术后肺部感染风险预测模型的构建及效果评价

目的 探讨肾移植受者术后1年内发生肺部感染风险预测模型的构建及其预测价值.方法 回顾性分析197例肾移植受者的临床资料,根据术后1年内是否发生肺部感染分为感染组(42例)和非感染组(155例).分析肾移植术后肺部感染的发生情况及危险因素,利用多元logistic回归分析建立风险预测模型.选取符合标准的45例肾移植受者进...     

老年髋关节置换术患者术后慢性疼痛的相关因素及其预测模型

目的探讨老年患者髋关节置换术后6个月发生慢性疼痛(CPSP)的相关因素,并进一步建立风险预测模型。方法选择在腰-硬联合麻醉下行髋关节置换术患者177例,男85例,女92例,年龄65～80岁,ASAⅠ—Ⅲ级。应用NRS量表评价术后24 h以及术后6个月的疼痛情况。依据国际疼痛学会的标准诊断CPSP。根据患者术后6个月是否诊断为CPSP分为两组,采用单因素及多因素Logistic回归分析CPSP的相关因素并建立风险预测模型。结果单因素分析提示术后6个月CPSP相关因素包括饮酒史、术中出血量、术中输血量、手术时间、手术类型、术后24 h NRS评分以及术后镇痛方式(P0.05)。多因素Logistic回归分析提示CPSP危险因素包括术中出血量大、手术时间长以及术后24 h NRS评分3分(P0.05)。CPSP风险预测模型具有较高的敏感性(78.05%)和特异性(97.04%)。结论本研究建立CPSP的风险预测模型,能够较为准确地预测老年患者髋关节置换术后6个月CPSP发生的风险。     

供肾Remuzzi评分对肾移植受者预后的指导作用

目的分析不同Remuzzi评分供肾移植后受者/移植肾预后情况。 方法回顾性分析武汉大学人民医院2018年11月至2020年8月接受单肾移植的81例受者临床资料。根据供肾Remuzzi评分将81例受者分为低分组(Remuzzi评分0~3分,n＝38)及高分组(43例)(Remuzzi评分4~6分,n＝43)。正态分布计量资料采用两独立样本t检验比较;非正态分布计量资料采用Mann-Whitney U检验比较。计数资料采用χ²检验或Fisher确切概率法比较。采用Graphpad 8.0.2绘制受者/移植肾生存曲线,并采用log-rank检验比较。P<0.05为差异有统计学意义。 结果低分组38例受者供肾Remuzzi评分为(2.23±0.87)分,高分组43例受者供肾Remuzzi评分为(4.56±0.66)分,差异有统计学意义(t＝-13.449,P<0.05)。低分组术后1、3个月血清肌酐分别为(143±92)和(136±75) μmol/L,高分组分别为(138±80)和(123±39) μmol/L,差异均无统计学意义(t＝0.237和1.031,P均>0.05)。低分组术后6个月血清肌酐[107.5(60,821) μmol/L]低于高分组[113.0 (67,224) μmol/L],差异有统计学意义(U＝-0.371,P<0.05)。低分组术后1、3和6个月估算肾小球滤过率分别为(60±24)、(59±26)和(61±27)mL/min,高分组分别为(64±25)、(64±21)和(66±20)mL/min,差异均无统计学意义(t＝-0.823、-0.903和-0.756,P均>0.05)。截至2022年2月14日,受者随访时间(29±6)个月(1~36个月)。低分组16例受者(42.1%)移植术后发生移植肾功能延迟恢复(DGF),高分组12例受者(27.9%)移植术后发生DGF,差异无统计学意义(χ²＝0.180,P>0.05)。两组受者术后生存率差异无统计学意义(χ²＝0.668,P>0.05)。两组受者移植肾存活率差异有统计学意义(χ²＝4.078,P<0.05)。低分组发生DGF、低分组未发生DGF、高分组发生DGF和高分组未发生DGF受者术后生存率及移植肾存活率差异均无统计学意义(P均>0.05)。 结论Remuzzi评分作为供肾病理学评估的重要部分,为肾移植受者术后治疗提供一定指导,评分较高供肾移植后受者也能获得良好预后。     

体重指数对肾移植近期预后的影响:附单中心1041例报告

目的探讨体重指数(BMI)对肾移植术后患者近期预后的影响。方法回顾性分析2009年3月至2013年3月在解放军第309医院器官移植研究所首次行肾移植手术的1 041例成年患者的临床资料。根据中国常用成人肥胖与超重标准将纳入的患者分为4组:BMI﹤18.5 kg/m2组(消瘦组)112例,BMI 18.5~23.9 kg/m2组(正常组)606例,BMI 24.0~27.9 kg/m2组(超重组)250例,BMI≥28.0 kg/m2组(肥胖组)73例。观察与比较4组患者术后1年的移植物功能延迟恢复(DGF)、急性排斥反应(AR)发生率,以及计算1年人、肾存活率。采用单因素和多因素Logistic回归法分析BMI与DGF发生的关系,以探讨不同BMI值对DGF的影响。结果随访1年,肥胖组DGF的发生率明显高于正常组和消瘦组(均为P﹤0.05),但术后AR的发生率及术后1年人或肾存活率比较差异无统计学意义(均为P0.05)。单因素分析显示肥胖增加肾移植术后发生DGF的风险(OR为1.33,P﹤0.05)。多因素分析显示超重与肥胖均为肾移植术后发生DGF的独立危险因素(OR分别为1.56、1.37,均为P﹤0.05)。结论超重与肥胖增加术后DGF风险,但不增加术后AR发生率,亦不影响术后近期人、肾存活率。     

移植肾功能延迟恢复与供者谷胱甘肽硫转移酶多态性的研究

目的 探讨影响移植肾功能延迟恢复(DGF)的相关因素.方法 收集肾移植受者150例临床资料.其中24例发生DGF,对可能影响DGF发生的各项指标进行统计学分析.提取移植肾供者172例和健康体检者157例外周血中基因组DNA,应用多重PCR和特异性引物多态PCR技术检测谷胱甘肽硫转移酶(GST)基因多态性,比较DGF和无DGF组供者GST基因多态性的差异.结果 受者DGF组和非DGF组性别(χ~2=0.028,P=0.867)、PRA(χ~2=1.564,P=0.211)及透析类型(χ~2=0.585,P=0.444)之间比较差异无统计学意义(P>0.05);单因素线性回归分析提示术后第2个24 h尿量、第1和第2个24 h入量与T_(1/2(SCr))间存在线性关系(P<0.05),Cox风险比例回归模型提示术后第2个24 h尿量可判断受者移植肾功能的恢复情况(RR=1.002,P=0.001).DGF组供者GSTMl基因型缺失频率为86.4%,与未发生DGF组的62.7%、健康对照组的47.8%比较差异有统计学意义(P<0.05).结论 受者术后第2个24 h尿量对预测DGF的发生有重要意义.供者GSTMl基因型缺失可能是发生DGF的原因之一.