3.9 Q1 | meta | 加拿大魁北克省蒙特利尔麦吉尔大学| 透析患者缺血性卒中和出血的预测模型：系统评价和荟萃分析

第一段–文章基本信息

文章题目：Prediction models for ischemic stroke and bleeding in dialysis patients: a systematic review and meta-analysis

中文标题：透析患者缺血性卒中和出血的预测模型：系统评价和荟萃分析

发表杂志：Clin Kidney J 

影响因子：1区，IF=3.9

发表时间：2024年11月

第二段–本文创新点和科研启发

本文创新点和科研启发

全面评估预测模型的性能： 本研究通过系统综述和荟萃分析，全面评估了现有预测模型在透析患者中预测缺血性中风和出血事件的性能。研究发现，尽管已有多个预测模型被开发用于这一目的，但大多数模型的预测性能有限，且在外部验证中的表现不一致。这一发现强调了在临床实践中谨慎使用这些预测模型的必要性，并提示需要进一步改进模型以提高其准确性和可靠性。

识别关键预测因素： 研究识别了影响透析患者缺血性中风和出血事件的关键预测因素，包括年龄、性别、合并症（如高血压、糖尿病）、实验室指标（如血红蛋白、血小板计数）以及透析相关因素（如透析时间和透析方式）。这些因素为未来预测模型的开发提供了重要的参考依据，有助于提高模型的预测能力。

为未来研究和临床实践提供指导： 本研究的结论为未来的研究方向和临床实践提供了重要指导。研究结果表明，尽管现有的预测模型在一定程度上能够识别高风险患者，但仍有改进空间。建议未来的研究应关注模型的外部验证和多中心数据的使用，以提高模型的泛化能力。此外，研究还强调了在临床实践中，结合临床判断和预测模型结果的重要性，以更好地管理透析患者的中风和出血风险。

第三段-Introduction

背景

中风是全球第二大死亡和残疾原因，尽管其死亡率在过去二十年中有所下降，但发病率和疾病负担却在增加。慢性肾脏病（CKD）是中风的独立危险因素，终末期肾病（ESKD）患者的中风风险比一般人群高出10倍，且预后更差。透析患者不仅中风风险增加，大出血发作次数也更多，这与高龄、心房颤动（AF）、糖尿病等常见心血管危险因素以及透析相关的独特特征有关。在一般人群中，CHADS2和CHA2DS2-VASc等风险评分被广泛用于预测中风风险，但这些模型主要在AF队列中开发，未包括透析患者。因此，目前尚不清楚这些评分在透析患者中的表现，也缺乏专门为该人群设计的风险评分。本综述旨在系统总结所有关于开发或验证透析患者中风和出血预测评分的数据。

第四段-Methods

方法

检索策略

通过Ovid平台系统检索了MEDLINE和Embase数据库，从建库到2024年1月12日。使用了与卒中、出血、ESKD和预测模型相关的关键词和主题词的组合。对纳入的研究和以前的系统评价进行前向和后向引文检索。Endnote的重复检测功能用于检测重复项。

研究选择

如果研究符合以下纳入标准，则符合纳入标准：（i）成人（≥18岁）的原始研究；（ii）报告中风或出血预测模型开发或验证的研究；（iii）开发或验证队列必须报告ESKD患者的结果；（iv）文章应在同行评审期刊上发表。排除了：（i）报告了危险因素与中风和出血之间关联的研究，而不是完整的预测模型；（ii）对普通人群中风或出血预测模型的研究。要包含在荟萃分析中，模型必须具有来自三个或更多队列的c统计数据。 将记录上传到系统评价网络应用程序（Covidence系统评价软件，Veritas Health Innovation，澳大利亚墨尔本）。两名独立研究者筛选了所有已确定文章的标题和摘要，并在需要时审查了全文手稿，以确定纳入的相关研究。通过讨论解决分歧，如果无法达成共识，则咨询第三位高级研究员。 该综述在PROSPERO（CRD42024543041）上注册，并根据PRISMA声明和CHecklist进行预测建模研究系统评价（CHARMS）。 

数据提取和质量评估

纳入研究的全文和补充由两名独立研究者审查，他们使用相同的方案在excel电子表格中提取数据。这两位研究者使用预测模型偏倚风险分析工具（PROBAST）评估了每项研究中每个模型的偏倚风险和对综述问题的适用性。评价员之间的差异通过协商一致解决了。 采用建议分级、评估、开发和评价（GRADE）方法评估证据质量。 提取了鉴别和校准的测量，以便定量综合模型的预测性能。我们提取了c统计量或受试者工作特征曲线下面积（AUROC）和相应的95% CI的数据。当95% CI未报告时，我们使用Debray等人描述的方法计算它。我们提取了有关是否报告了观测与预期（O：E）事件的比率或校准斜率的数据。当通过添加变量来增强预先存在的模型以提高模型的预测价值时，我们检索了与原始模型相比，增强模型的净重分类改进（NRI）指数的改进率以及两个模型之间差异的P值。

统计分析

连续变量报告为标准差±均值，分类变量报告为百分比。如果结果报告为中位数和四分位数范围，我们使用Wan等人将它们转换为样本均值和标准差。P值<.05被认为具有统计学意义。 在每项研究中，评估了模型的c统计量/AUROC，其中包含0.5的95% CI表明鉴别力不足。根据每项研究中报告的方法评估预测模型的校准。关于增强，我们将显著改善定义为P值为<.05的NRI指数。 我们通过Debray等人建议的c统计量和相应的95% CI的汇总测量对歧视进行了随机效应荟萃分析。我们计算了95%预测区间（PI），以证明研究间异质性的程度，并指出新验证中预测模型性能的可能范围。当汇总c统计量的95% CI或PI包括0.5时，我们认为没有足够的证据表明预测模型对透析人群中风或出血具有统计学意义的区分能力。根据以往文献，<0.60、0.60-0.70、0.70-0.80和>0.80的总结c统计量被定义为不充分、充分、可接受和优秀。 在我们的分析中，我们评估了具有三个或更多具有c统计数据的队列的模型的总体区分度。我们进行了敏感性分析，将我们的分析仅限于那些总体PROBAST评估为“低”或“不明确”偏倚风险的研究。所有统计分析均使用Stata（版本18 SE;美国德克萨斯州大学城）。

第五段-Results

结果

研究选择

共检索到 5917 项研究（2945 项来自 MEDLINE，2972 项来自 Embase）。删除重复项后，仍有 5129 项研究进行筛选，16 项研究纳入全文综述。最后，8项研究被纳入系统评价和meta分析。完整的研究选择过程如图 1 所示。

纳入研究的特点

纳入的研究基于 7 个不同的队列。纳入队列中患者的研究特征和基线特征见表1。参与者人数从 141 到 53 147 人不等，平均年龄 60-77 岁，女性比例为 34-53%，平均随访时间为 16 个月至 3.5 年。

在报告缺血性卒中预测模型验证的五项研究中，有三项研究报告了这些模型在透析治疗开始前患有 AF 或在透析开始后发生 AF 的 ESKD 患者中的性能。在 Sab等人的研究中。AUROC 曲线和 c 统计量仅在包括有和没有 AF 的患者在内的总队列中可用。在剩下的一项研究中，de Jong 等人。在透析患者中验证了几种模型，但没有考虑 AF 的存在与否。然而，他们进行了敏感性分析，仅在伴随维生素 K 拮抗剂 （VKA） 使用者的透析患者中验证了评分。

在报告出血预测模型验证的研究中，这些模型在患有和没有 AF 的患者队列中进行了测试。在两项研究中，根据 VKA 使用状态进行敏感性分析。

包含的预测模型的特征

缺血性中风预测模型

所有纳入的研究均验证了从普通人群队列中得出的预先存在的模型，没有研究开发新的透析特异性中风预测模型。

出血预测模型

新模型开发

两项研究开发了新的透析特异性出血预测模型。Madken等人报告了BLEED-HD风险算法的发展，该算法在透析结果和实践模式研究（DOPPS）队列中得出，并在加拿大器官替代登记处得到验证。Nopp等人使用机器学习技术开发了四个模型，但未进行外部验证。 

现有模型验证

所有纳入的研究均在透析队列中验证了在一般人群中使用的出血预测算法。

纳入队列中的风险预测模型性能

缺血性中风预测模型

CHADS2和CHA2DS2-VASc评分的判别能力通常较差，c统计量/AUROC范围为0.61（95% CI 0.60-0.62）至0.68（95% CI 0.67-0.69）。只有Wang等人发现两种模型都具有出色的判别能力，CHADS2评分为0.88（95% CI 0.80-0.96），CHA2DS2-VASc为0.85（95% CI 0.77-0.93）。de Jong等人评估了另外13个性能非常差的模型。 

校准效果

仅由de Jong等人评估，报告除Framingham心脏研究模型外的所有15种模型（包括CHADS2和CHA2DS2-VASc）的校准效果不佳。 

出血预测模型

透析队列中得出的预测模型

BLEED-HD模型在其发育队列中显示出较差的鉴别力，c统计量范围为0.66至0.69，但校准效果良好。Nopp等人开发的四种机器学习模型的判别能力很差，c统计量范围为0.49至0.55。 –

透析队列中模型的外部验证

HAS-BLED评分是评估最常见的出血风险评分，判别能力范围为0.50（95% CI 0.39-0.60）至0.76（95% CI 0.69-0.83）。ATRIA和HEMORR（2）HAGES评分的c统计量为0.55（95% CI 0.48-0.62）至0.58（95% CI 0.51-0.65）。ORBIT、OBRI和mOBRI也表现出非常差的判别性能。在报告校准措施的研究中，出血风险评分的校准被描述为差至中度。 

模型增强

两项研究提供了增强数据。与CHADS2评分相比，CHA2DS2-VASc评分使NRI提高了4.8%（95% CI 3.2%-6.6%）（P < .0001），而BLEED-HD评分在NRI方面优于HAS-BLED、ATRIA和HEMORR（2）HAGES评分（P < .0001）。

偏倚风险评估

总体而言，纳入的研究中有6项存在低或不明确的偏倚风险，而2项处于高偏倚风险（图2）。

Meta 分析 

缺血性卒中的预测模型

   只有 CHA2DS 2-VASc 和 CHADS2 评分符合荟萃分析条件。尽管异质性高，但 CHA2DS 2-VASc 具有统计学意义的 95% PI。虽然预测区间不包括 0.5，但其判别性能远非最佳，汇总 c 统计量为 0.68（根据我们的定义认为足够）。CHADS2 评分具有不显著的 95% PI，并且显示出与 CHA2DS 2-VASc 评分相似的判别能力（图3）。

在我们的敏感性分析中，仅包括非高偏倚风险的研究，这仅对 CHA2DS 2-VASc 评分有效，汇总预测能力仍然足够（c 统计量为 0.65），但 95% PI 非常大（0.02-1.28）。95% 预测区间表示新验证中模型性能的可能范围。在这种情况下，在值远低于 0.5 的情况下，没有足够的证据表明预测模型对透析人群中风具有统计学意义的区分能力。 

出血预测模型

3 项出血风险评分符合荟萃分析条件。没有一个分数的 95% PI 不包括 0.5，而 ATRIA 和 HEMORR（2）HAGES 显示出预测性能不足，没有异质性（图4）。 HAS-BLED 的预测能力勉强足够，但在进行的敏感性分析中，仅包括非高偏倚风险的研究，总 c 统计量为 0.56（提示判别能力不足），95% PI 包括 0.5（图4）。

证据质量

总体质量水平被降级为“中等”，因为鉴于纳入研究的高异质性，结果不一致。这意味着进一步的研究可能会对我们对效果估计的信心产生重要影响。

第六段-结论

结论

现有的中风和出血预测模型在透析人群中表现非常差。应制定新的透析特异性风险评分，以指导这些患者的临床决策。