WO2020101456A1 - 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법 - Google Patents

비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법 Download PDF

Info

Publication number
WO2020101456A1
WO2020101456A1 PCT/KR2019/015727 KR2019015727W WO2020101456A1 WO 2020101456 A1 WO2020101456 A1 WO 2020101456A1 KR 2019015727 W KR2019015727 W KR 2019015727W WO 2020101456 A1 WO2020101456 A1 WO 2020101456A1
Authority
WO
WIPO (PCT)
Prior art keywords
cardiac surgery
renal failure
acute renal
index
less
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2019/015727
Other languages
English (en)
French (fr)
Inventor
이하정
박세훈
김연수
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seoul National University Hospital
Original Assignee
Seoul National University Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020190139378A external-priority patent/KR102388887B1/ko
Application filed by Seoul National University Hospital filed Critical Seoul National University Hospital
Priority to US17/294,657 priority Critical patent/US20220008018A1/en
Publication of WO2020101456A1 publication Critical patent/WO2020101456A1/ko
Anticipated expiration legal-status Critical
Priority to US18/907,955 priority patent/US20250029731A1/en
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A61B5/201—Assessing renal or kidney functions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Definitions

  • the present invention relates to a system and method for predicting the risk of acute renal failure after non-cardiac surgery.
  • Acute renal injury after surgery is an important event related to the death / dialysis / extended hospital stay of the patient after surgery, which occurs at a rate of 1-30% in the patient who underwent surgery. It is known from previous reports that when acute kidney damage occurs, the risk of short- or long-term death or the risk of dialysis due to renal failure increases, and medical expenses during and during hospital stays also increase significantly. There have been many reports of renal damage after heart surgery in previous studies, but studies of renal damage after non-cardiac surgery have been relatively rare. In particular, a predictive model for evaluating patients at high risk of acute renal injury after surgery and predicting the risk of occurrence has been rarely reported. Among them, a prediction model using "clinical easy-to-use score system" that has confirmed its feasibility in an independent patient group. Had no reports.
  • An object of the present invention is to provide a system and method for predicting the risk of acute renal failure after non-cardiac surgery using non-cardiac clinical data from non-cardiac patients.
  • variable selection unit for selecting factors related to the occurrence of acute renal failure after non-cardiac surgery consisting of clinical data before non-cardiac surgery of patients subject to non-cardiac surgery as variables, and setting an index set for each variable;
  • a classification reference point setting unit that calculates sensitivity and specificity for the sum of the combination of exponents for each index set, and sets cut-off values according to the sensitivity and specificity
  • the non-cardiac surgery that requires the prediction is calculated based on the classification reference points set in the classification reference point setting unit by calculating the sum of the indices determined according to the set of indices set for each variable selected by the variable selection unit for the non-cardiac surgery target patient
  • a prediction unit for the risk of acute renal failure after non-cardiac surgery to predict the risk of acute renal failure after non-cardiac surgery of the target patient
  • the factors related to the occurrence of acute renal failure after non-cardiac surgery are age, estimated glomerular filtration rate (eGFR), dipstick albuminuria, sex, and expected duration of surgery (Expected) surgical duration, emergency operation, diabetes mellitus, lenin-aldosterone-angiotensin-system blockade use, RAAS blockade use, hypoalbuminemia , Anemia and hyponatremia (Hyponatremia) at least one selected from the group consisting of, a system for predicting the risk of acute renal failure after non-cardiac surgery.
  • eGFR estimated glomerular filtration rate
  • sex dipstick albuminuria
  • Expected expected duration of surgery
  • the index set is set according to the selection category for each variable except for the expected surgical duration, and 0, 3, 4, 6 to 9, 13, 15, and 22 for each selection category Any one of the selected exponent is set, the total sum of the exponents by selection category of the variable is 0 to 81, the system.
  • the index set in the expected surgical duration (Expected surgical duration) of the variable is that the index is set to 5 times the expected surgical duration (time).
  • the age is divided into selection categories under 40, under 40, under 60, over 60, under 80, and over 80,
  • the estimated glomerular filtration rate is 60 mL / min / 1.73 m 2 or more, 45 mL / min / 1.73 m 2 or more and 60 mL / min / 1.73 m 2 or less, 30 mL / min / 1.73. m 2 over 45 mL / min / 1.73 m 2 below, 15 mL / min / 1.73 m 2 at least 30 mL / min / 1.73 m, the system is divided into the selection criteria of less than 2.
  • factors related to the occurrence of acute renal failure after non-cardiac surgery are age, estimated glomerular filtration rate (eGFR), dipstick albuminuria, sex , Expected surgical duration, Emergency operation, Diabetes mellitus, Renin-aldosterone-angiotensin-system blockade use, RAAS blockade use , Hypoalbuminemia, Anemia and Hypoonatremia.
  • the predicted risk of acute renal failure after non-cardiac surgery is A according to the sum of indices determined according to the set of indexes set for each variable selected in the variable selection unit for the non-cardiac surgery target patient in need of prediction.
  • B, C, D A system classified into four grades.
  • the grade A is the total of the index is less than 20
  • the grade B is the sum of the index is 20 or more and less than 40
  • the grade C is the sum of the index is 40 or more and less than 60
  • the D grade is classified when the sum of the indices is 60 or more.
  • the A grade is less than 2% probability of acute renal failure and severe acute renal failure after non-cardiac surgery in non-cardiac patients in need of the prediction
  • the probability of acute renal failure after non-cardiac surgery in patients with non-cardiac surgery requiring the prediction is 2% or more, and the probability of serious acute renal failure is less than 2%
  • the probability of acute renal failure after non-cardiac surgery in patients with non-cardiac surgery requiring the prediction is 10% or more, and the probability of serious acute renal failure is 2% or more,
  • the D-class is a system in which the probability of acute renal failure after non-cardiac surgery in patients with non-cardiac surgery requiring the prediction is 20% or more, and a probability of serious acute renal failure is 10% or more.
  • a first step of selecting factors related to the occurrence of acute renal failure after non-cardiac surgery consisting of clinical data before non-cardiac surgery of patients subject to non-cardiac surgery as variables, and setting an index set for each of the variables;
  • a non-cardiac surgical target that requires the prediction is calculated based on a set of indexes determined in accordance with the index set set for each variable selected in the first step for a non-cardiac surgical target patient that needs prediction And a third step of predicting the risk of acute renal failure after non-cardiac surgery in a patient.
  • the factors related to the occurrence of acute renal failure after non-cardiac surgery are age, estimated glomerular filtration rate (eGFR), dipstick albuminuria, sex, and expected duration of surgery (Expected) surgical duration, emergency operation, diabetes mellitus, lenin-aldosterone-angiotensin-system blockade use, RAAS blockade use, hypoalbuminemia , Anemia and at least one selected from the group consisting of hyponatremia, a method for predicting the risk of acute renal failure after non-cardiac surgery.
  • eGFR estimated glomerular filtration rate
  • sex dipstick albuminuria
  • Expected expected duration of surgery
  • the index set is set according to the selection category for each variable except for the expected surgical duration, and 0, 3, 4, 6 to 9, 13, 15, and 22 for each selection category Any one of the selected exponent is set, the total sum of the exponents by selection category of the variable is 0 to 81.
  • the index set in the expected surgical duration (Expected surgical duration) of the variable is that the index is set to 5 times the expected surgical duration (time).
  • the age (age) among the above variables are divided into selection categories under 40, under 40, under 60, over 60, under 80, and over 80,
  • the estimated glomerular filtration rate is 60 mL / min / 1.73 m 2 or more, 45 mL / min / 1.73 m 2 or more and 60 mL / min / 1.73 m 2 or less, 30 mL / min / 1.73. m 2 over 45 mL / min / 1.73 m 2 below, 15 mL / min / 1.73 m 2, methods that are separated by more than 30 mL / min / 1.73 m 2 under the selected category.
  • the factors related to the occurrence of acute renal failure after non-cardiac surgery are age, estimated glomerular filtration rate (eGFR), dipstick albuminuria, sex , Expected surgical duration, Emergency operation, Diabetes mellitus, Renin-aldosterone-angiotensin-system blockade use, RAAS blockade use , Hypoalbuminemia, Anemia and Hyponatremia.
  • the predicted risk of acute renal failure after non-cardiac surgery is A according to the sum of indices determined according to a set of indices set for each variable selected in the variable selector for non-cardiac surgery target patients who need prediction. Methods classified into four grades B, C, and D.
  • the grade A is the total of the index is less than 20
  • the grade B is the sum of the index is 20 or more and less than 40
  • the grade C is the sum of the index is 40 or more and less than 60
  • the D grade is classified when the sum of the index is 60 or more.
  • the A grade is less than 2% of the probability of acute renal failure and severe acute renal failure after non-cardiac surgery in non-cardiac patients in need of the prediction
  • the probability of acute renal failure after non-cardiac surgery in patients with non-cardiac surgery requiring the prediction is 2% or more, and the probability of serious acute renal failure is less than 2%
  • the probability of acute renal failure after non-cardiac surgery in patients with non-cardiac surgery requiring the prediction is 10% or more, and the probability of serious acute renal failure is 2% or more,
  • the D-grade is a method for predicting acute renal failure after non-cardiac surgery in patients with non-cardiac surgery in need of the prediction is 20% or more, and a probability of serious acute renal failure is 10% or more.
  • the present invention can predict acute renal failure or related prognosis of a patient before actual surgery is performed with measurable / predictable indicators before surgery. Furthermore, the present invention not only reduces the risk of short-term / long-term death, the risk of dialysis, etc., but also uses an accurate, simple and easy scoring system.
  • 1 is a diagram summarizing an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a variable selection process performed in the discovery cohort.
  • FIG. 3 is a diagram showing a correction chart and a receiver operating characteristic curve.
  • FIG. 4 is a diagram showing sensitivity and specificity to the SPARK index.
  • 5 is a diagram showing SPARK risk classification and incidence of low-stage AKI and severe AKI.
  • FIG. 6 is a view showing a pre-operative PO-AKI risk assessment strategy based on the proposed SPARK classification.
  • FIG. 7 is a diagram showing a correction chart and a receiver manipulation characteristic curve of each surgical department.
  • the present invention relates to a system for predicting the risk of acute renal failure after non-cardiac surgery.
  • the system of the present invention includes a variable selection unit for selecting factors related to the occurrence of acute renal failure after non-cardiac surgery consisting of clinical data before non-cardiac surgery of patients subject to non-cardiac surgery as variables, and setting an index set for each of the variables. .
  • the non-cardiac surgery means any surgery other than heart surgery.
  • the non-cardiac surgery preclinical data of the non-cardiac surgery patients may include at least one selected from an electronic medical record (EMR) of a hospital, an interview with a patient or guardian, an inpatient nursing information record, a nursing activity report, and an inpatient record. It may be by route, but is not limited thereto.
  • EMR electronic medical record
  • the factors related to the occurrence of acute renal failure after non-cardiac surgery may be collected from a discovery cohort and a validation cohort, but are not limited thereto.
  • variable selection unit may consider statistical assumptions and multivariable analysis for a proportional odds regression technique and select factors with a large model coefficient as variables, but is limited to this. It is not.
  • variable selector builds a multivariable model for ordinal variables composed of negative prognosis related to acute renal failure using the proportional odds regression technique with the selected variables.
  • index set for each variable it is possible to set the index set for each variable so that the sum of the exponents set in each variable reflects the risk by converting the model coefficients to an integer at the same time, but is not limited thereto.
  • the factors related to the occurrence of acute renal failure after non-cardiac surgery are age, estimated glomerular filtration rate (eGFR), dipstick albuminuria, sex, and expected duration of surgery (Expected) surgical duration, emergency operation, diabetes mellitus, lenin-aldosterone-angiotensin-system blockade use, RAAS blockade use, hypoalbuminemia ,
  • Anemia and hyponatremia may include at least one selected from the group consisting of, and preferably may include all, but is not limited thereto.
  • an index set may be set for each index for each variable except for the expected surgical duration.
  • the index set is set to (0, X), and X is any index selected from 3, 4, 6 to 9, 13, 15 and 22.
  • the patient will have one index in the index set according to the definition of the variable.
  • the index set of the gender variable is (0, 8)
  • the index may be 10 if the patient is a man and 0 when the patient is a male.
  • each variable may vary in size of the index set by the number of selection categories. For example, if a predetermined variable has three selection categories, the set of indices set for the predetermined variable may be (0, Y, Z). At this time, Y and Z are values corresponding to any one of the above X, and Y does not have the same value as Z.
  • the age (age) can be divided into a selection category of less than 40, less than 40 and less than 60, more than 60 and less than 80, and more than 80 years,
  • the estimated glomerular filtration rate is 60 mL / min / 1.73 m 2 or more, 45 mL / min / 1.73 m 2 or more and 60 mL / min / 1.73 m 2 or less, 30 mL / min / 1.73. m 2 or more and less than 45 mL / min / 1.73 m 2 , 15 mL / min / 1.73 m 2 or more and 30 mL / min / 1.73 m 2 or less.
  • the age can be set to 0 if it is less than 40 years old, and if it is 40 or more and less than 60 years old, 6, 60 or more, and if it is less than 80 years old, 9, 80 or more, 13 exponential sets may be set;
  • the estimated glomerular filtration rate (estimated glomerular filtration rate, eGFR) was 60 mL / min / 1.73 when m 2 or more 0, 45 mL / min / 1.73 m 2 is more than 60 mL / min / 1.73 m is less than 2 8, 30 mL / If min / 1.73 m 2 or more and less than 45 mL / min / 1.73 m 2 , 15, 15 mL / min / 1.73 m 2 or more and less than 30 mL / min / 1.73 m 2, an index set of 22 may be set; A set of exponents of 6 and 0 if Dipstick albuminuria is present can be set; A set of exponents of 8
  • the unit of the expected surgical duration (Expected surgical duration) of the variable may be a time, the expected surgical duration may be set to an index of 5 times that period. For example, if the expected duration of surgery is 3 hours, the index of that variable is 15.
  • the system for predicting the risk of acute renal failure after non-cardiac surgery of the present invention calculates sensitivity and specificity for the sum of combinations of indexes for each index set, and classifies them according to the sensitivity and specificity And a classification reference point setting unit for setting cut-off values.
  • the classification reference point setting unit may set the classification reference point by calculating the sensitivity and specificity for the sum of the combinations of exponents for each set of exponents using a receiver operating characteristic curve (ROC curve).
  • ROC curve receiver operating characteristic curve
  • the index set means a set of indices set according to the size of a selection category of each variable, and the combination of indices for each of the index sets means each corresponding variable except for an expected surgical period obtained from clinical data of a non-cardiac patient. It means a combination of indices according to a selection category of, and the sum of the combinations of indices for each index set excluding the estimated surgical period may be a minimum of 0 to a maximum of 81.
  • the sensitivity and specificity of each index combination total are analyzed by the receiver manipulation characteristic curve, and the sensitivity and specificity of the variable can be calculated according to the area under the curve (AUC) value of the discovery cohort and validation cohort. Can be.
  • the classification reference point can be set as a classification reference point by performing a receiver operating characteristic (ROC) curve analysis in order to obtain a predicted probability using an estimated regression coefficient value, and by obtaining a sum of sensitivity and specificity.
  • ROC receiver operating characteristic
  • a cut-off value may be set using a youden index of a receiver operating characteristic curve (ROC curve).
  • ROC curve receiver operating characteristic curve
  • the system for predicting the risk of acute renal failure after non-cardiac surgery of the present invention calculates the sum of indices determined according to a set of indices set for each variable selected in the variable selection unit for a patient in need of prediction. It includes; a prediction unit for the risk of acute renal failure after non-cardiac surgery predicting the risk of acute renal failure after non-cardiac surgery in a non-cardiac surgery target patient based on the classification reference points set in the reference point setting unit.
  • the risk of acute renal failure after non-cardiac surgery is predicted according to the sum of indices determined according to a set of indices set for each variable selected in the variable selector for non-cardiac surgery target patients in need of prediction.
  • A, B, C, D can be classified into a total of four grades.
  • the grade A is the sum of the indices is less than 20, the grade B is the sum of the indices is 20 or more and less than 40, the grade C is the sum of the indices is 40 or more and less than 60, the grade D is the index It may be classified when the total is 60 or more.
  • the A grade may be less than 2% of the probability of acute renal failure and severe acute renal failure after non-cardiac surgery in a non-cardiac surgery patient in need of the prediction
  • the B grade is the prediction
  • the probability of occurrence of acute renal failure after non-cardiac surgery in patients in need of non-cardiac surgery may be 2% or more, and the probability of occurrence of severe acute renal failure may be less than 2%.
  • the probability of occurrence of acute renal failure after 10% or more, and the probability of occurrence of serious acute renal failure may be 2% or more.
  • the probability of acute renal failure may be more than 10%.
  • the present invention relates to a method for predicting the risk of acute renal failure after non-cardiac surgery (see FIG. 1).
  • the method comprises: a first step of selecting factors related to the occurrence of acute renal failure after non-cardiac surgery consisting of clinical data before non-cardiac surgery of patients subject to non-cardiac surgery as variables, and setting an index set for each variable;
  • a non-cardiac surgical target that requires the prediction is calculated based on a set of indexes determined in accordance with the index set set for each variable selected in the first step for a non-cardiac surgical target patient that needs prediction And a third step of predicting a patient's risk of developing acute renal failure after non-cardiac surgery.
  • the factors related to the occurrence of acute renal failure after non-cardiac surgery are age, estimated glomerular filtration rate (eGFR), dipstick albuminuria, sex, and expected duration of surgery (Expected) surgical duration, emergency operation, diabetes mellitus, lenin-aldosterone-angiotensin-system blockade use, RAAS blockade use, hypoalbuminemia ,
  • Anemia and hyponatremia may include at least one selected from the group consisting of, and preferably may include all, but is not limited thereto.
  • the index set is set according to a selection category for each variable except for an expected surgical duration, and 0, 3, 4, 6 to 9, 13, 15 for each selection category And any one index selected from 22 is set, the total sum of the index for each selection category of the variable may be 0 to 81.
  • the index set in the expected surgical duration (Expected surgical duration) among the above parameters may be set to an index of 5 times the expected surgical duration (time).
  • the age (age) of the variable is divided into a selection category of less than 40, less than 40 and less than 60, more than 60 and less than 80, and the estimated glomerular filtration rate (eGFR) is 60 mL / min / 1.73 m 2 or more, 45 mL / min / 1.73 m 2 or more, 60 mL / min / 1.73 m 2 or less, 30 mL / min / 1.73 m 2 or more, 45 mL / min / 1.73 m 2 or less, 15 mL /min/1.73 m 2 or more and 30 mL / min / 1.73 m 2 or less.
  • the prediction of the risk of acute renal failure after non-cardiac surgery is the sum of indices determined according to a set of indices set for each variable selected in the variable selector for non-cardiac surgery target patients in need of prediction.
  • A, B, C, D can be classified into a total of four grades.
  • the grade A is the sum of the indices is less than 20, the grade B is the sum of the indices is 20 or more and less than 40, the grade C is the sum of the indices is 40 or more and less than 60, the grade D is the index It may be classified when the total is 60 or more.
  • the A grade may be less than 2% of the probability of acute renal failure and severe acute renal failure after non-cardiac surgery in a non-cardiac surgery patient in need of the prediction
  • the B grade is the prediction
  • the probability of occurrence of acute renal failure after non-cardiac surgery in patients in need of non-cardiac surgery may be 2% or more, and the probability of occurrence of severe acute renal failure may be less than 2%.
  • the probability of occurrence of acute renal failure after 10% or more, and the probability of occurrence of serious acute renal failure may be 2% or more.
  • the probability of acute renal failure may be more than 10%.
  • variable selection unit of the system of the present invention The details of the first, second, and third steps of the method are respectively performed by the variable selection unit of the system of the present invention, the classification reference point setting unit, and the risk predicting unit for acute renal failure after non-cardiac surgery. Since it is the same, it will be omitted below.
  • the present invention relates to a retrospective observation cohort experiment conducted at a government-designated tertiary care hospital in Korea.
  • This discovery cohort includes adult patients over the age of 18 who underwent surgery at Seoul National University Hospital between 2004 and 2013, and the validation cohort includes adults who underwent surgery at Seoul National University Bundang Hospital between 2006 and 2015.
  • Both hospitals have more than 1000 beds and top clinicians belonging to Seoul National University School of Medicine.
  • the two hospitals are located in different administrative districts in Korea and do not share patient pools or major medical staff.
  • the following demographic data were collected from the discovery and validation cohort: age, gender and baseline body mass index (BMI) at the time of acquisition. Ages were categorized as ⁇ 40, ⁇ 40 and ⁇ 60, ⁇ 60 and ⁇ 80 or ⁇ 80 years, and intervals were determined to limit the number of classifications for brevity. BMI was categorized into low weight ( ⁇ 18.5 kg / m 2 ), normal range ( ⁇ 18.5 and ⁇ 25 kg / m 2 ), and obesity ( ⁇ 25 kg / m 2 ). Co-morbidities of heart disease were collected, including a history of heart failure or coronary artery disease (eg angina or myocardial infarction), hypertension and diabetes.
  • BMI body mass index
  • kidney function variable baseline proteinuria
  • Leukocyte count abnormalities were categorized into leukopenia ( ⁇ 4,000 / ⁇ L) and leukopenia ( ⁇ 10,000 / ⁇ L).
  • Anemia was defined as a hemoglobin level of ⁇ 12 g / dL for women and ⁇ 13 g / dL for men. Serum albumin levels below 3.5 g / dL are definitions for hypoalbuminemia.
  • hyponatremia sodium in the blood ⁇ 135 mEq / L
  • hypernatremia sodium in the blood> 145 mEq / L
  • hypokalemia potassium in the blood ⁇ 3.5 mEq / L
  • hyperkalemia potassium in the blood> 5.5 mEq / L
  • a reference electrolyte imbalance was recorded that includes.
  • PO-AKI was defined according to the sCr-criterion of Kidney Disease: Improving Global Outcomes guidelines using peak values of sCr within 2 weeks after surgery.
  • the term "PO-AKI” includes all AKIs regardless of AKI severity.
  • results that represent the turn to build a predictive model that includes the following three outcome classifications: "No AKI”, “Low AKI” and "Severe AKI” ".
  • severe AKI was defined by the appearance of two or more AKI stages and consequently AKI causing death after AKI and dialysis within 90 days.
  • variable selection process was performed in a discovery cohort ( Figure 2).
  • Figure 2 A single-variable cumulative logistic regression analysis with binary results defined by different reference values in sequential results was performed to identify variables that violated the parallel regression estimation.
  • Parallel regression estimation was checked by examining the direction and magnitude of model coefficients rather than a semi-conservative statistical test, typically in large data sets.
  • Classification variables are expressed as frequency (percentage), and continuous variables are expressed as median (interquartile range).
  • the chi-squared test and Mann-Whitney U test were implemented to compare the basic characteristics of the discovery and validation cohort.
  • the discriminative power of the final SPARK index for sequential results was 1) the replaced data set using additional nonlinear transformations and substitutions, 2) the input of the actual surgical period instead of the expected one, 3) after merging of this experiment and verification cohort , Data sets divided according to three ages (2004-2007, 2008-2011, 2012-2015) and 4) strict control of possible inclusions of patients with undefined AKI before surgery Regardless of the intervals between risk surgeries, patients with sCr greater than or equal to 0.3 mg / dL or 1.5 times higher than the lowest value within 3 months postoperatively after surgery were calculated with the data set after additional exclusion.
  • the performance of the SPARK index and classification was examined in each surgical sector after combining discovery and validation cohorts. All analyzes were performed in complete cases with no missing values, except for sensitivity analysis with an attribution dataset. Statistical analyzes were performed with R (version 3.4.3, the R foundation), and P values on both sides were considered statistically significant.
  • CKD chronic kidney disease
  • Table 2 shows patient characteristics according to the sequential results tested in the discovery cohort.
  • the surgical department, body mass index and blood pressure (BP) classification, anesthesia type, and hypernatremia were excluded from building additional models because they were inappropriately met in parallel regression estimation (Table 3).
  • the serum potassium levels category and leukocytosis did not show a significant relationship with the sequential results in our multivariate proportional odds model (Table 4).
  • heart disease, hypertension and leukopenia were excluded from the model because the model coefficients are relatively small compared to others (Table 5). Other variables were included for final index construction and verification.
  • AKI acute kidney injury
  • CI confidence interval
  • BMI body mass index
  • BP blood pressure
  • RAAS renin-angiotensin-aldosterone system
  • eGFR estimated glomerular filtration rate
  • General surgery Neurosurgery, Obstetrics and gynecology, Orthopedics, Urologic surgery, Bodyweight Index (vs. reference range), Obesity (vs. reference range), Non-general anesthesia (vs. general), Blood pressure (Hypotensive before surgery (vs. normotensive), Hypertensive before surgery (vs. normotensive)), and hypernatremia (vs. reference range) were not included in the construction of additional models due to significant differences in coefficients at each critical point. Parallel estimation can hardly be estimated with variables.
  • CI confidence interval
  • RAAS renin angiotensin aldosterone system
  • eGFR estimated glomerular filtration rate
  • Model coefficient 95% CI P Age (vs. ⁇ 40) ⁇ 40 and ⁇ 60 0.502 0.332, 0.672 ⁇ 0.001 ⁇ 60 and ⁇ 80 0.807 0.638, 0.976 ⁇ 0.001 ⁇ 80 1.136 0.892, 1.379 ⁇ 0.001 Male sex (vs. female) 0.705 0.616, 0.794 ⁇ 0.001 Heart disease (vs. none) 0.187 0.004, 0.370 0.040 Hypertension (vs. none) 0.171 0.065, 0.276 ⁇ 0.001 Diabetes mellitus (vs.
  • CI confidence interval
  • RAAS renin angiotensin aldosterone system
  • CI confidence interval
  • RAAS renin angiotensin aldosterone system
  • eGFR estimated glomerular filtration rate model coefficients are multiplied by 11.0306, rounded up to an integer to form the SPARK index.
  • the calibration results were relatively good within the validation cohort as a small percentage of the sub-samples showed good model fit.
  • the median P value for low-stage AKI was 0.119 (IQR 0.032 to 0.294, 67.8% of samples with P ⁇ 0.05), and the median P value for severe AKI was 0.130 (IQR 0.016 to 0.437, samples with P ⁇ 0.05) (65.0%).
  • the c-stat was 0.798 and 0.715 in the discovery and validation cohort, respectively, which was an acceptable range.
  • PO-AKI postoperative acute kidney injury
  • AKI acute kidney injury
  • SPARK simple postoperative acute kidney injury risk
  • eGFR estimated glomerular filtration rate
  • RAAS renin-angiotensin-aldosterone system
  • AKI acute kidney injury

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Urology & Nephrology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명은 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법에 관한 것으로, 구체적으로 상기 시스템은 변수선택부; 분류 기준점 설정부; 및 비심장 수술 후 급성 신부전 발생 위험도 예측부를 포함하며, 상기 방법은 변수를 선택하는 제1 단계; 분류 기준점을 설정하는 제2 단계; 및 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 제3 단계를 포함한다. 본 발명은 단순하고, 정확하므로 임상 활용가능성이 매우 높은 발명이다.

Description

비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법
본 발명은 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법에 관한 것이다.
수술 후 급성 신손상은 수술 후 환자의 사망/투석/입원 기간 연장 등과 연관되어 있는 중요한 사건으로, 이는 수술을 시행한 환자에서 1-30% 정도의 비율로 발생한다. 기존 보고에서, 급성 신손상이 발생하면 단기/장기적인 사망의 위험성이나, 신부전으로 인해 투석을 받을 위험성이 올라가며, 또한 재원기간과 재원 중 의료비용 또한 크게 증가하는 것으로 알려져 있다. 기존 연구들에서 심장 수술 후 신손상에 대한 보고들은 많았으나, 비심장 수술 후 신손상에 대한 연구들은 비교적 드물었다. 특히, 수술 후 급성 신손상의 위험성이 높은 환자들을 평가하고 발생 위험도를 예측하는 예측 모델은 드물게 보고되었으며, 그 중에서도 "독립적인 환자군에서 타당성을 확인한" "임상에서 쓰기 쉬운 점수체계를 이용한" 예측 모델은 그 보고가 없었다.
본 발명은 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료들을 이용하여 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법을 제공하는 것을 목적으로 한다.
1. 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료로 구성되는 비심장 수술 후 급성 신부전 발생 관련 요인을 변수로 선택하고, 상기 변수 별로 지수 세트를 설정하는 변수선택부;
상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도(sensitivity) 및 특이도(specificity)를 산출하고, 상기 민감도 및 특이도에 따라 분류 기준점(cut-off value)들을 설정하는 분류 기준점 설정부; 및
예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합을 계산하고, 상기 분류 기준점 설정부에서 설정된 분류 기준점들을 토대로 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 비심장 수술 후 급성 신부전 발생 위험도 예측부;를 포함하며,
상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)으로 이루어지는 군에서 선택되는 적어도 하나를 포함하는, 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템.
2. 위 1에 있어서, 상기 지수 세트는 예상된 수술 기간(Expected surgical duration)을 제외한 변수 별 선택 범주에 따라 설정되고, 각 선택 범주마다 0, 3, 4, 6 내지 9, 13, 15 및 22 중 선택되는 어느 하나의 지수가 설정되고, 상기 변수의 선택 범주 별 지수의 총 합은 0 내지 81인, 시스템.
3. 위 1에 있어서, 상기 변수 중 예상된 수술 기간(Expected surgical duration)에 설정된 지수는 예상된 수술 기간(시간)의 5배의 지수가 설정되는 것인, 시스템.
4. 위 1에 있어서, 상기 변수 중 연령(age)은 40세 미만, 40 이상 60세 미만, 60 이상 80세 미만 및 80세 이상의 선택 범주로 구분되며,
상기 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만의 선택 범주로 구분되는, 시스템.
5. 위 1에 있어서, 상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)을 포함하는, 시스템.
6. 위 1에 있어서, 상기 비심장 수술 후 급성 신부전 발생 위험도 예측은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합에 따라 A, B, C, D 총 4개의 등급으로 분류되는, 시스템.
7. 위 6에 있어서, 상기 A 등급은 상기 지수의 총합이 20 미만인 경우, 상기 B 등급은 상기 지수의 총합이 20 이상 40 미만인 경우, 상기 C 등급은 상기 지수의 총합이 40 이상 60 미만인 경우, 상기 D 등급은 상기 지수의 총합이 60 이상인 경우에 분류되는 것인, 시스템.
8. 위 7에 있어서, 상기 A 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 및 심각한 급성 신부전 발생 확률이 2% 미만이고,
상기 B 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 2% 이상, 심각한 급성 신부전 발생 확률은 2% 미만이고,
상기 C 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 10% 이상, 심각한 급성 신부전 발생 확률은 2% 이상이고,
상기 D 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 20% 이상, 심각한 급성 신부전 발생 확률은 10% 이상인, 시스템.
9. 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료로 구성되는 비심장 수술 후 급성 신부전 발생 관련 요인을 변수로 선택하고, 상기 변수 별로 지수 세트를 설정하는 제1 단계;
상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도(sensitivity) 및 특이도(specificity)를 산출하고, 상기 민감도 및 특이도에 따라 분류 기준점(cut-off value)들을 설정하는 제2 단계; 및
예측이 필요한 비심장 수술 대상 환자에 대해 상기 제1 단계에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합을 계산하고, 상기 제2 단계에서 설정된 분류 기준점들을 토대로 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 제3 단계;를 포함하고,
상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)으로 이루어지는 군에서 선택되는 적어도 하나를 포함하는, 비심장 수술 후 급성 신부전 발생 위험도 예측 방법.
10. 위 9에 있어서, 상기 지수 세트는 예상된 수술 기간(Expected surgical duration)을 제외한 변수 별 선택 범주에 따라 설정되고, 각 선택 범주마다 0, 3, 4, 6 내지 9, 13, 15 및 22 중 선택되는 어느 하나의 지수가 설정되고, 상기 변수의 선택 범주 별 지수의 총 합은 0 내지 81인, 방법.
11. 위 9에 있어서, 상기 변수 중 예상된 수술 기간(Expected surgical duration)에 설정된 지수는 예상된 수술 기간(시간)의 5배의 지수가 설정되는 것인, 방법.
12. 위 9에 있어서, 상기 변수 중 연령(age)은 40세 미만, 40 이상 60세 미만, 60 이상 80세 미만 및 80세 이상의 선택 범주로 구분되며,
상기 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만의 선택 범주로 구분되는, 방법.
13. 위 9에 있어서, 상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)을 포함하는, 방법.
14. 위 9에 있어서, 상기 비심장 수술 후 급성 신부전 발생 위험도 예측은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합에 따라 A, B, C, D 총 4개의 등급으로 분류되는, 방법.
15. 위 14에 있어서, 상기 A 등급은 상기 지수의 총합이 20 미만인 경우, 상기 B 등급은 상기 지수의 총합이 20 이상 40 미만인 경우, 상기 C 등급은 상기 지수의 총합이 40 이상 60 미만인 경우, 상기 D 등급은 상기 지수의 총합이 60 이상인 경우에 분류되는 것인, 방법.
16. 위 15에 있어서, 상기 A 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 및 심각한 급성 신부전 발생 확률이 2% 미만이고,
상기 B 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 2% 이상, 심각한 급성 신부전 발생 확률은 2% 미만이고,
상기 C 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 10% 이상, 심각한 급성 신부전 발생 확률은 2% 이상이고,
상기 D 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 20% 이상, 심각한 급성 신부전 발생 확률은 10% 이상인, 방법.
본 발명은 수술 전에 측정/예측 가능한 지표들로 실제 수술이 이루어지기 이전에 환자의 급성 신부전 또는 관련 예후를 예측할 수 있다. 나아가, 본 발명을 통해 단기/장기적 사망의 위험, 투석의 위험 등을 줄일 수 있을 뿐만 아니라, 정확하며 간단하고 쉬운 점수체계를 이용하는 바, 임상에서 활용가능성이 높은 발명이다.
도 1은 본 발명의 실시예를 요약한 도이다.
도 2는 발견 코호트에서 수행된 변수 선택 과정을 나타낸 도이다.
도 3은 보정 도표 및 수신자 조작 특성 곡선을 나타낸 도이다.
도 4는 SPARK 지수에 대한 민감도 및 특이도를 나타낸 도이다.
도 5는 SPARK 위험 분류 및 저단계 AKI 및 심각한 AKI의 발생률을 나타낸 도이다.
도 6은 제안된 SPARK 분류에 기초한 수술 전 PO-AKI 위험 평가 전략을 나타낸 도이다.
도 7은 각 수술 부서의 보정 도표 및 수신자 조작 특성 곡선을 나타낸 도이다.
이하 본 발명을 상세히 설명한다.
본 발명은 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템에 관한 것이다.
본 발명의 시스템은 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료로 구성되는 비심장 수술 후 급성 신부전 발생 관련 요인을 변수로 선택하고, 상기 변수 별로 지수 세트를 설정하는 변수선택부;를 포함한다.
상기 비심장 수술은 심장 수술이 아닌 모든 수술을 의미한다.
상기 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료는 병원의 전자 의무 기록(eletronic medical record, EMR), 환자나 보호자의 면담, 입원간호정보기록지, 간호활동사정지 및 입원기록지 중에서 선택된 적어도 하나 이상의 경로에 의할 수 있으나, 이에 제한되는 것은 아니다.
상기 비심장 수술 후 급성 신부전 발생 관련 요인은 발견 코호트(discovery cohort) 및 검증 코호트(validation cohort)로부터 수집될 수 있으나, 이에 제한되는 것은 아니다.
상기 변수선택부는 비례형 오즈 회귀(proportional odds regression) 기법을 위한 통계학적 가정 및 다변량 분석(multivariable analysis)을 고려함과 동시에 모델 계수(model coefficient)가 큰 요인들을 변수들로 선택할 수 있으나, 이에 제한되는 것은 아니다.
또한, 상기 변수선택부는 상기 선택된 변수들로 비례형 오즈 회귀(proportional odds regression) 기법을 이용하여 급성 신부전과 관련된 부정적인 예후들로 구성된 순차 변수(ordinal variable)을 대상으로 다변량 모델(multivariable model)을 구축할 수 있고, 이와 동시에 모델 계수를 정수로 환산하여 각 변수들에 설정된 지수의 합이 위험도를 반영되도록 변수 별 지수 세트를 설정할 수 있으나, 이에 제한되는 것은 아니다.
상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)으로 이루어지는 군에서 선택되는 적어도 하나를 포함할 수 있고, 바람직하게는 모두를 포함할 수 있으나, 이에 제한되는 것은 아니다.
본 발명의 일 실시예에 있어서, 예상된 수술 기간(Expected surgical duration)을 제외한 각 변수마다 지수마다 지수세트가 설정될 수 있다. 지수세트는 (0,X)로 설정되며, X는 3, 4, 6 내지 9, 13, 15 및 22 중 선택되는 어느 하나의 지수이다. 예를 들어, 환자는 해당 변수의 정의에 따라 지수세트 중 하나의 지수를 갖게 된다. 예컨대 성별 변수의 지수세트가 (0, 8)인 경우 환자가 남자이면 지수가 10점, 여자이면 0점일 수 있다.
본 발명의 일 실시예에 있어서, 각 변수는 선택 범주의 개수만큼 지수세트의 크기가 달라질 수 있다. 예를 들어, 소정 변수가 3개의 선택 범주를 가지면 상기 소정 변수에 설정되는 지수세트는 (0, Y, Z)일 수 있다. 이 때, Y, Z는 상기 X 중 어느 하나에 해당하는 값으로서, Y는 Z와 동일한 값을 갖지 않는다.
구체적으로, 연령(age)은 40세 미만, 40 이상 60세 미만, 60 이상 80세 미만 및 80세 이상의 선택 범주로 구분될 수 있고,
상기 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만의 선택 범주로 구분될 수 있다.
보다 구체적으로, 연령(age)은 40세 미만이면 0, 40 이상 60세 미만이면 6, 60 이상 및 80세 미만이면 9, 80세 이상이면 13의 지수세트가 설정될 수 있고; 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상이면 0, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만이면 8, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만이면 15, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만이면 22의 지수세트가 설정될 수 있고; 딥스틱 단백뇨증(Dipstick albuminuria)이 있으면 6, 없으면 0의 지수세트가 설정될 수 있고; 성별(sex)이 남성이면 8, 여성이면 0의 지수세트가 설정될 수 있고; 응급 수술(Emergency operation)이면 7, 아니면 0의 지수세트가 설정될 수 있고; 당뇨(diabetes mellitus)가 있으면 4, 없으면 0의 지수세트가 설정될 수 있고; 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use)이 있다면 6, 없으면 0의 지수세트가 설정될 수 있고; 저알부민혈증(Hypoalbuminemia)이 있으면 8, 없으면 0의 지수세트가 설정될 수 있고; 빈혈(Anemia)이 있다면 4, 없다면 0의 지수세트가 설정될 수 있고; 저나트륨혈증(Hyponatremia)이 있다면 3, 없다면 0의 지수세트가 설정될 수 있다. 따라서, 상기 예상된 수술 기간을 제외한 변수 별 지수의 총 합은 최저 0에서 최대 81까지 계산될 수 있다.
또한, 변수 중 예상된 수술 기간(Expected surgical duration)의 단위는 시간일 수 있고, 예상된 수술 기간은 해당 기간의 5배의 지수가 설정될 수 있다. 예를 들어, 예상된 수술 기간이 3시간인 경우, 해당 변수의 지수는 15이다.
또한, 본 발명의 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템은 상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도(sensitivity) 및 특이도(specificity)를 산출하고, 상기 민감도 및 특이도에 따라 분류 기준점(cut-off value)들을 설정하는 분류 기준점 설정부;를 포함한다.
상기 분류 기준점 설정부는 수신자 조작 특성 곡선(receiver operating characteristic curve, ROC curve)을 이용하여 상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도 및 특이도를 산출함으로써 분류 기준점을 설정할 수 있다.
상기 지수 세트란, 각 변수의 선택 범주 크기에 따라 설정된 지수 세트를 의미하며, 상기 각 지수 세트 별 지수의 조합이란, 비심장 수술 대상 환자의 임상 자료로부터 얻어지는 예상된 수술 기간을 제외한 각 해당하는 변수의 선택 범주에 따른 지수의 조합을 의미하는 것으로서, 에상된 수술 기간을 제외한 각 지수 세트 별 지수의 조합의 합계는 최소 0부터 최대 81일 수 있다.
각 지수의 조합 합계별 민감도 및 특이도는 수신자 조작 특성 곡선 분석을 시행하여, 발견 코호트 및 검증 코호트의 곡선 아래의 면적(area under the curve, AUC) 값에 따라 변수의 민감도 및 특이도를 산출할 수 있다.
한편, 분류 기준점 설정은, 추정회귀계수 값으로 예측확률을 구하기 위하여 수신자 조작 특성(ROC) 곡선 분석을 시행할 수 있고, 이때, 민감도 및 특이도의 합을 구함으로써 분류 기준점으로 설정할 수 있다.
보다 구체적으로, 수신자 조작 특성 곡선(ROC curve)의 유덴 인덱스(youden index)를 사용하여 분류 기준점(cut-off value)을 설정할 수 있다.
또한, 본 발명의 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합을 계산하고, 상기 분류 기준점 설정부에서 설정된 분류 기준점들을 토대로 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 비심장 수술 후 급성 신부전 발생 위험도 예측부;를 포함한다.
본 발명의 일 실시예에 따르면, 상기 비심장 수술 후 급성 신부전 발생 위험도 예측은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합에 따라 A, B, C, D 총 4개의 등급으로 분류될 수 있다.
상기 A 등급은 상기 지수의 총합이 20 미만인 경우, 상기 B 등급은 상기 지수의 총합이 20 이상 40 미만인 경우, 상기 C 등급은 상기 지수의 총합이 40 이상 60 미만인 경우, 상기 D 등급은 상기 지수의 총합이 60 이상인 경우에 분류되는 것일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 상기 A 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 및 심각한 급성 신부전 발생 확률이 2% 미만일 수 있고, 상기 B 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 2% 이상, 심각한 급성 신부전 발생 확률은 2% 미만일 수 있고, 상기 C 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 10% 이상, 심각한 급성 신부전 발생 확률은 2% 이상일 수 있고, 상기 D 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 20% 이상, 심각한 급성 신부전 발생 확률은 10% 이상일 수 있다.
또한, 본 발명은 비심장 수술 후 급성 신부전 발생 위험도 예측 방법에 관한 것이다(도 1 참조).
상기 방법은 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료로 구성되는 비심장 수술 후 급성 신부전 발생 관련 요인을 변수로 선택하고, 상기 변수 별로 지수 세트를 설정하는 제1 단계;
상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도(sensitivity) 및 특이도(specificity)를 산출하고, 상기 민감도 및 특이도에 따라 분류 기준점(cut-off value)들을 설정하는 제2 단계; 및
예측이 필요한 비심장 수술 대상 환자에 대해 상기 제1 단계에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합을 계산하고, 상기 제2 단계에서 설정된 분류 기준점들을 토대로 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 제3 단계;를 포함한다.
상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)으로 이루어지는 군에서 선택되는 적어도 하나를 포함할 수 있고, 바람직하게는 모두를 포함할 수 있으나, 이에 제한되는 것은 아니다.
본 발명의 일 실시예에 따르면, 상기 지수 세트는 예상된 수술 기간(Expected surgical duration)을 제외한 변수 별 선택 범주에 따라 설정되고, 각 선택 범주마다 0, 3, 4, 6 내지 9, 13, 15 및 22 중 선택되는 어느 하나의 지수가 설정되고, 상기 변수의 선택 범주 별 지수의 총 합은 0 내지 81일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 상기 변수 중 예상된 수술 기간(Expected surgical duration)에 설정된 지수는 예상된 수술 기간(시간)의 5배의 지수가 설정되는 것일 수 있다.
또한, 상기 변수 중 연령(age)은 40세 미만, 40 이상 60세 미만, 60 이상 80세 미만 및 80세 이상의 선택 범주로 구분되며, 상기 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만의 선택 범주로 구분될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 상기 비심장 수술 후 급성 신부전 발생 위험도 예측은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합에 따라 A, B, C, D 총 4개의 등급으로 분류될 수 있다.
상기 A 등급은 상기 지수의 총합이 20 미만인 경우, 상기 B 등급은 상기 지수의 총합이 20 이상 40 미만인 경우, 상기 C 등급은 상기 지수의 총합이 40 이상 60 미만인 경우, 상기 D 등급은 상기 지수의 총합이 60 이상인 경우에 분류되는 것일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 상기 A 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 및 심각한 급성 신부전 발생 확률이 2% 미만일 수 있고, 상기 B 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 2% 이상, 심각한 급성 신부전 발생 확률은 2% 미만일 수 있고, 상기 C 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 10% 이상, 심각한 급성 신부전 발생 확률은 2% 이상일 수 있고, 상기 D 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 20% 이상, 심각한 급성 신부전 발생 확률은 10% 이상일 수 있다.
상기 방법의 제1 단계, 제2 단계 및 제3 단계의 구체적인 내용은 전술한 본 발명의 시스템의 변수선택부, 분류 기준점 설정부, 비심장 수술 후 급성 신부전 발생 위험도 예측부에 의해 각각 수행되는 바와 같으므로, 이하 생략한다.
이하, 본 발명을 구체적으로 설명하기 위해 실시예를 들어 상세하게 설명하기로 한다.
실시예
1. 실험 방법
(1) 본 발명의 실험이 실시된 병원 및 발명 디자인
본 발명은 한국 내 정부 지정 3차 진료 병원에서 수행된 후향적 관찰 코호트 실험에 관한 것이다. 이 발견 코호트에는 2004년 내지 2013년에 서울대학교 병원에서 수술을 받은 18세 이상의 성인 환자들을 포함하며, 검증 코호트는 2006년 내지 2015년에 서울대학교 분당 병원에서 수술을 받은 성인들을 포함한다. 양 병원은 1000개 이상의 침상 및 서울대학교 의과대학에 소속된 상위 임상의학자들을 가진다. 하지만, 두 병원은 한국 내 다른 행정구역상에 위치하며, 환자 풀이나 주요 의료진을 공유하지 않는다.
우리는 하기 5개의 수술 부서 내 실험 기간 중 첫 번째 수술 사례들을 포함하였다: 일반 외과, 정형외과, 산부인과, 신경외과 및 비뇨기과. 제외 기준은 하기와 같았다: 1) 심장 수술, 2) 사망한 환자의 수술(예: 사망한 기증자의 이식), 3) 신장절제술 또는 신장 이식 환자, 4) 1시간 미만의 수술 진행 시간으로 정의되는 작은 수술 절차, 5) 신장 대체 치료의 이력, 수술 전 혈청 크레아티닌(serum creatinine, sCr) 수준이 4 mg/dL 이상, 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)가 15 mL/min/1.73 m 2 미만이거나 수술 2주 전에 최소값으로부터 0.3 mg/dL 이상 또는 1.5배 이상으로 sCr의 기준선이 증가되는 것으로 정의되는 수술 전 신장 기능장애를 가진 환자 및 6) 수술 후 급성 신부전(Postoperative acute kidney injury, PO-AKI) 사건들을 확인하기 위한 기준선 또는 후속 sCr 값이 없는 환자.
(2) 모델 구축을 위한 데이터 수집 및 변수
수술 전 수집되거나 계획될 수 있는 정보들은 수술 전 위험 분류가 본 발명의 목적이기 때문에 포함되었다. 본 발명의 실제 적용을 위해 통상적으로 사용되는 범위들에 의해 대부분의 연속적인 변수들을 카테고리화하였다. 수집된 변수에 관한 상세한 정보는 하기와 같다.
하기 인구통계학적 데이터들이 발견 및 검증 코호트로부터 수집되었다: 입수 당시의 연령, 성별 및 체질량지수(baseline body mass index, BMI). 연령은 < 40, ≥40 및 < 60, ≥60 및 < 80 또는 ≥80세로서 분류되었고, 간격은 간결성을 위해 분류의 수를 제한하는 것으로 결정되었다. BMI는 저체중(< 18.5 kg/m 2), 정상 범위(≥18.5 및 < 25 kg/m 2), 비만(≥25 kg/m 2)으로 분류되었다. 심부전 또는 관상 동맥 질환(예를 들어, 협심증이나 심근 경색), 고혈압 및 당뇨병 의 이력을 포함하는 심장 질환의 동반이환들이 수집되었다. 동반이환 이력들은 주로 마취과 의사들의 기록, 관련 약물의 복용 및 진단 코드를 검토하여 확인되었다. 마취 일정을 잡고 수술실을 예약하기 위해 수술을 수행하기 전에 주치의가 참석하여 입력한 실제 수술 기간(시간) 및 예상된 수술 기간(시간)에 관한 데이터들이 수집되었다. 오직 예상된 수술 기간만이 수술 전에 수집 가능한 변수이므로 모델에 포함되었다. 마취 유형(일반 또는 비일반) 및 수술이 예정대로 또는 응급 수술로서 수행되었는지 수집되었다. 수술 전 수축기 혈압 및 이완기 혈압이 기록되었다. 잘 알려진 PO-AKI 관련 약제 중에서, 레닌-알도스테론-앤지오텐신계(renin-aldosterone-angiotensin-system) 차단제의 수술 전 사용이 본 발명의 변수에 포함되었다. 이뇨제, 비스테로이드성 소염제 또는 신독성의 항생제들이 용량 과부하, 통증 또는 감염을 조절하기 위해 수술을 수행한 후에 새롭게 빈번하게 사용되기 때문에 수집되지 않았다. 수집된 실험실 값들은 수술 전 3개월 내의 최종 검사 결과였다. 기준선 eGFR은 CKD-EPI 방정식을 이용하여 sCr 수준에 기초하여 계산되고, 4가지 분류로 계층화되었다(기준 범위 = 60 mL/min/1.73 m 2 이상; CKD 3A = 45 mL/min/1.73 m 2 이상 및 60 mL/min/1.73 m 2 미만; CKD 3B = 30 mL/min/1.73 m 2 이상 및 45 mL/min/1.73 m 2 미만; 또는 CKD 4 = 15 mL/min/1.73 m 2 이상 및 30 mL/min/1.73 m 2 미만). 또다른 신장 기능 변수인 기준선 단백뇨증의 존재는 단순 딥스틱 테스트에 의해 확인되었다. 백혈구 계수의 이상은 백혈구 감소증(< 4,000/μL) 및 백혈구 증가증(≥ 10,000/μL)으로 분류되었다. 빈혈은 여성의 경우 < 12 g/dL, 남성의 경우 < 13 g/dL의 헤모글로빈 수치로 정의되었다. 3.5 g/dL 미만의 혈청 알부민 수치는 저알부민 혈증에 대한 정의이다. 저나트륨 혈증(혈중 나트륨 < 135 mEq/L), 고나트륨 혈증(혈중 나트륨 > 145 mEq/L), 저칼륨 혈증(혈중 칼륨 < 3.5 mEq/L), 고칼륨 혈증(혈중 칼륨 > 5.5 mEq/L)을 포함하는 기준 전해질 불균형이 기록되었다.
(3) 실험 결과
PO-AKI는 수술 후 2주 내 sCr의 피크 수치를 이용한 Kidney Disease: Improving Global Outcomes guidelines의 sCr-기준에 따라 정의되었다. 용어 "PO-AKI"는 AKI 중증도와 관계없이 모든 AKI를 포함하였다. 중증도 및 PO-AKI의 환자지향적 결과를 다루기 위해, 우리는 하기 3개의 결과 분류를 포함하는 예측 모델 구축을 위한 차례를 나타내는 결과를 정의하였다: "AKI 없음", "저단계 AKI" 및 "심각한 AKI". PO-AKI 환자들 사이에서, 심각한 AKI는 2 이상의 AKI 단계 및 결과적으로 AKI 후 사망 및 90일 이내의 투석을 유발하는 AKI가 나타난 것에 의해 정의되었다. 몇몇의 환자들이 실험 병원 외부에서 신장 이식 치료를 시작했거나 사망했을 때, 우리는 통계청으로부터의 전국 사망 데이터베이스 및 한국 신장 학회에 의해 유지되는 전국 투석 기록을 검토하였고, 결과를 확인하였다. 1 단계 PO-AKI로 발전했지만 중증의 AKI는 없는 다른 환자들은 순차 결과의 "저단계 AKI" 분류로 포함되었다.
(4) 변수 선택
첫 째, 변수 선택 과정은 발견 코호트에서 수행되었다(도 2). 평행 회귀 추정을 위배한 변수들을 확인하기 위해 순차 결과에서 다른 기준치로 정의된 이진 결과를 갖는 단일변이 누적 로지스틱 회귀 분석이 수행되었다. 평행 회귀 추정은 대용량 데이터 세트에서 통상적으로 반보존적인 통계적 테스트보다는 모델 계수들의 방향과 크기를 검사함으로써 체크되었다. 다음으로, 우리는 순차 결과를 다변량 비례형 오즈(odds) 모델에 맞추었고, 독립적인, 순차 결과를 갖는 통계적으로 유의미한 관계들을 갖는 것으로 나타난 변수들만이 남았다. 최종적으로, 우리는 모델 계수들의 절대 크기에 따라 모델에 포함된 변수들의 수를 줄이고, 상대적으로 작은 효과 크기를 갖는 변수들을 제외하였다. 상기 변수 선택 후에 선택된 변수들 내 누락된 값이 없는 환자들로 추가 과정들이 수행되었다.
(5) 단순 수술 후 급성 신부전 위험(Simple Postoperative AKI risK, SPARK) 지수 및 분류
추가적인 단순 수술 후 급성 신부전 위험(Simple Postoperative Aki RisK, SPARK) 지수를 구축하기 위해 추가적인 단순화가 진행되었다. 단순 모델의 보정을 확인한 후, 우리는 발견 코호트에서 모델 계수의 최대 합을 100으로 설정하기 위해 계수들을 곱하였고, SPARK 지수를 생성하기 위해 각 계수들을 정수로 반올림하였다. 최종적으로, 실제로 쉽게 해석될 수 있는 포괄적인 분류를 생성하기 위해 발견 코호트에서 4개의 분류를 정의하는 분류기준점(cutoff value)들이 확인되었다. A/B 등급에 대한 분류기준점(cutoff value)은 고민감도(90%)를 갖는 PO-AKI 스크리닝을 위한 임계값을 제시하기 위해 정의된 반면에, B/C 등급에 대한 임계값은 PO-AKI에 대한 고특이성(90%)을 갖는 값이 제시되었다. 마지막으로, B/C 등급에 대한 분류기준점(cutoff value)보다 높은 SPARK 지수를 갖는 환자들에서, 우리는 C/D 등급에 대한 분류기준점(cutoff value)을 추가적으로 결정하였고, 심각한 AKI에 대한 고특이성(90%)를 갖는 임계값이 D 등급을 정의하기 위해 선택되었다. 실용적인 문제들을 고려하여, 우리는 임계값을 거의 10에 가장 가깝게 반올림하였다.
(6) 민감도 분석 및 다른 통계학적 분석
민감도 분석들을 포함하는 다른 통계학적 분석 방법들은 하기와 같았다.
분류형 변수들은 빈도(백분율)로서 나타내었고, 연속적인 변수들은 중앙값(사분위 범위)으로 나타내었다. 카이제곱 검정(chi-squared test) 및 맨-휘트니 유 검정(Mann-Whitney U test)은 발견 및 검증 코호트의 기본 특성을 비교하기 위해 구현되었다. 모델 보정은 먼저 추정된 저단계 AKI 및 심각한 AKI 모두에 대한 확률에 대한 보정 플롯으로 시각적으로 검사되었다. 본 발명이 많은 수의 환자들(25000명 초과)을 포함하였기 때문에, Hosmer-Lemeshow test를 기본적으로 적용시키는 것은 권장되지 않았다. 따라서, 우리는 고정된 하위 샘플 크기(n=1000)를 갖는 수천 가지의 무작위 하위 샘플에서 Hosmer-Lemeshow test의 P 값을 계산하였다. 모델의 판별력은 c-stat으로 확인되었다. SPARK 지수의 예측력의 최종 검사는 수신자 조작 특성 곡선(receiver operating characteristics curve, ROC curve) 분석과 함께 PO-AKI 및 심각한 AKI 결과에 대해 수행되었고, 0.7 이상인 곡선 하 면적(area under curve, AUC)이 수용 가능한 것으로 간주되었다. 우리의 배제 기준 때문에 상당한 편향이 존재했는지 검사하기 위해, 민감도 분석이 수행되었다. 분석들에서, 순차 결과에 대한 최종 SPARK 지수의 판별력은 1) 비선형 추가 변형 및 대체를 이용한 대체된 데이터 세트, 2) 예상된 것이 대신 실제 수술 기간의 입력, 3) 본 실험 및 검증 코호트의 병합 후, 3개의 시대(2004년 내지 2007년, 2008년 내지 2011년, 2012년 내지 2015년)에 따라 구분된 데이터 세트 및 4) 수술 전 미규정된 AKI를 가진 환자들의 가능한 포함물들을 엄격하게 조절하기 위해 수술들 간의 간격과 관계없이, 수술 후에 수술 전 3개월 내 최저 수치보다 0.3 mg/dL 이상 또는 1.5 배 증가된 sCr을 가진 환자들을 추가적으로 제외한 후의 데이터 세트와 함께 계산되었다. 또한, SPARK 지수 및 분류의 성능은 발견 및 검증 코호트들을 결합한 후에 각 외과 부문에서 검사되었다. 모든 분석들은 귀속된 데이터세트와 함께 민감도 분석에 대한 것을 제외하고는 누락된 값 없이 완벽한 사례들로 수행되었다. 통계적인 분석들은 R(version 3.4.3, the R foundation)로 수행되었으며, 양측 P 값은 0.05 미만이 통계적으로 유의하다고 간주되었다.
2. 실험 결과
(1) 실험된 코호트의 특성
총 162,095명의 환자들이 본 실험에서 스크리닝되는 것에 포함되었고, 이는 각각 SNUH(서울대학교 병원) 및 SNUBH(서울대학교 분당 병원)에서 시험된 93,370 및 68,725의 수술 사례들의 합이었다(도 2). 제외 기준이 적용된 후에, 51,041 및 39,764 명의 환자들이 각각 발견 및 검증 코호트에서 모델 구축을 위해 스크리닝되었다. 저단계 AKI 및 심각한 AKI를 가진 환자들의 수는 발견 코호트에서 2,132(4.2%) 및 605(1.2%)였다. 심각한 AKI를 가진 발견 코호트 환자들 중 511(1.0%), 167(0.3%) 및 88(0.2%) 명의 PO-AKI 환자들은 각각 2단계 이상의 AKI, AKI 후 사망 및 90일 이내 투석을 가졌다. 불리한 결과의 발생률은 1,774 (4.5%) 및 727 (1.8%)명의 환자들이 저단계 AKI 및 심각한 AKI를 가짐으로써 발견 코호트에서 점진적으로 증가하였다. 2단계 이상의 AKI, AKI 후 사망, 90일 이내의 투석은 발견 코호트에서 각각 644 (1.6%), 176 (0.4%) 및 64 (0.2%)였다. 두 코호트의 다른 특성들은 검증 코호트는 나이가 더 많고, 남성이 더 많은 비율로 존재하는 환자들로 구성됨으로써 유의하게 달랐다(표 1). 산부인과 수술은 발견 코호트에서 비교적 일반적이었지만, 정형외과 수술은 발견 코호트에서 가장 많은 부분을 차지한 수술로 나타났다. 기준선 실험값 및 약물 사용과 관련하여 유의미한 차이가 또한 확인되었다.
변수(Variables) 발견 코호트(Discovery cohort) (N=51,041) 검증 코호트(Validation cohort) (N=39,764) P
인구통계(Demographics)
연령(Age)(years) 56 [44; 66] 60 [48; 70] <0.001
<40 9,206 (18.0%) 5,559 (14.0%)
≥40 및(and) <60 20,877 (40.9%) 13,492 (33.9%)
≥60 and <80 19,684 (38.6%) 18,698 (47.0%)
≥80 1,274 (2.5%) 2,015 (5.1%)
성별(Sex) <0.001
여성(female) 28,306 (55.5%) 18,706 (47.0%)
남성(male) 22,735 (44.5%) 21,058 (53.0%)
체질량지수(Body mass index)(kg/m 2) 23.8 [21.7; 26.0] 24.1 [21.9; 26.4] <0.001
<18.5 1,919 (3.9%) 854 (3.8%)
≥18.5 and <30 45,098 (91.5%) 20,624 (90.9%)
≥30 2,294 (4.7%) 1,218 (5.4%)
기존의 동반이환(Preexisting comorbidities)
심장병(Heart disease) 1,629 (3.2%) 1,163 (2.9%) 0.022
고혈압(Hypertension) 9,824 (19.2%) 9,161 (23.0%) <0.001
당뇨(Diabetes mellitus) 3,956 (7.8%) 3,581 (9.0%) <0.001
수술 특성(Surgery characteristics)
부서(Departments) <0.001
일반 외과(General surgery) 22,447 (44.0%) 14,733 (37.1%)
신경외과(Neurosurgery) 5,063 (9.9%) 3,842 (9.7%)
산부인과(Obstetrics and gynecology) 7,894 (15.5%) 908 (2.3%)
정형외과(Orthopedics) 11,372 (22.3%) 16,823 (42.3%)
비뇨기과(Urologic surgery) 4,265 (8.4%) 3,458 (8.7%)
수술 기간(Surgery duration)(hours) 2.2 [ 1.5; 3.3] 2.5 [ 1.7; 3.6] <0.001
예상된 수술 기간(Expected surgery duration)(hours) 2.5 [ 2.0; 3.0] 3.0 [ 2.0; 4.0] < 0.001
마취 유형(Anesthesia type) <0.001
일반(General) 43,921 (86.6%) 30,570 (76.9%)
비일반(Non-general) 6,789 (13.4%) 9,194 (23.1%)
응급 수술(Emergency operation) 732 (1.4%) 1,965 (4.9%) <0.001
수술 전 혈압(BP before operation) (mmHg)
수축기 혈압(systolic blood pressure, SBP) 124 [113; 135] 128 [116; 142] <0.001
이완기 혈압(diastolic blood pressure, DBP) 77 [70; 85] 73 [65; 81] <0.001
정상 혈압(Normotensive) 36,976 (75.0%) 22,934 (57.7%)
Hypertensive (SBP ≥140 or DBP ≥90) 10,206 (20.7%) 11,472 (28.9%)
Hypotensive (SBP <90 or DBP <60) 2,134 (4.3%) 5,358 (13.5%)
약제 복용(Medication usage)
RAAS 차단제(RAAS blockade) 2,881 (5.6%) 2,915 (7.3%) <0.001
검사 결과(Laboratory findings)
eGFR (mL/min/1.73 m 2) 82.1 [71.4; 95.1] 87.7 [73.1; 99.7] <0.001
No CKD or CKD stage 1 or 2 (≥60) 46,971 (92.0%) 35,881 (90.2%)
CKD stage 3A (≥45 and <60) 3,226 (6.3%) 2,918 (7.3%)
CKD stage 3B (≥30 and <45) 641 (1.3%) 703 (1.8%)
CKD stage 4 (≥15 and <30) 203 (0.4%) 262 (0.7%)
딥스틱 단백뇨증(Dipstick albuminuria) (≥ 1+) 4,682 (9.3%) 2,169 (7.0%) <0.001
백혈구 계수(White blood cell count)(/mm 2) 6,100 [ 5,000; 7,500] 6,500 [ 5,400; 8,000] <0.001
기준 범위(Reference range)(4000~10000) 43,262 (84.8%) 33,902 (85.3%)
백혈구 감소증(Leukopenia)(<4000) 3,934 (7.7%) 1,806 (4.5%)
백혈구 증가증(Leukocytosis)(≥10000) 3,823 (7.5%) 4,033 (10.1%)
헤모글로빈(Hemoglobin)(g/dL) 13.2 [12.1; 14.4] 13.6 [12.4; 14.8] <0.001
빈혈(Anemia)(<12 for female, <13 for male) 14,177 (27.8%) 9,212 (23.2%) <0.001
혈소판(Platelet)(x10 3/μL) 200 [152; 256] 239 [199; 284] < 0.001
혈소판 감소증(Thrombocytopenia )(<10) 4,160 (8.2%) 493 (1.2%) < 0.001
알부민(Albumin)(g/dL) 4.2 [3.9; 4.5] 4.3 [4.0; 4.5] <0.001
저알부민혈증(Hypoalbuminemia)(<3.5) 5,148 (10.1%) 2,679 (6.8%) <0.001
나트륨(Sodium)(mEq/L) 140 [139; 142] 141 [139; 142] <0.001
정상 나트륨 혈중 농도(Normonatremia)(135~145) 48,288 (94.8%) 31,156 (92.8%)
저나트륨혈증(Hyponatremia)(<135) 1,291 (2.5%) 986 (2.9%)
고나트륨혈증(Hypernatremia)(>145) 1,361 (2.7%) 1,418 (4.2%)
칼륨(Potassium)(mEq/L) 4.2 [4.0; 4.4] 4.2 [4.0; 4.5] <0.001
정상 칼륨 혈중농도(Normokaleima)(3.5~5.5) 49,711 (97.6%) 32,649 (97.3%)
저칼륨혈증(Hypokalemia)(<3.5) 1,016 (2.0%) 711 (2.1%)
고칼륨혈증(Hyperkalemia)(>5.5) 213 (0.4%) 200 (0.6%)
CKD = chronic kidney disease(만성 신부전)
(2) 변수 선택
발견 코호트에서 실험된 순차 결과를 따른 환자 특성들을 하기 표 2에 나타내었다. 누적 로지스틱 회귀 분석에서 수술 부서, 체질량지수 및 혈압(Blood Pressure, BP) 분류, 마취 유형 및 고나트륨 혈증은 평행 회귀 추정에서 부적합하게 충족되었기 때문에 추가 모델 구축으로부터 제외되었다(표 3). 추가적으로, 혈청 칼륨 수치 범주 및 백혈구 증가증은 우리의 다변량 비례형 오즈 모델에서 순차 결과와 유의미한 관계를 나타내지는 않았다(표 4). 최종적으로, 심장병, 고혈압 및 백혈구 감소증은 모델 계수들이 다른 것들에 비해 상대적으로 작기 때문에 모델에서 제외되었다(표 5). 다른 변수들은 최종 지수 구축 및 검증을 위해 포함되었다.
최종적으로 선택된 변수들의 완벽한 정보를 갖는 발견 및 검증 코호트에서 각각 총 49,803 및 29,715의 사례들이 단순화된 모델 건설 및 검증을 위해 추가 분석에 사용되었다(도 2). 포함된 저단계 AKI 환자들의 수는 발견 및 검증 코호트에서 각각 2,062 (4.1%) 및 1,109 (3.7%) 명이었고, 누락된 값은 없었다. 심각한 AKI 사건들은 완벽한 사례들에서 하기와 같이 나타났다: 발견 코호트 내 563 (1.1 %) 명 및 검증 코호트 내 445 (1.5 %) 명. 최종적으로 비례형 오즈 모델에서 선택된 변수들의 모델 계수들은 하기 표 6과 같았다.
Variables No AKI (N=48,304) 저단계 AKI(Low stage AKI)(N=2,132) 심각한 AKI(Critical AKI)(N=605) P
Demographics
Age 55 [44; 66] 63 [53; 71] 65 [55; 73] <0.001
<40 9,016 (18.7%) 152 (7.1%) 38 (6.3%)
≥40 and <60 19,990 (41.4%) 698 (32.7%) 189 (31.2%)
≥60 and <80 18,194 (37.7%) 1,158 (54.3%) 332 (54.9%)
≥80 1,104 (2.3%) 124 (5.8%) 46 (7.6%)
Sex <0.001
female 27,402 (56.7%) 706 (33.1%) 198 (32.7%)
male 20,902 (43.3%) 1,426 (66.9%) 407 (67.3%)
Body mass index (kg/m 2) 23.8 [21.6; 26.0] 24.0 [21.9; 26.3] 23.7 [21.3; 26.1] 0.005
<18.5 (underweight) 1,802 (3.9%) 77 (3.8%) 40 (7.1%)
≥18.5 and <30 (normal range) 42,743 (91.5%) 1,854 (90.4%) 501 (88.5%)
>30 (obesity) 2,150 (4.6%) 119 (5.8%) 25 (4.4%)
Preexisting comorbidities
Heart disease 1,445 (3.0%) 132 (6.2%) 52 (8.6%) <0.001
Hypertension 8,989 (18.6%) 653 (30.6%) 182 (30.1%) <0.001
Diabetes mellitus 3,494 (7.2%) 357 (16.7%) 105 (17.4%) <0.001
Surgery characteristics
Departments <0.001
General surgery 20,962 (43.4%) 1,167 (54.7%) 318 (52.6%)
Neurosurgery 4,920 (10.2%) 106 (5.0%) 37 (6.1%)
Obstetrics and gynecology 7,802 (16.2%) 61 (2.9%) 31 (5.1%)
Orthopedics 10,834 (22.4%) 476 (22.3%) 62 (10.2%)
Urologic surgery 3,786 (7.8%) 322 (15.1%) 157 (26.0%)
Surgery duration (hours) 2.2 [1.4; 3.2] 3.8 [2.2; 5.8] 3.9 [2.3; 6.2] <0.001
Expected surgery duration (hours) 2.5 [2.0; 3.0] 3.0 [2.5; 5.0] 3.0 [2.5; 5.0] <0.001
Anesthesia type <0.001
General 41,480 (86.4%) 1,878 (88.6%) 563 (93.5%)
Non-general 6,508 (13.6%) 242 (11.4%) 39 (6.5%)
Emergency operation 613 (1.3%) 74 (3.5%) 45 (7.8%) <0.001
BP before operation
SBP 123 [113; 135] 126 [114; 138] 125 [113; 137] <0.001
DBP 77 [70; 85] 76 [69; 84] 75 [68; 83] <0.001
Normotensive 35,199 (75.2%) 1,389 (69.4%) 388 (72.4%)
Hypertensive (SBP ≥ 140 or DBP ≥ 90) 9,601 (20.5%) 493 (24.6%) 112 (20.9%)
Hypotensive (SBP < 90 or DBP < 60) 1,978 (4.2%) 120 (6.0%) 36 (6.7%)
Preoperative RAAS blockade 2,482 (5.1%) 294 (13.8%) 105 (17.4%) <0.001
Laboratory findings
eGFR (mL/min/1.73 m 2) 82.3 [71.8; 95.1] 76.9 [61.9; 93.6] 74.0 [57.6; 92.9] <0.001
No CKD or CKD stage 1 or 2 (≥60) 44,900 (93.0%) 1,633 (76.6%) 438 (72.4%)
CKD stage 3A (≥45 and <60) 2,836 (5.9%) 311 (14.6%) 79 (13.1%)
CKD stage 3B (≥30 and <45) 459 (1.0%) 132 (6.2%) 50 (8.3%)
CKD stage 4 (≥15 and <30) 109 (0.2%) 56 (2.6%) 38 (6.3%)
Presence of albuminuria (dipstick ≥1+) 4,060 (8.6%) 427 (20.5%) 195 (33.2%) <0.001
White blood cell count (1000/mm 2) 6.1 [5.0; 7.5] 6.3 [4.9; 7.9] 6.6 [4.9; 8.9] <0.001
Reference range (4000~10000) 41,211 (85.3%) 1,627 (76.3%) 424 (70.3%)
Leukopenia (<4000) 3,581 (7.4%) 278 (13.0%) 75 (12.4%)
Leukocytosis (≥10000) 3,493 (7.2%) 226 (10.6%) 104 (17.2%)
Hemoglobin (g/dL) 13.3 [12.1; 14.4] 12.6 [10.9; 14.0] 12.1 [10.4; 13.8] <0.001
Anemia (<12 for female, <13 for male) 12,819 (26.6%) 1,010 (47.4%) 348 (57.6%) <0.001
Platelet (10 3/μL) 200 [152; 255] 206 [140; 294] 207 [135; 324] <0.001
Thrombocytopenia (<10) 3,807 (7.9%) 263 (12.6%) 90 (15.2%) <0.001
Albumin (g/dL) 4.2 [3.9; 4.5] 3.9 [3.3; 4.3] 3.7 [3.0; 4.2] <0.001
Hypoalbuminemia (<3.5) 4,322 (9.0%) 591 (27.7%) 235 (38.8%) <0.001
Sodium (mEq/L) 140 [139; 142] 140 [138; 142] 140 [137; 142] <0.001
Normonatremia (135~145) 45,900 (95.2%) 1,881 (88.2%) 507 (83.8%)
Hyponatremia (<135) 1,028 (2.1%) 190 (8.9%) 73 (12.1%)
Hypernatremia (>145) 1,275 (2.6%) 61 (2.9%) 25 (4.1%)
Potassium (mEq/L) 4.2 [4.0; 4.4] 4.2 [4.0; 4.5] 4.2 [3.9; 4.5] <0.001
Normokaleima (3.5~5.5) 47,108 (97.7%) 2,041 (95.7%) 562 (92.9%)
Hypokalemia (<3.5) 920 (1.9%) 64 (3.0%) 32 (5.3%)
Hyperkalemia (>5.5) 175 (0.4%) 27 (1.3%) 11 (1.8%)
(Low stage AKI + Critical AKI) vs. (No AKI) (Critical AKI) vs. (Low stage AKI + No AKI)
Coefficient 95% CI P Coefficient 95% CI P
Age <40 Reference Reference
≥40 and <60 0.745 0.588, 0.906 <0.001 0.790 0.453, 1.154 <0.001
≥60 and <80 1.357 1.207, 1.513 <0.001 1.420 1.098, 1.773 <0.001
≥80 1.989 1.772, 2.205 <0.001 2.201 1.769, 2.640 <0.001
Male sex (vs. female) 0.978 0.896, 1.060 <0.001 0.951 0.782, 1.123 <0.001
Departments
General surgery Reference Reference
Neurosurgery -0.891 -1.069, -0.720 <0.001 -0.669 -1.027, -0.341 <0.001
Obstetrics and gynecology -1.793 -2.012, -1.587 <0.001 -1.293 -1.683, -0.941 <0.001
Orthopedics -0.355 -0.457, -0.255 <0.001 -0.964 -1.246, -0.698 <0.001
Urologic surgery 0.580 0.470, 0.688 <0.001 0.978 0.782, 1.170 <0.001
BMI category
Underweight (vs. reference range) 0.164 -0.032, 0.351 0.093 0.639 0.299, 0.951 <0.001
Obesity (vs. reference range) 0.195 0.017, 0.365 0.028 -0.019 -0.449, 0.362 0.925
Heart disease (vs. none) 0.849 0.688, 1.005 <0.001 1.069 0.769, 1.348 <0.001
Hypertension (vs. none) 0.652 0.567, 0.737 <0.001 0.599 0.422, 0.772 <0.001
Diabetes mellitus (vs. none) 0.957 0.850, 1.062 <0.001 0.932 0.714, 1.141 <0.001
Expected surgery duration (hours) 0.539 0.515, 0.563 <0.001 0.458 0.417, 0.500 <0.001
Non-general anesthesia (vs. general) -0.310 -0.438, -0.185 <0.001 -0.810 -1.151, -0.499 <0.001
Emergency operation (vs. non-emergency) 1.277 1.073, 1.474 <0.001 1.803 1.477, 2.105 <0.001
BP category
Hypotensive before surgery (vs. normotensive) 0.222 0.126, 0.316 <0.001 0.045 -0.170, 0.253 0.675
Hypertensive before surgery (vs. normotensive) 0.446 0.273, 0.613 <0.001 0.481 0.120, 0.811 0.006
Preoperative RAAS blockade use (vs. no use) 1.148 1.033, 1.260 <0.001 1.282 1.064, 1.492 <0.001
eGFR ≥60 Reference Reference
≥45 and <60 1.092 0.977, 1.206 <0.001 0.981 0.732, 1.217 <0.001
≥30 and <45 2.151 1.972, 2.327 <0.001 2.196 1.881, 2.490 <0.001
≥15 and <30 2.928 2.648, 3.207 <0.001 3.197 2.819, 3.551 <0.001
Leukopenia (vs. reference range) 0.683 0.564, 0.800 <0.001 0.675 0.420, 0.916 <0.001
Leukocytosis (vs. reference range) 0.641 0.518, 0.761 <0.001 1.039 0.817, 1.251 <0.001
Anemia (vs. none) 1.004 0.926, 1.081 <0.001 1.280 1.118, 1.443 <0.001
Hypoalbuminemia (vs. none) 1.481 1.393, 1.568 <0.001 1.772 1.605, 1.937 <0.001
Hyponatremia (vs. reference range) 1.593 1.450, 1.733 <0.001 1.731 1.472, 1.976 <0.001
Hypernatremia (vs. reference range) 0.260 0.030, 0.475 0.022 0.567 0.136, 0.950 0.006
Hypokalemia (vs. reference range) 0.636 0.416, 0.844 <0.001 1.045 0.664, 1.390 <0.001
Hyperkalemia (vs. reference range) 1.369 1.002, 1.710 <0.001 1.561 0.888, 2.125 <0.001
Urine albuminuria (vs. none) 1.175 1.079, 1.270 <0.001 1.605 1.429, 1.778 <0.001
Thrombocytopenia (vs. none) 0.564 0.446, 0.680 <0.001 0.707 0.475, 0.928 <0.001
AKI = acute kidney injury(급성 신부전), CI = confidence interval, BMI = body mass index, BP = blood pressure, RAAS = renin-angiotensin-aldosterone system, eGFR = estimated glomerular filtration rate상기 표 3의 변수 중 수술 부서(General surgery, Neurosurgery, Obstetrics and gynecology, Orthopedics, Urologic surgery), 체질량지수(Underweight (vs. reference range), Obesity (vs. reference range)), 비일반 마취(Non-general anesthesia (vs. general)), 혈압(Hypotensive before surgery (vs. normotensive), Hypertensive before surgery (vs. normotensive)), 고나트륨혈증(Hypernatremia (vs. reference range))은 각 임계점에서 계수들의 유의미한 차이 때문에 추가 모델 구축에서 포함되지 않았고, 평행 추정은 거의 변수들로 추정될 수 없다.
모델 계수(Model coefficient) 95% CI P
Age <40 Reference
≥40 and <60 0.473 0.302, 0.644 <0.001
≥60 and <80 0.787 0.617, 0.956 <0.001
80≥ 1.120 0.875, 1.366 <0.001
Male sex (vs. female) 0.714 0.624, 0.804 <0.001
Heart disease (vs. none) 0.190 0.006, 0.374 0.042
Hypertension (vs. none) 0.176 0.069, 0.282 0.001
Diabetes mellitus (vs. none) 0.263 0.135, 0.391 <0.001
Expected surgery duration (hours) 0.451 0.424, 0.478 <0.001
Emergency operation (vs. non-emergency) 0.690 0.448, 0.931 <0.001
Preoperative RAAS blockade use (vs. none) 0.473 0.338, 0.608 <0.001
eGFR ≥60
≥45 and <60 0.663 0.532, 0.794 <0.001
≥30 and <45 1.321 1.113, 1.528 <0.001
≥15 and <30 1.921 1.607, 2.235 <0.001
Leukopenia (vs. reference range) 0.395 0.254, 0.536 <0.001
Leukocytosis (vs. reference range) 0.027 -0.117, 0.172 0.712
Anemia (vs. none) 0.292 0.192, 0.392 <0.001
Hypoalbuminemia (vs. none) 0.683 0.563, 0.802 <0.001
Hyponatremia (vs. reference range) 0.307 0.162, 0.452 <0.001
Hypokalemia (vs. reference range) 0.169 -0.080, 0.418 0.184
Hyperkalemia (vs. reference range) 0.270 -0.155, 0.696 0.212
Urine albuminuria (vs. none) 0.533 0.421, 0.646 <0.001
Thrombocytopenia (vs. none) 0.041 -0.090, 0.172 0.543
CI = confidence interval(신뢰구간), RAAS = renin angiotensin aldosterone system(레닌-앤지오텐신-알도스테론계), eGFR = estimated glomerular filtration rate(추정된 사구체 여과 속도)상기 표 4의 변수 중 백혈구 증가증(Leukocytosis (vs. reference range)), 저칼륨혈증(Hypokalemia (vs. reference range)), 고칼륨혈증(Hyperkalemia (vs. reference range)), 혈소판 감소증(Thrombocytopenia (vs. none))은 각 임계점의 계수의 유의한 차이로 인해 추가 모델 구축에서 포함되지 않았다.
Model coefficient 95% CI P
Age (vs. <40)
≥40 and <60 0.502 0.332, 0.672 <0.001
≥60 and <80 0.807 0.638, 0.976 <0.001
≥80 1.136 0.892, 1.379 <0.001
Male sex (vs. female) 0.705 0.616, 0.794 <0.001
Heart disease (vs. none) 0.187 0.004, 0.370 0.040
Hypertension (vs. none) 0.171 0.065, 0.276 < 0.001
Diabetes mellitus (vs. none) 0.275 0.148, 0.401 <0.001
Expected surgical duration (continuous, hours) 0.458 0.432, 0.484 <0.001
Emergency operation 0.669 0.432, 0.906 <0.001
Preoperative RAAS blockade use (vs. none) 0.453 0.319, 0.588 <0.001
eGFR (vs. ≥60 mL/min/1.73 m 2)
≥45 and <60 0.680 0.551, 0.809 <0.001
≥30 and <45 1.331 1.127, 1.536 <0.001
≥15 and <30 2.021 1.714, 2.328 <0.001
Leukopenia (vs. none) 0.204 0.097, 0.310 <0.001
Anemia (vs. none) 0.305 0.206, 0.404 <0.001
Hypoalbuminemia (vs. none) 0.667 0.550, 0.784 <0.001
Hyponatremia (vs. none) 0.296 0.153, 0.438 <0.001
Albuminuria (vs. none) 0.505 0.394, 0.617 <0.001
CI = confidence interval, RAAS = renin angiotensin aldosterone system, eGFR = estimated glomerular filtration rate추가 단순 모델은 모델 계수들의 크기에 따라 연령 및 추가적인 열개의 변수들로 구성되며, 상기 표 5의 변수 중 심장병(Heart disease (vs. none)), 고혈압(Hypertension (vs. none)), 백혈구 감소증(Leukopenia (vs. none))은 상대적으로 작은 모델 계수 때문에 추가 모델 구축에서 포함되지 않았다.
Model coefficients 95% CI P
Age (vs. <40)
≥40 and <60 0.522 0.353, 0.691 <0.001
≥60 and <80 0.852 0.686, 1.019 <0.001
≥80 1.203 0.962, 1.443 <0.001
Male sex (vs. female) 0.705 0.616, 0.794 <0.001
Diabetes mellitus (vs. none) 0.347 0.227, 0.467 <0.001
Expected surgical duration (continuous, hours) 0.459 0.433, 0.484 <0.001
Emergency operation 0.678 0.441, 0.915 <0.001
RAAS blockade use (vs. none) 0.506 0.375, 0.638 <0.001
eGFR (vs. ≥60 mL/min/1.73 m 2)
≥45 and <60 0.690 0.561, 0.818 <0.001
≥30 and <45 1.345 1.141, 1.549 <0.001
≥15 and <30 2.012 1.705, 2.319 <0.001
Anemia (vs. none) 0.319 0.221, 0.418 <0.001
Hypoalbuminemia (vs. none) 0.705 0.590, 0.820 <0.001
Hyponatremia (vs. none) 0.298 0.156, 0.441 <0.001
Albuminuria (vs. none) 0.510 0.399, 0.621 <0.001
CI = confidence interval, RAAS = renin angiotensin aldosterone system, eGFR = estimated glomerular filtration rate모델 계수들은 11.0306과 곱해지며, 정수로 반올림되어 SPARK 지수를 구성한다.
(3) SPARK 지수 및 분류
선택된 변수들은 비례형 오즈 모델로 순차 결과에 맞추어졌다. 비록 일부 과소 평가가 발견 코호트의 높은 확률 범위에서 발견되었지만, 보정 도표는 추정 및 예상되는 확률의 허용가능한 분포를 나타냈다(도 3). 고정된 크기(n = 1,000)의 1000개의 무작위 하위 샘플들에서 Hosmer-Lemeshow test는 각각 발견 코호트 내 저단계 AKI 및 심각한 AKI 결과에 대한 0.372[사분위수 범위(interquartile range, IQR) 0.171 내지 0.592, P ≥0.05를 갖는 샘플들 중 90.9%] 및 0.485(IQR 0.171 내지 0.739, P ≥0.05를 갖는 샘플들 중 88.3%)의 중앙 P 값을 제공하였다. 같은 테스트로부터 발견 코호트 내 중앙 P 값들은 또한 모델 적합도가 유의하게 수용 가능하다 (P > 0.05)는 것을 나타내었다. 하지만, 하위 샘플들의 적은 비율이 좋은 모델 적합도를 나타냄으로써 보정 결과는 검증 코호트 내에서 비교적 양호하였다. 저단계 AKI에 대한 중앙 P값은 0.119(IQR 0.032 내지 0.294, P ≥0.05를 갖는 샘플들 중 67.8%)였고, 심각한 AKI의 중앙 P값은 0.130(IQR 0.016 내지 0.437, P ≥0.05를 갖는 샘플들 중 65.0%)였다. c-stat은 발견 및 검증 코호트에서 각각 0.798 및 0.715였고, 이는 허용 가능한 범위였다. 모델 계수들을 정수 점수로 변환한 후, 최종 SPARK 지수는 PO-AKI[발견 코호트 곡선 하 면적(AUC) 0.800 (95% CI 0.791-0.809), 검증 코호트 AUC = 0.717 (95% CI 0.705-0.730)] 및 심각한 AKI[발견 코호트 AUC = 0.826 (95% CI 0.810-0.843), 검증 코호트 AUC = 0.765 (95% CI 0.743-0.786)] 결과 모두에 대해 수용 가능한 판별력을 나타냈다.
그 후, 우리는 민감도/특이도 값을 시험하였고(도 4), 20 및 40의 분류기준점(cutoff value)들을 SPARK 등급 A/B 및 B/C 사이의 임계 값으로 각각 선택하였다(표 7). 추가적으로, 60의 임계값은 SPARK C 및 D 등급 사이의 임계값으로서 확인되었다. 지정된 분류기준점(cutoff value)으로 분류가 수행된 후, AKI 및 심각한 AKI의 발생률은 모두 발견 및 검증 코호트 내 등급 의존적 증가를 나타내었다(도 5). 상기 언급된 결과로, 우리는 SPARK 지수 및 분류를 구축하였고, 수술 전 AKI 모니터링 전략을 제안하였다(도 6).
민감도(Sensitivity) 특이도(Specificity) 음성예측치(Negative predictive value) 양성예측치(Positive predictive value)
PO-AKI
Discovery cohort
분류기준점(Cutoff) = 20 96.0 % 27.2 % 99.2 % 6.8 %
Cutoff = 40 51.0 % 88.6 % 97.0 % 20.0 %
Validation cohort
Cutoff = 20 95.9 % 16.0 % 98.6 % 5.9 %
Cutoff = 40 38.5 % 85.8 % 96.2 % 13.0 %
Critical AKI (among SPARK index ≥40)
Discovery cohort
Cutoff = 60 25.8 % 91.7 % 96.0 % 13.9 %
Validation cohort
Cutoff = 60 18.2 % 94.9 % 96.0 % 14.8 %
PO-AKI = postoperative acute kidney injury, AKI = acute kidney injury, SPARK = simple postoperative acute kidney injury risk(단순 수술 후 급성 신부전 위험)
(4) 민감도 분석
우리의 배제 기준으로 인한 상당한 편향이 있었는지 조사하기 위해 민감도 분석이 수행되었다. 누락된 값들이 존재하는 사례들을 포함하여 귀속된 데이터세트 내 SPARK 지수의 판별력은 발견 코호트 내 허용가능하였다[c-stat = 0.802 (N = 51,041)]. 하지만, 누락된 값들의 높은 비율을 갖는 검증 코호트 내에서, 주로 딥스틱 단백뇨증 변수가 많이 누락되었던, 판별력은 비교적 감소하였다[c-stat = 0.698 (N = 39,764)]. 실제 수술 기간이 예상된 기간 대신 포함되었을 때, 그 판별력의 현저한 감소는 나타나지 않았다[발견 코호트(N = 49,803) 내 c-stat = 0.810 및 검증 코호트(N = 29,715) 내 c-stat = 0.723]. 그런 다음, 우리는 발견 및 검증 코호트를 결합시킨 후, 시간 경과에 따라 명백한 차이가 존재하는 지를 테스트하였고, 본 실험의 3가지 시대에서 c-stat의 현저한 차이나 감소가 관찰되지는 않았다[2004년 내지 2007년(N = 18,560)의 c-stat = 0.754, 2008년 내지 2011년(N = 34,016)의 c-stat = 0.779 및 2012년 내지 2015년(N = 26,942)의 c-stat = 0.768]. 마지막으로, 우리는 수술 전 아급성 또는 만성 진행형 신장 손상의 집합으로부터의 잠재적 편향을 조절하기 위해 그 기간에 관계없이 수술 전 3개월 내 최소 값으로부터 0.3 mg/dL 이상 또는 1.5배 이상의 뚜렷한 수술 전 크레아티닌이 상승된 환자는 제외하였다. 분석에서도, SPARK 지수의 판별력은 허용가능한 범위로 유지되었다[발견 코호트(N = 48,124)의 c-stat = 0.792 및 검증 코호트(N = 29,315)의 c-stat = 0.711].
(5) SPARK 지수의 수행 및 각 수술 부서에서의 분류
우리가 발견 및 검증 코호트에서 누락된 값 없이 사례들을 병합할 때, 임상 특성과 관련된 특정 차이점들이 부서 사이에서 존재하였다(표 8). 각 부서의 단순화된 비레형 오즈 모델 및 SPARK 지수의 수행 결과는 도 7에 나타내었다. 보정 결과는 모든 보정이 일반 외과 및 정형외과에서 수용 가능하였고, 산부인과에서 양호한 정도였음을 나타냈다. 하지만, 우리 모델이 비뇨기과 수술에서는 유해한 결과의 위험을 과소평가하는 반면에 신경외과 부서에서는 현저한 과대평가가 확인되었다. 이 것은 판별력에 있어서도 비슷한 경향을 나타냈으며, 신경외과와 비뇨기과 부서에서 AUC 값은 0.7 이하로 상대적으로 낮은 판별력을 나타내었다. 그럼에도 불구하고, SPARK 분류가 적용되었을 때, 유해한 결과의 현저한 등급에 따른 발생의 증가가 다시 관찰되었다(표 9).
General surgery(N=31,810) Orthopedic surgery (N=24,873) Obstetrics and gynecology (N=8,351) Neurosurgery (N=7,280) Urologic surgery (N=7,204) P
Age (years) 58 [49; 68] 59 [44; 69] 45 [36; 52] 56 [45; 65] 66 [57; 72] <0.001
<40 3,023 (9.5%) 5,171 (20.8%) 2,827 (33.9%) 1,186 (16.3%) 692 (9.6%)
≥40 and <60 13,949 (43.9%) 7,559 (30.4%) 4,332 (51.9%) 3,185 (43.8%) 1,473 (20.4%)
≥60 and <80 13,869 (43.6%) 11,149 (44.8%) 1,133 (13.6%) 2,813 (38.6%) 4,780 (66.4%)
≥80 969 (3.0%) 994 (4.0%) 59 (0.7%) 96 (1.3%) 259 (3.6%)
eGFR (mL/min/1.73 m 2) 82.7 [71.7; 95.2] 85.7 [72.6; 98.0] 86.5 [75.4; 100.8] 85.5 [72.8; 99.4] 76.6 [64.7; 88.2] <0.001
≥60 29,432 (92.5%) 22,516 (90.5%) 8,042 (96.3%) 6,740 (92.6%) 5,936 (82.4%)
≥45 and <60 1,895 (6.0%) 1,830 (7.4%) 250 (3.0%) 440 (6.0%) 963 (13.4%)
≥30 and <45 366 (1.2%) 401 (1.6%) 43 (0.5%) 74 (1.0%) 226 (3.1%)
≥15 and <30 117 (0.4%) 126 (0.5%) 16 (0.2%) 26 (0.4%) 79 (1.1%)
Dipstick albuminuria 2,806 (8.8%) 1,459 (5.9%) 699 (8.4%) 402 (5.5%) 1,316 (18.3%) <0.001
Male sex 16,900 (53.1%) 11,025 (44.3%) 0 (0.0%) 3,366 (46.2%) 6,455 (89.6%) <0.001
Expected surgery duration (hours) 3.0 [2.0; 3.5] 2.5 [2.0; 3.0] 2.0 [2.0; 3.0] 4.0 [3.0; 5.0] 3.0 [2.0; 4.0] <0.001
Emergency department 444 (1.4%) 296 (1.2%) 164 (2.0%) 233 (3.2%) 58 (0.8%) <0.001
Diabetes mellitus 2,705 (8.5%) 2,522 (10.1%) 255 (3.1%) 595 (8.2%) 597 (8.3%) <0.001
RAAS blockade use 1,647 (5.2%) 1,756 (7.1%) 235 (2.8%) 712 (9.8%) 472 (6.6%) <0.001
Albumin (g/dL) 4.2 [3.9; 4.5] 4.4 [4.1; 4.6] 4.3 [4.1; 4.5] 4.2 [3.9; 4.5] 4.4 [4.2; 4.6] <0.001
Hypoalbuminemia (<3.5) 3,126 (9.8%) 1,478 (5.9%) 554 (6.6%) 683 (9.4%) 197 (2.7%)
Hemoglobin (g/dL) 13.3 [12.0; 14.4] 13.6 [12.5; 14.9] 12.7 [11.6; 13.5] 13.4 [12.4; 14.5] 14.3 [13.2; 15.2] <0.001
Anemia (<12 for female, <13 for male) 9,425 (29.6%) 4,444 (17.9%) 2,555 (30.6%) 1,631 (22.4%) 1,280 (17.8%)
Sodium (mEq/L) 141 [139; 142] 141 [139; 142] 140 [139; 141] 141 [139; 142] 141 [139; 142] <0.001
Hyponatremia (<135) 933 (2.9%) 545 (2.2%) 102 (1.2%) 169 (2.3%) 111 (1.5%)
eGFR = estimated glomerular filtration rate, RAAS = renin-angiotensin-aldosterone system
Class A Class B Class C Class D P
General surgery (N=6,228) (N=19,988) (N=4,988) (N=606)
Any AKI 47 (0.8%) 785 (3.9%) 827 (16.6%) 347 (57.3%) <0.001
Low-stage AKI 41 (0.7%) 606 (3.0%) 610 (12.2%) 259 (42.7%) <0.001
Critical AKI 6 (0.1%) 179 (0.9%) 217 (4.4%) 88 (14.5%) <0.001
Orthopedic surgery (N=6,119) (N=16,776) (N=1,908) (N=70)
Any AKI 78 (1.3%) 604 (3.6%) 219 (11.5%) 14 (20.0%) <0.001
Low-stage AKI 71 (1.2%) 539 (3.2%) 169 (8.9%) 8 (11.4%) <0.001
Critical AKI 7 (0.1%) 65 (0.4%) 50 (2.6%) 6 (8.6%) <0.001
Obstetrics and gynecology (N=4,300) (N=3,900) (N=145) (N=6)
Any AKI 26 (0.6%) 68 (1.7%) 20 (13.8%) 1 (16.7%) <0.001
Low-stage AKI 17 (0.4%) 44 (1.1%) 13 (9.0%) 0 (0.0%) <0.001
Critical AKI 9 (0.2%) 24 (0.6%) 7 (4.8%) 1 (16.7%) <0.001
Neurosurgery (N=287) (N=5,133) (N=1,781) (N=79)
Any AKI 7 (2.4%) 91 (1.8%) 76 (4.3%) 15 (19.0%) <0.001
Low-stage AKI 6 (2.1%) 71 (1.4%) 52 (2.9%) 6 (7.6%) <0.001
Critical AKI 1 (0.3%) 20 (0.4%) 24 (1.3%) 9 (11.4%) <0.001
Urologic surgery (N=552) (N=4,935) (N=1,603) (N=114)
Any AKI 10 (1.8%) 526 (10.7%) 361 (22.5%) 57 (50.0%) <0.001
Low-stage AKI 6 (1.1%) 376 (7.6%) 240 (15.0%) 37 (32.5%) <0.001
Critical AKI 4 (0.7%) 150 (3.0%) 121 (7.5%) 20 (17.5%) <0.001
AKI = acute kidney injury

Claims (16)

  1. 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료로 구성되는 비심장 수술 후 급성 신부전 발생 관련 요인을 변수로 선택하고, 상기 변수 별로 지수 세트를 설정하는 변수선택부;
    상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도(sensitivity) 및 특이도(specificity)를 산출하고, 상기 민감도 및 특이도에 따라 분류 기준점(cut-off value)들을 설정하는 분류 기준점 설정부; 및
    예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합을 계산하고, 상기 분류 기준점 설정부에서 설정된 분류 기준점들을 토대로 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 비심장 수술 후 급성 신부전 발생 위험도 예측부;를 포함하며,
    상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)으로 이루어지는 군에서 선택되는 적어도 하나를 포함하는, 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템.
  2. 청구항 1에 있어서, 상기 지수 세트는 예상된 수술 기간(Expected surgical duration)을 제외한 변수 별 선택 범주에 따라 설정되고, 각 선택 범주마다 0, 3, 4, 6 내지 9, 13, 15 및 22 중 선택되는 어느 하나의 지수가 설정되고, 상기 변수의 선택 범주 별 지수의 총 합은 0 내지 81인, 시스템.
  3. 청구항 1에 있어서, 상기 변수 중 예상된 수술 기간(Expected surgical duration)에 설정된 지수는 예상된 수술 기간(시간)의 5배의 지수가 설정되는 것인, 시스템.
  4. 청구항 1에 있어서, 상기 변수 중 연령(age)은 40세 미만, 40 이상 60세 미만, 60 이상 80세 미만 및 80세 이상의 선택 범주로 구분되며,
    상기 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만의 선택 범주로 구분되는, 시스템.
  5. 청구항 1에 있어서, 상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)을 포함하는, 시스템.
  6. 청구항 1에 있어서, 상기 비심장 수술 후 급성 신부전 발생 위험도 예측은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합에 따라 A, B, C, D 총 4개의 등급으로 분류되는, 시스템.
  7. 청구항 6에 있어서, 상기 A 등급은 상기 지수의 총합이 20 미만인 경우, 상기 B 등급은 상기 지수의 총합이 20 이상 40 미만인 경우, 상기 C 등급은 상기 지수의 총합이 40 이상 60 미만인 경우, 상기 D 등급은 상기 지수의 총합이 60 이상인 경우에 분류되는 것인, 시스템.
  8. 청구항 7에 있어서, 상기 A 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 및 심각한 급성 신부전 발생 확률이 2% 미만이고,
    상기 B 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 2% 이상, 심각한 급성 신부전 발생 확률은 2% 미만이고,
    상기 C 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 10% 이상, 심각한 급성 신부전 발생 확률은 2% 이상이고,
    상기 D 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 20% 이상, 심각한 급성 신부전 발생 확률은 10% 이상인, 시스템.
  9. 비심장 수술 대상 환자들의 비심장 수술 전 임상 자료로 구성되는 비심장 수술 후 급성 신부전 발생 관련 요인을 변수로 선택하고, 상기 변수 별로 지수 세트를 설정하는 제1 단계;
    상기 각 지수 세트 별 지수의 조합의 합계에 대한 민감도(sensitivity) 및 특이도(specificity)를 산출하고, 상기 민감도 및 특이도에 따라 분류 기준점(cut-off value)들을 설정하는 제2 단계; 및
    예측이 필요한 비심장 수술 대상 환자에 대해 상기 제1 단계에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합을 계산하고, 상기 제2 단계에서 설정된 분류 기준점들을 토대로 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 위험도를 예측하는 제3 단계;를 포함하고,
    상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)으로 이루어지는 군에서 선택되는 적어도 하나를 포함하는, 비심장 수술 후 급성 신부전 발생 위험도 예측 방법.
  10. 청구항 9에 있어서, 상기 지수 세트는 예상된 수술 기간(Expected surgical duration)을 제외한 변수 별 선택 범주에 따라 설정되고, 각 선택 범주마다 0, 3, 4, 6 내지 9, 13, 15 및 22 중 선택되는 어느 하나의 지수가 설정되고, 상기 변수의 선택 범주 별 지수의 총 합은 0 내지 81인, 방법.
  11. 청구항 9에 있어서, 상기 변수 중 예상된 수술 기간(Expected surgical duration)에 설정된 지수는 예상된 수술 기간(시간)의 5배의 지수가 설정되는 것인, 방법.
  12. 청구항 9에 있어서, 상기 변수 중 연령(age)은 40세 미만, 40 이상 60세 미만, 60 이상 80세 미만 및 80세 이상의 선택 범주로 구분되며,
    상기 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR)는 60 mL/min/1.73 m 2 이상, 45 mL/min/1.73 m 2 이상 60 mL/min/1.73 m 2 미만, 30 mL/min/1.73 m 2 이상 45 mL/min/1.73 m 2 미만, 15 mL/min/1.73 m 2 이상 30 mL/min/1.73 m 2 미만의 선택 범주로 구분되는, 방법.
  13. 청구항 9에 있어서, 상기 비심장 수술 후 급성 신부전 발생 관련 요인은 연령(age), 추정된 사구체 여과 속도(estimated glomerular filtration rate, eGFR), 딥스틱 단백뇨증(Dipstick albuminuria), 성별(sex), 예상된 수술 기간(Expected surgical duration), 응급 수술(Emergency operation), 당뇨(diabetes mellitus), 레닌-알도스테론-앤지오텐신계 차단제 투약력(renin-aldosterone-angiotensin-system blockade use, RAAS blockade use), 저알부민혈증(Hypoalbuminemia), 빈혈(Anemia) 및 저나트륨혈증(Hyponatremia)을 포함하는, 방법.
  14. 청구항 9에 있어서, 상기 비심장 수술 후 급성 신부전 발생 위험도 예측은 예측이 필요한 비심장 수술 대상 환자에 대해 상기 변수선택부에서 선택된 변수 별로 설정된 지수세트에 따라 결정되는 지수의 총합에 따라 A, B, C, D 총 4개의 등급으로 분류되는, 방법.
  15. 청구항 14에 있어서, 상기 A 등급은 상기 지수의 총합이 20 미만인 경우, 상기 B 등급은 상기 지수의 총합이 20 이상 40 미만인 경우, 상기 C 등급은 상기 지수의 총합이 40 이상 60 미만인 경우, 상기 D 등급은 상기 지수의 총합이 60 이상인 경우에 분류되는 것인, 방법.
  16. 청구항 15에 있어서, 상기 A 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 및 심각한 급성 신부전 발생 확률이 2% 미만이고,
    상기 B 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 2% 이상, 심각한 급성 신부전 발생 확률은 2% 미만이고,
    상기 C 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 10% 이상, 심각한 급성 신부전 발생 확률은 2% 이상이고,
    상기 D 등급은 상기 예측이 필요한 비심장 수술 대상 환자의 비심장 수술 후 급성 신부전 발생 확률은 20% 이상, 심각한 급성 신부전 발생 확률은 10% 이상인, 방법.
PCT/KR2019/015727 2018-11-16 2019-11-18 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법 Ceased WO2020101456A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/294,657 US20220008018A1 (en) 2018-11-16 2019-11-18 System and method for predicting risk of acute renal failure following non-cardiac surgery
US18/907,955 US20250029731A1 (en) 2018-11-16 2024-10-07 System and method for predicting risk of acute renal failure following non-cardiac surgery

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862768221P 2018-11-16 2018-11-16
US62/768,221 2018-11-16
KR1020190139378A KR102388887B1 (ko) 2018-11-16 2019-11-04 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법
KR10-2019-0139378 2019-11-04

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US17/294,657 A-371-Of-International US20220008018A1 (en) 2018-11-16 2019-11-18 System and method for predicting risk of acute renal failure following non-cardiac surgery
US18/907,955 Continuation-In-Part US20250029731A1 (en) 2018-11-16 2024-10-07 System and method for predicting risk of acute renal failure following non-cardiac surgery

Publications (1)

Publication Number Publication Date
WO2020101456A1 true WO2020101456A1 (ko) 2020-05-22

Family

ID=70731194

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/015727 Ceased WO2020101456A1 (ko) 2018-11-16 2019-11-18 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법

Country Status (2)

Country Link
US (1) US20220008018A1 (ko)
WO (1) WO2020101456A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114068019A (zh) * 2020-08-07 2022-02-18 上海市第一人民医院 一种基于aki患者血钠水平的aki预后预测评分系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153380B (zh) * 2023-11-01 2024-02-06 北京大学第一医院 非心脏手术患者术后急性肾损伤的预测方法、系统和设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101827793B1 (ko) * 2016-10-07 2018-02-09 계명대학교 산학협력단 환자의 의료정보를 이용한 수술 후 섬망의 예측 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101827793B1 (ko) * 2016-10-07 2018-02-09 계명대학교 산학협력단 환자의 의료정보를 이용한 수술 후 섬망의 예측 시스템 및 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HOBSON, CHARLES ET AL.: "Perioperative Acute Kidney Injury: Risk Factors and Predictive Strategies", CRIT CARE CLIN, vol. 33, no. 2, 30 April 2017 (2017-04-30), pages 379 - 396, XP055708266, DOI: 10.1016/j.ccc.2016.12.008 *
PARK, SEHOON ET AL.: "Simple Postoperative AKI Risk (SPARK) Classification before Noncardiac Surgery: A Prediction Index Development Study with External Validation", JOURNAL OF AMERICAN SOCIETY OF NEPHROLOGY, vol. 30, no. 1, 18 December 2018 (2018-12-18), pages 170 - 181, XP055708271, DOI: 10.1681/ASN.2018070757 *
SUN, LOUISE Y. ET AL.: "Association of intraoperative Hypotension with Acute Kidney Injury after Elective Noncardiac Surgery", ANESTHESIOLOGY, vol. 123, no. 3, 30 September 2015 (2015-09-30), pages 515 - 523, XP055708263 *
WILSON, TODD ET AL.: "Risk prediction models for acute kidney injury following major noncardiac surgery: systematic review", NEPHROLOGY DIALYSIS TRANSPLANTATION, vol. 31, no. 2, 24 December 2015 (2015-12-24), pages 231 - 240, XP055708259, DOI: 10.1093/ndt/gfv415 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114068019A (zh) * 2020-08-07 2022-02-18 上海市第一人民医院 一种基于aki患者血钠水平的aki预后预测评分系统

Also Published As

Publication number Publication date
US20220008018A1 (en) 2022-01-13

Similar Documents

Publication Publication Date Title
Lyphout et al. Patient safety incidents during interhospital transport of patients: a prospective analysis
KR102388887B1 (ko) 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법
Uysal et al. Risk factors for amputation in patients with diabetic foot infection: a prospective study
Brillman et al. Triage: limitations in predicting need for emergent care and hospital admission
Ageno et al. Provoked versus unprovoked venous thromboembolism: findings from GARFIELD‐VTE
Knack et al. Early physician gestalt versus usual screening tools for the prediction of sepsis in critically ill emergency patients
Kow et al. Predictive factors of major lower extremity amputations in diabetic foot infections: a cross-sectional study at district hospital in Malaysia
Rimmer et al. The clinical presentation of monkeypox: a retrospective case-control study of patients with possible or probable monkeypox in a West London cohort
WO2020101456A1 (ko) 비심장 수술 후 급성 신부전 발생 위험도 예측 시스템 및 방법
Carugo et al. Management of acute coronary syndromes during the COVID-19 outbreak in Lombardy: The “macro-hub” experience
Johnson et al. Outcomes of limb-sparing surgery for osteomyelitis in the diabetic foot: importance of the histopathologic margin
Long et al. Incidence, patterns and risk factors for readmission following knee arthroplasty in China: a national retrospective cohort study
Deshmukh et al. Factors associated with appropriate treatment of acute-onset severe obstetrical hypertension
Jiménez-Puente et al. Readmission rate as an indicator of hospital performance: the case of Spain
Fabricant et al. The positive predictive value of hospital discharge data for identifying severe maternal morbidity with and without blood transfusion
Aylin et al. HSMR mortality indicators
Birmpili et al. Editor's Choice–Delays to revascularisation and outcomes of non-elective admissions for chronic limb threatening ischaemia: a UK population based cohort study
Ulusoy et al. Characteristics and management of patients undergoing emergency surgery for diabetic foot attack
Festini et al. External validation of the SMART medical clearance form for emergency patients with psychiatric manifestations
Aloweni et al. Clinical characteristics and healing outcomes of patients with pressure injuries: Insights from Singapore's first chronic wounds registry
Jarmoszewicz et al. Assessment of anxiety in patients after cardiac surgery: validation study of the Visual Analogue Scale
Kirigaya et al. High detectability of prehospital 12-lead electrocardiogram in diagnosing spasm-induced acute coronary syndrome
Sarrazin et al. Racial differences in mortality among veterans hospitalized for exacerbation of chronic obstructive pulmonary disease
Schumer et al. Preliminary experience with conservative sharp wound debridement by nurses in the outpatient management of diabetic foot ulcers: safety, efficacy, and economic analysis
Levin et al. Postoperative disability and one-year outcomes for patients suffering a stroke after carotid endarterectomy

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19885853

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19885853

Country of ref document: EP

Kind code of ref document: A1