Penyakit Ginjal Akut Setelah Gagal Jantung Dekompensasi Akut Ⅱ

HASIL

Populasi Studi

Diagram alur inklusi pasien disajikan pada Gambar 1a. 11.010 pasien yang dirawat karena ADHF dengan informasi yang cukup untuk penilaian AKI dan AKD telah diidentifikasi. Setelah dikeluarkan berdasarkan kriteria yang disebutkan di atas, 7.519 pasien yang dirawat karena ADHF antara 1 Januari 2008 hingga 31 Desember 2018, memenuhi syarat untuk analisis.

EKSTRAK CISTANCHE DENGAN 30% ECHINCAOSIDEUNTUK PENYAKIT GINJAL

Kejadian AKD dan Transisi Dari AKI ke AKD Setelah ADHF

Dari 7519 pasien, 678 (9.0%) mengalami AKI selama 7 hari pertama (Gambar 1a). Dari 678 pasien dengan AKI, 267 (39,4%) mengembangkan AKD stadium 1, 2, atau 3 selama hari tindak lanjut 8 hingga 90, dengan 411 (60,6%) sisanya dikelompokkan ke dalam AKD stadium 0. Dari 7519 pasien, 6841 tidak teridentifikasi episode AKI selama 7 hari pertama rawat inap; dari pasien ini, 1.325 (19,4%) mengembangkan AKD stadium 1, 2, atau 3 selama hari tindak lanjut 8 hingga 90. Gambar 1b menunjukkan pengelompokan pasien ke dalam stadium AKI dan AKD yang berbeda. Mereka yang memiliki stadium AKI lebih tinggi memiliki kemungkinan lebih tinggi terkena AKD stadium 3 atau kematian dibandingkan mereka yang memiliki stadium AKI lebih rendah. Dari 7519 pasien yang dirawat karena ADHF, 1592 (21,2%) mengembangkan AKD selama 8 hingga 90 hari pada masa tindak lanjut setelah hari pertama rawat inap.

Model Prediksi untuk AKD Tahap Apa Pun Tabel 1 dan Tabel Tambahan S1 menggambarkan karakteristik dan faktor risiko klinis yang relevan. Faktor klinis yang berhubungan dengan setiap tahap perkembangan AKD setelah ADHF diidentifikasi menggunakan model regresi logistik univariat (Tambahan Tabel S2). Model regresi logistik multivariabel mengidentifikasi prediktor berikut: jenis kelamin perempuan, perkembangan AKI, tingkat keparahan AKI (non-AKI, AKI ringan: stadium 1, AKI sedang hingga berat: stadium 2 atau 3), penyakit penyerta (diabetes melitus, CKD), nilai laboratorium (termasuk kreatinin, HB, albumin, dan BNP), dan obat-obatan (dosis kumulatif inotropik dan iv loop di diuretik) (Tambahan Tabel S3). Sistem poin yang disederhanakan dikembangkan berdasarkan model ini (Tabel 2). Skor 4 dikaitkan dengan 5% kemungkinan terjadinya AKD sedangkan skor 38 berhubungan dengan 85% kemungkinan terjadinya AKD. AUC modelnya adalah 0.726 (95% CI: 0.712–0.740). Plot kalibrasi menunjukkan perbedaan kecil antara probabilitas yang diprediksi dan diamati di seluruh subkelompok desil, kecuali untuk subkelompok desil terendah (Gambar Tambahan S1). Setelah dikoreksi optimisme, AUC menjadi 0,723. Perbedaan kecil antara AUC asli dan AUC yang dikoreksi menunjukkan kemampuan generalisasi eksternal yang dapat diterima dari model saat ini (data tidak ditemukan). Sistem penilaian dan prediksi risiko AKD tahap apa pun dirangkum dalam Gambar 2a dan b.

Model Prediksi Gabungan AKD Tahap 3 dan Semua Penyebab Kematian

Faktor klinis yang berhubungan dengan AKD stadium 3 atau kematian diidentifikasi (Tabel Tambahan S2). Model multivariabel mengidentifikasi prediktor berikut: usia, jenis kelamin wanita, perkembangan AKI, tingkat keparahan AKI (non-AKI, AKI ringan: stadium 1, AKI sedang hingga berat: stadium 2 atau 3), nilai laboratorium (termasuk BUN, kreatinin, HB, albumin, dan BNP), obat-obatan (dosis kumulatif inotrop dan diuretik loop iv), dan resep diuretik loop rawat jalan (Tambahan Tabel S3). Model prediksi klinis AKD stadium 3 atau kematian dikembangkan berdasarkan faktor risiko ini (Tabel 3). Skor 11 dikaitkan dengan 5% kemungkinan AKD tahap 3 atau kematian, sedangkan skor 40 berhubungan dengan probabilitas 95%. AUC-nya adalah 0.807 (95% CI: 0.793– 0.821). Plot kalibrasi menunjukkan perbedaan kecil hingga sedang antara probabilitas yang diprediksi dan diamati di seluruh subkelompok desil (Gambar Tambahan S2). Setelah dikoreksi optimisme, AUC menjadi 0,724. Perbedaan kecil antara AUC asli dan yang dikoreksi menunjukkan kemampuan generalisasi eksternal yang memuaskan dari model saat ini (data tidak ditemukan). Sistem penilaian dan prediksi risiko AKD tahap 3 dirangkum pada Gambar 3a dan b.

Tabel 3. Fungsi skor sederhana gabungan AKD stadium 3 dan kematian (jumlah pasien ¼ 7519)

Gambar 3. Ringkasan AKD tahap 3 atau model prediksi kematian. (a) Nilai poin untuk setiap variabel. (b) Perkiraan risiko pengembangan AKD tahap 3. AKD, penyakit ginjal akut; AKI, cedera ginjal akut; BNP, peptida natriuretik tipe B; BUN, nitrogen urea darah.

Model Prediksi untuk 90-Hari Semua Penyebab Kematian

Faktor klinis yang terkait dengan kematian {{0}}hari diidentifikasi (Tabel Tambahan S2). Model multivariabel mengidentifikasi prediktor berikut: usia, jenis kelamin wanita, stadium AKI, penyakit hati kronis, BUN, albumin, BNP, digoksin, diuretik loop rawat jalan, dan inotropik (Tambahan Tabel S3). Model prediksi klinis kematian dikembangkan berdasarkan faktor-faktor risiko ini (Tambahan Tabel S4). Skor 18 dikaitkan dengan kemungkinan kematian sebesar 5%, sedangkan skor 28 berkaitan dengan kemungkinan kematian sebesar 3{11}}%. AUC-nya adalah 0.746 (95% CI: 0.725–0.768). Setelah dikoreksi optimisme, AUC menjadi 0,741. Sistem penilaian dan prediksi risiko kematian 90-hari dirangkum dalam Gambar Tambahan S3A dan S3B.

Skor Prediksi AKD dan Risiko Hasil Jangka Panjang

Dalam 5-tahun tindak lanjut, risiko semua penyebab kematian, MAKE, dan HFH secara signifikan lebih besar pada pasien AKD dibandingkan pasien tanpa AKD (Gambar 4a–c). Selain itu, korelasi residu Schoenfeld adalah<0.1 for all-cause death, MAKE, and HFH, respectively. These low correlation coefficients suggested no apparent violation of the proportional hazard assumption (data not found). After categorizing the patients into tertile subgroups according to their simplified points, the results revealed that patients with higher simplified points tended to have greater risks of all-cause death, MAKE, and HFH in both the any-stage AKD prediction model (Supplementary Figure S4A–C) and the composite prediction model (Supplementary Figure S5A–C).

Faktor Risiko Hasil Jangka Panjang

Untuk menyelidiki faktor risiko potensial dari hasil jangka panjang (semua penyebab kematian, MAKE, dan HFH), kami melakukan model Cox multivariabel dengan eliminasi ke belakang yang mencakup AKD dan variabel lain sebagai kovariat. Menurut model Cox multivariabel, variabel-variabel berikut ditemukan sebagai prediktor semua penyebab kematian: usia, penyakit ginjal kronik, penyakit hati, kelas fungsional IV New York Heart Association, HB, BUN, natrium, albumin, kadar BNP, dan loop rawat jalan. diuretik. Faktor risiko MAKE jangka panjang yang teridentifikasi adalah usia, diabetes mellitus, penyakit hati, kanker, fraksi ejeksi ventrikel kiri awal, HB, albumin, kreatinin, albumin, proteinuria, kadar BNP, penggunaan inotropik, dan penggunaan furosemide iv. Mengenai rawat inap ulang jangka panjang karena gagal jantung, prediktor yang teridentifikasi adalah usia, diabetes melitus, fraksi ejeksi ventrikel kiri, denyut jantung, BUN, proteinuria, kadar BNP, diuretik loop rawat jalan, dan penggunaan furosemide secara intravena (Tambahan Tabel S5).

DISKUSI

AKD mewakili rangkaian cedera ginjal atau tidak pulihnya ginjal setelah AKI. Insiden dan peran prognosis AKD setelah ADHF jarang dibahas. Penelitian kami menghasilkan 4 hasil penting. Pertama, kejadian AKD secara keseluruhan setelah ADHF adalah 21,2%. Kedua, 39,4% pasien dengan diagnosis AKI selama ADHF mengembangkan AKD, sedangkan 19,4% pasien tanpa episode AKI yang teridentifikasi awal mengembangkan AKD. Ketiga, perkembangan AKD dikaitkan dengan risiko kematian dan MAKE yang lebih tinggi serta insiden HFH yang lebih tinggi. Keempat, model prediksi kami mengidentifikasi pasien yang berisiko tinggi terkena AKD stadium apa pun atau AKD stadium 3 dan kematian, dengan AUROC masing-masing sebesar 0,73 dan 0,81.

Menurut Chen dkk., 38 470,6% pasien di unit perawatan intensif koroner mengalami AKD, dan perkembangan AKD dikaitkan dengan angka kematian yang lebih tinggi. Tingkat keparahan AKI dan AKI dikaitkan dengan perkembangan AKD.38 Menurut penelitian sebelumnya, kejadian AKD pada pasien tanpa episode AKI yang teridentifikasi adalah 17% hingga 37,8%.39–42 Penelitian kami mengungkapkan bahwa sekitar 40% dan 20% pasien dengan AKI dan pasien tanpa AKI masing-masing mengalami AKD setelah ADHF.

AKI yang persisten dan sementara memiliki efek hasil yang berbeda pada pasien dengan AKI.8 Waktu pemulihan fungsi ginjal juga mempengaruhi hasil ginjal lebih lanjut.43 Sindrom kardiorenal telah digunakan untuk menggambarkan gangguan interaksi jantung-ginjal yang saling terkait. Terdapat lima jenis sindrom kardiorenal yang telah diusulkan, dengan sindrom kardiorenal tipe 1 yang didefinisikan sebagai suatu kondisi di mana perburukan akut fungsi jantung menyebabkan AKI.44 Gagal jantung kronis juga dapat menyebabkan disfungsi ginjal, dan proses ini disebut sebagai tipe 2. sindrom kardiorenal. Menurut Brankovic et al., 6 penanda kerusakan tubulus ginjal yang lebih tinggi menyebabkan hasil yang buruk pada populasi dengan gagal jantung kronis yang stabil. CKD sendiri merupakan faktor risiko AKI pada ADHF dan merupakan faktor prognosis yang buruk. Studi kami menemukan bahwa kelangsungan hidup 5-tahun secara keseluruhan, kejadian MAKE, dan HFH berbeda secara signifikan antara pasien dengan dan tanpa diagnosis AKD.

Model klinis untuk prediksi AKD pada pasien dengan sepsis telah dipublikasikan baru-baru ini. Menurut Peerapornratana et al., 45 jenis kelamin laki-laki, ras, dan skor fisiologi akut III berhubungan secara signifikan dengan rasio odds untuk AKD. Kejadian AKD yang tercatat setelah sepsis adalah 26,9% dan model klinis mereka memiliki AUROC sebesar 0,71 untuk prediksi AKD. Model prediksi untuk AKI setelah ADHF dengan AUROC berkisar antara 0.65 hingga 0.87 juga telah dipublikasikan.4,14,16,18 Parameter klinis berbasis model klinis saja untuk prediksi AKD mengungkapkan adanya prediksi kemampuannya tidak kalah dengan biomarker baru.45 Selanjutnya, analisis post hoc dari penelitian FINNAKI menemukan bahwa menambahkan biomarker urin ke model prediksi klinis tidak meningkatkan diskriminasi AKI secara signifikan secara statistik.46 Model prediksi kami, berdasarkan parameter klinis praktik sehari-hari, menghasilkan AUROC sebesar 0.73 untuk prediksi AKD dan AUROC sebesar 0.81 untuk AKD tahap 3 dan prediksi kematian. Model prediksi kami dapat digunakan untuk mengidentifikasi mereka yang berisiko tinggi terkena AKD tetapi tanpa indeks episode AKI yang teridentifikasi setelah ADHF. Rujukan dini ke ahli nefrologi mungkin penting bagi pasien ini.

hari setelah keluar. Perlu dicatat bahwa peserta dengan episode AKI lebih mungkin menerima pemeriksaan fungsi ginjal setelah keluar dari rumah sakit dibandingkan dengan peserta tanpa episode AKI yang teridentifikasi. Kondisi ini dapat menyebabkan meremehkan kejadian AKD pada pasien tanpa episode AKI yang teridentifikasi. Selain itu, metode pengukuran BNP di 7 rumah sakit kami juga sama; namun, nilai batasnya mungkin berbeda di rumah sakit lain karena metode pengukuran atau pengujian yang berbeda.

Terlepas dari keterbatasan ini, penelitian ini memanfaatkan sampel multi-institusional yang besar dan, sepengetahuan kami, merupakan penelitian pertama yang menyelidiki kejadian dan efek prognostik AKD setelah ADHF. Sistem penilaian kami dapat berfungsi sebagai alat prediksi klinis untuk perkembangan AKD dan menghubungkan hasil pasien jangka panjang. Oleh karena itu, identifikasi dini pasien yang berisiko tinggi dengan prognosis jangka panjang yang buruk dapat memfasilitasi intervensi dini. Meskipun diketahui adanya peran protektif dari penghambat enzim pengubah angiotensin/penghambat reseptor angiotensin pada populasi penderita CKD, uji coba terbaru juga mengungkapkan kemungkinan efek menguntungkan dari penghambat enzim pengubah angiotensin/penghambat reseptor angiotensin pada populasi AKI47; oleh karena itu, uji coba terkontrol secara acak lebih lanjut diperlukan untuk mengevaluasi dampaknya terhadap populasi penderita AKD.

Gambar 4. Fungsi tingkat kejadian kumulatif dari semua penyebab kematian (a) dan MAKE (b) dan fungsi kejadian kumulatif HFH (c) pasien yang dikelompokkan berdasarkan status AKD selama 5 tahun masa tindak lanjut. Dalam analisis HFH, pasien yang dirawat kembali karena gagal jantung dalam waktu 90 hari setelah keluar dari indeks masuk dikeluarkan dari analisis. AKD, penyakit ginjal akut; HFH, rawat inap gagal jantung; MAKE, kejadian buruk ginjal yang besar.

KESIMPULAN

AKD setelah ADHF dikaitkan dengan angka kematian yang lebih tinggi dan insiden efek samping ginjal dan HFH yang lebih tinggi. Kami melaporkan bahwa sekitar 21% pasien yang dirawat karena ADHF mengalami AKD dan sebagian pasien tanpa episode AKI yang teridentifikasi masih mengalami AKD. Sistem penilaian kami adalah alat yang mudah digunakan yang dapat secara efektif memprediksi risiko AKD setelah ADHF dan dengan demikian membantu diagnosis dan intervensi AKD dini.

PENYINGKAPAN

Para penulis menyatakan tidak ada kepentingan yang bersaing. UCAPAN TERIMA KASIH

Penulis berterima kasih kepada Bapak Alfred Hsing-Fen Lin, MS, dan Ibu Bing-Yu Chen, PhD, atas bantuannya dalam analisis statistik. Penelitian ini sebagian didasarkan pada data dari Database Penelitian Chang Gung yang disediakan oleh Rumah Sakit Chang Gung Memorial. Penafsiran dan kesimpulan yang terkandung di sini tidak mewakili posisi Rumah Sakit Chang Gung Memorial. Penelitian ini didukung oleh dana hibah dari Chang Gung Memorial Hospital, Taiwan, (CMRPG5K0141). CHC didukung oleh Kementerian Sains dan Teknologi (109-2314-B-182A-124).

KETERSEDIAAN DATA

Data tidak dapat dibagikan secara langsung kepada publik karena peraturan kebijakan Database Penelitian Chang Gung. Data disediakan, dipelihara, dan dikelola oleh Chang Gung Medical Foundation. Peneliti yang tertarik untuk mengakses kumpulan data ini dapat mengajukan permohonan resmi untuk meminta akses (Rumah Sakit Chang Gung Memorial, No. 5, Fuxing St., Guishan Dist., Kota Taoyuan 33305, Taiwan; E-mail: ccling999@gmail.com, þ 886-03-328120- 7721). KONTRIBUSI PENULIS JJC, CHC, dan PHC: metodologi. GK dan CLY: analisis formal. PCF, SWC, dan VCCW: ekstraksi data. JJC dan THL: persiapan draft tulisan asli. CHC dan PHC: penulisan-review dan editing. CHC: administrasi proyek. Semua penulis membaca dan menyetujui naskah akhir.

REFERENSI

1. Jong P, Vowinckel E, Liu PP, Gong Y, Tu JV. Prognosis dan penentu kelangsungan hidup pada pasien yang baru dirawat di rumah sakit karena gagal jantung: studi berbasis populasi. Arch Magang Med. 2002;162:1689–1694. https://doi.org/10.1001/archinte.162.15. 1689

2. Hernandez AF, Greiner MA, Fonarow GC, dkk. Hubungan antara tindak lanjut dokter dini dan penerimaan kembali 30-hari di antara penerima manfaat Medicare yang dirawat di rumah sakit karena gagal jantung. JAMA. 2010;303:1716–1722. https://doi.org/10.1001/jama.2010.533

3. Damman K, Jaarsma T, Voors AA, dkk. Memburuknya fungsi ginjal di dalam dan di luar rumah sakit memprediksi hasil akhir pada pasien dengan gagal jantung: hasil dari Studi Koordinasi yang Mengevaluasi Hasil dari Penasihatan dan Konseling pada Gagal Jantung (COACH). Gagal Jantung Eur J. 2009;11:847–854. https://doi.org/10.1093/eurjhf/hfp108

4. Breidthardt T, Socrates T, Noveanu M, dkk. Efek dan prediksi klinis perburukan fungsi ginjal pada gagal jantung dekompensasi akut. Apakah J Cardiol. 2011;107:730–735. https://doi.org/10.1016/j.amjcard.2010.10.056

5. Bagshaw SM, Cruz DN, Aspromonte N, dkk. Epidemiologi sindrom kardio-ginjal: pernyataan kelompok kerja dari Konferensi Konsensus ADQI ke-7. Transplantasi Dial Nefrol. 2010;25:1406–1416.https://doi.org/10.1093/ndt/gfq066

6. Brankovic M, Akkerhuis KM, Hoorn EJ, dkk. Kerusakan tubulus ginjal dan memburuknya fungsi ginjal pada gagal jantung kronis: penentu klinis dan kaitannya dengan prognosis (studi Bio-SHiFT). Klinik Kardiol. 2020;43:630–638. https://doi.org/10.1002/clc.23359

7. Fudim M, Loungani R, Doerfler SM, dkk. Memburuknya fungsi ginjal selama dekongesti di antara pasien yang dirawat di rumah sakit karena gagal jantung: temuan dari uji coba Studi Evaluasi Gagal Jantung Kongestif dan Efektivitas Kateterisasi Arteri Pulmonal (ESCAPE). Am Heart J.2018;204:163–173. https://doi.org/10.1016/j.ahj. 2018.07.019

8. Chawla LS, Bellomo R, Bihorac A, dkk. Penyakit ginjal akut dan pemulihan ginjal: laporan konsensus dari Kelompok Kerja Inisiatif Kualitas Penyakit Akut (ADQI) 16. Nat Rev Nephrol. 2017;13:241–257. https://doi.org/10.1038/nrneph.2017.2

9. Liu KD, Forni LG, Heung M, dkk. Kualitas perawatan untuk penyakit ginjal akut: kesenjangan pengetahuan saat ini dan arah masa depan. Rep Int Ginjal 2020;5:1634–1642.https://doi.org/

10. 1016/j.ekir.2020.07.031 10. Forman DE, Butler J, Wang Y, dkk. Insiden, prediktor saat masuk, dan dampak memburuknya fungsi ginjal pada pasien yang dirawat di rumah sakit karena gagal jantung. J Am Coll Kardiol. 2004;43:61–67. https://doi.org/10.1016/j.jacc.2003.07.031

11. Takaya Y, Yoshihara F, Yokoyama H, dkk. Stratifikasi risiko cedera ginjal akut menggunakan rasio nitrogen urea darah/kreatinin pada pasien gagal jantung dekompensasi akut. Lingkaran J. 2015;79:1520–1525. https://doi.org/10.1253/circj.CJ-14- 1360

12. Takaya Y, Yoshihara F, Yokoyama H, dkk. Dampak penurunan kadar albumin serum pada cedera ginjal akut pada pasien dengan gagal jantung dekompensasi akut: kemungkinan hubungan dengan peptida natriuretik atrium. Pembuluh Jantung. 2017;32:932–943. https://doi.org/10.1007/s00380-017-0954-y

13. Voors AA, Davison BA, Felker GM, dkk. Penurunan dini tekanan darah sistolik dan memburuknya fungsi ginjal pada gagal jantung akut: hasil ginjal Pre-RELAX-AHF. Gagal Jantung Eur J. 2011;13:961–967. https://doi.org/10.1093/eurjhf/hfr060

14. Wang YN, Cheng H, Yue T, Chen YP. Penurunan dan validasi skor prediksi cedera ginjal akut pada pasien yang dirawat di rumah sakit dengan gagal jantung akut dalam kohort Tiongkok. Nefrologi (Carlton). 2013;18:489–496. https://doi.org/10. 1111/nep.12092

15. Verdiani V, Lastrucci V, Nozzoli C. Memburuknya fungsi ginjal pada pasien yang dirawat di rumah sakit dengan gagal jantung akut: faktor risiko dan signifikansi prognostik. Int J Nefrol. 2010;2011: 785974. https://doi.org/10.4061/2011/785974