Forudsigelse af akut nyresygdom efter hjertekirurgi: En maskinlæringstilgang

Nyreskade efter hjertekirurgi er en af de almindelige komplikationer med høj forekomst, høj risiko for død og progression til kronisk nyresygdom (CKD). Tidligere evalueringer af perioperativ nyrefunktion fokuserede hovedsageligt på akut nyreskade (AKI) relateret til hjertekirurgi inden for syv dage efter operationen. Det nyligt foreslåede koncept om akut nyresygdom (AKD) i de senere år henviser til akut eller subakut nyreskade, der varer syv til halvfems dage. Forskning har vist, at AKD kan forekomme efter AKI eller hos patienter uden AKI, og de to er både relaterede og uafhængige af hinanden, hvilket muligvis indikerer forskellige undertyper af nyreskade. AKD er ikke ualmindeligt og er en mere signifikant prædiktor for dødelighed og endestadien nyresygdom (ESKD). Derfor kan AKD være et vigtigt vindue for at identificere og håndtere højrisikopatienter efter hjertekirurgi. På grund af begrænset forskning i AKD efter hjertekirurgi er risikofaktorerne for AKD i øjeblikket uklare, og der er ingen klinisk praktiske og effektive risikostratificeringsværktøjer tilgængelige. Dette studie har til formål at etablere en multimodal perioperativ dataplatform gennem en retrospektiv kohorte og bruge maskinlæringsmetoder til at konstruere en risikoprædiktionsmodel for AKD efter hjertekirurgi. Modellens nøjagtighed og stabilitet vil blive valideret i en prospektiv studie kohorte, og et online risikoprædiktions- og klinisk beslutningsstøtteværktøj vil blive udviklet for at hjælpe klinikere med hurtigt at udføre personlige risikovurderinger og optimere diagnostik og behandlingsstrategier, hvilket derved forbedrer patientprognose og reducerer omkostningerne til sundhedsydelser.