Risikofaktoren und maschinelles Lernmodell für akute Nierenverletzungen im Zusammenhang mit Aminoglycinen

Nach der Behandlung mit Aminoglykosiden kann es zu einer medikamenteninduzierten akuten Nierenschädigung (D-AKI) kommen. Die Vorhersage des D-AKI-Risikos ist wichtig für eine maßgeschneiderte Präventions- und Linderungsstrategie. Derzeit gibt es keine Studien zur Konstruktion eines Modells zur Vorhersage des Risikos von D-AKI im Zusammenhang mit Aminoglykosiden. Daher zielte die Studie darauf ab, ein Modell zur Vorhersage des D-AKI-Risikos zu entwickeln, das in der klinischen Praxis verwendet werden könnte. Klinische Daten von Patienten, die von Januar 2018 bis Dezember 2020 am First Affiliated Hospital der Shandong First Medical University mit Aminoglykosiden behandelt wurden, wurden erhoben. Der primäre Endpunkt war D-AKI, definiert gemäß 2012 Global Outcomes for Kidney Disease Improvement (KDIGO). Klinische Patienteninformationen, einschließlich demografischer Informationen, Aufnahme- und Entlassungsinformationen, Krankheitsgeschichte, Medikationsinformationen und Labortests, wurden über ein elektronisches Krankenaktensystem im Krankenhaus erhalten. Unabhängige Risikofaktoren im Zusammenhang mit D-AKI werden durch univariate und multifaktorielle Analysen gescreent. Kovariaten mit signifikanten Unterschieden (P < 0,05) wurden in logistische Regressionsmodelle aufgenommen. Die Modelle wurden anhand der Fläche unter der Kurve (AUC) der Receiver Operating Characteristic Curve (ROC) bewertet, die durch zehnfache Kreuzvalidierung erhalten wurde. Zukünftige Studien sind erforderlich, um die Anwendung dieses Modells in der klinischen Praxis zu testen und festzustellen, ob D-AKI in dieser Situation vorhergesagt und gemildert werden kann.