重症患者の尿量による急性腎障害の定義

急性腎障害（AKI）は、集中治療室にいる重症患者によく見られる疾患で、合併症のリスク増加、入院期間の延長、死亡率と強く関連しています。 この分野の研究は、統一された定義がないために長らく妨げられてきましたが、2012 年以降、AKI のコンセンサス定義として広く受け入れられています。それが、急性腎障害の KDIGO 臨床実践ガイドラインです。 これにより、さまざまな研究や介入の比較が容易になりました。

この定義によれば、AKI は、a) 血中クレアチニン レベル (通常は尿中に排泄される分解生成物) の急激な上昇、および/または b) 尿量の減少のいずれかに基づいています。 腎損傷は、クレアチニン値の増加または尿量の減少に基づいてさらに 3 段階 (1 ～ 3) に分類され、段階が高くなるほど腎機能が低下し、死亡リスクが増加することを示します。

ただし、現在の AKI の定義にも弱点と限界があります。 主に筋肉で生成される分解生成物であるクレアチニンは、腎臓損傷により血中で増加しますが、損傷そのものではなく、むしろ損傷に起因する腎機能障害を反映しています。 したがって、クレアチニンは腎損傷ではなく腎機能のマーカーとして機能し、損傷が発生してから 1 日以上後にレベルの上昇が現れることがよくあります。 さらに、クレアチニンレベルは、個人の筋肉量など、腎機能とは関係のない他の要因の影響を受けます。

腎損傷の場合、尿量はクレアチニンレベルよりも早く変化するため、ほとんどが尿道カテーテルを装着している集中治療患者では簡単に測定できます。 たとえクレアチニンレベルが正常であっても、尿量の減少は集中治療患者の死亡リスクの増加と関連しています。 KDIGO は、尿量の減少を、体重 1 キログラムあたり 1 時間あたりの尿の量が 0.5 ミリリットル未満であると定義しています。 しかし、この定義は基本的に正常生理学に関する古い研究に基づいており、近年疑問視されています。 尿量の減少は手術などのストレスに対する正常な生理学的反応であるため、AKIによる生理学的尿量の減少を区別するのは困難です。 外科および集中治療の状況におけるいくつかの最新の研究では、尿量が 0.5 ml/kg/h 未満であっても AKI や死亡のリスクは増加しないことが示唆されています。 これらの発見に基づいて、AKI の定義としてより低い閾値が提案されています。 これらの発見を検証するには、尿量以外の要因を考慮したさらなる知識と研究が必要です。 たとえば、尿量と患者の転帰との関係が、利尿薬治療、投与される水分の量、または水分バランスによって影響を受けるかどうかについての知識が不足しています。

この研究プロジェクトは、AKI を確実に示す尿量の可能な閾値を特定することを目的としています。 また、尿量とAKIの重症度、腎代替療法（透析）の必要性、腎機能への長期的な影響、死亡リスクとの関係を調べることも目的としている。

2016年から2024年（研究開始まで）にウプサラ大学病院の集中治療室で治療を受けた成人患者全員が対象となる。 患者は、集中治療室患者管理システム (PasIva) を通じて特定されます。 PasIva は、スウェーデン集中治療登録 (SIR) にデータを報告するために使用される管理サポート システムです。 必要に応じて、ローカル データに SIR からの情報を追加する必要がある場合があります。 このシステムは、ICU 入院の理由、入院時の病気の重症度、集中治療中の介入、30 日および 90 日死亡率に関するデータを提供します。 PasIva のデータは、SIR のテンプレートに従って登録およびフォーマットされ、有効性が保証されていない限り、アップロードできません。

麻酔および集中治療 (患者データ管理システム、PDMS) で使用される電子医療記録システムであるローカル システム Metavision から、尿量、体液バランス、体重、投薬、臓器支持療法などの生理学的変数に関するデータが取得されます。腎代替療法（透析）など。 データは ICU スタッフによって 1 時間ごとに Metavision に入力され、高解像度の記録が保証されます。 関連する病棟で投与されるすべての薬剤はメタビジョンで処方されます。

医療記録システム COSMIC とウプサラ大学病院学術研究所が管理するデータベースから、過去の病状、クレアチニンなどの血液検査結果、診断検査の所見などのデータが収集されます。 アカデミックラボラトリーは品質が保証されており、SS-EN ISO 15189 に従って SWEDAC によって認定されています。

上記のソースからの患者データは、分析を可能にするために統合されます。 データは、標準的な手順 (分散の測定、プロットなど) を使用して検査され、登録エラーを示す異常を検出します。 コホートを分析用のサブセットと結果の検証用のサブセットに分割する予定です。 多変数統計モデルは、上記の科学的疑問に対処するために適用されます。