Voorspellen van acute nierziekte na hartchirurgie: een machine learning-benadering

Nierschade na een hartoperatie is een van de veelvoorkomende complicaties met een hoge incidentie, een hoog sterfterisico en progressie naar chronische nierziekte (CKD). Eerdere evaluaties van de perioperatieve nierfunctie richtten zich voornamelijk op acuut nierletsel (AKI) gerelateerd aan een hartoperatie binnen zeven dagen na de operatie. Het nieuw voorgestelde concept van acute nierziekte (AKD) in recente jaren verwijst naar acuut of subacuut nierletsel dat zeven tot negentig dagen aanhoudt. Onderzoek heeft aangetoond dat AKD kan optreden na AKI of bij patiënten zonder AKI, en de twee zijn zowel gerelateerd als onafhankelijk van elkaar, wat mogelijk verschillende subtypes van nierschade aangeeft. AKD is niet ongewoon en is een significantere voorspeller van mortaliteit en eindstadium nierziekte (ESKD). Daarom kan AKD een belangrijk venster zijn voor het identificeren en beheren van hoogrisicopatiënten na een hartoperatie. Vanwege beperkt onderzoek naar AKD na een hartoperatie zijn de risicofactoren voor AKD momenteel onduidelijk, en er zijn geen klinisch praktische en effectieve risicostratificatietools beschikbaar. Deze studie heeft tot doel een multimodaal perioperatief dataplatform op te zetten via een retrospectieve cohortstudie, en gebruik te maken van machine learning-methoden om een risicovoorspellingsmodel voor AKD na een hartoperatie te construeren. De nauwkeurigheid en stabiliteit van het model zullen worden gevalideerd in een prospectieve studiecohort, en een online risicovoorspellings- en klinische besluitvormingstool zal worden ontwikkeld om clinici te helpen snel gepersonaliseerde risicobeoordelingen uit te voeren en diagnostische en behandelstrategieën te optimaliseren, waardoor de prognose van patiënten wordt verbeterd en de medische kosten worden verlaagd.