Preoperative biomarkører som utfallsprediktorer i to-trinns revisjonskirurgi for PJI (ARKO-PJI)

Med den progressive aldringen av befolkningen har man observert en betydelig økning i forekomsten av skjelettbrudd – spesielt i det proximale femur – samt degenerative tilstander som artrose, der leddartroplastikk representerer behandlingsvalget. Imidlertid er ikke denne prosedyren fri for komplikasjoner; utover tekniske og mekaniske problemer knyttet til potensiell implantatfeilplassering, er en av de mest fryktede periprostetisk leddinfeksjon (PJI), som utgjør en stor utfordring når det gjelder klinisk behandling og prognostisk innvirkning. Terapeutiske strategier for PJI spenner fra debridement med beholdning av implantatet og utskifting av modulære komponenter (DAIR/DAPRI) til fullstendig fjerning av implantatet med innsetting av en artikulerende spacer, ofte etterfulgt av en påfølgende reimplantasjonsprosedyre. Disse tilnærmingene krever langvarige antibiotikaregimer, som potensielt kan ha en negativ effekt på nyrefunksjonen, spesielt ved langvarig eksponering for nefrotoksiske midler. Til tross for den kliniske relevansen av dette problemet, gir den nåværende litteraturen fortsatt begrenset dokumentasjon angående identifisering av rimelige og lett tilgjengelige biomarkører som kan forutsi behandlingsutfall ved PJI, spesielt hos pasienter som gjennomgår spacerimplantasjon etterfulgt av reimplantasjon. Nyere litteratur har i økende grad utforsket bruken av biomarkører som forholdet mellom nøytrofiler og lymfocytter (NLR), forholdet mellom trombocytter og lymfocytter (PLR), forholdet mellom monocytter og lymfocytter (MLR), systemisk inflammasjonsresponsindeks (SIRI) og andre for å karakterisere inflammatorisk og ernæringsmessig status, og for å undersøke mulige sammenhenger mellom disse markørene og utfallene av utvalgte kirurgiske prosedyrer. Tilgjengeligheten av prediktive markører kan optimalisere terapeutisk behandling ved å redusere risikoen for infeksjonsgjentakelse og forbedre postoperativ risikostratifisering.