Prediktion av akut njursjukdom efter hjärtkirurgi: En maskininlärningsmetod

Njurfunktionsskada efter hjärtkirurgi är en av de vanligaste komplikationerna med hög incidens, hög dödlighetsrisk och risk för progression till kronisk njursjukdom (CKD). Tidigare utvärderingar av perioperativ njurfunktion fokuserade främst på akut njurskada (AKI) relaterad till hjärtkirurgi inom sju dagar efter operationen. Det nyligen föreslagna konceptet akut njursjukdom (AKD) de senaste åren avser akut eller subakut njurskada som varar sju till nittio dagar. Forskning har visat att AKD kan uppstå efter AKI eller hos patienter utan AKI, och de två är både relaterade och oberoende av varandra, vilket möjligen indikerar olika subtyper av njurskada. AKD är inte ovanligt och är en mer signifikant prediktor för dödlighet och slutstadiums njursjukdom (ESKD). Därför kan AKD vara ett viktigt fönster för att identifiera och hantera högriskpatienter efter hjärtkirurgi. På grund av begränsad forskning om AKD efter hjärtkirurgi är riskfaktorerna för AKD för närvarande oklara, och det finns inga kliniskt praktiska och effektiva riskstratifieringsverktyg tillgängliga. Denna studie syftar till att etablera en multimodal perioperativ datamodell genom en retrospektiv kohort, och använda maskininlärningsmetoder för att konstruera en riskprediktionsmodell för AKD efter hjärtkirurgi. Modellens noggrannhet och stabilitet kommer att valideras i en prospektiv studiepopulation, och ett online riskprediktions- och kliniskt beslutsstödverktyg kommer att utvecklas för att hjälpa kliniker att snabbt genomföra personliga riskbedömningar och optimera diagnostik- och behandlingsstrategier, därigenom förbättra patientprognosen och minska sjukvårdskostnaderna.