مقالة منهجية

القيمة الفاصلة لزاوية الطور عن طريق تحليل المعاوقة الكهربائية الحيوية عند القبول كعامل تنبؤي في مرضى قصور القلب الحاد

DOI:

10.3791/68203

⸱

يونيو 10, 2025

 ,  ,  ,  , 
1Clinical Nutrition Service, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, 2Critical Care Division, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, 3Facultad de Estudios Superiores Zaragoza, Universidad Nacional Autónoma de México

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يقدم هذا البروتوكول رموز R لإجراء تحليل انحدار كوكس متعدد المتغيرات للشريحة المكعبة المقيدة لتحديد القيمة الفاصلة لزاوية الطور للتشخيص في قصور القلب الحاد بالإضافة إلى رموز لحساب الإحصائيات التي تقيس القدرة التمييزية لكل نموذج وتقييم مدى ملاءمته.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

قصور القلب الحاد هو السبب الأكثر شيوعا لدخول المستشفى لدى المرضى الذين تتراوح أعمارهم بين > 65 عاما ، مع كون الاحتقان هو العرض السائد. من المعروف على نطاق واسع أن الازدحام هو السبب الرئيسي لإعادة القبول وارتباطه بالنتائج السيئة. هدفت هذه الدراسة إلى تحديد القيمة الفاصلة لزاوية الطور باستخدام تحليل المعاوقة الكهربائية الحيوية في أول 24 ساعة بعد الدخول للتنبؤ بالوفيات داخل المستشفى والوفيات الناجمة عن جميع الأسباب أو إعادة الاستشفاء بعد 90 يوما من الخروج من المرضى الذين يعانون من قصور القلب الحاد.

تضمنت مجموعة البيانات التي تم تحليلها لهذا البروتوكول 219 مريضا قدموا إلى قسم الطوارئ يعانون من قصور القلب الحاد ، توفي 115 منهم أثناء الإقامة في المستشفى ، أو بعد 90 يوما من الخروج من المستشفى ، أو أعيد إدخالهم خلال نفس الفترة. من خلال التحليل أحادي المتغير باستخدام تحليل انحدار المخاطر النسبية كوكس ، تم تحديد المتنبئين المحتملين ، وتم استخدام نموذج الخطر النسبي متعدد المتغيرات من كوكس لتحديد العوامل التنبؤية المهمة المرتبطة ببقاء المريض والتحكم في المتغيرات المربكة. كشف تحليل زاوية الطور المعدلة بواسطة تنبؤات مختلفة باستخدام شرائح مكعبة مقيدة أن القيم المنخفضة كانت مرتبطة ارتباطا مباشرا بخطر إعادة القبول لمدة 90 يوما أو الوفاة بعد الخروج ، خاصة عندما كانت القيمة الفاصلة ل PhA <4.0 درجة. أظهرت جميع النماذج المطورة قدرة تمييزية معتدلة (الإحصائية C < 0.80)؛ ومع ذلك ، أظهر نموذج الوفيات داخل المستشفى أعلى قدرة على التمييز (C-statistic ، 0.75).

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

قصور القلب الحاد (AHF) هو السبب الأكثر شيوعا لدخول المستشفى لدى المرضى الذين تتراوح أعمارهم بين > 65 عاما ، حيث يكون الاحتقان هو العرض السائد في غالبية الحالات وكذلك السبب الرئيسي للدخول إلى المستشفى1. يمكن أن يؤدي قصور القلب (HF) إلى سوء التغذية من خلال آليات مختلفة ، بما في ذلك سوء الامتصاص بسبب الوذمة المعوية ، وفرط التقويض بسبب التنشيط العصبي الهرموني المستمر ، والالتهاب المستمر2،3. لذلك ، يؤثر الازدحام وسوء التغذية بشكل مباشر على تكوين الجسم.

تحليل المعاوقة الكهربائية الحيوية (BIA) هو طريقة سريعة وغير جراحية وآمنة توفر قياسات فورية بجانب السرير وموثوقة لتقدير تكوين الجسم من خلال إدخال تيار كهربائي متناوب منخفض المستوى ثابت يقيس المعاوقة (Z) أو المقاومة / المعارضة الناتجة عن الخلايا والأنسجة البشرية. يتضمن BIA معلمتين: المقاومة (R) والمفاعلة (Xc) 4.

بالإضافة إلى ذلك ، فإنه يقيس التأخير بين التيار والجهد المطلوب لاختراق غشاء الخلية وواجهات الأنسجة ، والمعروفة باسم زاوية الطور (PhA) ، والتي تم اقتراحها لتكون مؤشرا على الصحة الخلوية ، وسلامة غشاء الخلية ، والحيوية ، والتي تتأثر بتوزيع السوائل والالتهابات وسوء التغذية بسبب مقاومة الأنسجة والخصائص الكهربائية. تشير قيم PhA المنخفضة إلى موت الخلايا المبرمج وانخفاض مكونات المصفوفة الخلوية ، بينما تعكس القيم الأعلى خلوية أكبر ووظيفة خلويةأفضل 5. أظهرت الدراسات المختلفة باستمرار الدور التنبؤي ل PhA في نتائج متعددة ، مثل الوفيات ، وإعادة الاستشفاء ، ومدة الإقامة في المستشفى ، وخطر سوء الحالة الغذائية في بيئات سريرية مختلفة ، بما في ذلك المرضى الذين يعانون من HF6،7.

هدفت هذه الدراسة إلى وصف خطوات إجراء تحليل انحدار كوكس متعدد المتغيرات باستخدام الشرائح المعاقبة لتحديد القيمة الفاصلة ل PhA بواسطة BIA في أول 24 ساعة بعد الدخول للتنبؤ بالوفيات في المستشفى والوفيات الناجمة عن جميع الأسباب أو إعادة الاستشفاء بعد 90 يوما من الخروج من المستشفى في المرضى الذين يعانون من AHF.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تتكون هذه الدراسة من أربع خطوات. تضمنت البيانات المستخدمة في هذه الدراسة المرضى البالغين (≥18 عاما) المصابين ب AHF المؤكد بواسطة مخطط صدى القلب السابق وفقا لإرشادات الجمعية الأوروبية لأمراض القلب (ESC)8 ومع دخول المستشفى المتوقع ، كما يحكم عليه الأطباء. تمت الموافقة على هذه الدراسة من قبل لجنة الأخلاقيات والبحوث الطبية الحيوية البشرية التابعة للمعهد الوطني للعلوم الطبية والتغذية في سلفادور زوبيران وأجريت وفقا لمبادئ إعلان هلسنكي. تم الحصول على موافقة خطية مستنيرة من المريض أو أقربائه إذا لم يتمكنوا من تقديم الموافقة.

1. الحصول على البيانات والمعلومات العامة

ملاحظة: تتطلب قياسات BIA إعدادا محددا للمريض ، كما هو موضح في بروتوكول منفصل9. بمجرد أن تكمل معدات BIA القياس ، ستعرض شاشة المعدات البيانات التالية: قيم المعاوقة (Z) بترددات مختلفة (5 و 50 و 100 و 200 كيلو هرتز) ، بالإضافة إلى قيم المقاومة والمفاعلة عند 50 كيلو هرتز.

  1. بعد قياسات BIA ، افتح البرنامج لضبط المقاومة (R) والمفاعلة (Xc) حسب ارتفاع المريض وحساب قيم زاوية الطور (PhA).
    ملاحظة: يجب إجراء تحليل معلمات BIA باستخدام BIVA في غضون 24 ساعة من دخول المريض.
  2. أدخل النتائج في مجموعة البيانات واحفظها كملف .csv للتحليل في RStudio.
    ملاحظة: يتم عرض بيانات المريض كمرجع في الجدول التكميلي S1.

2. تركيب وتحميل الحزم وإعداد البيانات

ملاحظة: تم تنفيذ جميع الإجراءات باستخدام برنامج R باستخدام الحزم البقاء على قيد الحياة و MASS و pspline.

  1. قم بتنزيل R و RStudio.
    1. قم بتثبيت برنامج R (يمكن أن يتغير الإصدار بمرور الوقت) و RStudio وافتحه. انقر فوق علامة التبويب ملف | خيار ملف جديد | حدد البرنامج النصي R. سيعرض RStudio ملف البرنامج النصي في الزاوية العلوية اليسرى ، الموجود فوق علامة التبويب وحدة التحكم.
    2. قم بتثبيت الحزم عن طريق تنفيذ الأوامر التالية في ملف البرنامج النصي:
      install.packages("البقاء على قيد الحياة")
      install.packages("MASS")
      install.packages("pspline")
    3. قم بتحميل الحزم عن طريق تشغيل الأوامر التالية
      المكتبة (البقاء على قيد الحياة)
      المكتبة (ماساتشوستس)
      المكتبة (pspline)
    4. قم باستيراد مجموعة البيانات عن طريق تنفيذ الأمر التالي. سيكون #Dataset اسم البيانات. هنا الملف بيانات قصور القلب الحاد هو المثال.
      مجموعة البيانات <-read.csv(".../قصور القلب الحاد data.csv")

3. بناء النموذج

  1. حدد نموذج انحدار المخاطر النسبية كوكس المعدل للمتغيرات المربكة المحتملة وحساب فترات الثقة 95٪ (95٪ CI) من خلال الأوامر التالية.
    Model_1 <- coxph (Surv (Survival_days ، النتيجة) ~ العامل (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle ، الطريقة = "breslow")
    exp (confint (Model_1))
  2. احسب معيار معلومات Akaike (AIC) ومعيار معلومات بايزي (BIC) وإحصائية C و95٪ CI عن طريق تشغيل الأوامر التالية.
    معيار المعلومات #Akaike
    AIC(Model_1)
    معيار معلومات #Bayesian
    BIC (Model_1)
    إحصاء C
    ملخص(Model_1)$concordance[1]
    الفاصل الزمني #Lower للإحصاء C
    الملخص(Model_1)$concordance[1]-(1.96*ملخص(Model_1)$concordance[2])
    #Upper الفاصل الزمني للإحصاء C
    الملخص(Model_1)$concordance[1]+(1.96*الملخص(Model_1)$concordance[2])

4. التمثيل الرسومي

  1. قم بإنشاء كائن البقاء على قيد الحياة باستخدام الدالة Surv().
    surv_1 <- Surv(Survival_days ، النتيجة)
  2. تناسب نموذج انحدار المخاطر النسبية Cox الذي تم تطويره في الخطوة 3.1. والتنبؤ بقيم الشريحة المجهزة عن طريق تنفيذ الأوامر التالية.
    fit_model_1 <- coxph (surv_1 ~ pspline (Phase_angle ، DF = 2) + عامل (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium)
    predicted_1 <- التنبؤ (fit_model_1 ، النوع = "المصطلحات" ، se.fit = TRUE ، المصطلحات = 1)
  3. ارسم النموذج المناسب والخطوط المقابلة على الرسم البياني عن طريق تنفيذ الأوامر التالية. حدد النقطة الفاصلة حيث يكون معدل معدل الموارد البشرية ( انحدار الشريحة) أكبر من 1 ، مما يشير إلى أن قيم PhA المنخفضة تتنبأ بزيادة خطر الوفيات في المستشفى وإعادة القبول أو الوفاة لمدة 90 يوما.
    plot (Phase_angle ، exp (predicted_1 $ fit) ، type = "n" ، xlab = "زاوية الطور" ، ylab = "معدل معدل HR (95٪ IC)" ، xlim = c (1.2،12) ، ylim = c (0،2.5) ، main = "جميع النتائج السريرية")
    خطوط (sm.spline (Phase_angle ، exp (predicted_1 $ fit)) ، عمود = "#b23500" ، lty = 1 ، lwd = 2 )
    lines(sm.spline(Phase_angle ، exp (predicted_1 $ fit + 1.96 * predicted_1$ se)) ، col = "#b23500" ، lty = 2 ، lwd = 1.2)
    lines(sm.spline(Phase_angle , exp(predicted_1$fit - 1.96 * predicted_1$se)) , col = "#b23500" , lty = 2, lwd = 1.2)
    abline (h = 1.0 ، col = "# 050505" ، lty = 2 ، lwd = 0.00001)
    نص (4.27 ، 1.12 ، "4.0 درجة")
    abline (V = 4.0 ، col = "أسود" ، lty = 2 ، lwd = 0.00001)

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تضمنت هذه الدراسة 219 مريضا يعانون من قصور القلب الحاد (AHF) ، من جديد وفشل القلب الحاد غير التعويضي. كان متوسط عمر المرضى 71 عاما (ص 25 60 - ص 75 81) عاما ، و 63٪ من الإناث. كان داء السكري وارتفاع ضغط الدم أكثر الأمراض المصاحبة شيوعا (41.6٪ و 69.9٪ من المرضى ، على التوالي). خلال متوسط المتابعة البالغ 79 يوما ، وقع 115 حدثا (52.5٪) ، توفي 32.2٪ منها في المستشفى ، و 67.8٪ أعيد إدخالهم أو توفوا في غضون 90 يوما بعد الخروج من المستشفى.

يتم عرض خصائص المريض عند القبول في الجدول

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أظهرت هذه الدراسة أن المرضى الذين يعانون من AHF الذين تم قبولهم في قسم الطوارئ بقيم PhA أقل في أول 24 ساعة بعد القبول كانوا أكثر عرضة لخطر سوء التشخيص ، مثل الوفاة أو إعادة الاستشفاء في الأيام ال 90 التالية بعد الخروج من المستشفى ، والتي زادت عندما كانت قيم PhA أقل من 4.0 درجة ، بغض النظر عن الصوديوم في الدم ، SBP ، وجود مرض السكري ، أو الجنس. وبالمثل ، تنبأت قيم PhA المنخفضة بالوفيات داخل المستشفى بعد تعديل الجنس ، و SBP ، ومستويات البوتاسيوم في الدم ، ونوع HF. حاليا ، هناك أدلة تثبت و...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ويعلن أصحاب البلاغ أنه ليس لديهم تضارب في المصالح.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يود المؤلفون أن يشكروا الأستاذة (الأساتذة). بيكولي وباستوري من قسم العلوم الطبية والجراحية ، جامعة بادوفا ، إيطاليا ، لتوفير برنامج BIVA. لم يتلق هذا البحث أي منح محددة من وكالات التمويل في القطاعات العامة أو التجارية أو غير الهادفة للربح.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
BIVA tolerance R-Xcمرتبط بمعدات BIA
نظام الكمبيوترMicrosoft  ويندوز 10 Windows 10 أو أعلى
Quadscan 4000   معداتBodyStatBS-4000نطاق قياس المقاومة: 20 - 1300 & أوميغا ؛ أوم
الاختبار الحالي: 620 & mu ؛ A
التردد: 5 ، 50 ، 100 ، 200 كيلو هرتز
الدقة: مقاومة 5 كيلو هرتز: +/- 2 & أوميغا ؛
  مقاومة 50 كيلو هرتز: +/- 2 & أوميغا;
  مقاومة 100 كيلو هرتز: +/- 3 & أوميغا;
  مقاومة 200 كيلو هرتز: +/- 3 & أوميغا;
  المقاومة 50 كيلو هرتز: +/- 2 & أوميغا ؛
  مفاعلة 50 كيلو هرتز: +/- 1 & أوميغا;
  زاوية الطور 50 كيلو هرتز: +/- 0.2 درجة ؛ معايرة
: يتم توفير المقاوم للتحقق المستقل من وقت لآخر. يجب أن تقرأ قيمة المعاوقة بين 496 و 503 & أوميغا.
R software لا شيء غير قابل للتطبيق الإصدار 3.6.2 أو أعلى 
RStudioNone غير قابل للتطبيق الإصدار 2022.07.2+576
برنامج

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Boorsma, E. M., et al. Congestion in heart failure: A contemporary look at physiology, diagnosis, and treatment. Nat Rev Cardiol. 17 (10), 641-655 (2020).
  2. Rahman, A., et al. Malnutrition and cachexia in heart failure. J Parenter Enteral Nutr. 40 (4), 475-486 (2016).
  3. Sze, S., Pellicori, P., Zhang, J., Weston, J., Clark, A. L. The impact of malnutrition on short-term morbidity and mortality in ambulatory patients with heart failure. Am J Clin Nutr. 113 (3), 695-705 (2021).
  4. Lukaski, H. C., et al. Classification of hydration in clinical conditions: Indirect and direct approaches using bioimpedance. Nutrients. 20 (4), 330-339 (2019).
  5. Lukaski, H. C., Kyle, U. G., Kondrup, J. Assessment of adult malnutrition and prognosis with bioelectrical impedance analysis: phase angle and impedance ratio. Curr Opin Clin Nutr Metab Care. 20 (5), 330-339 (2017).
  6. Norman, K., Stobäus, N., Pirlich, M., Bosy-Westphal, A. Bioelectrical phase angle and impedance vector analysis - Clinical relevance and applicability of impedance parameters. Clin Nutr. 31 (6), 854-861 (2012).
  7. Lima, J., Eckert, I., Gonzalez, M. C., Silva, F. M. Prognostic value of phase angle and bioelectrical impedance vector in critically ill patients: A systematic review and meta-analysis of observational studies. Clin Nutr. 41 (12), 2801-2816 (2022).
  8. McDonagh, T. A., et al. 2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure. Eur Heart J. 42 (36), 3599-3726 (2021).
  9. Castillo-Martínez, L., Bernal-Ceballos, F., Reyes-Paz, Y., Hernández-Gilsoul, T. Evaluation of fluid overload by bioelectrical impedance vectorial analysis. J Vis Exp. (186), e64331(2022).
  10. Colín-Ramírez, E., et al. Bioelectrical impedance phase angle as a prognostic marker in chronic heart failure. Nutrition. 28 (9), 901-905 (2012).
  11. Alves, F. D., Souza, G. C., Clausell, N., Biolo, A. Prognostic role of phase angle in hospitalized patients with acute decompensated heart failure. Clin Nutr. 35 (6), 1530-1534 (2016).
  12. Scicchitano, P., Massari, F. The role of bioelectrical phase angle in patients with heart failure. Rev Endocr Metab Disord. 24 (3), 465-477 (2023).
  13. Arrigo, M., et al. Acute heart failure. Nat Rev Dis Primers. 6 (1), 16(2020).
  14. Elbadawi, A., et al. Age-specific trends and outcomes of hospitalizations with acute heart failure in the United States. Int J Cardiol. 330, 98-105 (2021).
  15. Khan, M. S., et al. Trends in 30- and 90-Day Readmission Rates for Heart Failure. Circ Heart Fail. 14 (4), e008335(2021).
  16. Gracia, E., et al. The vulnerable phase of heart failure. Am J Ther. 25 (4), e456-e464 (2018).
  17. Santarelli, S., et al. Prognostic value of decreased peripheral congestion detected by Bioelectrical Impedance Vector Analysis (BIVA) in patients hospitalized for acute heart failure: BIVA prognostic value in acute heart failure on behalf of the GREAT network. Eur Heart J Acute Cardiovasc Care. 6 (4), 339-347 (2017).
  18. Jiang, N., Wu, Y., Li, C. Limitations of using COX proportional hazards model in cardiovascular research. Cardiovasc Diabetol. 23, 219(2024).
  19. Shih, W. Problems in dealing with missing data and informative censoring in clinical trials. Curr Control Trials Cardiovasc Med. 3 (1), (2002).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

Phase AngleAcute Heart FailureBioelectrical ImpedancePrognostic FactorCox RegressionIn Hospital Mortality90 Day ReadmissionSurvival AnalysisHydration StatusCell Membrane Integrity

مقالات ذات صلة