מאמר שיטה

ערך חיתוך של זווית פאזה על ידי ניתוח עכבה ביו-חשמלית בקבלה כגורם פרוגנוסטי בחולים עם אי ספיקת לב חריפה

DOI:

10.3791/68203

⸱

10 ביוני 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

במאמר זה

סיכום

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

פרוטוקול זה מציג קודי R לביצוע ניתוח רגרסיה רב-משתנה של קוקס מעוקב מוגבל כדי לקבוע את ערך החיתוך של זווית הפאזה לפרוגנוזה באי ספיקת לב חריפה, כמו גם קודים לחישוב סטטיסטיקה המודדים את יכולת ההבחנה של כל מודל ומעריכים את מידת ההתאמה שלו.

תקציר

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

אי ספיקת לב חריפה היא הגורם השכיח ביותר לאשפוז בבית חולים בגילאי > 65 שנים, כאשר גודש הוא התסמין השולט. ידוע כי גודש הוא הגורם העיקרי לאשפוז חוזר והקשר שלו לתוצאות גרועות. מחקר זה נועד לקבוע את ערך החיתוך של זווית הפאזה באמצעות ניתוח עכבה ביו-חשמלית ב-24 השעות הראשונות לאחר האשפוז לחיזוי תמותה בבית החולים ותמותה מכל הסיבות או אשפוז חוזר 90 יום לאחר השחרור בחולים עם אי ספיקת לב חריפה.

מערך הנתונים שנותח לפרוטוקול זה כלל 219 חולים שהגיעו לחדר המיון עם אי ספיקת לב חריפה, מתוכם 115 נפטרו במהלך האשפוז, 90 יום לאחר השחרור, או אושפזו מחדש באותה תקופה. באמצעות ניתוח חד משתנה באמצעות ניתוח רגרסיה של סיכונים פרופורציונליים של קוקס, זוהו מנבאים פוטנציאליים, ונעשה שימוש במודל סיכון פרופורציונלי של קוקס רב משתנים כדי לזהות את הגורמים הפרוגנוסטיים המשמעותיים הקשורים להישרדות המטופל ולשלוט במשתנים מבלבלים. ניתוח זווית הפאזה שהותאמה על ידי מנבאים שונים באמצעות קווים מעוקבים מוגבלים גילה כי ערכים נמוכים יותר היו קשורים ישירות לסיכון לאשפוז חוזר של 90 יום או מוות לאחר שחרור, במיוחד כאשר ערך החיתוך של PhA היה <4.0°. כל המודלים שפותחו הראו יכולת הבחנה בינונית (סטטיסטיקת C < 0.80); עם זאת, מודל התמותה בבית החולים הראה את יכולת ההבחנה הגבוהה ביותר (C-statistic, 0.75).

מבוא

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

אי ספיקת לב חריפה (AHF) היא הסיבה השכיחה ביותר לאשפוז בבית חולים בגילאי > 65 שנים, כאשר גודש הוא התסמין העיקרי ברוב המקרים כמו גם הסיבה העיקרית לאשפוז1. אי ספיקת לב (HF) עלולה להוביל לתת-תזונה באמצעות מנגנונים שונים, כולל תת ספיגה עקב בצקת מעיים, היפר-קטבוליזם עקב הפעלה נוירו-הורמונלית מתמשכת ודלקת מתמדת 2,3. לכן, גודש ותת תזונה משפיעים ישירות על הרכב הגוף.

ניתוח עכבה ביו-חשמלית (BIA) היא שיטה מהירה, לא פולשנית ובטוחה המספקת מדידות מיידיות ליד המיטה ואמינות להערכת הרכב הגוף על ידי הכנסת זרם חשמלי חילופין קבוע ברמה נמוכה המודד את העכבה (Z) או ההתנגדות/התנגדות הנוצרת על ידי תאים ורקמות אנושיות. ה-BIA כולל שני פרמטרים: התנגדות (R) ותגובתיות (Xc)4.

בנוסף, הוא מודד את העיכוב בין הזרם למתח הנדרש כדי לחדור לקרום התא ולממשקי הרקמה, המכונה זווית הפאזה (PhA), אשר הוצע כאינדיקטור לבריאות התא, שלמות קרום התא וחיוניות, המושפעים מפיזור נוזלים, דלקת ותת תזונה עקב התנגדות רקמות ותכונות חשמליות. ערכי PhA נמוכים יותר מצביעים על אפופטוזיס ורכיבים מופחתים של המטריצה התאית, בעוד שערכים גבוהים יותר משקפים תאיות גדולה יותר ותפקוד תאים טוב יותר5. מחקרים שונים הדגימו באופן עקבי את התפקיד הפרוגנוסטי של PhA בתוצאות מרובות, כגון תמותה, אשפוז חוזר, משך האשפוז והסיכון למצב תזונתי ירוד במסגרות קליניות שונות, כולל חולים עם HF 6,7.

מחקר זה נועד לתאר את השלבים לביצוע ניתוח רגרסיה של קוקס רב-משתנים עם ספליין עונשין כדי לקבוע את ערך החיתוך של PhA על ידי BIA ב-24 השעות הראשונות לאחר האשפוז כדי לחזות תמותה בבית החולים ותמותה מכל הסיבות או אשפוז חוזר לאחר 90 יום לאחר השחרור בחולים עם AHF.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

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

מחקר זה כולל ארבעה שלבים. הנתונים ששימשו במחקר זה כללו חולים מבוגרים (≥18 שנים) עם AHF שאושר על ידי אקו לב קודם על פי הנחיות האגודה האירופית לקרדיולוגיה (ESC)8 ועם אשפוז צפוי, כפי שנשפט על ידי רופאים. מחקר זה אושר על ידי ועדת האתיקה והמחקר הביו-רפואי האנושי של המכון הלאומי למדעי הרפואה והנוטריסיון סלבדור זוביראן ונערך על פי עקרונות הצהרת הלסינקי. הסכמה מדעת בכתב התקבלה מהמטופל או מקרובי משפחתו אם הם לא הצליחו לספק הסכמה.

1. איסוף נתונים ומידע כללי

הערה: מדידות BIA דורשות הכנה ספציפית של המטופל, כמתואר בפרוטוקולנפרד 9. לאחר השלמת המדידה של ציוד ה-BIA, מסך הציוד יציג את הנתונים הבאים: ערכי עכבה (Z) בתדרים שונים (5, 50, 100 ו-200 קילו-הרץ), כמו גם ערכי ההתנגדות והתגובה ב-50 קילו-הרץ.

  1. לאחר מדידות BIA, פתח את התוכנה כדי להתאים את ההתנגדות (R) והתגובה (Xc) לפי גובה המטופל ולחשב את ערכי זווית הפאזה (PhA).
    הערה: ניתוח פרמטרי BIA באמצעות BIVA צריך להתבצע תוך 24 שעות מקבלת המטופל.
  2. הזן את התוצאות במערך הנתונים ושמור אותו כקובץ .csv לניתוח ב-RStudio.
    הערה: נתוני המטופל מוצגים כהפניה בטבלה משלימה S1.

2. התקנה, טעינת חבילות והכנת נתונים

הערה: כל ההליכים בוצעו באמצעות תוכנת R באמצעות החבילות הישרדות, MASS ו-pspline.

  1. הורד את R ו-RStudio.
    1. התקן את תוכנת R (הגרסה יכולה להשתנות עם הזמן) ואת RStudio ופתח אותה. לחץ על הכרטיסייה קובץ | אפשרות 'קובץ חדש ' | בחר את קובץ ה- Script R. RStudio יציג את קובץ ה- Script בפינה הימנית העליונה, הממוקם מעל הכרטיסיה מסוף.
    2. התקן את החבילות על-ידי ביצוע הפקודות הבאות בקובץ ה- Script:
      install.packages("הישרדות")
      install.packages("MASS")
      install.packages("pspline")
    3. טען את החבילות על-ידי הפעלת הפקודות הבאות
      ספריה(הישרדות)
      ספרייה (מסצ'וסטס)
      ספרייה (pspline)
    4. ייבא את מערך הנתונים על ידי ביצוע הפקודה הבאה. #Dataset יהיה שם הנתונים. כאן הקובץ נתוני אי ספיקת לב חריפה הוא הדוגמה.
      מערך נתונים <-read.csv(".../אי ספיקת לב חריפה data.csv")

3. בניית מודל

  1. קבע את מודל הרגרסיה של סיכונים פרופורציונליים של קוקס המותאם למשתנים מבלבלים פוטנציאליים וחשב את מרווחי הסמך של 95% (רווח בר-סמך 95%) באמצעות הפקודות הבאות.
    Model_1 <- coxph (Surv (Survival_days, תוצאה) ~ גורם (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle, method="breslow")
    exp(confint(Model_1))
  2. חשב את קריטריון המידע של Akaike (AIC), קריטריון מידע בייסיאני (BIC), סטטיסטיקת C ו-95% CI על-ידי הפעלת הפקודות הבאות.
    קריטריון מידע #Akaike
    AIC(Model_1)
    קריטריון מידע #Bayesian
    BIC(Model_1)
    סטטיסטיקת C
    סיכום(Model_1)$concordance[1]
    מרווח #Lower של סטטיסטיקת C
    summary(Model_1)$concordance[1]-(1.96*summary(Model_1)$concordance[2])
    מרווח #Upper של סטטיסטיקת C
    summary(Model_1)$concordance[1]+(1.96*summary(Model_1)$concordance[2])

4. ייצוג גרפי

  1. צור את אובייקט ההישרדות באמצעות הפונקציה Surv().
    surv_1 <- Surv(Survival_days, תוצאה)
  2. התאם את מודל הרגרסיה של סיכונים פרופורציונליים של קוקס שפותח בשלב 3.1. ולחזות את הערכים עבור ספליין מותאם על ידי ביצוע הפקודות הבאות.
    fit_model_1 <- coxph(surv_1 ~ pspline(Phase_angle, df=2)+factor(Diabetes_mellitus)+ Systolic_blood_pressure + Serum_sodium)
    predicted_1 <- predict(fit_model_1, type="terms", se.fit=TRUE ,terms=1)
  3. שרטט את הדגם המותאם ואת הקווים המתאימים בגרף על ידי ביצוע הפקודות הבאות. זהה את נקודת החיתוך שבה ה-HR המותאם (רגרסיה ספליין) גדול מ-1, מה שמצביע על כך שערכי PhA נמוכים יותר מנבאים סיכון מוגבר לתמותה בבית החולים ואשפוז חוזר או מוות של 90 יום.
    plot(Phase_angle, exp(predicted_1$fit), type="n", xlab="זווית פאזה", ylab="דופק מותאם (95% IC)", xlim=c(1.2,12), ylim= c(0,2.5), main="כל התוצאות הקליניות")
    lines(sm.spline(Phase_angle , exp(predicted_1$fit)) , col = "#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 )
    text(4.27,1.12, "4.0°")
    abline(v=4.0,col="שחור", lty= 2, lwd= 0.00001)

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

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

מחקר זה כלל 219 חולים עם אי ספיקת לב חריפה (AHF), הן דה נובו והן אי ספיקת לב חריפה. הגיל החציוני של החולים היה 71 (p25th 60 - p75th 81) שנים, ו-63% היו נשים. סוכרת ויתר לחץ דם היו המחלות הנלוות השכיחות ביותר (41.6% ו-69.9% מהחולים, בהתאמה). במהלך מעקב חציוני של 79 ימים, התרחשו 115 אירועים (52.5%), מתוכם 32.2% מתו בבית החולים, ו-67.8% אושפזו מחדש או נפטרו תוך 90 יום לאחר השחרור.

מאפייני המטופל בעת הקבלה מוצגים בטבלה 1. לגבי השוואת פרמטרים של BIA, ערכי ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

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

מחקר זה הראה כי חולים עם AHF שאושפזו במיון עם ערכי PhA נמוכים יותר ב-24 השעות הראשונות לאחר האשפוז היו בסיכון גבוה יותר לפרוגנוזה גרועה, כגון מוות או אשפוז חוזר ב-90 הימים הבאים לאחר השחרור, אשר גדל כאשר ערכי ה-PhA היו מתחת ל-4.0 מעלות, ללא תלות בנתרן בסרום, SBP, נוכחות סוכרת, או סקס. באופן דומה, ערכי PhA נמוכים יותר ניבאו תמותה בבית החולים לאחר התאמה למין, SBP, רמות אשלגן בסרום וסוג HF. נכון לעכשיו, ישנן עדויות המראות קשר בין ערכי PhA נמוכים לתוצאות גרועות במחלות שונות

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

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

המחברים מצהירים שאין להם ניגודי אינטרסים.

תודות

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

המחברים רוצים להודות לפרופ'(ים). פיקולי ופסטורי מהמחלקה למדעי הרפואה והכירורגיה, אוניברסיטת פדובה, איטליה, על אספקת תוכנת BIVA. מחקר זה לא קיבל מענקים ספציפיים מסוכנויות מימון במגזר הציבורי, המסחרי או המלכ"ר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
BIVA Tolerance R-Xcמקושרת לציוד BIA
מערכת מחשובמיקרוסופט  Windows 10 Windows 10 ומעלה
ציוד Quadscan 4000 BodyStatBS-4000טווח מדידת עכבה: 20 - 1300 ואומגה; אוהם
זרם בדיקה: 620 μ A
תדר: 5, 50, 100, 200 קילו-הרץ
דיוק: עכבה 5 קילו-הרץ: +/- 2 ואומגה;
  עכבה 50 קילו-הרץ: +/- 2 ואומגה;
  עכבה 100 קילו-הרץ: +/- 3 ואומגה;
  עכבה 200 קילו-הרץ: +/- 3 ואומגה;
  התנגדות 50 קילו-הרץ: +/- 2 ואומגה;
  ריאקציה 50 קילו-הרץ: +/- 1 ואומגה;
  זווית פאזה 50 קילו-הרץ: +/- 0.2° כיול
: נגד מסופק לאימות עצמאי מעת לעת. ערך העכבה צריך להיות בין 496 ל-503 Ω.
תוכנת R ללא לא ישים גרסה 3.6.2 ומעלה 
RStudioאין לא ישים גרסה 2022.07.2+576
תוכנת

מקורות

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

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

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

מאמרים קשורים