Valore di cutoff dell'angolo di fase mediante analisi dell'impedenza bioelettrica al momento del ricovero come fattore prognostico nei pazienti con insufficienza cardiaca acuta

Summary

Questo protocollo presenta codici R per l'esecuzione dell'analisi di regressione di Cox multivariata della spline cubica ristretta per determinare il valore di cutoff dell'angolo di fase per la prognosi nell'insufficienza cardiaca acuta, nonché codici per il calcolo delle statistiche che misurano la capacità discriminatoria di ciascun modello e ne valutano la bontà dell'adattamento.

Abstract

L'insufficienza cardiaca acuta è la causa più comune di ricovero ospedaliero nei pazienti di età compresa tra > 65 anni, con la congestione che è il sintomo predominante. È ampiamente noto che la congestione è la causa principale della riammissione e la sua associazione con scarsi risultati. Questo studio mirava a determinare il valore di cutoff dell'angolo di fase utilizzando l'analisi dell'impedenza bioelettrica nelle prime 24 ore dopo il ricovero per la previsione della mortalità intraospedaliera e della mortalità per tutte le cause o la riospedalizzazione 90 giorni dopo la dimissione in pazienti con insufficienza cardiaca acuta.

Il set di dati analizzato per questo protocollo includeva 219 pazienti che si presentavano al pronto soccorso con insufficienza cardiaca acuta, di cui 115 sono deceduti durante il ricovero, 90 giorni dopo la dimissione, o sono stati riammessi nello stesso periodo. Attraverso l'analisi univariata utilizzando l'analisi di regressione dei rischi proporzionali di Cox, sono stati identificati potenziali predittori ed è stato utilizzato un modello di rischio proporzionale di Cox multivariato per identificare i fattori prognostici significativi associati alla sopravvivenza del paziente e per controllare le variabili confondenti. L'analisi dell'angolo di fase regolato da diversi predittori utilizzando spline cubiche ristrette ha rivelato che valori più bassi erano direttamente associati al rischio di riammissione a 90 giorni o di morte dopo la dimissione, in particolare quando il valore di cutoff di PhA era <4,0°. Tutti i modelli sviluppati hanno mostrato una moderata capacità discriminatoria (statistica C < 0,80); tuttavia, il modello di mortalità intraospedaliera ha dimostrato la più alta capacità di discriminazione (statistica C, 0,75).

Introduction

L'insufficienza cardiaca acuta (AHF) è la causa più comune di ricovero ospedaliero nei pazienti di età compresa tra > 65 anni, con la congestione che è il sintomo predominante nella maggior parte dei casi, nonché la principale causa di ricovero^ospedaliero1. L'insufficienza cardiaca (HF) può portare alla malnutrizione attraverso diversi meccanismi, tra cui il malassorbimento dovuto all'edema intestinale, l'ipercatabolismo dovuto all'attivazione neuroormonale prolungata e l'infiammazione costante ^2,3. Pertanto, la congestione e la malnutrizione influenzano direttamente la composizione corporea.

L'analisi dell'impedenza bioelettrica (BIA) è un metodo rapido, non invasivo e sicuro che fornisce misurazioni immediate al letto del paziente e affidabili per stimare la composizione corporea introducendo una corrente elettrica alternata costante di basso livello che misura l'impedenza (Z) o resistenza/opposizione generata da cellule e tessuti umani. La BIA coinvolge due parametri: resistenza (R) e reattanza (Xc)⁴.

Inoltre, misura il ritardo tra la corrente e la tensione necessarie per penetrare la membrana cellulare e le interfacce tissutali, noto come angolo di fase (PhA), che è stato suggerito per essere un indicatore della salute cellulare, dell'integrità della membrana cellulare e della vitalità, che sono influenzate dalla distribuzione dei fluidi, dall'infiammazione e dalla malnutrizione a causa della resistività dei tessuti e delle proprietà elettriche. Valori di PhA più bassi indicano apoptosi e componenti ridotti della matrice cellulare, mentre valori più alti riflettono una maggiore cellularità e una migliore funzione cellulare⁵. Diversi studi hanno costantemente dimostrato il ruolo prognostico della PhA in molteplici esiti, come la mortalità, la riospedalizzazione, la durata della degenza ospedaliera e il rischio di scarso stato nutrizionale in diversi contesti clinici, compresi i pazienti con HF ^6,7.

Questo studio mirava a descrivere i passaggi per eseguire l'analisi di regressione di Cox multivariata con spline penalizzate per determinare il valore di cutoff di PhA da parte di BIA nelle prime 24 ore dopo il ricovero per prevedere la mortalità in ospedale e la mortalità per tutte le cause o la riospedalizzazione dopo 90 giorni dalla dimissione nei pazienti con AHF.

Protocol

Questo studio comprende quattro fasi. I dati utilizzati in questo studio includevano pazienti adulti (≥18 anni) con AHF confermata da un precedente ecocardiogramma secondo le linee guida della Società Europea di Cardiologia (ESC)⁸ e con ricovero previsto, a giudizio dei medici. Questo studio è stato approvato dal Comitato per l'Etica e la Ricerca Biomedica Umana dell'Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán ed è stato condotto secondo i principi della Dichiarazione di Helsinki. Il consenso informato scritto è stato ottenuto dal paziente o dai suoi parenti più stretti se non erano in grado di fornire il consenso.

1. Acquisizione dati e informazioni generali

NOTA: Le misurazioni BIA richiedono una preparazione specifica del paziente, come descritto in un protocollo separato⁹. Una volta che l'apparecchiatura BIA ha completato la misurazione, lo schermo dell'apparecchiatura visualizzerà i seguenti dati: valori di impedenza (Z) a diverse frequenze (5, 50, 100 e 200 kHz), nonché i valori di resistenza e reattanza a 50 kHz.

1. Dopo le misurazioni BIA, aprire il software per regolare la resistenza (R) e la reattanza (Xc) in base all'altezza del paziente e per calcolare i valori dell'angolo di fase (PhA).
   NOTA: L'analisi dei parametri BIA utilizzando BIVA deve essere eseguita entro 24 ore dal ricovero del paziente.
2. Immettere i risultati nel set di dati e salvarlo come file di .csv per l'analisi in RStudio.
   NOTA: I dati del paziente sono mostrati come riferimento nella Tabella supplementare S1.

2. Installazione, caricamento dei pacchetti e preparazione dei dati

NOTA: Tutte le procedure sono state eseguite utilizzando il software R utilizzando i pacchetti survival, MASS e pspline.

1. Scarica R e RStudio.
   1. Installa il software R (la versione può cambiare nel tempo) e RStudio e aprilo. Fare clic sulla scheda File | Opzione Nuovo file | selezionare lo script R. RStudio visualizzerà il file di script nell'angolo in alto a sinistra, posizionato sopra la scheda Console.
   2. Installare i pacchetti eseguendo i comandi seguenti nel file di script:
      install.packages("sopravvivenza")
      install.packages("MASSA")
      install.packages("pspline")
   3. Caricare i pacchetti eseguendo i comandi seguenti
      Biblioteca(Sopravvivenza)
      biblioteca (MASS)
      Libreria (pspline)
   4. Importare il set di dati eseguendo il comando seguente. #Dataset sarà il nome dei dati. Qui il file Dati sull'insufficienza cardiaca acuta è l'esempio.
      Set di dati <-read.csv(".../Insufficienza cardiaca acuta data.csv")

3. Costruzione del modello

1. Determinare il modello di regressione dei rischi proporzionali di Cox aggiustato per le potenziali variabili confondenti e calcolare gli intervalli di confidenza al 95% (IC 95%) attraverso i seguenti comandi.
   Model_1 <- coxph (Surv (Survival_days, Risultato) ~ fattore (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle, method="breslow")
   exp(confint(Model_1))
2. Calcola il criterio di informazione Akaike (AIC), il criterio di informazione bayesiano (BIC), la statistica C e il 95% CI eseguendo i seguenti comandi.
   #Akaike Criterio di informazione
   AIC(Model_1)
   #Bayesian Criterio informativo
   BIC(Model_1)
   C-statistica
   Riassunto(Model_1)$concordance[1]
   #Lower intervallo della statistica C
   riassunto(Model_1)$concordance[1]-(1.96*riassunto(Model_1)$concordance[2])
   #Upper intervallo della statistica C
   sommario(Model_1)$concordance[1]+(1.96*riassunto(Model_1)$concordance[2])

4. Rappresentazione grafica

1. Crea l'oggetto survival utilizzando la funzione Surv().
   surv_1 <- Surv(Survival_days, Risultato)
2. Adatta il modello di regressione dei rischi proporzionali di Cox sviluppato al passaggio 3.1. e prevedere i valori per la spline adattata eseguendo i seguenti comandi.
   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. Tracciate il modello adattato e le linee corrispondenti sul grafico eseguendo i seguenti comandi. Identificare il punto di cut-off in cui l'HR aggiustato (regressione spline) è maggiore di 1, il che suggerisce che valori di PhA più bassi predicono un aumento del rischio di mortalità in ospedale e di riammissione o morte a 90 giorni.
   plot(Phase_angle, exp(predicted_1$fit), type="n", xlab="Angolo di fase", ylab="FC aggiustato (IC 95%)", xlim=c(1.2,12), ylim= c(0,2.5), main="Tutti gli esiti clinici")
   linee(sm.spline(Phase_angle , exp(predicted_1$fit)) , col = "#b23500" , lty = 1, lwd=2 )
   linee(sm.spline(Phase_angle , exp(predicted_1$fit + 1.96 * predicted_1$se)) , col = "#b23500" , lty = 2,lwd=1.2)
   linee(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 )
   testo(4.27;1.12; "4.0°")
   abline(v=4.0,col="nero", lty= 2, lwd= 0,00001)

Results

Questo studio ha incluso 219 pazienti con insufficienza cardiaca acuta (AHF), sia de novo che insufficienza cardiaca acuta scompensata. L'età mediana dei pazienti era di 71 anni (p25° 60 - p75° 81) anni e il 63% erano donne. Il diabete mellito e l'ipertensione sono state le comorbidità più comuni (rispettivamente 41,6% e 69,9% dei pazienti). Durante un follow-up mediano di 79 giorni, si sono verificati 115 eventi (52,5%), di cui il 32,2% è deceduto in ospedale e il 67,8% è stato riammesso o è deceduto entro 90 g...

Discussion

Questo studio ha dimostrato che i pazienti con AHF ricoverati in PS con valori di PhA più bassi nelle prime 24 ore dopo il ricovero avevano un rischio più elevato di prognosi infausta, come la morte o il ricovero nei successivi 90 giorni dopo la dimissione, che aumentava quando i valori di PhA erano inferiori a 4,0°, indipendentemente dal sodio sierico, dalla PAS, dalla presenza di diabete mellito, o sesso. Allo stesso modo, valori di PhA più bassi predicevano la mortalità in ospedale d...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Tolleranza BIVA R-Xc software			Collegato all'apparecchiatura BIA
Sistema informatico	Microsoft	Finestre 10	Windows 10 o versioni successive
Quadscan 4000  apparecchiatura	BodyStat	BS-4000	Campo di misura dell'impedenza: 20 - 1300 Ω ohms Corrente di prova: 620 &; A Frequenza: 5, 50, 100, 200 kHz Precisione: Impedenza 5 kHz: +/- 2 Ω   Impedenza 50 kHz: +/- 2 Ω   Impedenza 100 kHz: +/- 3 Ω   Impedenza 200 kHz: +/- 3 Ω   Resistenza 50 kHz: +/- 2 Ω   Reattanza 50 kHz: +/- 1 e omega;   Angolo di fase 50 kHz: +/- 0,2 gradi; Calibrazione: viene fornito un resistore per la verifica indipendente di volta in volta. Il valore dell'impedenza dovrebbe essere compreso tra 496 e 503 Ω.
R software	Nessuno	Non applicabile	Versione 3.6.2 o superiore
RStudio	Nessuno	Non applicabile	Versione 2022.07.2+576