急性心不全患者の予後因子としての入院時生体電気インピーダンス解析による位相角のカットオフ値

サマリー

このプロトコルは、制限付き 3 次スプライン多変数 Cox 回帰分析を実行して、急性心不全の予後の位相角のカットオフ値を決定するための R コードと、各モデルの識別能力を測定し、その適合度を評価する統計を計算するためのコードを示します。

要約

急性心不全は、65 歳以上の患者の入院>最も一般的な原因であり、うっ血が主な症状です。鬱血が再入院の主な原因であり、それが悪い結果と関連していることは広く知られています。この研究は、急性心不全患者の院内死亡率と全死因死亡率または退院後 90 日の再入院を予測するために、入院後最初の 24 時間の生体電気インピーダンス分析を使用して位相角のカットオフ値を決定することを目的としています。

このプロトコルで分析されたデータセットには、急性心不全で救急外来を受診した219人の患者が含まれ、そのうち115人は入院中、退院後90日後に死亡、または同じ期間に再入院しました。Cox比例ハザード回帰分析を用いた単変量解析により、潜在的な予測因子が特定され、多変量Cox比例ハザードモデルを使用して、患者の生存に関連する有意な予後因子を特定し、交絡変数を制御しました。制限付きキュービックスプラインを使用してさまざまな予測変数によって調整された位相角の分析により、特にPhAのカットオフ値が<4.0°の場合、低い値が退院後の90日間の再入院または死亡のリスクと直接関連していることが明らかになりました。開発されたすべてのモデルは、中程度の識別能力を示しました(C統計量<0.80)。しかし、院内死亡率モデルは最も高い識別能力を示しました(C統計量、0.75)。

概要

急性心不全(AHF)は、65歳>患者の入院の最も一般的な原因であり、大多数の症例で鬱血が主な症状であり、入院の主な理由でもあります¹。心不全(HF)は、腸の浮腫による吸収不良、持続的な神経ホルモンの活性化による異化作用、絶え間ない炎症など、さまざまなメカニズムを通じて栄養失調を引き起こす可能性があります^2,3。したがって、うっ血や栄養失調は体組成に直接影響します。

生体電気インピーダンス解析(BIA)は、ヒトの細胞や組織によって生成されるインピーダンス(Z)または抵抗/抵抗を測定する一定の低レベルの交流電流を導入することにより、体組成を推定するための即時の信頼性の高い測定を提供する、迅速で非侵襲的で安全な方法です。BIAには、抵抗(R)とリアクタンス(Xc)⁴の2つのパラメータが含まれます。

さらに、細胞の健康状態、細胞膜の完全性、活力の指標として示唆されている位相角(PhA)と呼ばれる、細胞膜と組織界面を貫通するために必要な電流と電圧の間の遅延を測定します。これは、組織抵抗率と電気的特性による体液分布、炎症、栄養失調の影響を受ける細胞の健康、細胞膜の完全性、および活力の指標として示唆されています。PhA値が低いほど、アポトーシスと細胞マトリックスの成分の減少を示し、値が高いほど細胞性が高く、細胞機能が高いことを反映しています⁵。さまざまな研究で、死亡率、再入院、入院期間、HF ^6,7 患者を含むさまざまな臨床環境での栄養状態不良のリスクなど、複数の結果における PhA の予後的役割が一貫して実証されています。

この研究は、入院後最初の 24 時間における BIA による PhA のカットオフ値を決定するために、ペナルティ付きスプラインを使用して多変量 Cox 回帰分析を実行する手順を説明することを目的としており、AHF 患者の院内死亡率および退院後 90 日後の全死因死亡率または再入院を予測します。

プロトコル

この研究は4つのステップで構成されています。この研究で使用されたデータには、欧州心臓病学会 (ESC) ガイドライン⁸ に基づく以前の心エコー図によって AHF が確認され、臨床医が判断した入院が予想される成人患者 (≥18 歳) が含まれていました。この研究は、Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubiránの倫理および人間生物医学研究委員会によって承認され、ヘルシンキ宣言の原則に従って実施されました。書面によるインフォームドコンセントは、患者またはその近親者が同意を提供できなかった場合、その近親者から得られました。

1. データ取得と一般情報

注:BIA測定には、別のプロトコル⁹で説明されているように、特定の患者の準備が必要です。BIA機器の測定が完了すると、機器の画面には、さまざまな周波数(5、50、100、200 kHz)でのインピーダンス値(Z)、および50kHzでの抵抗値とリアクタンス値が表示されます。

1. BIA測定後、ソフトウェアを開いて、患者の身長によって抵抗(R)とリアクタンス(Xc)を調整し、位相角(PhA)の値を計算します。
   注: BIVA を使用した BIA パラメーターの分析は、患者の入院から 24 時間以内に実行する必要があります。
2. 結果をデータセットに入力し、RStudio で分析するための .csv ファイルとして保存します。
   注:患者のデータは、 補足表S1に参照として示されています。

2. パッケージのインストール、読み込み、データの準備

注:すべての手順は、Rソフトウェアを使用して、 survival、 MASS、および psplineパッケージを使用して実行しました。

1. R と RStudio をダウンロードします。
   1. Rソフトウェア(バージョンは時間の経過とともに変更される可能性があります)とRStudioをインストールして開きます。 [ファイル]タブをクリックします。新しいファイル オプション | R スクリプトを選択します。RStudio では、スクリプト ファイルが [コンソール] タブの左上隅に表示されます。
   2. スクリプトファイルで次のコマンドを実行して、パッケージをインストールします。
      install.packages("サバイバル")
      install.packages("MASS")
      install.packages("pspline")
   3. 次のコマンドを実行して、パッケージを読み込みます
      図書館(サバイバル)
      図書館(マサチューセッツ州)
      ライブラリ(PSPline)
   4. 次のコマンドを実行してデータセットをインポートします。#Dataset はデータの名前になります。ここでは、 Acute heart failure data というファイルがその例です。
      データセット <-read.csv(".../Acute heart failure data.csv")

3. モデル構築

1. 潜在的な交絡変数に合わせて調整されたCox比例ハザード回帰モデルを決定し、次のコマンドを使用して95%信頼区間(95%CI)を計算します。
   Model_1 <- coxph (Surv (Survival_days, Outcome) ~ factor (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle, method="breslow")
   exp(定数(Model_1))
2. 赤池情報量基準 (AIC)、ベイズ情報量基準 (BIC)、C 統計量、および 95% CI を計算するには、次のコマンドを実行します。
   #Akaike 情報量基準
   AIC(Model_1)
   #Bayesian 情報量基準
   ビック(Model_1)
   C 統計量
   サマリー(Model_1)$concordance[1]
   C統計量の #Lower 区間
   summary(Model_1)$concordance[1]-(1.96*summary(Model_1)$concordance[2])
   C統計量の #Upper 区間
   summary(Model_1)$concordance[1]+(1.96*summary(Model_1)$concordance[2])

4. グラフィック表現

1. Surv() 関数を使用してサバイバルオブジェクトを作成します。
   surv_1 < - Surv(Survival_days、成績)
2. ステップ3.1で開発したCox比例ハザード回帰モデルを当てはめます。そして、次のコマンドを実行してフィット スプラインの値を予測します。
   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. フィットしたモデルと対応する直線をグラフにプロットするには、次のコマンドを実行します。HR 調整 済み (スプライン回帰) が 1 より大きいカットオフ ポイントを特定します。これは、PhA 値が低いほど、院内死亡と 90 日間の再入院または死亡のリスクの増加を予測することを示しています。
   plot(Phase_angle, exp(predicted_1$fit), type="n", xlab="位相角", ylab="調整済み心拍(95%IC)", xlim=c(1.2,12), ylim= c(0,2.5), main="すべての臨床結果")
   lines(sm.spline(Phase_angle , exp(predicted_1$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 )
   テキスト(4.27,1.12, "4.0°")
   abline(v=4.0,col="black", lty= 2, lwd= 0.00001)

結果

この研究には、 de novo 心不全と急性非代償性心不全の両方の急性心不全 (AHF) 患者 219 人が含まれていました。患者の年齢の中央値は71歳(p25th 60 - p75th 81)歳で、63%が女性でした。糖尿病と高血圧は最も一般的な併存疾患でした(それぞれ患者の41.6%と69.9%)。追跡期間中央値79日間で115件(52.5%)の事象が発生し、そのうち32.2%が病院で死亡し、67.8%が退院後90日以内に再入院または死亡した。

入院時の患者の特性を 表 1に示します。BIAパラメータの比較については、イベントが観察された患者では、PhA、ヘモグロビン、および血清ナトリウムの値が有意に低かった。対照的に、全身水分(TBW)、細胞外水分(ECW)、および脳性ナトリウム利尿ペプチド(BNP)のレベルは、非イベントが観察された患者で有意に低かった。さらに、病院で死亡した患者は、生存者よりも収縮期血圧(SBP)、拡張期血圧(DBP)、PhA、およびBNPレベルが有意に低かった

...

ディスカッション

この研究は、入院後最初の24時間にPhA値が低いEDに入院したAHFの患者は、退院後90日で死亡や再入院などの予後不良のリスクが高く、PhA値が4.0°未満になると増加することを示しました、血清ナトリウム、SBP、糖尿病の存在とは無関係に、 またはセックス。同様に、PhA値が低いほど、性別、SBP、血清カリウムレベル、およびHFタイプを調整した後の院内死亡率が予測されました。現在、さまざまな疾患で低いPhA値と不良な結果との関連を示す証拠があります⁷。さらに、一部の研究では、慢性心不全とAHFの両方で予後不良の高リスク患者を検出するために、4.2°から5.0°の範囲の異なるカットオフ値が決定されています10,11,12。

以前の研究によると、院内死亡率は主に4%から8%の範囲です。し...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
BIVA公差R-Xcソフトウェア			BIA機器にリンク
コンピュータシステム	Microsoft	Windows 10	Windows 10以降
Quadscan 4000  機器	BodyStat	BS-4000	インピーダンス測定範囲: 20 - 1300 & Ω テスト電流: 620 &A 周波数: 5, 50, 100, 200 kHz 精度: インピーダンス 5 kHz: +/- 2 & Omega;  インピーダンス50 kHz:+/- 2 &  インピーダンス 100 kHz: +/- 3 & オメガ;  インピーダンス 200 kHz: +/- 3 & オメガ;  抵抗50 kHz:+/- 2 &  リアクタンス50 kHz:+/- 1&オメガ;  位相角 50 kHz: +/- 0.2° 校正:独立した検証のために抵抗器が随時提供されます。インピーダンス値は、496から503Ωの間で読み取る必要があります。
Rソフトウェア	なし	該当なし	バージョン3.6.2以降
RStudio	なし	該当なし	バージョン 2022.07.2+576