Методическая статья

Пороговое значение фазового угла по данным биоимпедансного анализа при поступлении в качестве прогностического фактора у пациентов с острой сердечной недостаточностью

DOI:

10.3791/68203

⸱

10 июня 2025 г.

 ,  ,  ,  , 
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

В этой статье

Краткое содержание

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

В этом протоколе представлены R-коды для выполнения ограниченного кубического сплайна, многомерного регрессионного анализа Кокса для определения порогового значения фазового угла для прогноза при острой сердечной недостаточности, а также коды для вычисления статистики, которая измеряет дискриминирующую способность каждой модели и оценивает ее хорошую подгонку.

Аннотация

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

Острая сердечная недостаточность является наиболее частой причиной госпитализации у пациентов в возрасте > 65 лет, при этом преобладающим симптомом является заложенность носа. Широко известно, что застойные явления являются основной причиной повторной госпитализации и ее связь с неблагоприятными исходами. Целью данного исследования было определение порогового значения фазового угла с помощью биоимпедансного анализа в первые 24 ч после госпитализации для прогнозирования внутрибольничной смертности и смертности от всех причин или повторной госпитализации через 90 суток после выписки у пациентов с острой сердечной недостаточностью.

Датасет, проанализированный для этого протокола, включал 219 пациентов, которые обратились в отделение неотложной помощи с острой сердечной недостаточностью, из которых 115 умерли во время госпитализации, через 90 дней после выписки, или были повторно госпитализированы в тот же период. С помощью одномерного анализа с использованием регрессионного анализа пропорциональных рисков Кокса были идентифицированы потенциальные предикторы, а многофакторная пропорциональная модель риска Кокса была использована для определения значимых прогностических факторов, связанных с выживаемостью пациентов, и для контроля искажающих переменных. Анализ фазового угла, скорректированного различными предикторами с использованием ограниченных кубических сплайнов, показал, что более низкие значения были напрямую связаны с риском 90-дневной повторной госпитализации или смерти после выписки, особенно когда пороговое значение PhA составляло <4,0°. Все разработанные модели показали умеренную дискриминационную способность (С-статистика < 0,80); тем не менее, модель внутрибольничной смертности продемонстрировала наивысшую способность к дискриминации (C-статистика, 0,75).

Введение

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

Острая сердечная недостаточность (ОСН) является наиболее частой причиной госпитализации у пациентов в возрасте > 65 лет, при этом застойные явления являются преобладающим симптомом в большинстве случаев, а также основной причиной госпитализации1. Сердечная недостаточность (СН) может приводить к недостаточности питания по различным причинам, включая мальабсорбцию из-за отека кишечника, гиперкатаболизм из-за устойчивой нейрогормональной активации и постоянное воспаление 2,3. Поэтому заложенность носа и неправильное питание напрямую влияют на состав тела.

Биоэлектрический импедансный анализ (BIA) — это быстрый, неинвазивный и безопасный метод, который обеспечивает немедленные и надежные измерения у постели больного для оценки состава тела путем введения постоянного переменного электрического тока низкого уровня, который измеряет импеданс (Z) или сопротивление/сопротивление, создаваемое клетками и тканями человека. BIA включает в себя два параметра: сопротивление (R) и реактивное сопротивление (Xc)4.

Кроме того, он измеряет задержку между током и напряжением, необходимым для проникновения через клеточную мембрану и тканевые границы, известную как фазовый угол (PhA), который, как предполагается, является индикатором клеточного здоровья, целостности клеточной мембраны и жизнеспособности, на которые влияет распределение жидкости, воспаление и неправильное питание из-за удельного сопротивления тканей и электрических свойств. Более низкие значения PhA указывают на апоптоз и уменьшение компонентов клеточного матрикса, тогда как более высокие значения отражают большую клеточность и лучшую функцию клетки. Различные исследования неизменно демонстрируют прогностическую роль PhA в отношении множественных исходов, таких как смертность, повторная госпитализация, продолжительность пребывания в больнице и риск плохого нутритивного статуса в различных клинических условиях, включая пациентов с HF 6,7.

Целью данного исследования было описать этапы выполнения многофакторного регрессионного анализа Кокса с использованием штрафных сплайнов для определения порогового значения PhA по BIA в первые 24 ч после госпитализации для прогнозирования внутрибольничной смертности и смертности от всех причин или повторной госпитализации через 90 дней после выписки у пациентов с AHF.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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

Данное исследование состоит из четырех этапов. Данные, использованные в этом исследовании, включали взрослых пациентов (≥18 лет) с AHF, подтвержденной предыдущей эхокардиограммой в соответствии с рекомендациями Европейского общества кардиологов (ESC)8, и с ожидаемой госпитализацией, по мнению клиницистов. Это исследование было одобрено Комитетом по этике и биомедицинским исследованиям человека Национального института медицинских и нутриционных наук Сальвадора Зубирана и проведено в соответствии с принципами Хельсинкской декларации. Письменное информированное согласие было получено от пациента или его ближайших родственников, если они не могли дать согласие.

1. Сбор данных и общая информация

ПРИМЕЧАНИЕ: Измерения BIA требуют специальной подготовки пациента, как описано в отдельном протоколе9. После того, как оборудование BIA завершит измерение, на экране оборудования отобразятся следующие данные: значения импеданса (Z) на разных частотах (5, 50, 100 и 200 кГц), а также значения сопротивления и реактивного сопротивления на частоте 50 кГц.

  1. После измерений BIA откройте программное обеспечение, чтобы отрегулировать сопротивление (R) и реактивное сопротивление (Xc) в зависимости от роста пациента и рассчитать значения фазового угла (PhA).
    ПРИМЕЧАНИЕ: Анализ параметров BIA с использованием BIVA должен быть выполнен в течение 24 ч после поступления пациента.
  2. Внесите результаты в набор данных и сохраните его как файл .csv для анализа в RStudio.
    ПРИМЕЧАНИЕ: Данные пациента приведены в качестве ссылки в Дополнительной таблице S1.

2. Установка, загрузка пакетов и подготовка данных

ПРИМЕЧАНИЕ: Все процедуры были выполнены с использованием программного обеспечения R с использованием пакетов выживаемости, MASS и pspline.

  1. Загрузите R и RStudio.
    1. Установите программное обеспечение R (версия может меняться со временем) и RStudio и откройте его. Нажмите на вкладку «Файл» | Новая опция «Файл» | выберите скрипт R. RStudio отобразит файл скрипта в верхнем левом углу, расположенном над вкладкой «Консоль».
    2. Установите пакеты, выполнив следующие команды в файле скрипта:
      install.packages("выживание")
      install.packages("МАССА")
      install.packages("pspline")
    3. Загрузите пакеты, выполнив следующие команды
      Библиотека (выживание)
      библиотека (MASS)
      Библиотека (ПСПЛАЙН)
    4. Импортируйте набор данных, выполнив следующую команду. #Dataset будет именем данных. Здесь в качестве примера приведен файл Данные об острой сердечной недостаточности.
      Набор данных <-read.csv(".../Острая сердечная недостаточность data.csv")

3. Построение модели

  1. Определите регрессионную модель пропорциональных рисков Кокса с поправкой на потенциальные искажающие переменные и рассчитайте 95% доверительные интервалы (95% ДИ) с помощью следующих команд.
    Model_1 <- coxph (Surv (Survival_days, Outcome) ~ factor (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle, method="breslow")
    exp(confint(Model_1))
  2. Рассчитайте информационный критерий Акаике (AIC), байесовский информационный критерий (BIC), C-статистику и 95% CI, выполнив следующие команды.
    #Akaike Информационный критерий
    AIC(Model_1)
    #Bayesian Информационный критерий
    BIC(Model_1)
    С-статистика
    Резюме(Model_1)$concordance[1]
    #Lower интервал С-статистики
    summary(Model_1)$concordance[1]-(1.96*summary(Model_1)$concordance[2])
    #Upper интервал C-статистики
    summary(Model_1)$concordance[1]+(1.96*summary(Model_1)$concordance[2])

4. Графическое представление

  1. Создайте объект выживания с помощью функции Surv().
    surv_1 <- Surv(Survival_days, Исход)
  2. Подгонка под модель регрессии пропорциональных рисков Кокса, разработанная на шаге 3.1. и спрогнозируйте значения для подогнанного сплайна, выполнив следующие команды.
    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. Постройте подогнанную модель и соответствующие линии на графике, выполнив следующие команды. Определите точку отсечения, при которой скорректированный ЧСС (сплайн-регрессия) больше 1, что позволяет предположить, что более низкие значения PhA предсказывают повышенный риск внутрибольничной смертности и 90-дневной повторной госпитализации или смерти.
    plot(Phase_angle, exp(predicted_1$fit), type="n", xlab="Фазовый угол", ylab="Скорректированная ЧСС (95% IC)", xlim=c(1.2,12), ylim= c(0,2.5), main="Все клинические исходы")
    lines(sm.spline(Phase_angle , exp(predicted_1$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="черный", lty= 2, lwd= 0.00001)

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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

В это исследование было включено 219 пациентов с острой сердечной недостаточностью (ОСН), как de novo , так и острой декомпенсированной сердечной недостаточностью. Медиана возраста пациентов составила 71 год (стр. 60 - стр. 75 81) лет, из них 63% были женщинами. Наиболее распространенными сопутствующими заболеваниями были сахарный диабет и артериальная гипертензия (41,6% и 69,9% пациентов соответственно). В течение среднего периода наблюдения в течение 79 дней произошло 115 событий (52,5%), из которых 32,2% умер...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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

Это исследование показало, что пациенты с AHF, госпитализированные в ОНП с более низкими значениями PhA в первые 24 ч после госпитализации, имели более высокий риск неблагоприятного прогноза, такого как смерть или повторная госпитализация в течение следующих 90 дней после выписки, который увеличивался, когда значения PhA были ниже 4,0°, независимо от сывороточного натрия, САД, наличия сахарного диабета. или секс. Аналогичным образом, более низкие значения PhA предсказывали внутрибольнич...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

Авторы заявляют, что у них нет конфликта интересов.

Благодарности

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

Авторы выражают благодарность профессору. Пикколи и Пастори с факультета медицинских и хирургических наук Университета Падуи, Италия, за предоставление программного обеспечения BIVA. Это исследование не получало никаких конкретных грантов от финансирующих агентств в государственном, коммерческом или некоммерческом секторах.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
BIVA tolerance R-XcПодключено к оборудованию BIA
Компьютерная системаMicrosoft  Windows 10 Windows 10 или более поздней версии
Quadscan 4000  оборудованиеBodyStatBS-4000Диапазон измерения импеданса: 20 - 1300 &Ом<бр/> Испытательный ток: 620 мкм; A
Частота: 5, 50, 100, 200 кГц
Точность: Импеданс 5 кГц: +/- 2 &
  Импеданс 50 кГц: +/- 2 Ω
  Импеданс 100 кГц: +/- 3 Ω
  Импеданс 200 кГц: +/- 3 Ω
  Сопротивление 50 кГц: +/- 2 Ω
  Реактивное сопротивление 50 кГц: +/- 1 Ω
  Фазовый угол 50 кГц: +/- 0,2°; Калибровка
: Время от времени поставляется резистор для независимой проверки. Значение импеданса должно находиться в диапазоне от 496 до 503 Ω.
R программное обеспечение Нет Не применимо Версия 3.6.2 или выше 
RStudioNone Не применимо Версия 2022.07.2+576
Программное обеспечение

Ссылки

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

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

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

Похожие статьи