Akut Kalp Yetmezliği Olan Hastalarda Prognostik Faktör Olarak Başvuruda Biyoelektrik Empedans Analizi ile Faz Açısının Cutoff Değeri

Summary

Bu protokol, akut kalp yetmezliğinde prognoz için faz açısının kesme değerini belirlemek için kısıtlı kübik spline çok değişkenli Cox regresyon analizi yapmak için R kodlarının yanı sıra her modelin ayırt edici yeteneğini ölçen ve uyum iyiliğini değerlendiren istatistiklerin hesaplanması için kodlar sunar.

Abstract

Akut kalp yetmezliği, 65 yaşın > hastalarda hastaneye yatışların en yaygın nedenidir ve tıkanıklık baskın semptomdur. Tıkanıklığın yeniden kabulün ana nedeni olduğu ve kötü sonuçlarla ilişkisi olduğu yaygın olarak bilinmektedir. Bu çalışmada, akut kalp yetmezliği olan hastalarda hastanede mortalite ve tüm nedenlere bağlı mortalite veya taburculuktan 90 gün sonra yeniden hastaneye yatış tahmini için hastaneye yatıştan sonraki ilk 24 saat içinde biyoelektrik empedans analizi kullanılarak faz açısının kesme değerinin belirlenmesi amaçlanmıştır.

Bu protokol için analiz edilen veri seti, akut kalp yetmezliği ile acil servise başvuran ve 115'i hastaneye yatış sırasında, taburcu olduktan 90 gün sonra ölen veya aynı dönemde yeniden kabul edilen 219 hastayı içeriyordu. Cox orantılı tehlikeler regresyon analizi kullanılarak tek değişkenli analiz ile potansiyel öngörücüler belirlendi ve hasta sağkalımı ile ilişkili önemli prognostik faktörleri belirlemek ve karıştırıcı değişkenleri kontrol etmek için çok değişkenli bir Cox orantılı tehlike modeli kullanıldı. Kısıtlı kübik splinelar kullanılarak farklı öngörücüler tarafından ayarlanan faz açısının analizi, özellikle PhA'nın kesme değeri <4.0 ° olduğunda, daha düşük değerlerin taburculuk sonrası 90 günlük yeniden kabul veya ölüm riski ile doğrudan ilişkili olduğunu ortaya koydu. Geliştirilen tüm modeller orta düzeyde ayırt edici yetenek göstermiştir (C-istatistiği < 0.80); bununla birlikte, hastane içi mortalite modeli en yüksek ayırt etme yeteneğini göstermiştir (C-istatistiği, 0.75).

Introduction

Akut kalp yetmezliği (AHF), 65 yaş > hastalarda hastaneye yatışların en yaygın nedenidir ve tıkanıklık vakaların çoğunda baskın semptomdur ve hastaneye yatışların ana nedenidir¹. Kalp yetmezliği (HF), bağırsak ödemine bağlı emilim bozukluğu, sürekli nörohormonal aktivasyona bağlı hiperkatabolizma ve sürekli inflamasyon dahil olmak üzere farklı mekanizmalar yoluyla yetersiz beslenmeye yol açabilir ^2,3. Bu nedenle, tıkanıklık ve yetersiz beslenme vücut kompozisyonunu doğrudan etkiler.

Biyoelektrik empedans analizi (BIA), insan hücreleri ve dokuları tarafından üretilen empedansı (Z) veya direnci/muhalefeti ölçen sabit bir düşük seviyeli alternatif elektrik akımı uygulayarak vücut kompozisyonunu tahmin etmek için anında yatak başı ve güvenilir ölçümler sağlayan hızlı, invaziv olmayan ve güvenli bir yöntemdir. BIA iki parametre içerir: direnç (R) ve reaktans (Xc)⁴.

Ek olarak, hücre zarı ve doku arayüzlerine nüfuz etmek için gereken akım ve voltaj arasındaki gecikmeyi ölçer, faz açısı (PhA) olarak bilinen, hücresel sağlığın, hücre zarı bütünlüğünün ve canlılığın bir göstergesi olduğu öne sürülen, sıvı dağılımı, iltihaplanma ve doku direnci ve elektriksel özellikler nedeniyle yetersiz beslenmeden etkilenir. Daha düşük PhA değerleri, apoptozu ve hücresel matrisin azalmış bileşenlerini gösterirken, daha yüksek değerler daha fazla hücreselliği ve daha iyi hücre fonksiyonunu yansıtır⁵. Farklı çalışmalar, HF^6,7'li hastalar da dahil olmak üzere farklı klinik ortamlarda mortalite, yeniden hastaneye yatış, hastanede kalış süresi ve kötü beslenme durumu riski gibi birçok sonuçta PhA'nın prognostik rolünü tutarlı bir şekilde göstermiştir.

Bu çalışma, AHF'li hastalarda taburculuktan 90 gün sonra hastane içi mortaliteyi ve tüm nedenlere bağlı mortaliteyi veya yeniden hastaneye yatışları tahmin etmek için hastaneye yatıştan sonraki ilk 24 saat içinde BİA ile PhA'nın kesme değerini belirlemek için cezalandırılmış spline'larla çok değişkenli Cox regresyon analizi gerçekleştirme adımlarını tanımlamayı amaçladı.

Protocol

Bu çalışma dört adımdan oluşmaktadır. Bu çalışmada kullanılan veriler, Avrupa Kardiyoloji Derneği (ESC) yönergelerine göre önceki bir ekokardiyogram ile doğrulanmış^{AHF'li yetişkin} hastaları (≥18 yaş) 8 ve klinisyenler tarafından değerlendirildiği üzere beklenen hastaneye yatışları içeriyordu. Bu çalışma, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán'ın Etik ve İnsan Biyomedikal Araştırma Komitesi tarafından onaylanmıştır ve Helsinki Bildirgesi ilkelerine göre yürütülmüştür. Hastadan veya onam veremeyecek durumda olan yakınlarından yazılı bilgilendirilmiş onam alındı.

1. Veri toplama ve genel bilgiler

NOT: BIA ölçümleri, ayrı bir protokol^9'da açıklandığı gibi özel hasta hazırlığı gerektirir. BIA ekipmanı ölçümü tamamladıktan sonra, ekipman ekranı aşağıdaki verileri gösterecektir: farklı frekanslarda (5, 50, 100 ve 200 kHz) empedans değerleri (Z) ve ayrıca 50 kHz'de direnç ve reaktans değerleri.

1. BIA ölçümlerinden sonra, direnci (R) ve reaktansı (Xc) hastanın boyuna göre ayarlamak ve faz açısı (PhA) değerlerini hesaplamak için yazılımı açın.
   NOT: BIVA kullanılarak BIA parametrelerinin analizi, hasta kabulünden sonraki 24 saat içinde yapılmalıdır.
2. Sonuçları veri kümesine girin ve RStudio'da analiz için .csv bir dosya olarak kaydedin.
   NOT: Hastanın verileri Ek Tablo S1'de referans olarak gösterilmiştir.

2. Paketlerin kurulması, yüklenmesi ve veri hazırlanması

NOT: Tüm prosedürler R yazılımı kullanılarak survival, MASS ve pspline paketleri kullanılarak gerçekleştirildi.

1. R ve RStudio'yu indirin.
   1. R yazılımını (sürüm zamanla değişebilir) ve RStudio'yu yükleyin ve açın. Dosya sekmesine tıklayın | Yeni Dosya seçeneği | R betiğini seçin. RStudio, komut dosyasını sol üst köşede, Konsol sekmesinin üzerinde görüntülenir.
   2. Komut dosyasında aşağıdaki komutları yürüterek paketleri yükleyin:
      install.packages("hayatta kalma")
      install.packages("MASS")
      install.packages("pspline")
   3. Aşağıdaki komutları çalıştırarak paketleri yükleyin
      Kütüphane (Hayatta Kalma)
      kütüphane (MASS)
      Kitaplık(PSPLINE)
   4. Aşağıdaki komutu yürüterek veri kümesini içeri aktarın. #Dataset verilerin adı olacaktır. Burada dosya Akut kalp yetmezliği verileri örnektir.
      Veri seti <-read.csv(".../Akut kalp yetmezliği data.csv")

3. Model yapımı

1. Potansiyel karıştırıcı değişkenler için ayarlanmış Cox orantılı tehlikeler regresyon modelini belirleyin ve aşağıdaki komutlar aracılığıyla %95 güven aralıklarını (%95 CI) hesaplayın.
   Model_1 <- coxph (Surv (Survival_days, Sonuç) ~ faktör (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle, method="breslow")
   exp(confint(Model_1))
2. Aşağıdaki komutları çalıştırarak Akaike Bilgi Kriteri (AIC), Bayes Bilgi Kriteri (BIC), C istatistiği ve %95 CI'yi hesaplayın.
   #Akaike Bilgi Kriteri
   AIC(Model_1)
   #Bayesian Bilgi Kriteri
   BIC(Model_1)
   C-istatistiği
   Özet(Model_1)$concordance[1]
   #Lower C istatistiği aralığı
   Özet(Model_1)$concordance[1]-(1.96*Özet(Model_1)$concordance[2])
   #Upper C istatistiği aralığı
   Özet(Model_1)$concordance[1]+(1.96*Özet(Model_1)$concordance[2])

4. Grafiksel gösterim

1. Surv() fonksiyonunu kullanarak hayatta kalma nesnesini oluşturun.
   surv_1 <- Surv(Survival_days, Sonuç)
2. Adım 3.1'de geliştirilen Cox orantılı tehlikeler regresyon modeline uyun. ve aşağıdaki komutları yürüterek takılan spline için değerleri tahmin edin.
   fit_model_1 <- coxph(surv_1 ~ pspline(Phase_angle, df=2)+faktör(Diabetes_mellitus)+ Systolic_blood_pressure + Serum_sodium)
   predicted_1 <- tahmin et(fit_model_1, tür = "terimler", se.fit = DOĞRU ,terimler = 1)
3. Aşağıdaki komutları uygulayarak takılan modeli ve ilgili çizgileri grafik üzerinde çizin. HR ayarının (spline regresyonu) 1'den büyük olduğu kesme noktasını belirleyin, bu da daha düşük bir PhA değerlerinin hastane içi mortalite ve 90 günlük yeniden yatış veya ölüm riskinin arttığını öngördüğünü gösterir.
   plot(Phase_angle, exp(predicted_1$fit), type="n", xlab="Faz açısı", ylab="Düzeltilmiş HR (%95 IC)", xlim=c(1.2,12), ylim= c(0,2.5), main="Tüm klinik sonuçlar")
   lines(sm.spline(Phase_angle , exp(predicted_1$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 )
   Metin(4.27,1.12, "4.0°")
   abline(v=4.0,col="siyah", lty= 2, lwd= 0.00001)

Results

Bu çalışma, hem de novo hem de akut dekompanse kalp yetmezliği olan akut kalp yetmezliği (AHF) olan 219 hastayı içeriyordu. Hastaların ortanca yaşı 71 (p25. 60 - p75. 81) yıl ve c'ü kadındı. Diabetes mellitus ve hipertansiyon en sık görülen komorbiditelerdi (hastaların sırasıyla A.6 ve i.9'u). Medyan 79 günlük takip sırasında 115 olay (R.5) meydana geldi, bunların 2.2'si hastanede öldü ve g.8'i taburcu olduktan sonraki 90 gün içinde yeniden hastaneye yatırıldı veya öldü.

Başvuru anınd...

Discussion

Bu çalışma, hastaneye yatıştan sonraki ilk 24 saat içinde daha düşük PhA değerleri ile acil servise kabul edilen AHF'li hastaların, taburculuktan sonraki 90 gün içinde ölüm veya yeniden hastaneye yatış gibi kötü prognoz riskinin daha yüksek olduğunu ve PhA değerleri 4.0°'nin altında olduğunda arttığını, serum sodyum, SBP, diabetes mellitus varlığından bağımsız olarak arttığını göstermiştir. ya da seks. Benzer şekilde, daha düşük PhA değerleri, cinsiyet, SBP, serum potasyum seviyeleri ve...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BIVA toleransı R-Xc yazılımı			BIA ekipmanına bağlı
Bilgisayar sistemi	Microsoft	Windows 10	Windows 10 veya üzeri
Quadscan 4000 & ekipman	BodyStat	BS-4000	Empedans ölçüm aralığı: 20 - 1300 & Omega; ohm < br / > Test Akımı: 620 μ A frekansı: 5, 50, 100, 200 kHz Doğruluk: empedans 5 kHz: +/- 2 & omega;   Empedans 50 kHz: +/- 2 & omega;   Empedans 100 kHz: +/- 3 & omega;   Empedans 200 kHz: +/- 3 & omega;   Direnç 50 kHz: +/- 2 & omega;   Reaktans 50 kHz: +/- 1 & omega;   Faz Açısı 50 kHz: +/- 0.2° Kalibrasyon: Zaman zaman bağımsız doğrulama için bir direnç sağlanır. Empedans değeri 496 ile 503 Ω arasında olmalıdır.
R yazılımı	Yok	Uygulanamaz	Sürüm 3.6.2 veya üstü
RStudio	None	Uygulanamaz	Sürüm 2022.07.2+576