Establishment and Verification of Risk Prediction Model for Silent Brain Infarction in Maintenance Hemodialysis Patients: a Multicenter Study

doi:10.12114/j.issn.1007-9572.2023.0762

Chinese General Practice ›› 2024, Vol. 27 ›› Issue (26): 3232-3239.DOI: 10.12114/j.issn.1007-9572.2023.0762

Special Issue: 脑健康最新研究合辑

• Original Research • Previous Articles Next Articles

Establishment and Verification of Risk Prediction Model for Silent Brain Infarction in Maintenance Hemodialysis Patients: a Multicenter Study

1.Department of Neurology, Nanchong Central Hospital Affiliated to North Sichuan Medical College, Nanchong Central Hospital, Nanchong 637000, China
2.Department of Nephrology, Nanchong Central Hospital Affiliated to North Sichuan Medical College, Nanchong Central Hospital, Nanchong 637000, China
3.Department of Nephrology, Guangyuan Central Hospital, Guangyuan 628000, China
4.Department of Nephrology, Suining Central Hospital, Suining 629000, China

Received:2023-11-10 Revised:2024-03-25 Published:2024-09-15 Online:2024-06-14
Contact: JI Yifei

维持性血液透析患者发生无症状脑梗死风险预测模型的建立及验证：一项多中心研究

1.637000　四川省南充市，川北医学院附属南充市中心医院神经内科
2.637000　四川省南充市，川北医学院附属南充市中心医院肾内科
3.628000　四川省广元市中心医院肾内科
4.629000　四川省遂宁市中心医院肾内科

通讯作者: 季一飞
作者简介:
作者贡献：
李秋伶提出主要研究目标，负责研究的构思、设计和实施，撰写、修订论文；李秋伶、唐文武进行数据的采集与整理，统计学处理，绘制与展示图表；余艺雯、邓欢进行数据的采集与整理；杨小华、陈晓霞进行数据采集；季一飞负责文章的质量控制与审查，提供监督和指导。
基金资助:
国家自然科学基金面上项目(81870966); 四川省科技厅自然科学基金(2022NSFSC0756)

Abstract

Abstract:

Background

Maintenance hemodialysis (MHD) patients have a high incidence of silent brain infarction (SBI) and are in the preclinical stage of symptomatic stroke and vascular dementia. Therefore, there is a great need to explore the risk of SBI in patients with MHD for early detection and reduction of poor prognosis.

Objective

To explore the risk factors for the occurrence of SBI in MHD patients, a predictive model was constructed and its performance was evaluated.

Methods

486 MHD patients from 4 centers (Nanchong Central Hospital Affiliated to North Sichuan Medical College, Guangyuan Central Hospital, Suining Central Hospital, and Pengan County People's Hospital) from January 2017 to October 2022 were included. Patients with MHD were divided into an SBI group (n=102) and a non-SBI group (n=384) using the presence or absence of SBI as the outcome event, and the baseline characteristics of the two study groups were compared. Patients were randomized in a 7∶3 ratio to the modeling set (n=340) and the validation set (n=146). The predictor variables were identified through LASSO regression and multifactorial Logistic regression analyses, and a risk prediction model for the occurrence of SBI in patients with MHD was constructed and presented as a nomographic chart. The predictive performance, accuracy, and clinical utility of the model were evaluated using area under the ROC curve, calibration curve, and decision curve analysis.

Results

In the modeling set, 70 cases (20.6%) of MHD patients experienced SBI, while in the validation set, 32 cases (21.9%) of patients experienced SBI. The results of LASSO regression combined with multifactor logistic regression analysis showed that age (OR=1.027, 95%CI=1.005-1.050), history of alcohol consumption (OR=4.487, 95%CI=2.075-9.706), BMI (OR=1.082, 95%CI=1.011-1.156), insufficient sleep or excessive sleep (OR=6.286, 95%CI=3.560-11.282), history of chronic disease (chronic obstructive pulmonary disease, diabetes, chronic hepatitis B) (OR=1.873, 95%CI=1.067-3.347), serum lactate level (OR=1.452, 95%CI=1.152-1.897), urea reduction ratio (URR) (OR=0.922, 95%CI=0.875-0.970), and history of antiplatelet medication (OR=0.149, 95%CI=0.030-0.490) were independent influences on the occurrence of SBI in MHD patients (P<0.05). A predictive model incorporating the aforementioned 8 influencing factors was constructed, and a nomographic chart was developed. The area under the ROC curve of the predictive model in the modeling set and validation set were 0.816 (95%CI=0.759-0.873) and 0.808 (95%CI=0.723-0.893), respectively, and the calibration curves show good consistency. DCA curve suggested that this model could provide maximum clinical benefit to patients.

Conclusion

A prediction model for the risk of SBI in MHD patients based on age, history of alcohol consumption, BMI, insufficient sleep or excessive sleep, history of chronic disease (chronic obstructive pulmonary disease, diabetes, chronic hepatitis B), serum lactate level, URR, and history of antiplatelet medication demonstrated good predictive performance and clinical utility. It is expected to accurately and individually assess the risk of SBI in MHD patients and implement early interventions to reduce the incidence rate.

Key words: Silent brain infarction, Maintenance hemodialysis, Prediction model, Multi-center, Risk factors

摘要：

背景

维持性血液透析（MHD）患者具有较高无症状脑梗死（SBI）发病率，且是症状性脑梗死和血管性痴呆的临床前阶段。因此非常有必要探讨MHD患者SBI风险，以早期识别并减少不良预后。

目的

探讨MHD患者发生SBI的危险因素，构建预测模型并评价其效能。

方法

纳入2017年1月—2022年10月4个中心（川北医学院附属南充市中心医院、广元市中心医院、遂宁市中心医院、蓬安县人民医院）的486例MHD患者。以MHD患者是否发生SBI为结局事件，分为SBI组（n=102）和非SBI组（n=384），比较两组研究对象的基线特征。按照7∶3的比例将患者随机分为建模集（n=340）和验证集（n=146）。通过LASSO回归和多因素Logistic回归分析确定预测变量，构建MHD患者发生SBI的风险预测模型并绘制列线图；采用受试者工作特征（ROC）曲线下面积、校准曲线和决策曲线分析评估模型的预测性能、准确性和临床应用价值。

结果

建模集70例（20.6%）MHD患者发生SBI，验证集32例（21.9%）患者发生SBI。LASSO回归结合多因素Logistic回归分析结果显示，年龄（OR=1.027，95%CI=1.005~1.050）、饮酒史（OR=4.487，95%CI=2.075~9.706）、BMI（OR=1.082，95%CI=1.011~1.156）、睡眠时间<5 h/d或>9 h/d（OR=6.286，95%CI=3.560~11.282）、慢性病史（慢性阻塞性肺疾病、糖尿病、慢性乙肝）（OR=1.873，95%CI=1.067~3.347）、血清乳酸水平（OR=1.452，95%CI=1.152~1.897）、尿素清除率（URR）（OR=0.922，95%CI=0.875~0.970）和抗血小板药用药史（OR=0.149，95%CI=0.030~0.490）是MHD患者发生SBI的独立影响因素（P<0.05）。构建包含上述8个影响因素的预测模型并绘制列线图。该预测模型在建模集和验证集的ROC曲线下面积分别为0.816（95%CI=0.759~0.873）和0.808（95%CI=0.723~0.893），校准曲线表现出良好的一致性。DCA曲线提示该模型可使患者获得最大临床收益。

结论

基于年龄、饮酒史、BMI、睡眠不足或睡眠过长、慢性病史（慢性阻塞性肺疾病、糖尿病、慢性乙肝）、血清乳酸水平、URR和抗血小板药用药史建立的MHD患者发生SBI风险预测模型有较好的预测效能和临床实用性，有望对MHD患者发生SBI风险进行准确、个性化的评估并实施早期干预以降低发病率。

关键词: 无症状脑梗死, 维持性血液透析, 预测模型, 多中心, 危险因素

CLC Number:

R 743.33

LI Qiuling,TANG Wenwu,YU Yiwen, et al. Establishment and Verification of Risk Prediction Model for Silent Brain Infarction in Maintenance Hemodialysis Patients: a Multicenter Study[J]. Chinese General Practice, 2024, 27(26): 3232-3239. DOI: 10.12114/j.issn.1007-9572.2023.0762.
李秋伶,唐文武,余艺雯等. 维持性血液透析患者发生无症状脑梗死风险预测模型的建立及验证：一项多中心研究[J]. 中国全科医学, 2024, 27(26): 3232-3239. DOI: 10.12114/j.issn.1007-9572.2023.0762.

Figures/Tables 8

References 30

[1]	BELLO A K，OKPECHI I G，LEVIN A，et al. An update on the global disparities in kidney disease burden and care across world countries and regions[J]. Lancet Glob Health，2024，12（3）：e382-395. DOI：10.1016/S2214-109X(23)00570-3.
[2]	OZELSANCAK R，MICOZKADIOGLU H，TORUN D，et al. Cerebrovascular events in hemodialysis patients；a retrospective observational study[J]. BMC Nephrol，2019，20（1）：466. DOI：10.1186/s12882-019-1629-y.
[3]	GUPTA A，GIAMBRONE A E，GIALDINI G，et al. Silent brain infarction and risk of future stroke：a systematic review and meta-analysis[J]. Stroke，2016，47（3）：719-725. DOI：10.1161/STROKEAHA.115.011889.
[4]	GHOSHAL S，FREEDMAN B I. Mechanisms of stroke in patients with chronic kidney disease[J]. Am J Nephrol，2019，50（4）：229-239. DOI：10.1159/000502446.
[5]	FU S Y，LEUNG L Y，WANG Y S，et al. Natural language processing for the identification of silent brain infarcts from neuroimaging reports[J]. JMIR Med Inform，2019，7（2）：e12109. DOI：10.2196/12109.
[6]	FANNING J P，WESLEY A J，WONG A A，et al. Emerging spectra of silent brain infarction[J]. Stroke，2014，45（11）：3461-3471. DOI：10.1161/STROKEAHA.114.005919.
[7]	STEVENS P E，LEVIN A，Kidney Disease：Improving Global Outcomes Chronic Kidney Disease Guideline Development Work Group Members. Evaluation and management of chronic kidney disease：synopsis of the kidney disease：improving global outcomes 2012 clinical practice guideline[J]. Ann Intern Med，2013，158（11）：825-830. DOI：10.7326/0003-4819-158-11-201306040-00007.
[8]	中华医学会神经病学分会，中华医学会神经病学分会脑血管病学组. 中国无症状脑梗死诊治共识[J]. 中华神经科杂志，2018，51（9）：692-698. DOI：10.3760/cma.j.issn.1006-7876.2018.09.006.
[9]	JOHANSEN K L，GARIMELLA P S，HICKS C W，et al. Central and peripheral arterial diseases in chronic kidney disease：conclusions from a Kidney Disease：improving Global Outcomes（KDIGO）Controversies Conference[J]. Kidney Int，2021，100（1）：35-48. DOI：10.1016/j.kint.2021.04.029.
[10]	COLLINS G S，REITSMA J B，ALTMAN D G，et al. Transparent reporting of a multivariable prediction model for Individual Prognosis or Diagnosis（TRIPOD）：the TRIPOD statement[J]. J Clin Epidemiol，2015，68（2）：134-143. DOI：10.1016/j.jclinepi.2014.11.010.
[11]	ZOCCALI C，MARK P B，SARAFIDIS P，et al. Diagnosis of cardiovascular disease in patients with chronic kidney disease[J]. Nat Rev Nephrol，2023，19（11）：733-746. DOI：10.1038/s41581-023-00747-4.
[12]	DELANAYE P，MARIAT C. The applicability of eGFR equations to different populations[J]. Nat Rev Nephrol，2013，9（9）：513-522. DOI：10.1038/nrneph.2013.143.
[13]	陈润霖，何土凤，陶俐均，等. 心血管危险因素对颈动脉内中膜进展的影响研究[J]. 中国全科医学，2023，26（14）：1709-1715. DOI：10.12114/j.issn.1007-9572.2022.0750.
[14]	KUO C C，WEAVER V，FADROWSKI J J，et al. Arsenic exposure，hyperuricemia，and gout in US adults[J]. Environ Int，2015，76：32-40. DOI：10.1016/j.envint.2014.11.015.
[15]	HE Q，SUN H，WU X M，et al. Sleep duration and risk of stroke：a dose-response meta-analysis of prospective cohort studies[J]. Sleep Med，2017，32：66-74. DOI：10.1016/j.sleep.2016.12.012.
[16]	SONG X，LIU X Y，LIU F，et al. Comparison of machine learning and logistic regression models in predicting acute kidney injury：a systematic review and meta-analysis[J]. Int J Med Inform，2021，151：104484. DOI：10.1016/j.ijmedinf.2021.104484.
[17]	EOM B W，RYU K W，NAM B H，et al. Survival nomogram for curatively resected Korean gastric cancer patients：multicenter retrospective analysis with external validation[J]. PLoS One，2015，10（2）：e0119671. DOI：10.1371/journal.pone.0119671.
[18]	FANNING J P，WONG A A，FRASER J F. The epidemiology of silent brain infarction：a systematic review of population-based cohorts[J]. BMC Med，2014，12：119. DOI：10.1186/s12916-014-0119-0.
[19]	CHEN Y K，CHU C S，NIU S W，et al. The prognostic value of URR equals that of Kt/V for all-cause mortality in Taiwan after 10-year follow-up[J]. Sci Rep，2023，13（1）：8923. DOI：10.1038/s41598-023-35353-8.
[20]	VANHOLDER R，SCHEPERS E，PLETINCK A，et al. The uremic toxicity of indoxyl sulfate and p-cresyl sulfate：a systematic review[J]. J Am Soc Nephrol，2014，25（9）：1897-1907. DOI：10.1681/ASN.2013101062.
[21]	KAMAROVA M，BAIG S，PATEL H，et al. Antiplatelet use in ischemic stroke[J]. Ann Pharmacother，2022，56（10）：1159-1173. DOI：10.1177/10600280211073009.
[22]	KELLY D M，ADEMI Z，DOEHNER W，et al. Chronic kidney disease and cerebrovascular disease：consensus and guidance from a KDIGO controversies conference[J]. Stroke，2021，52（7）：e328-346. DOI：10.1161/STROKEAHA.120.029680.
[23]	FLETCHER B R，DAMERY S，AIYEGBUSI O L，et al. Symptom burden and health-related quality of life in chronic kidney disease：a global systematic review and meta-analysis[J]. PLoS Med，2022，19（4）：e1003954. DOI：10.1371/journal.pmed.1003954.
[24]	JOUNDI R A，PATTEN S B，WILLIAMS J V A，et al. Association between excess sleep duration and risk of stroke：a population-based study[J]. Can J Neurol Sci，2023，50（1）：17-22. DOI：10.1017/cjn.2021.242.
[25]	MATSUSHITA K，WILLIAMS E K，MONGRAW-CHAFFIN M L，et al. The association of plasma lactate with incident cardiovascular outcomes：the ARIC Study[J]. Am J Epidemiol，2013，178（3）：401-409. DOI：10.1093/aje/kwt002.
[26]	RYDÉN L，SACUIU S，WETTERBERG H，et al. Atrial fibrillation，stroke，and silent cerebrovascular disease：a population-based MRI study[J]. Neurology，2021，97（16）：e1608-1619. DOI：10.1212/WNL.0000000000012675.
[27]	WOOD A M，KAPTOGE S，BUTTERWORTH A S，et al. Risk thresholds for alcohol consumption：combined analysis of individual-participant data for 599 912 current drinkers in 83 prospective studies[J]. Lancet，2018，391（10129）：1513-1523. DOI：10.1016/S0140-6736(18)30134-X.
[28]	WANG X Y，HUANG Y N，CHEN Y R，et al. The relationship between body mass index and stroke：a systemic review and meta-analysis[J]. J Neurol，2022，269（12）：6279-6289. DOI：10.1007/s00415-022-11318-1.
[29]	BARRACLOUGH K A，PLAYFORD E G. Hepatitis B virus infection in hemodialysis populations：progress toward prevention[J]. Kidney Int，2010，77（3）：177-180. DOI：10.1038/ki.2009.456.
[30]	SÖDERHOLM M，INGHAMMAR M，HEDBLAD B，et al. Incidence of stroke and stroke subtypes in chronic obstructive pulmonary disease[J]. Eur J Epidemiol，2016，31（2）：159-168. DOI：10.1007/s10654-015-0113-7.

变量	未发生SBI（n=384）	发生SBI（n=102）	检验统计量值	P值
性别[例（%）]			2.073	0.150
女	162（42.2）	35（34.3）
男	222（57.8）	67（65.7）
年龄[M（P₂₅，P₇₅），岁]	61.0（51.0，71.0）	70.0（58.0，76.0）	-4.599^a	<0.001
吸烟史[例（%）]			10.267	0.001
无	361（94.0）	86（84.3）
有	23（6.0）	16（15.7）
饮酒史[例（%）]			23.520	<0.001
无	378（98.4）	90（88.2）
有	6（1.6）	12（11.8）
心脏瓣膜钙化[例（%）]			5.524	0.019
无	276（71.9）	61（59.8）
有	108（28.1）	41（40.2）
BMI[M（P₂₅，P₇₅），kg/m²]	22.1（19.9，24.6）	23.4（21.0，25.5）	-3.028^a	0.002
慢性病史[例（%）]			17.324	<0.001
无	198（51.6）	29（28.4）
有	186（48.4）	73（71.6）
冠心病[例（%）]			0.467	0.494
无	302（78.6）	77（75.5）
有	82（21.4）	25（24.5）
心房颤动[例（%）]			1.637	0.201
无	306（79.7）	87（85.3）
有	78（20.3）	15（14.7）
睡眠时长[例（%）]			61.999	<0.001
5~9 h/d	339（88.3）	55（53.9）
<5 h/d或>9 h/d	45（11.7）	47（46.1）
高血压分级[例（%）]			3.854	0.278
0级	56（14.6）	11（10.8）
1级	49（12.8）	13（12.7）
2级	55（14.3）	9（8.8）
3级	224（58.3）	69（67.6）
NYHA[例（%）]			4.471	0.346
0级	21（5.5）	2（2.0）
1级	6（1.6）	1（1.0）
2级	112（29.2）	24（23.5）
3级	181（47.1）	54（52.9）
4级	64（16.7）	21（20.6）
肺部感染[例（%）]			0.138	0.710
无	310（80.7）	84（82.4）
有	74（19.3）	18（17.6）
透析年[M（P₂₅，P₇₅），年]	6.0（3.0，34.0）	11.0（3.0，36.0）	-0.699^a	0.474
透析原因[例（%）]			6.409	0.011
其他	230（59.9）	75（73.5）
肾炎	154（40.1）	27（26.5）
透析时长[例（%）]			3.399	0.065
<12 h/周	135（35.2）	26（25.5）
≥12 h/周	249（64.8）	76（74.5）
血管通路[例（%）]			0.698	0.404
动静脉内瘘	329（85.7）	84（82.4）
深静脉导管	55（14.3）	18（17.6）
残余肾功能[M（P₂₅，P₇₅），mL·min^-1·（1.73 m²）^-1]	4.968（3.815，6.914）	5.108（3.922，7.073）	-0.785^a	0.433
超滤率[M（P₂₅，P₇₅），mL/min]	10.018（8.295，12.267）	9.524（7.417，12.000）	1.695^a	0.090
URR[M（P₂₅，P₇₅），%]	66.23（64.12，68.49）	64.96（62.18，67.41）	3.263^a	0.001
抗血小板药用药史[例（%）]			9.325	0.002
无	331（86.2）	99（97.1）
有	53（13.8）	3（2.9）
红细胞压积（±s，%）	29.3±7.1	29.6±7.3	-0.396^b	0.692
总胆固醇[M（P₂₅，P₇₅），mmol/L]	3.81（3.11，4.60）	3.57（2.99，4.76）	0.608^a	0.543
三酰甘油[M（P₂₅，P₇₅），mmol/L]	1.36（0.98，1.98）	1.37（1.09，2.10）	-1.405^a	0.160
高密度脂蛋白胆固醇[M（P₂₅，P₇₅），mmol/L]	1.11（0.89，1.36）	1.01（0.84，1.29）	2.302^a	0.021
同型半胱氨酸[M（P₂₅，P₇₅），μmol/L]	28.31（24.51，33.45）	27.39（23.06，34.31）	0.730^a	0.466
甲状旁腺激素[M（P₂₅，P₇₅），ng/L]	299.8（172.4，456.0）	287.0（157.0，471.6）	0.303^a	0.763
乳酸[M（P₂₅，P₇₅），mmol/L]	1.75（1.34，2.28）	1.90（1.55，2.30）	-2.034^a	0.042
血钙[M（P₂₅，P₇₅），mmol/L]	2.08（1.87，2.23）	2.07（1.83，2.20）	0.168^a	0.867
血磷[M（P₂₅，P₇₅），mmol/L]	1.63（1.22，2.12）	1.54（1.12，2.10）	0.679^a	0.498

变量	未发生SBI（n=384）	发生SBI（n=102）	检验统计量值	P值
性别[例（%）]			2.073	0.150
女	162（42.2）	35（34.3）
男	222（57.8）	67（65.7）
年龄[M（P₂₅，P₇₅），岁]	61.0（51.0，71.0）	70.0（58.0，76.0）	-4.599^a	<0.001
吸烟史[例（%）]			10.267	0.001
无	361（94.0）	86（84.3）
有	23（6.0）	16（15.7）
饮酒史[例（%）]			23.520	<0.001
无	378（98.4）	90（88.2）
有	6（1.6）	12（11.8）
心脏瓣膜钙化[例（%）]			5.524	0.019
无	276（71.9）	61（59.8）
有	108（28.1）	41（40.2）
BMI[M（P₂₅，P₇₅），kg/m²]	22.1（19.9，24.6）	23.4（21.0，25.5）	-3.028^a	0.002
慢性病史[例（%）]			17.324	<0.001
无	198（51.6）	29（28.4）
有	186（48.4）	73（71.6）
冠心病[例（%）]			0.467	0.494
无	302（78.6）	77（75.5）
有	82（21.4）	25（24.5）
心房颤动[例（%）]			1.637	0.201
无	306（79.7）	87（85.3）
有	78（20.3）	15（14.7）
睡眠时长[例（%）]			61.999	<0.001
5~9 h/d	339（88.3）	55（53.9）
<5 h/d或>9 h/d	45（11.7）	47（46.1）
高血压分级[例（%）]			3.854	0.278
0级	56（14.6）	11（10.8）
1级	49（12.8）	13（12.7）
2级	55（14.3）	9（8.8）
3级	224（58.3）	69（67.6）
NYHA[例（%）]			4.471	0.346
0级	21（5.5）	2（2.0）
1级	6（1.6）	1（1.0）
2级	112（29.2）	24（23.5）
3级	181（47.1）	54（52.9）
4级	64（16.7）	21（20.6）
肺部感染[例（%）]			0.138	0.710
无	310（80.7）	84（82.4）
有	74（19.3）	18（17.6）
透析年[M（P₂₅，P₇₅），年]	6.0（3.0，34.0）	11.0（3.0，36.0）	-0.699^a	0.474
透析原因[例（%）]			6.409	0.011
其他	230（59.9）	75（73.5）
肾炎	154（40.1）	27（26.5）
透析时长[例（%）]			3.399	0.065
<12 h/周	135（35.2）	26（25.5）
≥12 h/周	249（64.8）	76（74.5）
血管通路[例（%）]			0.698	0.404
动静脉内瘘	329（85.7）	84（82.4）
深静脉导管	55（14.3）	18（17.6）
残余肾功能[M（P₂₅，P₇₅），mL·min^-1·（1.73 m²）^-1]	4.968（3.815，6.914）	5.108（3.922，7.073）	-0.785^a	0.433
超滤率[M（P₂₅，P₇₅），mL/min]	10.018（8.295，12.267）	9.524（7.417，12.000）	1.695^a	0.090
URR[M（P₂₅，P₇₅），%]	66.23（64.12，68.49）	64.96（62.18，67.41）	3.263^a	0.001
抗血小板药用药史[例（%）]			9.325	0.002
无	331（86.2）	99（97.1）
有	53（13.8）	3（2.9）
红细胞压积（±s，%）	29.3±7.1	29.6±7.3	-0.396^b	0.692
总胆固醇[M（P₂₅，P₇₅），mmol/L]	3.81（3.11，4.60）	3.57（2.99，4.76）	0.608^a	0.543
三酰甘油[M（P₂₅，P₇₅），mmol/L]	1.36（0.98，1.98）	1.37（1.09，2.10）	-1.405^a	0.160
高密度脂蛋白胆固醇[M（P₂₅，P₇₅），mmol/L]	1.11（0.89，1.36）	1.01（0.84，1.29）	2.302^a	0.021
同型半胱氨酸[M（P₂₅，P₇₅），μmol/L]	28.31（24.51，33.45）	27.39（23.06，34.31）	0.730^a	0.466
甲状旁腺激素[M（P₂₅，P₇₅），ng/L]	299.8（172.4，456.0）	287.0（157.0，471.6）	0.303^a	0.763
乳酸[M（P₂₅，P₇₅），mmol/L]	1.75（1.34，2.28）	1.90（1.55，2.30）	-2.034^a	0.042
血钙[M（P₂₅，P₇₅），mmol/L]	2.08（1.87，2.23）	2.07（1.83，2.20）	0.168^a	0.867
血磷[M（P₂₅，P₇₅），mmol/L]	1.63（1.22，2.12）	1.54（1.12，2.10）	0.679^a	0.498

变量	β	SE	Wald χ²值	OR值（95%CI）	P值
常量	-1.200	2.081	-0.577	0.301（0.005~18.409）	0.564
年龄	0.027	0.011	2.385	1.027（1.005~1.050）	0.017
BMI	0.079	0.034	2.322	1.082（1.011~1.156）	0.020
乳酸	0.373	0.126	2.951	1.452（1.152~1.897）	0.003
URR	-0.081	0.026	-3.088	0.922（0.875~0.970）	0.002
饮酒史（以无为参照）
有	1.501	0.392	3.832	4.487（2.075~9.706）	<0.001
睡眠时长（以5~9 h/d为参照）
<5 h/d或>9 h/d	1.838	0.293	6.263	6.286（3.560~11.282）	<0.001
慢性病史（以无为参照）
有	0.628	0.291	2.158	1.873（1.067~3.347）	0.031
抗血小板药用药史（以无为参照）
有	-1.905	0.697	-2.734	0.149（0.030~0.490）	0.006

变量	β	SE	Wald χ²值	OR值（95%CI）	P值
常量	-1.200	2.081	-0.577	0.301（0.005~18.409）	0.564
年龄	0.027	0.011	2.385	1.027（1.005~1.050）	0.017
BMI	0.079	0.034	2.322	1.082（1.011~1.156）	0.020
乳酸	0.373	0.126	2.951	1.452（1.152~1.897）	0.003
URR	-0.081	0.026	-3.088	0.922（0.875~0.970）	0.002
饮酒史（以无为参照）
有	1.501	0.392	3.832	4.487（2.075~9.706）	<0.001
睡眠时长（以5~9 h/d为参照）
<5 h/d或>9 h/d	1.838	0.293	6.263	6.286（3.560~11.282）	<0.001
慢性病史（以无为参照）
有	0.628	0.291	2.158	1.873（1.067~3.347）	0.031
抗血小板药用药史（以无为参照）
有	-1.905	0.697	-2.734	0.149（0.030~0.490）	0.006

Establishment and Verification of Risk Prediction Model for Silent Brain Infarction in Maintenance Hemodialysis Patients: a Multicenter Study

维持性血液透析患者发生无症状脑梗死风险预测模型的建立及验证：一项多中心研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 30

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	ZHU Yaming, DU Li, WANG Huanhui, WANG Peipei. Obstructive Sleep Apnea-hypopnea Syndrome and Severe Asthma: Advances and Challenges [J]. Chinese General Practice, 2024, 27(25): 3192-3196.
[2]	ZHANG Dongliang, MA Yingchun, REN Jianwei, WANG Lei, ZHAO Jingxin, LIN Xuya. Body Composition Analysis of the Effect of Water Load Parameters on Prognosis of Patients with Different Modes of Dialysis: a Multicenter Prospective Cohort Study [J]. Chinese General Practice, 2024, 27(21): 2586-2591.
[3]	WANG Xiaoxia, CAO Xuehua, LI Yan, XIONG Langyu, HU Wanqin, XIANG Feng, JIA Yu. Prevalence and Influencing Factors of Frailty in Maintenance Hemodialysis Patients in China: a Meta-analysis [J]. Chinese General Practice, 2024, 27(20): 2534-2544.
[4]	LI Hongji, ZHAO Xiaolong, HU Wei, HAN Donghui, WANG Anhui, QIN Weijun. Development and Validation of a Prediction Model for Prostate Cancer Early Screening [J]. Chinese General Practice, 2024, 27(20): 2483-2490.
[5]	ZENG Fanyan, YANG Xuezhi, LIU Xingyu, MO Jiali, LIU Zuting, LU Yi, YI Yingping, KUANG Jie. Association between Rainfall and Stroke Admissions: Based on Distributional Lag Nonlinear Modeling [J]. Chinese General Practice, 2024, 27(20): 2458-2465.
[6]	SU Wei, ZHANG Ying, MA Shuang. Trend and Prediction Analysis of the Changing Disease Burden of Ischemic Heart Disease in China and Worldwide from 1990 to 2019 [J]. Chinese General Practice, 2024, 27(19): 2375-2381.
[7]	XU Yunjia, SHU Biyun, ZHENG Yongtao, CHEN Ting, LAI Fenhua, NI Mengjiao, LUO Xiulan, WU Hengjing. Risk Factors and Predictive Model of Long-term Bedridden Risk of Falls in Super-aged Population Based on Competing Risk Model Analysis [J]. Chinese General Practice, 2024, 27(18): 2192-2197.
[8]	YANG Xu, YAO Mi. Interpretation of the U.S. Preventive Clinical Services Guidelines Workgroup's Healthy Diet and Physical Activity for Cardiovascular Disease Prevention in Adults without Cardiovascular Disease Risk Factors: Behavioral Counseling Interventions [J]. Chinese General Practice, 2024, 27(17): 2064-2069.
[9]	PEI Xuejing, SHEN Huaiyun, XU Qianqian, LIU Binbin, WANG Huihui. Risk Factors and Short-term Prognosis of Severe Neonatal Asphyxia Complicated with Acute Kidney Injury [J]. Chinese General Practice, 2024, 27(15): 1861-1866.
[10]	GAO Ying, XU Xinyi, LIU Yang, YANG Xiaokun. Research on the Development of Atherosclerotic Cardiovascular Disease Prediction Model for the Elderly Based on TCM Constitution [J]. Chinese General Practice, 2024, 27(15): 1878-1885.
[11]	LI Zidong, ZHU Lin. Clinical Characteristics and Risk Factors of Fatigue in COVID-19 during Recovery Period [J]. Chinese General Practice, 2024, 27(15): 1849-1854.
[12]	HONG Ling, LU Liping, CHENG Ning, SUN Qin, JIANG Jianhong, ZHU Liangfeng. Prevalence and Epidemiological Characteristics of Venous Thromboembolism in Jiaxing City [J]. Chinese General Practice, 2024, 27(15): 1837-1842.
[13]	ZHANG Guoli, ZHAO Rongrong, PENG Guotian, SUN Ruiyi, QIAO Pengyu, YAN Fanghong, HAN Lin. Risk Factors and Predictive Value of Risk Scoring Systems for Long-term Major Adverse Cardiovascular Events in Patients with ST-segment Elevation Myocardial Infarction Following Percutaneous Coronary Intervention [J]. Chinese General Practice, 2024, 27(15): 1802-1810.
[14]	LIU Caixia, AN Tingting, LIU Jing, LI Xiangyang, JIN Jie, XU Lanjuan. Prognostic Value of IMPACT and CRASH Models in the Assessment of Patients with Traumatic Brain Injury: a Comparative Study [J]. Chinese General Practice, 2024, 27(15): 1843-1849.
[15]	YANG Shuo, LIU Xinying, WANG Huizhe, LI Huanmin, LI Xinmin. Risk Factors for Severe Mycoplasma Pneumoniae Pneumonia in Children: a Meta-analysis [J]. Chinese General Practice, 2024, 27(14): 1750-1760.