IgA肾病预后评估模型研究

【摘要】：背景与目的:lgA肾病(lgAN)是我国最常见的慢性肾小球疾病。lgAN预后个体差异极大,从少量蛋白尿到终末期肾功能衰竭均可能出现。因此其预后评估与预测一直是研究的热点。目前该病的预后评估模型多来自于欧美国家,反映我国现有诊治条件下的预后模型相对少。本研究旨在从患者肾脏病理信息及临床指标中挖掘更多的预后评估信息,利用不同方法建立预后评估模型。方法:(1)建立研究队列。回顾性队列收集解放军总医院2000年1月1日至2010年12月31日入院,有完整随访信息的lgA肾病患者。前瞻性队列收集2014.5开始随访的多中心前瞻性队列数据。利用基线临床指标与病理指标的相关性,通过箱图、回归分析异常点诊断进行数据降噪。降噪后回顾队列病例按7:3随机分为建模组与内部验证组。前瞻队列作为独立的外部验证组。(2)建立病理模型及临床病理模型。以eGFR下降50%或ESRD为终点事件。利用病理指标,通过单因素及多因素COX回归、kaplan-meier生存曲线分析、log-rank检验、r语言编程等方法建立预测预后的病理模型及临床病理模型。通过一致性指数(Harrell'concordance index,C-index),ROC曲线下面积(AUC),赤池信息量(AlC)对模型的预测能力及拟合度进行评估及比较。(3)利用人工神经网络模型预测lgAN患者预后。通过多层感知(MLP)及径向基(RBF)建立预测患者终点事件的人工神经网络模型。通过ROC曲线下面积(AUC),正确率等指标对模型的预测效能进行评估及比较。结果:(1)经过数据降噪及重新分配后,建模组423例(随访时间79.5±32.5月),内部验证组198例(随访时间81.9±28.8月),外部验证组566人(随访时间19.23±9.53月)。(2)通过单因素及多因素COX回归分析,以及C-index的优化组合,选择系膜增殖及小管间质损伤为关键病理预后指标,通过合并生存曲线,构建等级化的病理模型。以系膜增殖、小管间质病变、平均动脉压、基线尿蛋白定量为关键参数,通过r语言编程构建临床病理模型。模型效能评估及比较:在建模队列中病理模型ROC曲线下面积(AUC)0.8,临床病理模型AUC 0.88。病理模型在验证队列中预测效能优于Lee氏分级、不劣于牛津分型。临床病理模型在内部验证队列中预测效能高于其他病理模型(p0.05),在外部验证队列的阶段性数据分析中已显示出预测效能高于其他病理分型的趋势。(3)人工神经网络模型建立及效能评估。通过多层感知算法(MLP)及径向基算法(RBF),筛选权重5%的变量分别建立模型。MLP模型AUC在建模队列0.92、内部验证队列0.91、外部验证队列0.85;RBF模型AUC在建模队列0.9内部验证队列0.94外部验证队列0.84。两种模型预测效能均高于牛津分型(p0.05)。结论:等级化的病理模型,可提供不劣于牛津分型的预测效能,且比牛津分型更加直观。临床病理模型的预测效能在前瞻队列中已呈现优于病理模型的趋势。人工神经网络模型中可综合利用多种临床及病理数据,预测效能优于各种病理模型。