نقش بیومارکرهای استرس کلیه ادراری برای تشخیص زودهنگام آسیب حاد کلیوی تحت بالینی در بیماران مبتلا به کووید{0}}

خلاصه:نسبت بالایی از بیماران بدحال مبتلا به کووید-19 ایجاد می‌شوندآسیب حاد کلیه(AKI) و بمیر. تشخیص زودهنگام AKI تحت بالینی می تواند به این امر کمک کندپیشگیری از AKI. بنابراین، این مطالعه با هدف بررسی نقشبیومارکرهای ادراری NGALو [TIMP{{0}}] × [IGFBP7] برای تشخیص زودهنگام AKI در این جمعیت. این مطالعه کوهورت طولی آینده‌نگر شامل بیماران مبتلا به کووید-19 بدحال بدون AKI در بدو ورود به مطالعه بود. نمونه‌های ادرار هنگام پذیرش در مناطق مراقبت‌های ویژه برای تعیین غلظت‌های NGAL و [TIMP-2] × [IGFBP7] جمع‌آوری شد. اطلاعات دموگرافیک، بیماری های همراه و اطلاعات بالینی و آزمایشگاهی ثبت شد. نتایج مطالعه ایجاد AKI و مرگ و میر در طول بستری بود. از 51 فردی که مورد مطالعه قرار گرفتند، 25 نفر در طول بستری شدن در بیمارستان دچار AKI شدند (49%). از این تعداد، 12 نفر دارای AKI پایدار بودند (23.5%). عوامل خطر برای AKI جنسیت مرد بودند (HR=7.57, 95% CI: 1.28-44.8؛ p=0.026) و [TIMP-2] × [IGFBP7] بزرگتر یا مساوی 0.2 (ng/mL) 2/1000 (HR=7.23, 95% CI: 0.99-52.4؛ p=0.050). مرگ و میر در طول بستری در گروه مبتلا به AKI به طور معنی داری بیشتر از گروه بدون AKI بود (004/0=0). AKI پایدار یک عامل خطر برای مرگ و میر بود (HR=7.42، 95% CI: 1.04-53.04؛ p=0.046). AKI در بیماران مبتلا به کووید{46}} مکرر بود. ترکیب [TIMP{47}}] × [IGFBP7] همراه با اطلاعات بالینی، برای شناسایی AKI تحت بالینی در بیماران مبتلا به کووید{49}} مفید بود. نقش بیومارکرهای اضافی و ترکیبات احتمالی آنها برای تشخیص AKI در بیماران مبتلا به کووید{50}} همچنان در آزمایش‌های بالینی بزرگ مورد بررسی قرار می‌گیرد.

کلید واژه ها: آسیب حاد کلیه; کووید-19؛لیپوکالین مرتبط با ژلاتیناز نوتروفیل; مهارکننده بافتی متالوپروتئینازها-2; پروتئین اتصال دهنده فاکتور رشد شبه انسولین 7; بیومارکرهای استرس کلیه ادراری

چه مدت طول می کشد تا سیستانچ کار کند؟

1. معرفی

طیف بالینی ناشی از عفونت با شدیدسندرم حاد تنفسی کرونا 2(SARS-CoV-2)، از پاسخ بدون علامت یا ایجاد عفونت خفیف دستگاه تنفسی فوقانی تابیماری بحرانی کروناویروس 2019(COVID-19) [1]. The rates of acute kidney injury (AKI) in patients with severe COVID-19 are extremely variable, but the evidence suggests that it likely affects >20% of hospitalized patients and >50 درصد بیماران در بخش مراقبت های ویژه (ICU) [2]. به طور سنتی، تشخیص AKI بر اساس تغییرات در عملکرد کلیه مانند افزایش کراتینین سرم (sCr) است، که یک روش با حساسیت کم است، زیرا قبل از اینکه تغییر در sCr قابل تشخیص باشد، باید نزدیک به 50٪ از نرخ فیلتراسیون گلومرولی (GFR) از بین برود. و کاهش برون ده ادرار، که فاقد ویژگی است زیرا ممکن است توسط هیپوولمی، بدون آسیب مستقیم به کلیه ایجاد شود [3]. تشخیص AKI تا 43 درصد از بیماران بستری در بیمارستان به طور غیرقابل قبولی به تعویق افتاده است [4] که منجر به از بین رفتن پنجره های درمانی می شود. افزایش بیومارکرهای ادراری استرس کلیه در غیاب تغییرات در sCr و برون ده ادرار به عنوان AKI تحت بالینی در نظر گرفته شده است، اصطلاحی برای شناسایی بیمارانی که در معرض خطر بالای AKI هستند [5]. این بیماران احتمالاً کسانی هستند که از استفاده از نشانگرهای زیستی و مداخلات اولیه سود می برند. در این زمینه، مهارکننده بافتی متالوپروتئینازها (TIMP{9}}) و پروتئین اتصال دهنده فاکتور رشد شبه انسولین 7 (IGFBP7) به عنوان بیومارکرهای احتمالی AKI شناسایی شده‌اند، با توجه به اینکه هر دو به دنبال ایسکمیک آزاد می‌شوند. یا فرآیندهای التهابی در کلیه، که منجر به توقف چرخه سلولی G1 برای مدت کوتاهی می شود [6-8]. یکی دیگر از نشانگرهای زیستی اولیه AKI، لیپوکالین مرتبط با نوتروفیل ژلاتیناز ادراری (NGAL) است، زیرا غلظت داخل کلیوی این پروتئین بلافاصله پس از آسیب کلیوی ایسکمیک یا نفروتوکسیک به طور ناگهانی تنظیم می شود [9]. با توجه به نیاز به شناسایی علائم اولیه درگیری کلیه، این مطالعه با هدف بررسی نقش بیومارکرهای ادراری NGAL، TIMP{19}} و IGFBP7 برای تشخیص زودهنگام AKI در بیماران بدحال مبتلا به کووید انجام شد. }}.

2. روش ها

2.1. جمعیت مطالعه

این مطالعه کوهورت طولی آینده‌نگر در مؤسسه ملی بیماری‌های تنفسی (INER)، بزرگترین موسسه سطح سوم تعیین‌شده توسط دولت مکزیک برای مراقبت از کووید{1}} انجام شد. هیئت بازبینی سازمانی مطالعه را تأیید کرد (تصویب شماره C26-20) و رضایت آگاهانه کتبی از همه شرکت کنندگان اخذ شد. ما افرادی را انتخاب کردیم که با تشخیص ذات الریه شدید ناشی از SARS-CoV-2 در ICU بستری شده بودند که 18 سال یا بیشتر داشتند. بدون AKI هنگامی که نمونه ادرار جمع آوری شد. و بدون سابقه بیماری مزمن کلیوی (CKD) همانطور که با بازجویی از بیماران در مورد سابقه پزشکی CKD و نرخ فیلتراسیون گلومرولی تخمینی (eGFR) که بیشتر از 60 میلی لیتر در دقیقه / 1.73 متر مربع با استفاده از معادله CKD-EPI بود نشان داده شد [10] ]. پنومونی شدید SARS-CoV با داده‌های بالینی دیسترس تنفسی، کدورت‌های آلوئولی دو طرفه در 2 یا بیشتر لوب، نسبت فشار اکسیژن شریانی جزئی/کسری اکسیژن الهام‌شده (PaO2/FiO2) <300 میلی‌متر جیوه، و یک نتیجه مثبت برای سنجش SARS-CoV{19}}رونویسی معکوس – واکنش زنجیره‌ای پلیمراز در زمان واقعی (rRT-PCR) در سواب نازوفارنکس [11]. پیامد اولیه ایجاد AKI در طول بستری بود. پیامد ثانویه مرگ و میر در طول بستری در گروه با AKI و گروه بدون AKI بود. متغیرهای ثبت شده شامل متغیرهای جمعیت شناختی و آنتروپومتریک، علائم، بیماری های همراه، درمان ها، متغیرهای مراقبت های ویژه، شیمی خون، شمارش خون، تاریخ شروع و پایان تهویه مکانیکی تهاجمی (IMV)، روزهای بستری در بیمارستان، تنظیمات اولیه مکانیکی-تهویه، استفاده از وازواکتیو بود. داروها و نتایج زنان باردار در مطالعه قرار نگرفتند. بیماران با سوابق بالینی ناقص از مطالعه خارج شدند.

2.2. تعریف آسیب حاد کلیه

مرحله بندی AKI بر اساس سطح کراتینین سرم (sCr) بود. معیار خروجی ادرار برای تشخیص AKI استفاده نشد زیرا سوابق پرستاری در مناطق کووید{{0}} دور از دسترس بود. سطح sCr پایه حداقل مقدار بستری در طول 7 روز اول پذیرش بود [12]. تشخیص AKI بر اساس معیارهای بیماری کلیوی بهبود نتایج جهانی (KDIGO) [13] بود. مرحله 1 AKI با افزایش sCr بیشتر یا برابر با 0.3 میلی گرم در دسی لیتر در 48 ساعت یا افزایش sCr 1.5 تا 1.9 برابر سطح پایه در 7 روز قبل مطابقت دارد. مرحله AKI 2 با افزایش sCr 2.0-2.9 برابر خط پایه مطابقت دارد. و مرحله 3 AKI با افزایش sCr بیشتر یا مساوی 3 برابر سطح پایه یا شروع درمان جایگزین کلیه مطابقت دارد. AKI پایدار با تداوم AKI توسط کراتینین سرم یا معیارهای برون ده ادرار (همانطور که توسط KDIGO تعریف شده) بیش از 48 ساعت از شروع AKI تعریف شد. AKI گذرا با معکوس کردن کامل AKI توسط معیارهای KDIGO در 48 ساعت از شروع AKI تعریف شد [14].

2.3. تعیین نشانگرهای زیستی

نمونه‌های ادرار هنگام بستری در مناطق مراقبت‌های ویژه (روز اول) جمع‌آوری شد. ادرار در 30 دقیقه اول پس از جمع آوری نمونه در دمای 80- درجه سانتیگراد منجمد شد. غلظت ادراری TIMP-2 و IGFBP7 با استفاده از کیت های الایزای تجاری موجود (Human TIMP{5}} Quantikine ELISA Kit، R&D، Minneapolis، Minnesota؛ Human IGFBP7 ELISA Kit، Abcam، Cambridge، UK) به دنبال کتابچه راهنمای کاربر تعیین شد. دستورالعمل ها. صفحات الایزا در OD 450 خوانده شد و محاسبات بر اساس سیگنالی که توسط منحنی استاندارد هر کیت داده شده بود انجام شد. تعیین NGAL با استفاده از کیت NGAL (Abbott, Chicago, IL, USA) طبق دستورالعمل های دستی و با استفاده از Abbott™ ARCHITECT™ Analyzer انجام شد.

2.4. تحلیل آماری

ما آمار توصیفی شامل میانگین و انحراف استاندارد برای متغیرهای پیوسته توزیع شده نرمال، میانه‌ها و محدوده‌های بین چارکی برای توزیع‌های ناپارامتریک و نسبت‌ها برای متغیرهای طبقه‌بندی را انجام دادیم. مقایسه افرادی که در طول بستری شدن در بیمارستان دچار AKI شدند با افراد بدون AKI با استفاده از آزمون مجذور کای برای متغیرهای طبقه‌بندی و Mann-Whitney U برای متغیرهای پیوسته انجام شد.

برای هر نشانگر زیستی، مساحت زیر منحنی ویژگی‌های عملکرد گیرنده (AUC) با فاصله اطمینان 95 درصد و همچنین حساسیت، ویژگی، ارزش اخباری مثبت (PPV)، ارزش اخباری منفی (NPV) و دقت در 3 محاسبه شد. مقادیر مختلف برش با استفاده از نمونه های ادراری که پس از پذیرش در بیمارستان جمع آوری شد. ما در نظر گرفتیم که شیوع AKI برای بیماران مبتلا به عفونت SARS-CoV{4}} در ICU 40٪ [15] بود. برش‌ها برای هر نشانگر زیستی بر اساس بالاترین AUC، ویژگی و دقت برای پیش‌بینی AKI انتخاب شدند. ترکیبی از نشانگرهای زیستی برتر نیز مورد بررسی قرار گرفت. هنگامی که ترکیب ها ارزش افزوده قابل توجهی نداشتند، نشانگرهای زیستی فردی ترجیح داده می شدند. برای همه تجزیه و تحلیل ها، مقادیر p دو طرفه کمتر یا مساوی 0.05 از نظر آماری معنی دار در نظر گرفته شد. نشانگرهای زیستی انتخاب شده و مقادیر برش در تجزیه و تحلیل بقای Kaplan-Meier برای زمان AKI استفاده شد.

برای شناسایی ارتباط بین رگرسیون لجستیک از تحلیل رگرسیون لجستیک استفاده شدمتغیرهای کمکی مرتبط با AKI و مرگ و میر. ما برآوردهای طبقه بندی شده سنی را با در نظر گرفتن 60 سال و بالاتر به عنوان یک جمعیت آسیب پذیر به دست آوردیم. متغیرها زمانی وارد مدل شدند که سطح آلفای عامل خطر بود<0.20 in the univariate analysis. Age and gender were entered into the models regardless of the alpha level. All the statistical tests were two-sided, and two-sided p values ≤ 0.05 were considered statistically significant. The analysis was conducted using RStudio 1.4.1717.