Прогнозирование неблагоприятных госпитальных исходов после изолированного коронарного шунтирования: результаты одноцентрового когортного исследования

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Важность предикторов развития неблагоприятных исходов после коронарного шунтирования (КШ) нуждается в регулярном пересмотре с учетом меняющихся стандартов практики. Возможность прогнозирования неблагоприятных исходов позволит снизить текущую смертность и заболеваемость среди пациентов, направляемых на КШ. Цель исследования — поиск независимых предикторов и прогнозирование госпитального смертельного исхода при операции КШ на основании результатов дооперационного обследования. Методы. В ретроспективном когортном одноцентровном исследовании проанализированы послеоперационные исходы у 2239 пациентов, перенесших плановое изолированное КШ за период с сентября 2018 по август 2021 г. Конечная точка — госпитальная смерть в результате КШ. Дополнительно оценивали частоту: нефатального инфаркта миокарда, нефатального инсульта, острой сердечной недостаточности, послеоперационных нарушений ритма и проводимости, острой почечной недостаточности, полиорганной недостаточности, инфекционных осложнений. Поиск независимых предикторов и построение прогностической модели оценки риска смерти после КШ проводили с помощью логистической регрессии. Результаты. Госпитальная летальность в когорте исследуемых больных составила 1,34% (n = 30). Независимыми предикторами летального исхода после КШ стали: общая фракция выброса левого желудочка (ОШ — 0,91; 95%-й ДИ: 0,88–0,93; р < 0,001), индекс массы тела (ОШ — 0,90; 95%-й ДИ: 0,82–0,99; р = 0,035), скорость клубочковой фильтрации (ОШ — 0,97; 95%-й ДИ: 0,96–0,99; р = 0,005), повторное выполнение КШ (ОШ — 9,3; 95%-й ДИ 2,74–31,24; р < 0,001), критическое поражение магистральных артерий нижних конечностей (ОШ — 4,5; 95%-й ДИ: 1,933–10,268; р < 0,001). Полученная логистическая модель для прогнозирования вероятности наступления летального исхода после КШ обладала высокими метриками качества: ROC-AUC — 0,838 (95%-й ДИ: 0,747–0,929; p < 0,001), чувствительность — 72,4%, специфичность — 84%. Пороговое значение логистической функции P в точке сut-off, которому соответствовало наивысшее значение индекса Юдена, составило 0,015. Исход прогнозировался при значении логистической функции P выше данной величины или равном ей. Заключение. Нами разработана высокоточная модель прогнозирования смерти после КШ, реализованная на определенных в исследовании независимых линейных предикторах: общей фракции выброса левого желудочка, индексе массы тела, скорости клубочковой фильтрации, повторном выполнении КШ, критическом поражении магистральных артерий нижних конечностей.

Об авторах

Елена Зеликовна Голухова

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Автор, ответственный за переписку.
Email: egolukhova@bakulev.ru
ORCID iD: 0000-0002-6252-0322
SPIN-код: 9334-5672

д.м.н., академик РАН

Россия, Москва

Милена Абрековна Керен

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: milenamailru@mail.ru
ORCID iD: 0000-0003-2428-1559
SPIN-код: 3881-9170

д.м.н.

Россия, Москва

Татьяна Владимировна Завалихина

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: tvzavalikhina@bakulev.ru
SPIN-код: 1418-8075

к.м.н.

Россия, Москва

Наида Ибадулаевна Булаева

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: nibulaeva@bakulev.ru
ORCID iD: 0000-0002-5091-0518
SPIN-код: 8979-7098

к.б.н.

Россия, Москва

Дамир Ильдарович Марапов

Казанская государственная медицинская академия

Email: damirov@list.ru
ORCID iD: 0000-0003-2583-0599
SPIN-код: 5926-0451

к.м.н.

Россия, Казань

Игорь Юрьевич Сигаев

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: sigaev1958@mail.ru
ORCID iD: 0000-0002-1323-8072
SPIN-код: 2651-1530

д.м.н., профессор

Россия, Москва

Вадим Юрьевич Мерзляков

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: vymerzlyakov@bakulev.ru
ORCID iD: 0000-0001-5638-3723
SPIN-код: 8326-7106

д.м.н.

Россия, Москва

Михаил Дурмишханович Алшибая

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: mdalshibaya@bakulev.ru
ORCID iD: 0000-0002-8003-5523
SPIN-код: 6249-5124

к.м.н., профессор

Россия, Москва

Ирина Васильевна Волковская

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: ivvolkovskaya@bakulev.ru
ORCID iD: 0000-0001-9533-5556
SPIN-код: 3163-5874

к.м.н.

Россия, Москва

Кумушджан Батырджановна Яхяева

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: kbyakhyaeva@bakulev.ru
ORCID iD: 0000-0001-7928-2247
SPIN-код: 5557-4736

врач, младший научный сотрудник

Россия, Москва

Нина Александровна Шейкина

Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева

Email: n9623951466@gmail.com
ORCID iD: 0000-0003-0202-5116

врач, аспирант

Россия, Москва

Список литературы

  1. Бокерия Л.А., Милиевская Е.Б., Прянишников В.В., и др. Сердечно-сосудистая хирургия — 2021. Болезни и врожденные аномалии системы кровообращения. — М.: НМИЦ ССХ им. А.Н. Бакулева, 2021. — 294 с. [Bokeriya LA, Milievskaya EB, Pryanishnikov VV, i dr. Serdechno-sosudistaya hirurgiya — 2021. Bolezni i vrozhdennye anomalii sistemy krovoobrashcheniya. Moscow: NMIC SSKH im. A.N. Bakuleva; 2021. 294 s. (In Russ.)]
  2. Likosky DS, Strobel RJ, Wu X, et al. Interhospital failure to rescue after coronary artery bypass grafting. J Thorac Cardiovasc Surg. 2023;165(1):134–143.e3. doi: https://doi.org/10.1016/j.jtcvs.2021.01.064
  3. Marzban M, Benharash P. Pragmatic Tips for Improving the Modern Outcomes of Coronary Artery Bypass Operations. J Tehran Heart Cent. 2022;17(1):1–6. doi: https://doi.org/10.18502/jthc.v17i1.9318
  4. Montrief T, Koyfman A, Long B. Coronary artery bypass graft surgery complications: A review for emergency clinicians. Am J Emerg Med. 2018;36(12):2289–2297. doi: https://doi.org/10.1016/j.ajem.2018.09.014
  5. Голухова Е.З., Керен М.А., Сигаев И.Ю., и др. Датасет размеченных данных пациентов со стабильной ИБС, перенесших реваскуляризацию миокарда (коронарное шунтирование и коронарное стентирование), предназначенный для обучения нейронной сети. Свидетельство о регистрации базы данных 2022620223, 25.01.2022. Заявка № 2021622974 от 10.12.2021. [Goluhova EZ, Keren MA, Sigaev IYu, i dr. Dataset razmechennyh dannyh pacientov so stabil’noj IBS, perenesshih revaskulyarizaciyu miokarda (koronarnoe shuntirovanie i koronarnoe stentirovanie), prednaznachennyj dlya obucheniya nejronnoj seti. Svidetel’stvo o registracii bazy dannyh 2022620223, 25.01.2022. Zayavka No. 2021622974 ot 10.12.2021. (In Russ.)]
  6. Рекомендации ESC/EACTS по реваскуляризации миокарда 2018 // Российский кардиологический журнал. — 2019. — Т. 24. — № 8. — С. 151–226. [2018 ESC/ EACTS guidelines on myocardial revascularization. Russian Journal of Cardiology. 2019;24(8):151–226. (In Russ.)] doi: https://doi.org/10.15829/1560-4071-2019-8-151-226
  7. Nashef SAM, Roques F, Sharples LD, et al. EuroSCORE II. Eur J Cardiothorac Surg. 2012;41(4):734–744. doi: https://doi.org/10.1093/ejcts/ezs043
  8. Provenchère S, Chevalier A, Ghodbane W, et al. Is the EuroSCORE II reliable to estimate operative mortality among octogenarians? PLoS One. 2017;12(11):e0187056. doi: https://doi.org/10.1371/journal.pone.0187056
  9. Osnabrugge RL, Speir AM, Head SJ, et al. Performance of Euro-SCORE II in a large US database: implications for transcatheter aortic valve implantation. Eur J Cardiothorac Surg. 2014;46(3):400–408; discussion 408. doi: https://doi.org/10.1093/ejcts/ezu033
  10. Mejia OAV, Borgomoni GB, Zubelli JP, et al. REPLICCAR Study Group. Validation and quality measurements for STS, EuroSCORE II and a regional risk model in Brazilian patients. PLoS One. 2020;15(9):e0238737. doi: https://doi.org/10.1371/journal.pone.0238737
  11. Голухова Е.З., Керен М.А., Булаева Н.И., и др. Способ определения вероятности летального исхода на госпитальном этапе после операции коронарного шунтирования. Патент на изобретение 2788285 C1, 17.01.2023. Заявка № 2022117158 от 24.06.2022. [Goluhova EZ, Keren MA, Bulaeva NI, i dr. Sposob opredeleniya veroyatnosti letal’nogo iskhoda na gospital’nom etape posle operacii koronarnogo shuntirovaniya. Patent na izobretenie 2788285 C1, 17.01.2023. Zayavka No. 2022117158 ot 24.06.2022. (In Russ.)]
  12. Kunt AG, Kurtcephe M, Hidiroglu M, et al. Comparison of original EuroSCORE, EuroSCORE II and STS risk models in a Turkish cardiac surgical cohort. Interact Cardiovasc Thorac Surg. 2013;16(5):625–629. doi: https://doi.org/10.1093/icvts/ivt022
  13. Singh N, Gimpel D, Manikavasagar V, et al. Performance of the AusSCORE II and STS Score for Coronary Artery Bypass Grafting in a New Zealand Population. Heart Lung Circ. 2021;30(4):600–604. doi: https://doi.org/10.1016/j.hlc.2020.08.021
  14. Weisel RD, Nussmeier N, Newman MF, et al. Predictors of contemporary coronary artery bypass grafting outcomes. J Thorac Cardiovasc Surg. 2014;148(6):2720–6.e1–2. doi: https://doi.org/10.1016/j.jtcvs.2014.08.018
  15. Algarni KD, Elhenawy AM, Maganti M, et al. Decreasing prevalence but increasing importance of left ventricular dysfunction and reoperative surgery in prediction of mortality in coronary artery bypass surgery: trends over 18 years. J Thorac Cardiovasc Surg. 2012;144(2):340–346,346.e1. doi: https://doi.org/10.1016/j.jtcvs.2011.06.043
  16. Engoren M, Schwann TA, Habib RH, et al. The independent effects of anemia and transfusion on mortality after coronary artery bypass. Ann Thorac Surg. 2014;97(2):514–520. doi: https://doi.org/10.1016/j.athoracsur.2013.09.019
  17. Gunnarsdottir ELT, Gunnarsdottir SLX, Heimisdottir AA, et al. Incidence and predictors of prolonged intensive care unit stay after coronary artery bypass in Iceland. Laeknabladid. 2020;106(3):123–129. doi: https://doi.org/10.17992/lbl.2020.03.471
  18. Сигаев И.Ю., Керен М.А., Ярбеков Р.Р. и др. Аортокоронарное шунтирование на работающем сердце у больных сахарным диабетом: ближайшие и отдаленные результаты // Анналы хирургии. — 2016. — Т. 21. — № 1–2. – С. 99–105. [Sigaev IYu, Keren MA, Yarbekov RR, et al. Off-pump coronary artery bypass surgery in patients with diabetes: early and long-term results. Annaly khirurgii (Annals of Surgery, Russian Journal). 2016;21(1–2):99–105. (In Russ.)] doi: https://doi.org/10.18821/1560-9502-2016-21-1-99-105
  19. Li C, Han D, Xu F, et al. Obesity Paradox of All-Cause Mortality in 4,133 Patients Treated with Coronary Revascularization. J Interv Cardiol. 2021;2021:3867735. doi: https://doi.org/10.1155/2021/3867735
  20. Ma W-Q, Sun X-J, Wang Y, et al. Does body mass index truly affect mortality and cardiovascular outcomes in patients after coronary revascularization with percutaneous coronary intervention or coronary artery bypass graft? A systematic review and network meta-analysis. Obes Rev. 2018;19(9):1236–1247. doi: https://doi.org/10.1111/obr.12713
  21. Yu Y, Peng C, Zhang Z, et al. Machine Learning Methods for Predicting Long-Term Mortality in Patients after Cardiac Surgery. Front Cardiovasc Med. 2022;3;9:831390. doi: https://doi.org/10.3389/fcvm.2022.831390
  22. Fan Y, Dong J, Wu Y, et al. Development of machine learning models for mortality risk prediction after cardiac surgery. Cardiovasc Diagn Ther. 2022;12(1):12–23. doi: https://doi.org/10.21037/cdt-21-648
  23. Benedetto U, Dimagli A, Sinha S, et al. Machine learning improves mortality risk prediction after cardiac surgery: Systematic review and meta-analysis. J Thorac Cardiovasc Surg. 2022;163(6):2075–2087.e9. doi: https://doi.org/10.1016/j.jtcvs.2020.07.105
  24. Khalaji A, Behnoush AH, Jameie M, et al. Machine learning algorithms for predicting mortality after coronary artery bypass grafting. Front Cardiovasc Med. 2022;24;9:977747. doi: https://doi.org/10.3389/fcvm.2022.977747

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Оценка отношения шансов с 95%-м доверительным интервалом для изучаемых предикторов летального исхода после коронарного шунтирования Примечание. ФВЛЖ — фракция выброса левого желудочка; НК — нижние конечности; СКФ — скорость клубочковой фильтрации; ИМТ — индекс массы тела; КШ — коронарное шунтирование; ОШ — отношение шансов.

Скачать (104KB)
3. Рис. 2. ROC-кривая, характеризующая зависимость вероятности летального исхода после коронарного шунтирования от значения логистической функции P

Скачать (89KB)

© Издательство "Педиатръ", 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».