急性肾损伤（acute kidney injury，AKI）是心脏术后常见的高死亡率的并发症之一，国内外先后建立了多个心脏术后 AKI 预测模型。本文介绍国内外常用的 14 种心脏术后 AKI 预测模型的构成特点、临床应用以及预测能力的比较。年龄、充血性心力衰竭（congestive heart failure，CHF）、高血压、左室射血分数（left ventricular ejection fraction，LVEF）、糖尿病、瓣膜手术、冠状动脉旁路移植术（coronary artery bypass grafting，CABG）联合瓣膜手术、急诊手术、术前肌酐、术前肾小球滤过率估值（estimated glomerular filtration rate，eGFR）、纽约心脏协会（New York Heart Association，NYHA）心功能分级>Ⅱ级、既往心脏手术史、体外循环（cardiopulmonary bypass，CPB）时间和术后低心排血量综合征（low cardiac output syndrome，LCOS）等危险因素被多次（>3 次）纳入不同的预测模型。欧美人群中比较 Cleveland、Mehta 和 SRI 模型对 AKI 和需肾脏替代治疗（renal replacement therapy，RRT）的 AKI（RRT-AKI）的预测能力时，Cleveland 有较高的分辨度，但对于中国人群，以上 3 种模型对 AKI 和 RRT-AKI 的预测能力均欠佳。
引用本文： 吴东辰, 王琦, 张杨杨. 心脏术后急性肾损伤预测模型的研究现状. 中国胸心血管外科临床杂志, 2018, 25(3): 237-248. doi: 10.7507/1007-4848.201612020 复制
急性肾损伤（acute kidney injury，AKI）是常见的心脏术后并发症之一，死亡率高[1-4]。由于 AKI 定义的差异，AKI 的发生率约为 5%～42%，其中 1%～4% 的患者需行肾脏替代治疗（renal replacement therapy，RRT）[5-10]。心脏术后 AKI 会延长住院时间并增加患者术后远期的死亡风险[11-13]。即使术后轻微的 AKI（肌酐升高>3 mg/L）仍会增加患者术后 30 d 死亡率[11, 14-16]，术后需 RRT 治疗的 AKI（renal replacement therapy-acute kidney injury，RRT-AKI）患者死亡率是未发生 AKI 患者的 9 倍[17]。AKI 发生 24～48 h 内及时治疗可有效改善患者预后[18]。为精确预测心脏术后 AKI 的发生，国内外先后建立了多个预测模型，以便及时诊断和治疗，从而更好地改善患者预后和配置医疗资源[18]。在风险、损伤、衰竭、肾功能丧失、终末期肾病工作组标准（risk，injury，failure，loss of kidney function and end-stage renal failure，RIFLE）、急性肾损伤网络工作小组标准（Acute Kidney Injury Network，AKIN）和改善全球肾脏病预后工作组标准（Kindney Disease: Improving Global Outcomes，KDIGO）[19]中，RRT-AKI 定义为需行 RRT 的严重 AKI。本文介绍了目前国内外常用的 14 种心脏术后 RRT-AKI 和 AKI 预测模型。
1 心脏术后 RRT-AKI 预测模型
1.1 CICSS（continuous improvement in cardiac surgery study）预测模型
1997 年 Chertow 等[20]对 1987～1994 年 43 642 例单纯冠状动脉旁路移植术（coronary artery bypass grafting，CABG）和瓣膜手术的患者进行队列研究，建立了 CICSS 预测模型。筛选其中 42 773 例患者为建模组，以 1994 年 4～10 月期间手术治疗的3 795 例患者为验证组。研究以 RRT-AKI 为研究终点，RRT-AKI 定义为肾功能恶化且术后 30 d 内需行 RRT。建模组 RRT-AKI 发生率为 1.1%。该预测模型的危险因素为：瓣膜手术、估计肌酐清除率≤100 ml/min、术前主动脉内球囊反搏（intra-aortic balloon pump，IABP）、既往心脏手术史、纽约心脏协会（New York Heart Association，NYHA）心功能Ⅳ级、外周血管疾病（peripheral vascular disease，PVD）、左室射血分数（left ventricular ejection fraction，LVEF）<35%、肺部啰音、慢性阻塞性肺病（chronic obstructive pulmonary disease，COPD）、140 mm Hg≤收缩压≤159 mm Hg、收缩压<120 mm Hg 合并瓣膜手术、收缩压≥160 mm Hg 合并瓣膜手术、收缩压≥160 mm Hg 合并 CABG。建模组的受试者工作特征曲线下面积（area under receiver operating characteristic curve，AUROC）为 0.76，分辨度良好。该预测模型为大样本、多中心和前瞻性研究，10 个危险因素均为术前指标，方便临床使用。
1.2 Cleveland 预测模型
2005 年 Thakar 等[21]对 33 217 例心脏手术患者进行队列研究，建立心脏术后 RRT-AKI 预测模型，即 Cleveland 预测模型。预测模型纳入 13 个术前危险因素：性别、充血性心力衰竭（congestive heart failure，CHF）、LVEF<35%、术前 IABP、COPD、胰岛素依赖性糖尿病、既往心脏手术史、急诊手术、瓣膜手术、CABG 合并瓣膜手术、其他心脏手术、术前肌酐 12～21 mg/L、术前肌酐≥21 mg/L。根据危险因素对应分值，对患者进行评分。Cleveland 预测模型评分范围在 0～17 分，由于该研究没有收录评分>13 分的患者，故分为 4 组（0～2 分、3～5 分、6～8 分、9～13 分），各组术后急性肾功能衰竭（acute renal failure，ARF）的发生率为 0.5%～22.1%，RRT-ARF 为研究终点。建模组 AUROC=0.81［95%CI（0.78，0.83）］，验证组 AUROC=0.82［95%CI（0.80，0.85）］，提示分辨度良好。Cleveland 预测模型纳入的 13 个危险因素均为术前指标，临床使用便捷，该预测模型建模样本量大，增强了预测能力，但该预测模型缺乏多中心和前瞻性的验证研究。
1.3 Mehta 预测模型
2006 年 Mehta 等[22]对多中心 449 524 例心脏手术患者临床资料进行分析，建立了包括糖尿病、心源性休克、NYHA 心功能分级等 22 个危险因素的预测模型，最终简化为包含术前最后一次肌酐、年龄≥55 岁、心脏手术类型（瓣膜手术，CABG 联合瓣膜手术）、糖尿病、21 d 内心肌梗死、种族、COPD、糖尿病、既往心脏手术史、心源性休克、NYHA 心功能分级Ⅳ级等 10 个危险因素的 Mehta 预测模型。该研究以 RRT-AKI 为研究终点，采用 MDRD（modification of diet in renal disease）公式计算肾小球滤过率估值（estimated glomerular filtration rate，eGFR）。预测模型建模组 AUROC=0.83，分辨度良好。在数据处理中，患者缺失的 LVEF 赋值为 50%，缺失的其他类型数据赋值为人群正常值，影响了术后 AKI 预测的准确性。此外，过多的危险因素限制了该预测模型的临床应用效果[23]。
1.4 SRI（simplified renal index）预测模型
2007 年 Wijeysundera 等[24]对双中心 20 131 例心脏手术患者临床资料进行回顾性分析，建立了 SRI 预测模型。该研究以多伦多总医院 1999～2004 年的 10 751 例心脏手术患者为建模组，多伦多总医院 2004～2005 年 2 566 例患者和渥太华心脏中心 1999～2003 年 6 814 例患者为验证组。以 RRT-AKI 为研究终点，确定了 31 ml/（min·1.73 m2）≤术前 eGFR≤60 ml/（min·1.73 m2）、术前 eGFR≤30 ml/（min·1.73 m2）、糖尿病、LVEF<40%、既往心脏手术史、非 CABG 或房间隔缺损修补术、术前 IABP 和非择期手术 8 个术前独立危险因素，赋值 0～8 分。建模组、多伦多验证组和渥太华验证组的术后 RRT-AKI 发生率分别为 1.3%、1.8% 和 2.2%，AUROC 分别为 0.81［95%CI（0.78，0.84）］、0.78［95%CI（0.72，0.84）］和 0.78［95%CI（0.74，0.81）］。该预测模型参数较少且容易获得，方便临床使用，但采用精确度不够高的 Cockcroft-Gault 公式计算 eGFR[25]，研究终点 RRT 的指征缺乏统一标准，影响了预测模型的预测效能。
1.5 Pannu 预测模型
2016 年 Pannu 等[26]分析 10 787 例心脏手术患者的临床资料，建立并验证了预测术后 14 d 内 RRT-AKI 风险的 Pannu 预测模型。该模型纳入 8 个危险因素：CHF、加拿大心血管协会分级（Canadian Cardiovascular Society，CCS）Ⅲ或Ⅳ级、糖尿病、基础 eGFR<90 ml/（min·1.73 m2）（CKD-ERI 计算术前 3 个月内最近一次 eGFR）、术前贫血和蛋白尿。建模组（n=6 061）和验证组（n=4 467）中 RRT-AKI 发生率分别为 2.5% 和 3.1%。该研究以术后 RRT-AKI 作为终点事件，采用 Hosmer-Lemeshow 拟合优度检验和标定斜率（calibration slope，理想值为 1）评价预测模型的校准度，建模组 AUROC=0.87［95%CI（0.85，0.90）］，P=0.7，标定斜率=0.96，提示分辨度和校准度良好。根据预测模型评分高低对患者进行分组，采用再分类优化指数（net reclassification improvement index，NRI）评估 Pannu 预测模型对患者术后 AKI 风险分组的效果。该预测模型所需数据均来自术前临床和实验室数据，方便临床使用。由于蛋白尿检测不是心脏术前常规检查，25% 的病例没有尿蛋白数据，影响了该预测模型的预测效能。另外，Pannu 预测模型建模组和验证组中的病例样本来自加拿大阿尔伯塔，在其他国家和地区是否有良好的预测能力，仍需多中心、大样本进一步的验证。
2 心脏术后无需 RRT 的 AKI 预测模型
2.1 MCSPI（multicenter study of perioperative ischemia）预测模型
2007 年 Aronson 等[27]对 16 个国家的 70 个研究中心 4 801 例体外循环（cardiopulmonary bypass，CPB）的 CABG 患者进行前瞻性研究，其中 2 381 例为建模组，2 420 例为验证组，建立了预测肾脏复合事件的 MCSPI 预测模型。肾脏复合事件包括肾功能不全或肾衰竭，肾功能不全定义为术后肌酐>20 mg/L 同时肌酐至少比术前基础肌酐高 7 mg/L。肾衰竭定义为需要 RRT 的肾功能不全或尸检结果为肾衰竭。建模组中肾脏复合事件的发生率为 4.8%。该模型的独立危险因素为：年龄>75 岁、术前脉压>40 mm Hg、CHF、术前心肌梗死、术前肾病史、术中使用正性肌力药物和 CPB 时间>122 min。建模组的 AUROC=0.84，验证组的 AUROC=0.8，分辨度良好。该模型优点在于建模样本来自多个中心和地区，但该模型缺乏多中心大样本的进一步验证。
2.2 NNECDSG（Northern New England cardiovascular disease study group，NNECDSG）预测模型
2007 年 Brown 等[28]对新英格兰北部 8 个医学中心的 8 363 例 CABG 患者资料进行多因素回归分析，建立了 NNECDSG 预测模型。该模型以重度肾功能不全为研究终点，采用 MDRD 公式计算 eGFR。重度肾功能不全定义为术后 eGFR<30 ml/（min·1.73 m2）。建模组重度肾功能不全的发生率为 3%。模型纳入的 11 个术前危险因素分别为：年龄≥60 岁、女性、糖尿病、白细胞数>12 000/mm3、既往 CABG 史、CHF、PVD 和术前 IABP。建模组的 AUROC=0.72［95%CI（0.68，0.75）］，Hosmer-Lemeshow 拟合优度检验的 P 值为 0.28。该研究为多中心研究，样本量较大，11 个危险因素均为术前指标，方便临床使用。NNECDSG 预测模型没有建立验证组，模型的预测效能仍需进一步验证。
2.3 AKICS（acute kidney injury following cardiac surgery）预测模型
2007 年 Palomba 等[18]通过对单中心 603 例心脏手术患者队列研究建立了 AKICS 预测模型。建模样本包括 CABG、瓣膜手术和 CABG 联合瓣膜手术的患者，术后 AKI 定义为血肌酐> 20 mg/L 或超过基础肌酐值的 50%。血肌酐基础值定义为住院前最后一次肌酐值或入院时第一次肌酐值。预测模型纳入 8 个围术期的危险因素，即手术方式、NYHA心功能分级>Ⅱ级、术前肌酐>12 mg/L、低心排血量综合征（low cardiac output syndrome，LCOS）、年龄>65 岁、CPB 时间>120 min、术前血糖>1 400 mg/L 和中心静脉压（central venous pressure，CVP）>14 cm H2O。对参数赋值，评分在 0～20 之间。评分在 0～4、4.1～8、8.1～12、12.1～16、16.1～20 的患者，术后 AKI 的发生率分别为 1.5%、4.3%、9.1%、21.8%和62.5%。该预测模型对患者 AKI 风险分层效果良好，建模组的 AUROC=0.843［95%CI（0.78，0.89）］，提示分辨度良好。该预测模型的建模样本仅 603 例，AKI 定义也不是目前普遍使用的 RIFLE、AKIN 和 KDIGO 标准，所以仍需多个中心、大样本数据的进一步验证[25]。另外 AKICS 预测模型纳入了术中、术后的危险因素，限制了术前的临床应用。
2.4 SAKI（Singapore acute kidney injury）预测模型
2016 年 Mithiran 等[29]回顾性分析新加坡单中心 954 例 CABG 患者的临床资料，建立了针对亚洲人的心脏术后 AKI 预测模型，即 SAKI 预测模型。样本的 80% 为建模组，20% 为验证组。AKI 诊断采用 AKIN 标准，建模组 AKI 发生率为 29.34%。SAKI 预测模型纳入的围术期危险因素有：年龄>60 岁、胰岛素依赖性糖尿病、eGFR<60 ml/（min·1.73 m2）、LVEF<40%、CPB 时间>140 min 和升主动脉阻断时间>100 min。根据患者分值进行分组，AKI 发生率在 17%～73%，与实际 AKI 发生率 22%～74% 相近。建模组的 AUROC=0.734［95%CI（0.690，0.767）］，验证组的 AUROC=0.740［95%CI（0.675，0.805）］。SAKI 模型基于亚洲人群建立，优势在于采用了较新的 AKIN 标准，含有的 6 个危险因素临床上易获得，使用方便。SAKI 预测模型是一个单中心回顾性研究，建模样本量较小，使用 AKIN 标准诊断 AKI 时，忽略了尿量这一变量。另外建模样本均为 CABG 患者，对其他心脏手术患者是否适用还需多中心、大样本量和前瞻性的进一步验证。
2.5 Chuang WN 预测模型
2016 年 Nah 等[30]对新加坡国立大学医院和新加坡总医院 2 508 例心脏手术患者临床资料进行分析，其中符合纳入标准的 2 385 例作为建模组，另筛选 500 例患者资料作为验证组，建立了 Chuang WN 预测模型。研究纳入 CABG、瓣膜手术和 CABG 联合瓣膜手术的患者。采用 AKIN 标准定义 AKI，建模组术后 AKI 发生率为 30.5%。该模型的危险因素有：年龄>65 岁、高血压、术前贫血、eGFR<60 ml/（min·1.73 m2）、术中输注红细胞、术中 IABP、CPB 时间>120 min 和 CPB 期间最低血细胞比容<22%。采用 CKD-EPI 公式计算 eGFR。预测模型评分为 0～14 分，并根据评分值（0～4，5～8，9～14）分为 3 组，AKI 发生率分别为 18%、39% 和 64%。建模组 AUROC =0.7［95%CI（0.68，0.72）］，验证组 AUROC=0.75［95%CI（0.7，0.8）］，分辨度良好。该研究优势在于纳入了术前贫血、术中输血等较新的危险因素。但在使用 AKIN 诊断标准时，该研究同样省略了尿量这一变量。
2.6 CRATE（creatinine score+lactic Acid score+CPB timescore+EuroSCORE score）预测模型
2016 年 Jorge-Monjas 等[31]对西班牙 909 例心脏手术患者进行前瞻性动态队列研究，纳入符合标准的 810 例患者为建模组，另外两家医院 741 例心脏手术患者为验证组，建立 CRATE 预测模型。预测模型收录 CABG 以及瓣膜手术的患者。建模组 AKI 发生率为 16.9%，验证组 AKI 发生率为 15.7%。对 AKI 诊断采取 RIFLE 标准。模型纳入的危险因素为：肌酐、欧洲心脏手术风险评估系统评分（European system for cardiac operative risk evaluation，EuroSCORE）、乳酸和 CPB 时间。根据评分，患者术后 AKI 风险分为很低、低、中、高、很高 5 组，5 组实际 AKI 发生率分别为 1.69%、8.84%、32.33%、58.66%、84.95%。建模组 AUROC=0.89［95%CI（0.85，0.92）］，验证组 AUROC=0.81［95%CI（0.78，0.85）］，模型分辨度较高。使用 RIFLE 标准时，该研究省略了尿量这一变量。临床易获得的肌酐、乳酸水平、CPB 时间和 EuroSCORE，使 CRATE 预测模型应用方便快捷，在患者刚进入 ICU 时（1～2 h）就可以评估其 AKI 发生风险，利于临床医生对患者术后 AKI 进行早期干预。对于 EuroSCOREⅡ在 CRATE 评分中的应用还需要进一步研究修正。
2.7 Won HK 预测模型
主动脉手术后 AKI 发生率为 18%～55%，比其他心脏手术后 AKI 发生率更高[5-10, 32]。目前心脏术后 AKI 预测模型的建模样本中，没有或很少有主动脉手术病例[18, 20-22, 24-33]。2013 年 Kim 等[32]对韩国三星医学中心 737 例主动脉手术患者临床资料进行回顾性研究，建立了针对主动脉手术后 AKI 的预测模型，即 Won HK 预测模型。随机选取 417 例患者为建模组，余 320 例为验证组。采用 RIFLE 标准诊断 AKI，全组样本中 29% 术后发生 AKI，5.8% 术后需要 RRT。使用 MDRD 公式计算 eGFR。预测模型纳入的独立危险因素包括：年龄>60 岁、术前 eGFR< 60 ml/（min·1.73 m2）、LVEF<55%、手术时间>7 h、术中尿量<0.5 ml/（kg·h）和术中使用呋塞米，每个危险因素赋值 1 分。建模组 AUROC=0.74［95%CI（0.69，0.79）］，验证组 AUROC=0.74［95%CI（0.69，0.8）］。该预测模型只有 6 个危险因素，方便临床使用，但样本量较小（n=737），且该研究为单中心研究，需要在多中心对预测模型进行进一步验证。由于该样本数据跨越时间较长（1997～2010 年），期间主动脉手术治疗方案和技术变化很大，该模型的预测效能受到了影响。
2.8 Jiang WHⅠ预测模型
2013 年姜物华[25]对复旦大学附属中山医院1 394 例心脏手术患者的临床资料进行分析，排除不符合纳入标准的 27 例，以其中 1 067 例患者为建模组，余 300 例为验证组，建立了 Jiang WHⅠ预测模型。全组样本中 CABG 占 8.8%，非体外循环冠状动脉旁路移植术（off-pump coronary artery bypass grafting，OPCABG）占 25.8%，瓣膜手术占 58.2%，CABG 联合瓣膜手术占 4.9%。研究采用 KDIGO 作为 AKI 临床诊断标准，采用 MDRD 简化公式计算 eGFR。建模组中 20.08% 患者术后发生 AKI。Logistic 逐步回归分析提示：性别、CABG 联合瓣膜手术、脑血管病史、术前使用造影剂、术前 NYHA 心功能分级>Ⅱ级、术前血肌酐>13 mg/L、术中输血浆量>400 ml、术后 LCOS 和术后 CVP>14 mm H2O是心脏术后 AKI 的独立危险因素。建模组 AUROC=0.81［95%CI（0.757，0.868）］，Hosmer-lemeshow 拟合优度检验 χ2=10.13，P=0.256，提示该模型分辨度和校准度良好。与国外 AKI 预测模型相比，Jiang WHⅠ预测模型纳入的 AKI 危险因素增加了术前使用造影剂、脑血管病史、术中输血浆量等参数，但该预测模型仅为单中心研究，样本量较少，需多中心、大样本的进一步验证。
2.9 Jiang WHⅡ预测模型
2016 年 Jiang 等[33]对 7 233 例心脏手术患者临床资料进行前瞻性分析，以 6 081 例患者为建模组，余 1 152 例患者为验证组，建立 Jiang WHⅡ预测模型。预测模型收录了 CABG、OPCABG、瓣膜手术和 CABG 联合瓣膜手术的患者，确定性别、年龄>41 岁、CABG 联合瓣膜手术、术前 NYHA 心功能分级>Ⅱ级、既往心脏手术史、术前肾病史（未 RRT），应用 CPB、术中红细胞输注和术后 LCOS 等 9 个危险因素。该预测模型细化了 AKI 的发生时间，可评估术前 AKI，预测 ICU 期间和转出 ICU 24 h之后的 AKI 发生率。建模组评估 3 个时间点 AKI 的 AUROC 分别为 0.75，0.81 和 0.82；验证组分别为 0.74，0.75 和 0.82。采用 KDIGO 标准作为 AKI 诊断标准，使用 CKD-ERI 公式计算 eGFR。建模组 AKI 发生率是 35.5%，验证组 AKI 发生率是 33%。预测模型样本量较大，纳入术中红细胞输注量和术后 LCOS 等较新危险因素，但样本来自单个医学中心，需多个中心的进一步验证。
3 心脏术后 AKI 预测模型的特点
本文介绍的 14 种心脏术后 AKI 预测模型建模组及验证组的分辨度和校准度见表 1。
心脏术后 AKI 预测模型纳入的危险因素分析：年龄、CHF、高血压、LVEF、糖尿病、瓣膜手术、CABG 联合瓣膜手术、急诊手术、术前肌酐、术前 eGFR、NYHA 心功能分级>Ⅱ级、既往心脏手术史、CPB 时间和术后 LCOS 等危险因素被纳入多个预测模型（>3 个）。特别的危险因素有：① 术前蛋白尿；② 术前贫血；③ 术中红细胞输注；④EuroSCORE 评分；⑤ 术中使用呋塞米；⑥ 脑血管病史；⑦ 术前使用造影剂；见表 2。
建模数据库手术类型分为：CABG（MCSPI、NNECDSG、SAKI）；主动脉手术（Won HK）；其余 10 个预测模型包含了多种常见心脏手术。
建模数据库人群分为：欧洲、北美人群（CICSS、Cleveland、Mehta、SRI、Pannu、MCSPI、NNECDSG 和 CRATE）；亚洲人群（SAKI、Chuang WN、Won HK、Jiang WHⅠ和 Jiang WHⅡ）；南美人群（AKICS）。
AKI 诊断标准方面，Cleveland、Mehta、SRI、MCSPI、NNECDSG 和 AKICS 的建模时间在 2007 年以前，没有采用较新的 RIFLE、AKIN 和 KDIGO 等 AKI 诊断标准；CICSS、Pannu 的研究终点为 RRT-AKI，故也没有采用；而其余 6 个预测模型的建模时间均在 2013 年以后，均采用了较新的 AKI 诊断标准。
CICSS、Cleveland、Mehta、SRI 和 Pannu 的研究终点为 RRT-AKI，建模组 RRT-AKI 的发生率均<3%；AKICS 把心脏术后 AKI 定义为血肌酐>2.0 mg/dl 或超过肌酐基础值的 50%，建模组 AKI 的发生率为 11%；MCSPI 把 AKI 定义为术后肌酐>2.0 mg/dl 同时肌酐至少比术前基础肌酐高 0.7 mg/dl，建模组 AKI 发生率为 4.8%；NNECDSG 把 AKI 定义为用术后 eGFR<30 ml/（min·1.73 m2），建模组 AKI 发生率为 3%；其余的 6 个预测模型 AKI 的发生率均>16%。这是由于在较新的 RIFLE、AKIN 和 KDIGO 诊断标准中，AKI 包含 RRT-AKI，相对于严重肾损伤的 RRT-AKI，较轻的肾损伤也被定义为 AKI。
在建模样本量与研究方法方面，CICSS、Cleveland、Mehta、SRI、Pannu、NNECDSG 和 Jiang WHⅡ的建模样本量均>6 000 例，建模样本量越大，预测模型的预测效能往往越高。CICSS、MCSPI、NNECDSG、Chuang WN 和 CRATE 为多中心和前瞻性研究，其余的预测模型需要多中心前瞻性的进一步验证研究。在对缺失数据的处理中，Mehta、SRI 和 Pannu 均采用估算的方法见表 3、表 4。
4 心脏术后不同 AKI 预测模型预测效能的比较
Englberger 等[34]对美国梅奥诊所 CPB 心脏手术的 12 906 例患者临床资料进行分析，评估 Cleveland、Mehta 和 SRI 对 RRT-AKI 和严重 AKI 的预测能力。严重 AKI 定义为肌酐>2.0 mg/dl、较术前肌酐水平升高 2 倍或需 RRT。Cleveland、Mehta 和 SRI 预测 RRT-AKI 的 AUROC 分别为 0.86［95%CI（0.84，0.88）］、0.81 ［95%CI（0.78，0.86）］、0.79［95%CI（0.77，0.82）］。Cleveland、Mehta 和 SRI 预测严重 AKI 的 AUROC 分别为 0.81［95%CI（0.79，0.83）］、0.76［95%CI（0.73，0.80）］、0.75［95%CI（0.72，0.77）］。Cleveland 预测心脏术后 RRT-AKI 和严重 AKI 的分辨度均最高。
Kristovic 等［35］对克罗地亚 1 056 例心脏手术患者临床资料进行回顾性分析，评估 Cleveland、Mehta 和 SRI 对 RRT-AKI 和 AKI 的预测能力，对 AKI 的定义采用 KDIGO 诊断标准。Cleveland、Mehta 和 SRI 预测 RRT-AKI 的 AUROC 分别为 0.837［95%CI（0.810，0.862）］、0.776［95%CI（0.750，0.801）］和 0.706［95%CI（0.674，0.737）］。Cleveland 预测心脏术后 RRT-AKI 的分辨度最高。Cleveland 在轻度 AKI（KDIGO stageⅠ）、中度 AKI（KDIGO stageⅡ）和重度 AKI（KDIGO stageⅢ）的 AUROC 分别为 0.731［95%CI（0.699，0.761）］、0.811［95%CI（0.783，0.838）］和 0.842［95%CI（0.816，0.867）］；Mehta 分别为 0.716［95%CI（0.688，0.744）］、0.746［95%CI（0.718，0.772）］和 0.783［95%CI（0.756，0.807）］；SRI 分别为 0.657［95%CI（0.623，0.689）］、0.702［95%CI（0.699，0.733）］和 0.698［95%CI（0.665，0.729）］。Cleveland 在预测 RRT-AKI、KDIGO stageⅠ、KDIGO stageⅡ和 KDIGO stageⅢ中均表现出最高的分辨度。
姜物华[25]通过分析中国单中心 1 067 例心脏手术患者的临床资料发现，Cleveland 预测 RRT-AKI 的分辨度和校准度较高（AUROC=0.736，P>0.05），但 Cleveland 对 RRT-AKI 发生率的预测值明显低于实际值（1.69%vs.3.86%）。Metha 预测 RRT-AKI 的分辨度较低（AUROC=0.687，P>0.05），SRI 预测 RRT-AKI 的校准度较低（AUROC=0.830，P<0.05）。三个预测模型均不能很好地预测中国患者术后 RRT-AKI 的发生率。高卿等[36]分析 288 例 OPCABG 中国患者的临床资料，评估 Cleveland 和 SRI 对心脏术后 AKI 的预测能力，对 AKI 的定义采用 AKIN 诊断标准。Cleveland 的 AUROC=0.560［95%CI（0.480，0.640）］，SRI 的 AUROC=0.564［95%CI（0.477，0.651）］，Cleveland 和 SRI 均不能很好地预测中国患者心脏术后 AKI。需要建立适合中国患者的心脏术后 AKI 预测模型。
由此可见，在欧美人群中比较 Cleveland、Mehta、SRI 对 RRT-AKI 和 AKI 预测能力时，Cleveland 均有良好的分辨度。但是在中国人群中，Cleveland、Mehta 和 SRI 对 RRT-AKI 和 AKI 的预测能力均欠佳，可能因为中国人群和欧美人群在生理上的差异，基于欧美人群的预测模型运用于中国人群时预测效果往往不理想。
5 总结
随着中国心脏外科手术量的增多以及老年患者的增多，心脏术后 AKI 发生率会越来越高，AKI 作为一种常见的严重并发症影响着手术效果和长期预后。建立适合本地区、本民族人群生理特点、方便临床使用、预测效能好的 AKI 预测模型，有利于临床医生更好地作出临床决策，采取及时有效的措施，提高治疗效果，改善患者预后。
表1
14 种心脏术后 AKI 预测模型建模组和验证组分辨度和校准度
表2
14 种心脏术后 AKI 预测模型纳入的危险因素
表3
14 种心脏术后 AKI 预测模型基本情况
表4
14 种心脏术后 AKI 预测模型建模临床资料（例/%/
）
急性肾损伤（acute kidney injury，AKI）是常见的心脏术后并发症之一，死亡率高[1-4]。由于 AKI 定义的差异，AKI 的发生率约为 5%～42%，其中 1%～4% 的患者需行肾脏替代治疗（renal replacement therapy，RRT）[5-10]。心脏术后 AKI 会延长住院时间并增加患者术后远期的死亡风险[11-13]。即使术后轻微的 AKI（肌酐升高>3 mg/L）仍会增加患者术后 30 d 死亡率[11, 14-16]，术后需 RRT 治疗的 AKI（renal replacement therapy-acute kidney injury，RRT-AKI）患者死亡率是未发生 AKI 患者的 9 倍[17]。AKI 发生 24～48 h 内及时治疗可有效改善患者预后[18]。为精确预测心脏术后 AKI 的发生，国内外先后建立了多个预测模型，以便及时诊断和治疗，从而更好地改善患者预后和配置医疗资源[18]。在风险、损伤、衰竭、肾功能丧失、终末期肾病工作组标准（risk，injury，failure，loss of kidney function and end-stage renal failure，RIFLE）、急性肾损伤网络工作小组标准（Acute Kidney Injury Network，AKIN）和改善全球肾脏病预后工作组标准（Kindney Disease: Improving Global Outcomes，KDIGO）[19]中，RRT-AKI 定义为需行 RRT 的严重 AKI。本文介绍了目前国内外常用的 14 种心脏术后 RRT-AKI 和 AKI 预测模型。
1 心脏术后 RRT-AKI 预测模型
1.1 CICSS（continuous improvement in cardiac surgery study）预测模型
1997 年 Chertow 等[20]对 1987～1994 年 43 642 例单纯冠状动脉旁路移植术（coronary artery bypass grafting，CABG）和瓣膜手术的患者进行队列研究，建立了 CICSS 预测模型。筛选其中 42 773 例患者为建模组，以 1994 年 4～10 月期间手术治疗的3 795 例患者为验证组。研究以 RRT-AKI 为研究终点，RRT-AKI 定义为肾功能恶化且术后 30 d 内需行 RRT。建模组 RRT-AKI 发生率为 1.1%。该预测模型的危险因素为：瓣膜手术、估计肌酐清除率≤100 ml/min、术前主动脉内球囊反搏（intra-aortic balloon pump，IABP）、既往心脏手术史、纽约心脏协会（New York Heart Association，NYHA）心功能Ⅳ级、外周血管疾病（peripheral vascular disease，PVD）、左室射血分数（left ventricular ejection fraction，LVEF）<35%、肺部啰音、慢性阻塞性肺病（chronic obstructive pulmonary disease，COPD）、140 mm Hg≤收缩压≤159 mm Hg、收缩压<120 mm Hg 合并瓣膜手术、收缩压≥160 mm Hg 合并瓣膜手术、收缩压≥160 mm Hg 合并 CABG。建模组的受试者工作特征曲线下面积（area under receiver operating characteristic curve，AUROC）为 0.76，分辨度良好。该预测模型为大样本、多中心和前瞻性研究，10 个危险因素均为术前指标，方便临床使用。
1.2 Cleveland 预测模型
2005 年 Thakar 等[21]对 33 217 例心脏手术患者进行队列研究，建立心脏术后 RRT-AKI 预测模型，即 Cleveland 预测模型。预测模型纳入 13 个术前危险因素：性别、充血性心力衰竭（congestive heart failure，CHF）、LVEF<35%、术前 IABP、COPD、胰岛素依赖性糖尿病、既往心脏手术史、急诊手术、瓣膜手术、CABG 合并瓣膜手术、其他心脏手术、术前肌酐 12～21 mg/L、术前肌酐≥21 mg/L。根据危险因素对应分值，对患者进行评分。Cleveland 预测模型评分范围在 0～17 分，由于该研究没有收录评分>13 分的患者，故分为 4 组（0～2 分、3～5 分、6～8 分、9～13 分），各组术后急性肾功能衰竭（acute renal failure，ARF）的发生率为 0.5%～22.1%，RRT-ARF 为研究终点。建模组 AUROC=0.81［95%CI（0.78，0.83）］，验证组 AUROC=0.82［95%CI（0.80，0.85）］，提示分辨度良好。Cleveland 预测模型纳入的 13 个危险因素均为术前指标，临床使用便捷，该预测模型建模样本量大，增强了预测能力，但该预测模型缺乏多中心和前瞻性的验证研究。
1.3 Mehta 预测模型
2006 年 Mehta 等[22]对多中心 449 524 例心脏手术患者临床资料进行分析，建立了包括糖尿病、心源性休克、NYHA 心功能分级等 22 个危险因素的预测模型，最终简化为包含术前最后一次肌酐、年龄≥55 岁、心脏手术类型（瓣膜手术，CABG 联合瓣膜手术）、糖尿病、21 d 内心肌梗死、种族、COPD、糖尿病、既往心脏手术史、心源性休克、NYHA 心功能分级Ⅳ级等 10 个危险因素的 Mehta 预测模型。该研究以 RRT-AKI 为研究终点，采用 MDRD（modification of diet in renal disease）公式计算肾小球滤过率估值（estimated glomerular filtration rate，eGFR）。预测模型建模组 AUROC=0.83，分辨度良好。在数据处理中，患者缺失的 LVEF 赋值为 50%，缺失的其他类型数据赋值为人群正常值，影响了术后 AKI 预测的准确性。此外，过多的危险因素限制了该预测模型的临床应用效果[23]。
1.4 SRI（simplified renal index）预测模型
2007 年 Wijeysundera 等[24]对双中心 20 131 例心脏手术患者临床资料进行回顾性分析，建立了 SRI 预测模型。该研究以多伦多总医院 1999～2004 年的 10 751 例心脏手术患者为建模组，多伦多总医院 2004～2005 年 2 566 例患者和渥太华心脏中心 1999～2003 年 6 814 例患者为验证组。以 RRT-AKI 为研究终点，确定了 31 ml/（min·1.73 m2）≤术前 eGFR≤60 ml/（min·1.73 m2）、术前 eGFR≤30 ml/（min·1.73 m2）、糖尿病、LVEF<40%、既往心脏手术史、非 CABG 或房间隔缺损修补术、术前 IABP 和非择期手术 8 个术前独立危险因素，赋值 0～8 分。建模组、多伦多验证组和渥太华验证组的术后 RRT-AKI 发生率分别为 1.3%、1.8% 和 2.2%，AUROC 分别为 0.81［95%CI（0.78，0.84）］、0.78［95%CI（0.72，0.84）］和 0.78［95%CI（0.74，0.81）］。该预测模型参数较少且容易获得，方便临床使用，但采用精确度不够高的 Cockcroft-Gault 公式计算 eGFR[25]，研究终点 RRT 的指征缺乏统一标准，影响了预测模型的预测效能。
1.5 Pannu 预测模型
2016 年 Pannu 等[26]分析 10 787 例心脏手术患者的临床资料，建立并验证了预测术后 14 d 内 RRT-AKI 风险的 Pannu 预测模型。该模型纳入 8 个危险因素：CHF、加拿大心血管协会分级（Canadian Cardiovascular Society，CCS）Ⅲ或Ⅳ级、糖尿病、基础 eGFR<90 ml/（min·1.73 m2）（CKD-ERI 计算术前 3 个月内最近一次 eGFR）、术前贫血和蛋白尿。建模组（n=6 061）和验证组（n=4 467）中 RRT-AKI 发生率分别为 2.5% 和 3.1%。该研究以术后 RRT-AKI 作为终点事件，采用 Hosmer-Lemeshow 拟合优度检验和标定斜率（calibration slope，理想值为 1）评价预测模型的校准度，建模组 AUROC=0.87［95%CI（0.85，0.90）］，P=0.7，标定斜率=0.96，提示分辨度和校准度良好。根据预测模型评分高低对患者进行分组，采用再分类优化指数（net reclassification improvement index，NRI）评估 Pannu 预测模型对患者术后 AKI 风险分组的效果。该预测模型所需数据均来自术前临床和实验室数据，方便临床使用。由于蛋白尿检测不是心脏术前常规检查，25% 的病例没有尿蛋白数据，影响了该预测模型的预测效能。另外，Pannu 预测模型建模组和验证组中的病例样本来自加拿大阿尔伯塔，在其他国家和地区是否有良好的预测能力，仍需多中心、大样本进一步的验证。
2 心脏术后无需 RRT 的 AKI 预测模型
2.1 MCSPI（multicenter study of perioperative ischemia）预测模型
2007 年 Aronson 等[27]对 16 个国家的 70 个研究中心 4 801 例体外循环（cardiopulmonary bypass，CPB）的 CABG 患者进行前瞻性研究，其中 2 381 例为建模组，2 420 例为验证组，建立了预测肾脏复合事件的 MCSPI 预测模型。肾脏复合事件包括肾功能不全或肾衰竭，肾功能不全定义为术后肌酐>20 mg/L 同时肌酐至少比术前基础肌酐高 7 mg/L。肾衰竭定义为需要 RRT 的肾功能不全或尸检结果为肾衰竭。建模组中肾脏复合事件的发生率为 4.8%。该模型的独立危险因素为：年龄>75 岁、术前脉压>40 mm Hg、CHF、术前心肌梗死、术前肾病史、术中使用正性肌力药物和 CPB 时间>122 min。建模组的 AUROC=0.84，验证组的 AUROC=0.8，分辨度良好。该模型优点在于建模样本来自多个中心和地区，但该模型缺乏多中心大样本的进一步验证。
2.2 NNECDSG（Northern New England cardiovascular disease study group，NNECDSG）预测模型
2007 年 Brown 等[28]对新英格兰北部 8 个医学中心的 8 363 例 CABG 患者资料进行多因素回归分析，建立了 NNECDSG 预测模型。该模型以重度肾功能不全为研究终点，采用 MDRD 公式计算 eGFR。重度肾功能不全定义为术后 eGFR<30 ml/（min·1.73 m2）。建模组重度肾功能不全的发生率为 3%。模型纳入的 11 个术前危险因素分别为：年龄≥60 岁、女性、糖尿病、白细胞数>12 000/mm3、既往 CABG 史、CHF、PVD 和术前 IABP。建模组的 AUROC=0.72［95%CI（0.68，0.75）］，Hosmer-Lemeshow 拟合优度检验的 P 值为 0.28。该研究为多中心研究，样本量较大，11 个危险因素均为术前指标，方便临床使用。NNECDSG 预测模型没有建立验证组，模型的预测效能仍需进一步验证。
2.3 AKICS（acute kidney injury following cardiac surgery）预测模型
2007 年 Palomba 等[18]通过对单中心 603 例心脏手术患者队列研究建立了 AKICS 预测模型。建模样本包括 CABG、瓣膜手术和 CABG 联合瓣膜手术的患者，术后 AKI 定义为血肌酐> 20 mg/L 或超过基础肌酐值的 50%。血肌酐基础值定义为住院前最后一次肌酐值或入院时第一次肌酐值。预测模型纳入 8 个围术期的危险因素，即手术方式、NYHA心功能分级>Ⅱ级、术前肌酐>12 mg/L、低心排血量综合征（low cardiac output syndrome，LCOS）、年龄>65 岁、CPB 时间>120 min、术前血糖>1 400 mg/L 和中心静脉压（central venous pressure，CVP）>14 cm H2O。对参数赋值，评分在 0～20 之间。评分在 0～4、4.1～8、8.1～12、12.1～16、16.1～20 的患者，术后 AKI 的发生率分别为 1.5%、4.3%、9.1%、21.8%和62.5%。该预测模型对患者 AKI 风险分层效果良好，建模组的 AUROC=0.843［95%CI（0.78，0.89）］，提示分辨度良好。该预测模型的建模样本仅 603 例，AKI 定义也不是目前普遍使用的 RIFLE、AKIN 和 KDIGO 标准，所以仍需多个中心、大样本数据的进一步验证[25]。另外 AKICS 预测模型纳入了术中、术后的危险因素，限制了术前的临床应用。
2.4 SAKI（Singapore acute kidney injury）预测模型
2016 年 Mithiran 等[29]回顾性分析新加坡单中心 954 例 CABG 患者的临床资料，建立了针对亚洲人的心脏术后 AKI 预测模型，即 SAKI 预测模型。样本的 80% 为建模组，20% 为验证组。AKI 诊断采用 AKIN 标准，建模组 AKI 发生率为 29.34%。SAKI 预测模型纳入的围术期危险因素有：年龄>60 岁、胰岛素依赖性糖尿病、eGFR<60 ml/（min·1.73 m2）、LVEF<40%、CPB 时间>140 min 和升主动脉阻断时间>100 min。根据患者分值进行分组，AKI 发生率在 17%～73%，与实际 AKI 发生率 22%～74% 相近。建模组的 AUROC=0.734［95%CI（0.690，0.767）］，验证组的 AUROC=0.740［95%CI（0.675，0.805）］。SAKI 模型基于亚洲人群建立，优势在于采用了较新的 AKIN 标准，含有的 6 个危险因素临床上易获得，使用方便。SAKI 预测模型是一个单中心回顾性研究，建模样本量较小，使用 AKIN 标准诊断 AKI 时，忽略了尿量这一变量。另外建模样本均为 CABG 患者，对其他心脏手术患者是否适用还需多中心、大样本量和前瞻性的进一步验证。
2.5 Chuang WN 预测模型
2016 年 Nah 等[30]对新加坡国立大学医院和新加坡总医院 2 508 例心脏手术患者临床资料进行分析，其中符合纳入标准的 2 385 例作为建模组，另筛选 500 例患者资料作为验证组，建立了 Chuang WN 预测模型。研究纳入 CABG、瓣膜手术和 CABG 联合瓣膜手术的患者。采用 AKIN 标准定义 AKI，建模组术后 AKI 发生率为 30.5%。该模型的危险因素有：年龄>65 岁、高血压、术前贫血、eGFR<60 ml/（min·1.73 m2）、术中输注红细胞、术中 IABP、CPB 时间>120 min 和 CPB 期间最低血细胞比容<22%。采用 CKD-EPI 公式计算 eGFR。预测模型评分为 0～14 分，并根据评分值（0～4，5～8，9～14）分为 3 组，AKI 发生率分别为 18%、39% 和 64%。建模组 AUROC =0.7［95%CI（0.68，0.72）］，验证组 AUROC=0.75［95%CI（0.7，0.8）］，分辨度良好。该研究优势在于纳入了术前贫血、术中输血等较新的危险因素。但在使用 AKIN 诊断标准时，该研究同样省略了尿量这一变量。
2.6 CRATE（creatinine score+lactic Acid score+CPB timescore+EuroSCORE score）预测模型
2016 年 Jorge-Monjas 等[31]对西班牙 909 例心脏手术患者进行前瞻性动态队列研究，纳入符合标准的 810 例患者为建模组，另外两家医院 741 例心脏手术患者为验证组，建立 CRATE 预测模型。预测模型收录 CABG 以及瓣膜手术的患者。建模组 AKI 发生率为 16.9%，验证组 AKI 发生率为 15.7%。对 AKI 诊断采取 RIFLE 标准。模型纳入的危险因素为：肌酐、欧洲心脏手术风险评估系统评分（European system for cardiac operative risk evaluation，EuroSCORE）、乳酸和 CPB 时间。根据评分，患者术后 AKI 风险分为很低、低、中、高、很高 5 组，5 组实际 AKI 发生率分别为 1.69%、8.84%、32.33%、58.66%、84.95%。建模组 AUROC=0.89［95%CI（0.85，0.92）］，验证组 AUROC=0.81［95%CI（0.78，0.85）］，模型分辨度较高。使用 RIFLE 标准时，该研究省略了尿量这一变量。临床易获得的肌酐、乳酸水平、CPB 时间和 EuroSCORE，使 CRATE 预测模型应用方便快捷，在患者刚进入 ICU 时（1～2 h）就可以评估其 AKI 发生风险，利于临床医生对患者术后 AKI 进行早期干预。对于 EuroSCOREⅡ在 CRATE 评分中的应用还需要进一步研究修正。
2.7 Won HK 预测模型
主动脉手术后 AKI 发生率为 18%～55%，比其他心脏手术后 AKI 发生率更高[5-10, 32]。目前心脏术后 AKI 预测模型的建模样本中，没有或很少有主动脉手术病例[18, 20-22, 24-33]。2013 年 Kim 等[32]对韩国三星医学中心 737 例主动脉手术患者临床资料进行回顾性研究，建立了针对主动脉手术后 AKI 的预测模型，即 Won HK 预测模型。随机选取 417 例患者为建模组，余 320 例为验证组。采用 RIFLE 标准诊断 AKI，全组样本中 29% 术后发生 AKI，5.8% 术后需要 RRT。使用 MDRD 公式计算 eGFR。预测模型纳入的独立危险因素包括：年龄>60 岁、术前 eGFR< 60 ml/（min·1.73 m2）、LVEF<55%、手术时间>7 h、术中尿量<0.5 ml/（kg·h）和术中使用呋塞米，每个危险因素赋值 1 分。建模组 AUROC=0.74［95%CI（0.69，0.79）］，验证组 AUROC=0.74［95%CI（0.69，0.8）］。该预测模型只有 6 个危险因素，方便临床使用，但样本量较小（n=737），且该研究为单中心研究，需要在多中心对预测模型进行进一步验证。由于该样本数据跨越时间较长（1997～2010 年），期间主动脉手术治疗方案和技术变化很大，该模型的预测效能受到了影响。
2.8 Jiang WHⅠ预测模型
2013 年姜物华[25]对复旦大学附属中山医院1 394 例心脏手术患者的临床资料进行分析，排除不符合纳入标准的 27 例，以其中 1 067 例患者为建模组，余 300 例为验证组，建立了 Jiang WHⅠ预测模型。全组样本中 CABG 占 8.8%，非体外循环冠状动脉旁路移植术（off-pump coronary artery bypass grafting，OPCABG）占 25.8%，瓣膜手术占 58.2%，CABG 联合瓣膜手术占 4.9%。研究采用 KDIGO 作为 AKI 临床诊断标准，采用 MDRD 简化公式计算 eGFR。建模组中 20.08% 患者术后发生 AKI。Logistic 逐步回归分析提示：性别、CABG 联合瓣膜手术、脑血管病史、术前使用造影剂、术前 NYHA 心功能分级>Ⅱ级、术前血肌酐>13 mg/L、术中输血浆量>400 ml、术后 LCOS 和术后 CVP>14 mm H2O是心脏术后 AKI 的独立危险因素。建模组 AUROC=0.81［95%CI（0.757，0.868）］，Hosmer-lemeshow 拟合优度检验 χ2=10.13，P=0.256，提示该模型分辨度和校准度良好。与国外 AKI 预测模型相比，Jiang WHⅠ预测模型纳入的 AKI 危险因素增加了术前使用造影剂、脑血管病史、术中输血浆量等参数，但该预测模型仅为单中心研究，样本量较少，需多中心、大样本的进一步验证。
2.9 Jiang WHⅡ预测模型
2016 年 Jiang 等[33]对 7 233 例心脏手术患者临床资料进行前瞻性分析，以 6 081 例患者为建模组，余 1 152 例患者为验证组，建立 Jiang WHⅡ预测模型。预测模型收录了 CABG、OPCABG、瓣膜手术和 CABG 联合瓣膜手术的患者，确定性别、年龄>41 岁、CABG 联合瓣膜手术、术前 NYHA 心功能分级>Ⅱ级、既往心脏手术史、术前肾病史（未 RRT），应用 CPB、术中红细胞输注和术后 LCOS 等 9 个危险因素。该预测模型细化了 AKI 的发生时间，可评估术前 AKI，预测 ICU 期间和转出 ICU 24 h之后的 AKI 发生率。建模组评估 3 个时间点 AKI 的 AUROC 分别为 0.75，0.81 和 0.82；验证组分别为 0.74，0.75 和 0.82。采用 KDIGO 标准作为 AKI 诊断标准，使用 CKD-ERI 公式计算 eGFR。建模组 AKI 发生率是 35.5%，验证组 AKI 发生率是 33%。预测模型样本量较大，纳入术中红细胞输注量和术后 LCOS 等较新危险因素，但样本来自单个医学中心，需多个中心的进一步验证。
3 心脏术后 AKI 预测模型的特点
本文介绍的 14 种心脏术后 AKI 预测模型建模组及验证组的分辨度和校准度见表 1。
心脏术后 AKI 预测模型纳入的危险因素分析：年龄、CHF、高血压、LVEF、糖尿病、瓣膜手术、CABG 联合瓣膜手术、急诊手术、术前肌酐、术前 eGFR、NYHA 心功能分级>Ⅱ级、既往心脏手术史、CPB 时间和术后 LCOS 等危险因素被纳入多个预测模型（>3 个）。特别的危险因素有：① 术前蛋白尿；② 术前贫血；③ 术中红细胞输注；④EuroSCORE 评分；⑤ 术中使用呋塞米；⑥ 脑血管病史；⑦ 术前使用造影剂；见表 2。
建模数据库手术类型分为：CABG（MCSPI、NNECDSG、SAKI）；主动脉手术（Won HK）；其余 10 个预测模型包含了多种常见心脏手术。
建模数据库人群分为：欧洲、北美人群（CICSS、Cleveland、Mehta、SRI、Pannu、MCSPI、NNECDSG 和 CRATE）；亚洲人群（SAKI、Chuang WN、Won HK、Jiang WHⅠ和 Jiang WHⅡ）；南美人群（AKICS）。
AKI 诊断标准方面，Cleveland、Mehta、SRI、MCSPI、NNECDSG 和 AKICS 的建模时间在 2007 年以前，没有采用较新的 RIFLE、AKIN 和 KDIGO 等 AKI 诊断标准；CICSS、Pannu 的研究终点为 RRT-AKI，故也没有采用；而其余 6 个预测模型的建模时间均在 2013 年以后，均采用了较新的 AKI 诊断标准。
CICSS、Cleveland、Mehta、SRI 和 Pannu 的研究终点为 RRT-AKI，建模组 RRT-AKI 的发生率均<3%；AKICS 把心脏术后 AKI 定义为血肌酐>2.0 mg/dl 或超过肌酐基础值的 50%，建模组 AKI 的发生率为 11%；MCSPI 把 AKI 定义为术后肌酐>2.0 mg/dl 同时肌酐至少比术前基础肌酐高 0.7 mg/dl，建模组 AKI 发生率为 4.8%；NNECDSG 把 AKI 定义为用术后 eGFR<30 ml/（min·1.73 m2），建模组 AKI 发生率为 3%；其余的 6 个预测模型 AKI 的发生率均>16%。这是由于在较新的 RIFLE、AKIN 和 KDIGO 诊断标准中，AKI 包含 RRT-AKI，相对于严重肾损伤的 RRT-AKI，较轻的肾损伤也被定义为 AKI。
在建模样本量与研究方法方面，CICSS、Cleveland、Mehta、SRI、Pannu、NNECDSG 和 Jiang WHⅡ的建模样本量均>6 000 例，建模样本量越大，预测模型的预测效能往往越高。CICSS、MCSPI、NNECDSG、Chuang WN 和 CRATE 为多中心和前瞻性研究，其余的预测模型需要多中心前瞻性的进一步验证研究。在对缺失数据的处理中，Mehta、SRI 和 Pannu 均采用估算的方法见表 3、表 4。
4 心脏术后不同 AKI 预测模型预测效能的比较
Englberger 等[34]对美国梅奥诊所 CPB 心脏手术的 12 906 例患者临床资料进行分析，评估 Cleveland、Mehta 和 SRI 对 RRT-AKI 和严重 AKI 的预测能力。严重 AKI 定义为肌酐>2.0 mg/dl、较术前肌酐水平升高 2 倍或需 RRT。Cleveland、Mehta 和 SRI 预测 RRT-AKI 的 AUROC 分别为 0.86［95%CI（0.84，0.88）］、0.81 ［95%CI（0.78，0.86）］、0.79［95%CI（0.77，0.82）］。Cleveland、Mehta 和 SRI 预测严重 AKI 的 AUROC 分别为 0.81［95%CI（0.79，0.83）］、0.76［95%CI（0.73，0.80）］、0.75［95%CI（0.72，0.77）］。Cleveland 预测心脏术后 RRT-AKI 和严重 AKI 的分辨度均最高。
Kristovic 等［35］对克罗地亚 1 056 例心脏手术患者临床资料进行回顾性分析，评估 Cleveland、Mehta 和 SRI 对 RRT-AKI 和 AKI 的预测能力，对 AKI 的定义采用 KDIGO 诊断标准。Cleveland、Mehta 和 SRI 预测 RRT-AKI 的 AUROC 分别为 0.837［95%CI（0.810，0.862）］、0.776［95%CI（0.750，0.801）］和 0.706［95%CI（0.674，0.737）］。Cleveland 预测心脏术后 RRT-AKI 的分辨度最高。Cleveland 在轻度 AKI（KDIGO stageⅠ）、中度 AKI（KDIGO stageⅡ）和重度 AKI（KDIGO stageⅢ）的 AUROC 分别为 0.731［95%CI（0.699，0.761）］、0.811［95%CI（0.783，0.838）］和 0.842［95%CI（0.816，0.867）］；Mehta 分别为 0.716［95%CI（0.688，0.744）］、0.746［95%CI（0.718，0.772）］和 0.783［95%CI（0.756，0.807）］；SRI 分别为 0.657［95%CI（0.623，0.689）］、0.702［95%CI（0.699，0.733）］和 0.698［95%CI（0.665，0.729）］。Cleveland 在预测 RRT-AKI、KDIGO stageⅠ、KDIGO stageⅡ和 KDIGO stageⅢ中均表现出最高的分辨度。
姜物华[25]通过分析中国单中心 1 067 例心脏手术患者的临床资料发现，Cleveland 预测 RRT-AKI 的分辨度和校准度较高（AUROC=0.736，P>0.05），但 Cleveland 对 RRT-AKI 发生率的预测值明显低于实际值（1.69%vs.3.86%）。Metha 预测 RRT-AKI 的分辨度较低（AUROC=0.687，P>0.05），SRI 预测 RRT-AKI 的校准度较低（AUROC=0.830，P<0.05）。三个预测模型均不能很好地预测中国患者术后 RRT-AKI 的发生率。高卿等[36]分析 288 例 OPCABG 中国患者的临床资料，评估 Cleveland 和 SRI 对心脏术后 AKI 的预测能力，对 AKI 的定义采用 AKIN 诊断标准。Cleveland 的 AUROC=0.560［95%CI（0.480，0.640）］，SRI 的 AUROC=0.564［95%CI（0.477，0.651）］，Cleveland 和 SRI 均不能很好地预测中国患者心脏术后 AKI。需要建立适合中国患者的心脏术后 AKI 预测模型。
由此可见，在欧美人群中比较 Cleveland、Mehta、SRI 对 RRT-AKI 和 AKI 预测能力时，Cleveland 均有良好的分辨度。但是在中国人群中，Cleveland、Mehta 和 SRI 对 RRT-AKI 和 AKI 的预测能力均欠佳，可能因为中国人群和欧美人群在生理上的差异，基于欧美人群的预测模型运用于中国人群时预测效果往往不理想。
5 总结
随着中国心脏外科手术量的增多以及老年患者的增多，心脏术后 AKI 发生率会越来越高，AKI 作为一种常见的严重并发症影响着手术效果和长期预后。建立适合本地区、本民族人群生理特点、方便临床使用、预测效能好的 AKI 预测模型，有利于临床医生更好地作出临床决策，采取及时有效的措施，提高治疗效果，改善患者预后。
表1
14 种心脏术后 AKI 预测模型建模组和验证组分辨度和校准度
表2
14 种心脏术后 AKI 预测模型纳入的危险因素
表3
14 种心脏术后 AKI 预测模型基本情况
表4
14 种心脏术后 AKI 预测模型建模临床资料（例/%/
）
