Nezávislá externí validace a srovnání modelů predikce úmrtí a náhrady ledvin u pokročilého CKD

ABSTRAKTNÍ

1. Odůvodnění a cíl

Rovnice rizika selhání ledvin (KFRE) se široce používá k predikci rizika zahájení léčby náhradou ledvin (KRT) ve stádiích chronického onemocnění ledvin (CKD) G3-G5. Nový Gramsův kalkulátor vyvinutý pro pokročilé CKD (stadium G4 plus) předpovídá zahájení KRT, kardiovaskulární příhody a smrt jedinečným začleněním konkurenčního rizika smrti. Naším cílem bylo ověřit tento nástroj ve stádiu G4 plus kohorty pro smrt a KRT.

2. Návrh studie

Retrospektivní kohortová studie.

3. Nastavení a účastníci

442 pacientů s CKD stadia G4 plus (průměr ± SD věk, 73 ± 12 let; průměr ± SD odhadovaná rychlost glomerulární filtrace, 20 ± 6,2 ml/min/1,73 m2), kteří navštívili multidisciplinární kliniku CKD v Kingston Health Sciences Center v Ontariu, Kanada. Výsledky a analytický přístup: Diskriminace a kalibrace byly zkoumány na výsledek smrti pomocí 2- a 4-letého Gramsova skóre. Skóre 2- a 5-roční KFRE a 2- a 4-roční skóre Grams byly porovnány z hlediska diskriminace a kalibrace pro KRT.

4. Výsledky

V naší kohortě bylo 91, 161 a 2{{10}}6 událostí úmrtí a 90, 145 a 159 událostí KRT ve 2, 4 a 5 letech. Gramsův model prokázal mírnou diskriminaci smrti ve 4 letech (plocha pod křivkou [AUC] {{20}}.70; 95 procent CI, 0.{{14 }},75) a po 2 letech si vedl hůře (AUC, 0,63; 95procentní CI, 0.57-0,70). Pouze předpověděl smrt přibližně o 10 procento ve většině předpokládaného rozsahu. Oba modely měly podobnou diskriminaci pro KRT po 2 letech (KFRE AUC, 0,83; 95% CI, 0.{29}},88 a Grams AUC, 0,8; 95% CI, 0.{35 }},87), 4 roky (gramy AUC, 0,82; 95 procent CI, 0.77-0.86) a 5 let (KFRE AUC, 0,81; 95 procent CI, 0.{{{101} 49}}.85). Pro KRT byla provedena vynikající kalibrace pomocí 2-ročních hodnot KFRE a Grams pro předpokládané prahové hodnoty rizika menší nebo rovné 15 procentům a pomocí 5-ročních KFRE a 4-ročních hodnot Grams pro předpokládané prahové hodnoty rizika menší nebo rovné 20 procentům. Ve vyšších rozsazích rizika KFRE nadhodnocuje a Grams podhodnocuje riziko KRT.

5. Omezení

Jedná se o studii zaměřenou na jediné centrum s primárně bílou kohortou omezenou menšími velikostmi vzorků při vyšších rozsazích předpokládaných rizik, zejména u kalkulátoru Grams.

6. Závěry

Gramsův model poskytuje středně přesné předpovědi úmrtí a je třeba zvážit jeho začlenění do vzdělávání pacientů a plánování pokročilé péče. Modely Grams i KFRE zůstávají klinicky užitečné pro stanovení rizik KRT u pokročilého CKD.

Kliknutím sem získáte výhody Cistanche for Kidney

ÚVOD

Chronické onemocnění ledvin (CKD) je spojeno se zvýšeným rizikem kardiovaskulárních příhod, mortalitou a progresivním poklesem rychlosti glomerulární filtrace (GFR), což vede k selhání ledvin.1,2 Výsledky u pacientů s CKD jsou však značně variabilní. Rychlost progrese a další výsledky se mezi jednotlivci liší v závislosti na klinických a demografických faktorech, jako je etiologie CKD, stupeň snížení GFR a proteinurie, komorbidní stavy, věk, přístup ke zdravotní péči, etnická příslušnost a mnoho dalších.3 zájem o integraci nástrojů pro predikci rizik do klinické praxe vzrostl tak, že pacienti s nízkým rizikem mohou být ušetřeni nepřiměřené úzkosti a nákladného lékařského testování, zatímco pacienti s vysokým rizikem mohou mít přístup k včasným vhodným intervencím, jako je doporučení na nefrologii, zařazení na multidisciplinární kliniku, a příprava na léčbu náhrady ledvin (KRT).4-6

Ačkoli bylo v kohortách s CKD po celém světě vyvinuto mnoho nástrojů pro predikci rizika, většina z nich nebyla adekvátně ověřena nebo široce integrována do klinické praxe.7 Rovnice rizika selhání ledvin (KFRE) byla vyvinuta Tangri et al8 v kanadské populaci (stádia CKD {{ 2}}) a je nejověřenějším predikčním modelem KRT.{3}} 4-Iterace proměnné používá k predikci rizik věk, pohlaví, odhadovanou GFR (eGFR) a poměr albuminu a kreatininu v moči (ACR). stádia CKD G3-G5 postupujících do zahájení KRT pomocí 2-ročního a 5-ročního skóre KFRE (KFRE-2 a KFRE-5).8 Validace zahrnující 31 nadnárodních kohort s průměrnou výchozí hodnotou eGFR 46 ml/min/1,73 m2 ukázaly, že KFRE má vysokou rozlišovací schopnost a adekvátní kalibraci.16

V roce 2018 Grams et al9 vyvinuli nástroj speciálně pro populaci CKD ve stádiu G4 plus (eGFR < 30 ml/min/1,73 m2) k predikci pravděpodobností a pořadí KRT, kardiovaskulárních onemocnění (CVD) a úmrtí ve 2. a 4. let. Tento nástroj zahrnuje 9 klinických a demografických charakteristik, které se dříve ukázaly jako důležité prediktory výsledku u CKD stadia G4 plus. 17 Tento nový nástroj, který je ve svém vývoji jednoznačně považován za konkurenční koncový bod smrti, nebyl extenzivně externě ověřen. Nedávná studie 2 kohort – Švédský renální registr a Evropská studie kvality – zkoumala jeho prediktivní schopnost pro KRT, ale ne pro další důležitý výsledek smrti.14 Cílem naší studie bylo vyhodnotit diskriminaci a kalibraci tohoto nového nástroje pro smrt a KRT v nefrologicky odkazované CKD stadium G4 plus kohorty a porovnat její výkon s výkonem KFRE.

Cistanche prášek

METODY

1. Návrh studie a kohorta

Provedli jsme retrospektivní kohortovou studii dospělých (Větší nebo rovni 18 let), kteří navštívili multidisciplinární kliniku CKD alespoň jednou v Kingston Health Sciences Center v Ontariu v Kanadě v roce 2013 a kteří měli zdokumentovaný poměr albuminu a kreatininu a eGFR < 30 ml/min/1,73 m2 podle rovnice založené na kreatininu CKDEPI (Chronic Kidney Disease Epidemiology Collaboration).18 V roce 2013 byla klinika CKD Kingston Health Sciences Center jedinou takovou klinikou v regionu, která pokrývala spádovou populaci 500,{11}} obyvatel v jihovýchodním Ontariu. Elektronické lékařské záznamy byly použity k extrakci demografických a klinických dat, včetně systolického krevního tlaku, při návštěvě kliniky spojené s vyšetřením krve, kouřením a anamnézou diabetu a KVO (definované jako alespoň 1 případ infarktu myokardu, mrtvice nebo srdce selhání). Etický souhlas byl získán od Etické rady pro výzkum zdravotnických věd a přidružených fakultních nemocnic (6004492). Od informovaného souhlasu bylo upuštěno, protože všechny informace o účastnících studie byly deidentifikovány. Naše studie navazuje na Transparent Reporting multivariabilního predikčního modelu pro reportování predikčního modelu individuální prognózy nebo diagnózy (TRIPOD).

2. Výsledky

Výsledky zahrnovaly pozorovanou incidenci úmrtí po 2 a 4 letech od návštěvy indexové kliniky v roce 2013 a zahájení KRT ve 2, 4 a 5 letech. Smrt byla zjišťována pomocí záznamů z kanceláře generálního registrátora Ontaria, která poskytla data úmrtí a kódy Mezinárodní klasifikace nemocí pro příčinu smrti u všech zemřelých pacientů.19 Kardiovaskulární příhody nebyly do této analýzy zahrnuty, protože jsme nemohli být přesvědčeni, že všechny události budou zachyceny, protože pacienti mohli být přijati do jiných krajských nemocnic. Kingston Health Sciences Center však nabízí jediný program KRT v našem zdravotnickém regionu; proto se věřilo, že údaje KRT jsou velmi robustní, s malým potenciálem ztráty při sledování. Absence údajů CVD znemožňovala analýzu načasování událostí ve vztahu k sobě navzájem. Vzhledem k omezenému počtu úmrtí po zahájení KRT jsme omezili analýzu na celkový počet úmrtí nezávisle na načasování KRT.

3. Prediktory

Prediktory použité ve studii zahrnovaly 2-roční a 4-roční skóre rizika Gramovy kalkulačky (Grams-2 a Grams-4, v tomto pořadí) pro jakoukoli KRT a jakékoli úmrtí a 4- proměnná KFRE-2 a KFRE-5 skóre pro KRT v době návštěvy indexové kliniky v roce 2013. Vývojáři Gramsova modelu nám poskytli kód a koeficienty modelu a tyto byly použity ke generování našich předpovědí Gramsova modelu. Předpokládaná rizika jakékoli smrti a jakékoli KRT, nezávisle na pořadí, ve kterém k nim došlo, byla vypočtena sečtením všech pravděpodobností, včetně těchto výsledků. Například pravděpodobnost jakékoli smrti zahrnovala součet pravděpodobností úmrtí po KRT, po CVD, po KRT a CVD a pouze úmrtí.

Cistanche tubulosa

4. Analýzy

Nechyběla žádná data pro celou kohortu týkající se všech výchozích dat, kromě etnického původu pacientů. Tam, kde data o etnické příslušnosti nebyla k dispozici (n=3), byly generovány předpovědi Grams s přičtením bílé rasy. U 7 pacientů, jejichž hladiny poměru albuminu a kreatininu byly pod prahem detekce, jsme připočítali nejnižší modelový vstup (10 mg/g).

5. Diskriminace

Diskriminace popisuje schopnost modelu oddělit ty, kteří událost zažívají, od těch, kteří ji nezažili. To bylo hodnoceno pomocí křivek provozních charakteristik přijímače (ROC), bodových odhadů plochy pod křivkou (AUC) a 95procentních intervalů spolehlivosti (CI). Křivky ROC a AUC byly vytvořeny za účelem posouzení diskriminačního výkonu 2- a 4-letých Gramsových modelů při predikci úmrtí. AUC byly také vypočteny pro výsledek KRT pro 2- a 5-roční modely KFRE a 2- a 4-roční modely Grams. Srovnání AUC mezi 2 modely po 2 letech pro pozorované riziko KRT bylo provedeno pomocí metody Delong-Delong-Clarke Pearson.20 AUC jsme interpretovali následovně:<0.7 as poor, 0.7-0.79 as fair, 0.8-0.89 as good, and >0.9 jako vynikající.21 Kromě toho byly vypočteny Harrellovy C indexy (HCIs), aby se prověřila diskriminační schopnost s přihlédnutím k době do události.

6. Kalibrace

Kalibrace zkoumá shodu mezi předpověďmi a pozorovanými výsledky. To bylo zachyceno v kalibračních grafech, které graficky porovnávaly předpokládaná a pozorovaná rizika úmrtí po 2 a 4 letech pro Gramsův model a porovnávaly 2- a 4-rok versus 5-letá rizika KRT pro Gramsův model a modely KFRE. Grafy byly generovány pomocí lokálně váženého bodového vyhlazování napříč předpokládanými rizikovými hodnotami, s kobercovými grafy podél osy x pro vizualizaci distribuce dat předpokládaného rizika a také průměrné pozorované pravděpodobnosti výsledku mezi skupinami pacientů definovaných decily předpokládané riziko. Brierova skóre v rozsahu od 0 (nejpřesnější) do 1 (nejméně přesná), měřená přesnost předpovědi.

Doplněk Cistanche

DISKUSE

Tato studie na pokročilé kohortě CKD s vysokou prevalencí diabetu a KVO je první, která externě potvrdila Gramsův predikční model pro úmrtí i KRT. Zjistili jsme, že Gramsův model prokázal spravedlivou diskriminaci při identifikaci pacientů, u kterých došlo k úmrtí během delšího časového období (Grams{{0}} AUC, 0.70; 95% CI, 0.65- 00,75) a v kratším časovém rámci vykazovaly nedostatečné výsledky (gramy-2 AUC, 0,63; 95 procent CI, 0.57-0,70). Tato mírná diskriminace může být částečně způsobena homogenitou naší kohorty, která zahrnovala pacienty s podobnými kovariátními hodnotami. Kromě toho není překvapivý celkový skromný výkon, pokud jde o výsledek úmrtí, protože smrt je stále obtížně předvídatelný výsledek. Ukázalo se, že dokonce i široce používané nástroje pro predikci úmrtnosti mají pouze malou přesnost a značnou variabilitu napříč různými klinickými prostředími.22 Zůstáváme nejisté, proč Grams-4 předčí Grams-2 v diskriminaci smrti.

Údaje o diskriminaci specifické pro výsledek úmrtí nebyly k dispozici pro srovnání ve vývojové studii a naše studie je první studií, která tento výsledek externě potvrdila. Gramsův model byl poměrně dobře kalibrován pro výsledek smrti, a přestože měl tendenci předpovídat smrt ve většině rozsahu předpovědí, činil tak pouze přibližně o 10 procent. Pozorovaná úmrtnost byla vyšší v kohortách odvozených od Gramse (47 procent; průměrná doba sledování 3,5 roku) než v našem souboru (36 procent ve 4 letech; 47 procent v 5 letech). Tyto rozdíly ve výchozích mírách rizika mohou částečně vysvětlit přibližně 10procentní nadměrnou předpověď.9 Nemůžeme komentovat rozdíly v charakteristikách pacientů mezi těmito 2 kohortami, protože charakteristiky vývojových kohort nejsou uvedeny.9 Schopnost Gramů{{ 13}} předpovídat mortalitu s přiměřenou přesností naznačuje, že by mohl hrát důležitou roli při rozšiřování klinických diskusí o cílech péče a vzdělávání pacientů.

Gramsovy modely KRT vykazovaly dobrou schopnost rozlišovat mezi těmi, kteří zahájili a nezahájili KRT ve 2. a 4. roce, s AUC 0,81 (95% CI 0).76- 0 .87) a 0.82 (95 procent CI 0.77-0.86), které jsou velmi podobné těm v kohortě švédského renálního registru ({ {14}},84 [95 procent CI, 0.83-0,85] vs {{20}},83 [95 procent CI, 0.{101} {24}}.83].14 Výsledky KFRE KRT AUC jsou také velmi podobné nebo mírně vyšší ve studiích, které se také zaměřily na pokročilé populace CKD (stadium G4 plus ).11,14,15 Časové rozlišení událostí pomocí HCI byly spravedlivé až dobré, v rozmezí od 0,77 do 0,8{{40}}, přičemž KFRE-2 si vedl nejlépe (HCI, {{47} }.80; 95 procent CI, 0.75-0.85). Naše KFRE HCI byly srovnatelné s těmi ze švédské kohorty European Quality Study (2-roční HCI, 0,76 [95 procent CI, 0.72-0,80]; 5-roční HIC, 0,75 [ 95 procent CI, 0.72-0.79]).14

Oba modely Grams a KFRE byly podobně dobře kalibrovány pro zahájení KRT při předpokládaných rizicích<15% at 2 years and predicted risks of <20% at 4 and 5 years but were poorly calibrated at higher ranges of predicted risk. The Grams model underestimates risk at risk thresholds of >20 procenta, což bylo prokázáno také ve švédském švédském Renal Registry a kohortách European Quality Study.14 To se liší od výsledků interní validace Grams, kde byla tendence nadhodnocovat riziko, i když míra tohoto vysoce variabilní mezi kohortami.9 Pozorované míry KRT byly nižší v Gramsově derivační kohortě (12 procent; průměrná doba sledování 3,5 roku) než v naší kohortě (33 procent po 4 letech), což pravděpodobně přispívá k pozorovaným nesrovnalostem.9 Absence souhrnných údajů o charakteristikách pacientů v Gramsově vývojové kohortě vylučuje srovnání charakteristik pacientů. Naopak modely KFRE předpovídají rizika při vyšších prahových hodnotách. Jak v původní nadnárodní validační studii KFRE16, tak v mezinárodní validační studii fáze G4 plus KFRE9 bylo v jednotlivých kohortách pozorováno výrazné podhodnocení i nadhodnocení u všech úrovní rizika. Většina ostatních kalibračních studií také prokázala tendenci modelů KFRE nadhodnocovat riziko u pokročilého stadia CKD11,15 a CKD G3-G5.2 V kohortách European Quality Study a Swedish Renal Registry KFRE{{18} } také nadhodnocovala rizika, i když na rozdíl od současné studie KFRE-2 nikoli.14 Míra KRT ve vývojové kohortě KFRE byla pouze 11 procent (průměrná doba sledování 2,1 ± 2,0 let),8 což je nižší než míra KRT 20 procent pozorovaná v této studii. To není překvapivé vzhledem k tomu, že naše kohorta měla pokročilejší CKD s nižšími eGFR a vyššími ACR než vývojová kohorta KFRE. Rozdíly ve výkonnosti modelu mezi různými kohortami podtrhují důležitost rozsáhlého externího ověřování modelu v řadě různých prostředí a populací.

Kapsle Cistanche

The overestimation of KRT initiation by the KFRE models likely stems from their lack of accounting for death as a competing risk. The Grams model accounts for the competing risk of death; it accordingly underestimates the risk of KRT initiation. The recent study by Ramspek et al14 considered the competing risk of death in their discrimination and calibration analyses and found very similar findings to our own. Given this consistent overprediction and underprediction of KRT in terms of calibration for KFRE and Grams, respectively, and their similarly good discriminatory abilities, our findings suggest a potential role for using these models in tandem. In our population, the average of the KFRE and Grams scores appears to offer a more accurate clinical prediction score when the predicted risk scores are >20 procent. To by mělo být dále prozkoumáno u jiných populací pacientů.

Bylo vhodně obhajováno, že predikce rizik by měla být použita jako pomoc při edukaci pacientů, klinickém rozhodování a řízení zdrojů v péči o pacienty s CKD.4,5,23,24 Při návrhu přístupu založeného na riziku klinická péče, provedení testu na jakémkoli daném prahu, prevalence výsledků a potenciální důsledky nesprávné klasifikace výsledků pacientů a využití zdrojů, to vše je třeba zvážit v kontextu populačních charakteristik každého centra. S využitím uvážení poskytovatele a s přihlédnutím ke klinickému stavu jednotlivých pacientů lze tyto nástroje predikce rizik použít k rozšíření diskusí o prognóze. Byly navrženy prahové hodnoty pro nefrologii, multidisciplinární péči o CKD a doporučení pro plánování transplantací nebo píštělí a používají je některá centra využívající model KFRE.5 Pacienti pod navrhovanými prahovými hodnotami by stále vyžadovali monitorování a úpravy rizikových faktorů, a ti, kteří by postupovali, by pak mohli být náležitě odkazoval. Je třeba vyvinout a snadno dostupné nástroje a vzdělávání na pomoc poskytovatelům primární péče při léčbě pacientů s CKD s nižším rizikem KRT. Ty by se měly zaměřit zejména na látky modifikující kardiovaskulární onemocnění a onemocnění ledvin, jako je blokáda renin-angiotenzinového systému a inhibitory kotransportérů sodíku a glukózy{11}}. Nákladné zdroje potřebné k řízení nefrologických klinik, multidisciplinárních klinik a plánování KRT pak mohou být vhodnější alokovány na pacienty s vyšším rizikem. Předpovědi rizika v 2-ročním časovém bodě by byly přiměřenější pro transplantaci, edukaci KRT a doporučení k cévnímu přístupu, zatímco předpovědi na 4- a 5-rok mohou být přiměřenější pro doporučení na nefrologii. Aby bylo možné tento přístup založený na riziku začlenit do klinického rozhodování, musí být navrhované prahové hodnoty extenzivně externě validovány v populacích doporučených pro obecnou nefrologii a multidisciplinární péči o CKD.

Naše studie má několik silných stránek. Zařadili jsme pacienty s CKD stadia G4 plus, kteří byli sledováni na jediné regionální multidisciplinární klinice CKD, s minimální ztrátou sledování a chybějícími údaji. Jsme také jediným regionálním centrem KRT; je tedy vysoce pravděpodobné, že byly zachyceny všechny výsledky KRT. Údaje o vitálním stavu byly poskytnuty generálním registrátorem Ontaria, což omezuje možnost chybějících úmrtí. Naše validační kohorta je podobná jako u mnoha jiných publikovaných kohort CKD, a proto je reprezentativní pro populaci, ve které se nástroje používají.9 Uznáváme několik omezení. Naše analýza je především omezena menší velikostí vzorků ve vyšších rozsazích předpokládaného rizika, zejména u kalkulátoru Grams. Pozorovaná skóre KFRE byla lépe rozložena v celém rozsahu pravděpodobností. Za druhé, naše studie byla jednocentrová a podobně jako vývojové kohorty měla převážně bílou kohortu. Zda lze zjištění extrapolovat na rasově odlišné populace pacientů, zůstává neznámé. Navíc jsme neměli minimální eGFR na začátku pro naši kohortu; proto jsme do našeho vzorku zahrnuli pacienty, kteří by se pravděpodobně rozhodli pro konzervativní péči. Podíl těchto pacientů s eGFR < 6 ml/min/1,73 m2 v naší kohortě byl však celkově poměrně nízký (n=4; 0,9 procenta). Konečně nedostatek integrovaných elektronických lékařských záznamů pro přístup k záznamům regionálních nemocnic zabránil posouzení složky kardiovaskulárních příhod v nástroji Grams. Tento model nabízí možnost předpovídat rizika kardiovaskulárních příhod u pacientů s pokročilým CKD, což bylo nedostatečně prozkoumáno.25 Toto zůstává důležitou výzkumnou prioritou, dále zdůrazněnou tím, že CVD je hlavní příčinou mortality (27 procent) v naší kohortě. Nakonec jsme zvažovali všechna úmrtí společně místo toho, abychom tyto samostatně zkoumali před a po zahájení KRT kvůli nízkému počtu. Je nutné další studium načasování smrti u větších kohort.

Standardizované Cistanche

ZÁVĚR

Závěrem lze říci, že v naší kohortě pacientů s pokročilým CKD a vysokou prevalencí diabetu a KVO poskytuje Gramsův model úmrtí přiměřeně přesný odhad rizika úmrtí v časovém bodě 4-roku. Jeho začlenění do klinické péče, zejména pokud jde o rozhodování o cílech péče, by mělo pomoci pacientům i jejich poskytovatelům zdravotní péče lépe porozumět pravděpodobnosti zásadního zdravotního výsledku smrti, která je často nedoceněná a málo diskutovaná. V našem souboru Gramsův model podhodnocuje rizika pro KRT, zatímco model KFRE je nadhodnocuje u prahů s vyšším rizikem. K potvrzení užitečnosti těchto predikčních modelů jsou stále zapotřebí další externí validační studie spolu s dopadovými studiemi využívajícími modelové prahové hodnoty pro klinické rozhodování.

Účinnost Cistanchis na ledviny

Účinnost Cistanchis na ledviny je v posledních letech předmětem zájmu a výzkumu. Cistanchis, také známý jako Rou Cong Rong, je tradiční čínská bylina, která je široce používána v tradiční medicíně pro své potenciální terapeutické účinky na různé zdravotní stavy, včetně onemocnění souvisejících s ledvinami.

Studie ukázaly, že Cistanchis vykazuje řadu farmakologických vlastností, které jsou prospěšné pro zdraví ledvin. Za prvé, bylo zjištěno, že má antioxidační a protizánětlivé vlastnosti, které pomáhají snižovat oxidační stres a zánět v ledvinách. To je významné, protože oxidační stres a zánět jsou hlavními přispěvateli k rozvoji a progresi onemocnění ledvin.

Kromě toho bylo prokázáno, že Cistanchis má ochranný účinek na renální tubulární buňky, které jsou zodpovědné za filtraci odpadních látek z krve a udržování rovnováhy elektrolytů. Podporou zdraví a funkce těchto buněk pomáhá Cistanchis zlepšit celkovou funkci ledvin.

Kromě toho Cistanchis prokázal diuretické vlastnosti, které zvyšují produkci moči a podporují vylučování toxinů a odpadních produktů z těla. Zvýšením výdeje moči pomáhá Cistanchis vyplavovat škodlivé látky, které se mohou hromadit v ledvinách, a tím zlepšovat zdraví ledvin.

Celkově důkazy naznačují, že Cistanchis může být účinný při podpoře zdraví ledvin a léčbě onemocnění souvisejících s ledvinami. K úplnému pochopení mechanismů jeho účinku a stanovení optimálního dávkování a délky léčby je však zapotřebí více výzkumů. Nicméně Cistanchis je příslibem jako přírodní lék na zdraví ledvin a vyžaduje další zkoumání a zkoumání.

REFERENCE

1. Chronic Kidney Disease Prognosis Consortium; Matsushita K, van der Velde M a kol. Asociace odhadované rychlosti glomerulární filtrace a albuminurie se všemi příčinami a kardiovaskulární mortalitou v obecných populačních kohortách: společná metaanalýza. Lanceta. 2010;375(9731):2073-2081.

2. Marks A, Fluck N, Prescott GJ, et al. Pohled do budoucnosti: předpovídání výsledků náhrady ledvin ve velké komunitě s chronickým onemocněním ledvin. Transplantace nefrolových čísel. 2015;30(9):1507-1517.

3. Go AS, Yang J, Tan TC, et al. Současné míry a prediktory rychlé progrese chronického onemocnění ledvin u dospělých s diabetes mellitus a bez něj. BMC Nephrol. 2018;19(1):146.

4. Farrington K, Covic A, Nistor I a kol. Směrnice klinické praxe pro léčbu starších pacientů s chronickým onemocněním ledvin stadia 3b nebo vyšším (eGFR<45 mL/min/1.73m2 ): a summary document from the European Renal Best Practice Group. Nephrol Dial Transplant. 2017;32(1):9-16.

5. Tangri N, Ferguson T, Komenda P. Pro: rizikové skóre progrese chronického onemocnění ledvin je robustní, výkonné a připravené k implementaci. Transplantace nefrolových čísel. 2017;32(5): 748-751.

6. Eckardt KU, Bansal N, Coresh J, et al. Zlepšení prognózy pacientů s výrazně sníženou rychlostí glomerulární filtrace (CKD G4 plus): závěry kontroverzní konference onemocnění ledvin: zlepšení globálních výsledků (KDIGO). Kidney Int. 2018;93(6):1281-1292.

7. Dekker FW, Ramspek CL, van Diepen M. Con: většina skóre klinického rizika je k ničemu. Transplantace nefrolových čísel. 2017;32(5): 752-755.

8. Tangri N, Stevens LA, Griffith J, et al. Prediktivní model pro progresi chronického onemocnění ledvin k selhání ledvin. JAMA. 2011;305(15):1553-1559.

9. Grams ME, Sang Y, Ballew SH a kol. Předpovídání načasování klinických výsledků u pacientů s chronickým onemocněním ledvin a výrazně sníženou rychlostí glomerulární filtrace. Kidney Int. 2018;93(6):1442-1451.

10. Lennartz CS, Pickering JW, Seiler-Mußler S, et al. Externí validace rovnice rizika selhání ledvin a rekalibrace s přidáním ultrazvukových parametrů. Clin J Am Soc Nephrol. 2016;11(4):609-615.

11. Peeters MJ, van Zuilen AD, van den Brand JA, et al. Validace rovnice rizika selhání ledvin u evropských pacientů s CKD. Transplantace nefrolových čísel. 2013;28(7): 1773-1779.

12. Potok OA, Nguyen HA, Abdelmalek JA, Beben T, Woodell TB, Rifkin DE. Pacienti, nefrologové a předpokládané odhady rizika ESKD ve srovnání s 2-ročním výskytem ESKD. Clin J Am Soc Nephrol. 2019;14(2):206-212.

13. Whitlock RH, Chartier M, Komenda P, et al. Validace rovnice rizika selhání ledvin v Manitobě. Can J Kidney Health Dis. 2017;4:2054358117705372.

14. Ramspek CL, Evans M, Wanner C, et al. Modely predikce selhání ledvin: komplexní externí validační studie u pacientů s pokročilým CKD. J Am Soc Nephrol. 2021;32(5): 1174-1186.

15. Hundemer GL, Tangri N, Sood MM a kol. Provedení rovnice rizika selhání ledvin podle etiologie onemocnění u pokročilého CKD. Clin J Am Soc Nephrol. 2020;15(10):1424- 1432.

16. Tangri N, Grams ME, Levey AS, et al. Mezinárodní hodnocení přesnosti rovnic pro predikci rizika selhání ledvin: metaanalýza. JAMA. 2016;315(2):164-174.

17. Evans M, Grams ME, Sang Y a kol. Rizikové faktory pro prognózu u pacientů s výrazně sníženou GFR. Kidney Int Rep. 2018;3(3):625-637.

18. Levey AS, Stevens LA, Schmid CH, et al. Nová rovnice pro odhad rychlosti glomerulární filtrace. Ann Intern Med. 2009;150(9):604-612.

19. Provincie Ontario. Ministerstvo vlády a spotřebitelských služeb. Přístupné 12. srpna 2020. https://www.ontario.ca/page/ministry-government-and-consumer services

20. DeLong ER, DeLong DM, Clarke-Pearson DL. Porovnání ploch pod dvěma nebo více korelovanými provozními charakteristikami přijímače: neparametrický přístup. Biometrie. 1988;44(3):837-845.

21. Páska TG. Interpretace diagnostických testů. Zpřístupněno 10. března 2022. http://gim.unmc.edu/dxtests/Default.htm

22. Siontis GC, Tzoulaki I, Ioannidis JP. Predikce smrti: empirické hodnocení prediktivních nástrojů pro úmrtnost. Arch Intern Med. 2011;171(19):1721-1726.

23. Onemocnění ledvin: Pracovní skupina pro zlepšení globálních výsledků (KDIGO). Směrnice klinické praxe KDIGO 2012 pro hodnocení a léčbu chronického onemocnění ledvin. Kidney Int. 2012;3(dodatek 1):1-150.

24. Akbari A, Clase CM, Acott P, a kol. Komentář Kanadské nefrologické společnosti ke směrnici klinické praxe KDIGO pro hodnocení a léčbu CKD. Am J Kidney Dis. 2015;65(2):177-205.

25. Taal MW. Chronické onemocnění ledvin: směrem k přístupu založenému na riziku. Clin Med (Londýn). 2016;16(suppl 6):s117-s120.

Susan J. Thanabalasingam, Eduard A. Iliescu, Patrick A. Norman, Andrew G. Day, Ayub Akbari, Gregory L. Hundemer a Christine A. White

Division of Nefrology, Department of Medicine, Queen's University, Kingston, Kanada (SJT, EAI, CAW);

Kingston General Health Research Institute, Kingston Health Sciences Center, Kingston, Kanada (PAN, AGD);

Department of Public Health Sciences, Queen's University, Kington, Kanada (PAN, AGD);

Divize nefrologie, Katedra medicíny, The University of Ottawa, Ottawa, Kanada (AA, GLH).