在肾脏移植时，一种包含多达14个变量的新模型可以预测受者的死亡风险。高风险个体需要加强监测和量身定制的移植后护理。
一种在肾脏移植时使用的综合性预后模型能够准确预测短期和长期死亡率，可能改善风险分层和临床决策。
巴黎移植和器官再生研究所、法国国家健康与医学研究院的Charlotte Debiais-Deschamps医学博士及其同事在《JAMA Network Open》中报告称，在一项大型国际队列研究中，该模型在不同人群中展现出强大的区分能力、校准性和普适性，支持其潜在的临床效用。
这项预后研究纳入了2004年至2023年间来自欧洲和美国14个学术中心的12,517名肾脏移植受者。推导队列包括1566名患者（平均年龄50.05岁；60.15%为男性）。外部验证队列总共包括10,951名患者（平均年龄53.32岁；61.78%为男性）。
在中位随访5.08年期间，2486名患者（19.9%）死亡。推导队列的5年死亡率为13.6%，验证队列的5年死亡率为11.1%，凸显了移植后死亡率的持续负担。
在涵盖临床、生物学、影像学和免疫学领域的121个候选变量中，最终模型（mBox）保留了14个独立预测因子。这些包括：
- 受者年龄较大（每年HR，1.07）
- 透析史超过3年（HR，1.55）
- 重大心血管事件史（HR，1.68）
- 心房心律失常（HR，1.47）
- 瓣膜疾病（HR，1.51）
- 精神病史（HR，2.23）
- 抗丙型肝炎病毒血清阳性（HR，1.58）
- 左心室质量（HR，每1-g/m²为1.01）
- 肾同种异体移植物长度（HR，每0.1-m³/kg为0.82）
生物学标志物包括糖化血红蛋白（每百分点HR为1.21；P<0.001）、白蛋白（每增加1 g/L HR为0.98；P=0.01）、肌钙蛋白阳性（HR为1.38；P=0.02）、C反应蛋白（HR为1.28；P=0.02）和γ-谷氨酰转移酶（每增加1-log单位HR为1.39；P<0.001）。
该模型在推导队列中显示出较强的区分能力，1年和10年的C统计量分别为0.82（95% CI，0.77-0.87）和0.80（95% CI，0.78-0.82）。校准性良好，Brier评分为0.13（95% CI，0.12-0.14），决策曲线分析表明在各种阈值概率下均具有净临床效益。该模型在不同时间范围和分析方法中表现稳定。
为提高实际应用性，研究人员开发并外部验证了包含7至13个变量的简化模型。这些简化工具在预测移植后10年死亡率方面保持了一致的性能，适用于来自法国（C统计量，0.76）、欧洲（0.74）和美国（0.74）的队列，以及包括巴黎大区大学医院（0.79）和加利福尼亚大学旧金山分校（0.70）数据库在内的大型临床数据存储库。在各种亚组中，包括性别、供体类型、体重指数以及新冠前后期，区分能力保持相当。
值得注意的是，该模型的性能超过或匹配了现有的预后评分，并且与机器学习方法相当，具有相似的区分能力但可解释性更好。敏感性分析证实了其在各种临床场景中的稳定性，进一步强化了其稳健性。
"在这项预后研究中，我们开发了mBox，一个在移植时预测肾脏移植受者死亡的稳健模型，"Debiais-Deschamps博士及其同事写道。"该模型在来自多个国家的外部验证队列以及许多亚群和临床场景中得到了验证。使用此模型在移植时评估死亡风险可能有助于临床医生更好地对患者死亡风险进行分层并指导医疗决策。"
参考文献：
Debiais-Deschamps C, Raynaud M, Truchot A, 等. 肾脏移植受者死亡风险的预测模型. JAMA Netw Open. 2026年4月23日在线发表. doi:10.1001/jamanetworkopen.2026.7452
【全文结束】
