Nâng tầm phân tầng nguy cơ quanh phẫu thuật: Dự báo tổn thương thận cấp sau ghép phổi

Điểm nổi bật

• Tổn thương thận cấp (AKI) xảy ra thường xuyên sau ghép phổi và làm xấu đi tiên lượng của người bệnh.
• Các mô hình dự đoán mới trong giai đoạn quanh phẫu thuật đã được xây dựng dựa trên bộ biến số tiền phẫu và sớm sau phẫu thuật toàn diện.
• Các mô hình sau phẫu thuật, có tích hợp thời gian thủ thuật, các tỷ số oxy hóa và liều thuốc vận mạch, cho thấy độ chính xác vượt trội trong dự đoán AKI và liệu pháp thay thế thận (RRT).
• Các mô hình này có thể hỗ trợ phân tầng nguy cơ sớm và can thiệp đích nhằm giảm biến chứng thận sau ghép phổi.

Bối cảnh nghiên cứu

Tổn thương thận cấp (AKI) là một biến chứng thường gặp và nghiêm trọng sau ghép phổi (LTx), liên quan đến tăng bệnh suất, kéo dài thời gian nằm viện và làm tăng nguy cơ tử vong. Mặc dù kỹ thuật phẫu thuật và ức chế miễn dịch đã được cải thiện, tỷ lệ AKI sau LTx vẫn còn cao, được ghi nhận lên tới 40% người nhận trong nhiều đoàn hệ khác nhau. Sự xuất hiện rối loạn chức năng thận sau LTx làm phức tạp quá trình chăm sóc hậu phẫu và ảnh hưởng bất lợi đến sống còn của mảnh ghép cũng như của người bệnh.

Các nỗ lực phân tầng nguy cơ trước đây chủ yếu tập trung vào các yếu tố trước phẫu thuật hoặc trong phẫu thuật, nhưng chưa tích hợp đầy đủ dữ liệu quanh phẫu thuật, từ đó hạn chế giá trị ứng dụng lâm sàng. Hơn nữa, số lượng mô hình dự đoán nhu cầu liệu pháp thay thế thận (RRT) sau LTx còn rất ít. Một công cụ dự đoán được thẩm định chặt chẽ, tích hợp các biến lâm sàng và xét nghiệm quanh phẫu thuật, có thể hỗ trợ nhận diện sớm các cá thể có nguy cơ và tạo điều kiện triển khai các chiến lược bảo vệ thận dự phòng.

Thiết kế nghiên cứu

Nghiên cứu hồi cứu đoàn hệ này bao gồm 534 người trưởng thành được ghép phổi tại một trung tâm chăm sóc chuyên sâu bậc ba ở Úc trong giai đoạn từ tháng 1 năm 2016 đến tháng 4 năm 2025. Tổn thương thận cấp được định nghĩa theo tiêu chí creatinin huyết thanh của Kidney Disease: Improving Global Outcomes (KDIGO) 2012, tạo nên một tiêu chí đầu ra lâm sàng chuẩn hóa và được chấp nhận rộng rãi.

Dữ liệu thu thập gồm đặc điểm nhân khẩu học, bệnh đồng mắc nền, chỉ định ghép, đặc điểm thủ thuật và các biến lâm sàng sớm sau phẫu thuật như tình trạng oxy hóa và liều thuốc vận mạch. Hồi quy phạt với tái lấy mẫu bootstrap được sử dụng để xác định các yếu tố dự báo ổn định, sau đó đưa vào các mô hình hồi quy logistic đa biến. Hiệu năng mô hình được thẩm định nội bộ bằng phương pháp bootstrap có hiệu chỉnh độ lạc quan, với khả năng phân biệt được đo bằng chỉ số concordance (C-statistic) và độ dốc hiệu chỉnh (calibration slope).

Phân tích đường cong quyết định (decision curve analysis, DCA) đánh giá lợi ích lâm sàng thuần của các mô hình so với chiến lược điều trị tất cả hoặc không điều trị, qua đó làm rõ tiềm năng hỗ trợ ra quyết định lâm sàng.

Kết quả chính

Trong số 534 người bệnh, 216 trường hợp (40,4%) phát triển AKI sau LTx, và 47 người bệnh (8,8%) cần liệu pháp thay thế thận.

Mô hình dự đoán AKI trước phẫu thuật:
Mô hình trước phẫu thuật bao gồm các đặc điểm nền tảng (ví dụ: tuổi, giới), bệnh đồng mắc (ví dụ: bệnh thận mạn) và các thông số xét nghiệm. Mô hình này đạt khả năng phân biệt ở mức trung bình, với C-statistic là 0,632 (KTC 95%: 0,589–0,679). Mặc dù hữu ích cho phân tầng nguy cơ sơ bộ trước mổ, năng lực dự đoán của mô hình còn hạn chế.

Mô hình dự đoán AKI sớm sau phẫu thuật:
Khi tích hợp các biến trước phẫu thuật, bao gồm rối loạn chức năng mảnh ghép phổi mạn tính làm chỉ định ghép, cùng với các chỉ số trong và sớm sau phẫu thuật — thời gian thủ thuật, tỷ số P/F (tỷ số áp suất riêng phần oxy trong máu động mạch trên phân số oxy hít vào) và tổng liều noradrenaline — mô hình sau phẫu thuật cải thiện đáng kể khả năng phân biệt, đạt C-statistic 0,741 (KTC 95%: 0,697–0,795). Sự cải thiện này phản ánh tầm quan trọng của tình trạng lâm sàng sớm sau LTx trong dự báo nguy cơ AKI.

Các mô hình dự đoán nhu cầu liệu pháp thay thế thận (RRT):
Hai mô hình đã được phát triển để dự đoán nhu cầu RRT:
– Mô hình trước phẫu thuật với C-statistic 0,720 (KTC 95%: 0,643–0,796).
– Mô hình sau phẫu thuật với khả năng phân biệt vượt trội, đạt C-statistic 0,847 (KTC 95%: 0,781–0,917).

Cả mô hình AKI và RRT đều cho thấy khả năng hiệu chỉnh rất tốt, với độ dốc dao động từ 0,889 đến 0,949, cho thấy sự phù hợp đầy đủ giữa nguy cơ dự đoán và kết cục quan sát được.

Phân tích đường cong quyết định cho thấy cả hai mô hình sau phẫu thuật đều mang lại lợi ích lâm sàng thuần so với chiến lược điều trị tất cả hoặc không điều trị trên một khoảng xác suất ngưỡng phù hợp với thực hành lâm sàng, qua đó ủng hộ tiềm năng ứng dụng của chúng trong định hướng các can thiệp bảo vệ thận sau ghép.

Bình luận chuyên gia

Nghiên cứu của Trevena và cộng sự đánh dấu một bước tiến quan trọng trong quản lý quanh phẫu thuật ở người nhận ghép phổi bằng cách tích hợp dữ liệu động trong giai đoạn quanh phẫu thuật vào dự báo nguy cơ tổn thương thận. Các phát hiện nhấn mạnh rằng những chỉ dấu lâm sàng sớm sau phẫu thuật, như hiệu quả oxy hóa và nhu cầu thuốc vận mạch, có giá trị tiên lượng đáng kể vượt lên trên các đặc điểm nền tảng của người bệnh.

Việc sử dụng hồi quy phạt và thẩm định nội bộ bằng bootstrap giúp tăng độ vững chắc của mô hình; tuy nhiên, cần có thẩm định ngoại bộ trên các đoàn hệ độc lập để xác nhận tính khái quát hóa.

Những hạn chế tiềm tàng bao gồm thiết kế hồi cứu và bối cảnh đơn trung tâm, có thể làm giảm khả năng áp dụng tại các trung tâm có quần thể người bệnh hoặc quy trình quản lý khác nhau. Nghiên cứu cũng tập trung vào định nghĩa AKI dựa trên creatinin huyết thanh, điều này có thể đánh giá thấp mức độ tổn thương thận so với chẩn đoán dựa trên biomarker.

Về mặt cơ chế, các mối liên quan quan sát được, như thời gian thủ thuật kéo dài và nhu cầu noradrenaline cao hơn, nhiều khả năng phản ánh giảm tưới máu trong phẫu thuật và các con đường tổn thương do thiếu máu cục bộ – tái tưới máu góp phần khởi phát AKI.

Kết luận

Nghiên cứu đã xây dựng thành công các mô hình dự đoán trước phẫu thuật và sớm sau phẫu thuật cho AKI và RRT sau ghép phổi, với hiệu năng phân biệt được cải thiện ở các mô hình sau phẫu thuật có tích hợp các biến lâm sàng động. Các công cụ này là nền tảng đầy hứa hẹn cho thẩm định ngoại bộ tiền cứu và có thể hỗ trợ chiến lược bảo vệ thận cá thể hóa nhằm giảm biến chứng thận sau ghép và cải thiện kết cục.

Các nghiên cứu trong tương lai nên xem xét tích hợp những mô hình dự đoán này vào hệ thống hỗ trợ quyết định lâm sàng và đánh giá tác động của các can thiệp đích dựa trên phân tầng nguy cơ. Ngoài ra, việc bổ sung các biomarker mới và bộ dữ liệu đa trung tâm có thể tiếp tục tinh chỉnh và nâng cao độ chính xác của dự báo nguy cơ.

Nguồn tài trợ và ClinicalTrials.gov

Công trình này được hỗ trợ bởi các nguồn kinh phí nghiên cứu nội bộ của trung tâm chăm sóc chuyên sâu bậc ba tại Úc. Do thiết kế hồi cứu, không ghi nhận đăng ký thử nghiệm lâm sàng.

Tài liệu tham khảo

1. Trevena S, Snell GI, Westall GP, Asghari-Jafarabadi M, Shulman MA, Coulson TG. Predicting Acute Kidney Injury After Lung Transplantation: Development and Internal Validation of Perioperative Prediction Models. Clinical Transplantation. 2026 Aug;40(8):e70649. PMID: 42611691.

2. Zarbock A, Kellum JA, Schmidt C, et al. Effect of Early vs Delayed Initiation of Renal Replacement Therapy on Mortality in Critically Ill Patients With Acute Kidney Injury: The ELAIN Randomized Clinical Trial. JAMA. 2016;315(20):2190-2199.

3. Kellum JA, Lameire N; KDIGO AKI Guideline Work Group. Diagnosis, evaluation, and management of acute kidney injury: a KDIGO summary (Part 1). Crit Care. 2013;17(1):204.

4. Snell GI, Levvey BJ, Oto T, et al. The impact of airway complications on outcomes after lung transplantation: The Australian experience. J Heart Lung Transplant. 2019;38(3):267–274.

5. Pham S, Mondo S, Gopalakrishna KV, et al. Acute kidney injury after lung transplantation: incidence, risk factors, and outcomes. Clinical Transplantation. 2017;31(11):e13024.