Development and Internal Validation of a Nomogram for Predicting One-Year All-Cause Mortality in Heart Failure Patients Undergoing Non-Cardiac Surgery: A Retrospective Analysis of 308 Cases

기술 요약: 비심장 수술을 받는 심부전 환자의 1년 내 모든 원인 사망률 예측을 위한 노모그램의 개발 및 내부 검증

문제 제기
심부전(HF)은 전 세계적으로 중대한 공중 보건 부담을 초 значи한데, 비심장 수술(NCS)을 받는 환자의 15% 이상이 심부전을 동반하고 있습니다. 이러한 환자들은 수술 전후의 혈역학적 불안정성과 장기적인 수술 후 사망 위험에 직면합니다. 수술적 중재는 심부전 환자에게 외상성 스트레스 반응을 유발하는 경우가 많지만, 현재 이 특정 인구 집단을 대상으로 1년 내 수술 후 사망 확률을 예측할 수 있는 쉽고 정밀한 도구는 존재하지 않습니다. 개정된 심혈관 위험 지수(RCVI)와 같은 기존 도구들은 심부전 코호트의 정확한 장기 위험 계층화를 위해 필요한 특정 바이오마커나 일상적인 임상 지표가 부족합니다. 본 연구는 조기 개인 맞춤형 치료 전략 수립과 수술 후 생존 결과 개선을 용이하게 하기 위한 개별화되고 정밀한 위험 평가 도구의 필요성을 해결하고자 합니다.

방법론
본 회고적 코호트 연구는 2023년 1월부터 2024년 6월 사이 난징 루허 구 인민 병원에서 비심장 수술을 받은 308명의 심부전 환자를 분석하였습니다. 본 연구는 지역 의료 윤리 위원회의 승인을 받았으며, 중국 임상 시험 등록 센터에 등록되었습니다.

• 데이터 수집 및 전처리: 인구통계학적 데이터, 수술 특성, 마취 유형, 그리고 다양한 실험실 바이오마커(예: BNP, CRP, 리포단백(a), 헤모글로빈, 심장 마커)를 포함한 18개의 후보 예측 공변량을 수집하였습니다. 결측치(<5%)는 다중 대치법(MICE)을 통해 처리되었습니다. 코호트는 7:3 비율로 훈련 세트(n=217)와 검증 세트(n=91)로 무작위 층화되었습니다.
• 변수 선별: 2단계 선별 과정을 적용하였습니다. 첫째, LASSO 회귀와 Boruta 알고리즘을 결합하여 잠재적 예측 인자를 식별하고 다중공선성을 제어하였습니다. 이를 통해 초기 18개 변수를 9개의 후보로 줄였습니다. 둘째, 다변량 로지스틱 회귀 프레임워크 내에서 단계적 후방 제거법(진입 p=0.05, 제거 p=0.10)을 사용하여 최종 독립 예측 변수 세트를 식별하였습니다. 제1종 오류를 완화하기 위해 Benjamini–Hochberg 허위 발견율(FDR) 보정이 적용되었습니다.
• 모델 구축: 식별된 6개의 독립 예측 변수를 기반으로 노모그램을 구축하였습니다. 모델은 로지스istic 회귀를 사용하여 1년 내 모든 원인 사망 확률을 계산하였습니다.
• 검증 및 평가: 모델의 성능을 다음 항목을 통해 엄격히 평가하였습니다:
  • 변별력: ROC 곡선 및 95% 신뢰 구간(CI)을 포함한 곡선 아래 면적(AUC).
  • 교정도: 교정 플롯 및 Hosmer-Lemeshow 검정.
  • 임상적 유용성: 결정 곡선 분석(DCA) 및 임상 영향 곡선(CIC).
  • 비교: DeLong 검정을 사용하여 기존 RCRI 점수와 노모그램을 비교하였습니다.
  • 표본 크기 정당화: 표본 크기(n=308, 이벤트 69건)는 "10:1" 이벤트-대-변수 규칙 및 통계적 검정력 요구 사항(검정력 80%, OR=1.6)을 충족함을 확인하였습니다.

주요 기여

1. 6가지 독립적 예측 인자 식별: 본 연구는 1년 사망률의 독립적 예측 인자로서 6가지 일상적인 임상 지표를 식별하였습니다:
   • 수술 후 새로운 심부전 발생(가장 강력한 예측 인자).
   • 심근 바이오마커 수치(높은 수술 전 cTnI).
   • B형 나트륨 이뇨 펩티드(BNP).
   • 리포단백(a) [Lp(a)].
   • 체질량 지수(BMI).
   • 헤모글로빈(Hb).
2. 고성능 노모그램 개발: 이러한 변수들을 시각적 점수 시스템으로 통합한 예측 모델을 구축하였습니다.
3. 동적 임상 도구: 임상의가 환자 데이터를 입력하여 즉각적으로 개인화된 사망 위험 확률을 받을 수 있도록 상호작용이 가능한 웹 기반 동적 노모그램(R Shiny 애플리케이션)을 개발하여 수동 계산 오류를 제거하였습니다.
4. RCRI 대비 우월성: 본 연구는 제안된 노모그램이 이 특정 환자 집단에 대한 예측 정확도 측면에서 전통적인 RCRI 점수를 유의미하게 능가함을 입증하였습니다.

결과

• 사망률: 코호트의 1년 내 수술 후 모든 원인 사망률은 22.4%(69/308)였습니다.
• 예측 성능:
  • 훈련 세트: 노모그램은 0.933(95% CI: 0.893–0.974)의 AUC를 달성하였습니다.
  • 검증 세트: 모델은 0.892(95% CI: 0.812–0.971)의 AUC와 함께 강력한 변별력을 유지하였습니다.
  • RCRI와의 비교: 노모그램은 훈련 세트(AUC 0.933 vs. 0.659, P<0.001)와 검증 세트(AUC 0.892 vs. 0.700, P=0.003) 모두에서 RCRI보다 유의하게 높은 성능을 보였습니다.
• 교정도: 모델은 우수한 교정도를 보여주었습니다. Hosmer-Lemeshow 검정 결과 P-값은 훈련 세트 0.8428, 검증 세트 0.8973으로 적합도 결여가 없음을 나타냈습니다. 평균 절대 교정 오차는 각각 3.41%와 4.05%로 낮았습니다.
• 임상적 유용성: 결정 곡선 분석(DCA)은 0.0–0.4의 임계 확률 범위 내에서 유리한 순 임상 이득을 확인하였습니다. 임상 영향 곡선(CIC)은 다양한 결정 임계값에 걸쳐 고위험 환자를 정확하게 선별하는 모델의 능력을 검증하였습니다.
• 변수 중요도: 수술 후 새로운 심부전 발생(OR=9.434)과 Lp(a)(단위당 OR=1.005)가 주요 위험 동인으로 식별되었습니다. 반대로, 높은 BMI와 헤모글로빈 수치는 보호 요인으로 식별되었습니다.

의의 및 주장
저자들은 이 새로운 노모그램이 비심장 수술을 받는 심부전 환자의 주술기 위험 평가를 위한 직관적이고 신뢰할 수 있으며 정밀한 도구를 제공한다고 주장합니다. 일상적인 임상 지표와 수술 후 합병증 데이터를 통합함으로써, 이 모델은 기존 표준 지표에 비해 우수한 예측 정확도를 제공합니다.

본 연구는 이 도구가 고위험 코호트를 식별하여 개인 맞춤형 치료 전략(예: 낮은 BMI에 대한 영양 지원, 빈혈 관리, 새로운 심부전에 대한 밀착 모니터링)의 조기 시행을 가능하게 한다고 상정합니다. 저자들은 모델이 일상적으로 사용 가능한 지표에 의존한다는 점을 강조하며, 이는 임상 적용 가능성이 매우 높음을 의미합니다. 또한 단일 센터의 회고적 설계 및 1년 이상의 장기 추적 관찰 부재라는 한계를 인정하며, 모델의 일반화 가능성을 검증하기 위해 향후 다기관 전향적 연구가 필요하다고 명시하였습니다. 그럼에도 불구하고, 저자들은 현재의 모델이 이 취약한 환자 집단을 위한 정밀한 주술기 관리 및 개별화된 임상 중재을 향한 중요한 진전이라고 결론지었습니다.