Risk factor analysis and predictive model construction and evaluation of fractional uric acid excretion in Chinese inpatients with Type 2 Diabetes

Resumo Técnico: Análise de Fatores de Risco e Construção de Modelo Preditivo para a Excreção Fracional de Ácido Úrico em Pacientes Chineses Hospitalizados com Diabetes Tipo 2

Definição do Problema
A excreção fracional de ácido úrico (FEUA) é cada vez mais reconhecida como um fator de risco crítico para nefropatia e um indicador preciso da excreção de ácido úrico (UAE). No entanto, a medição precisa da FEUA é clinicamente árdua, exigindo uma coleta de urina de 24 horas após um período rigoroso de lavagem de medicamentos de 2 semanas e uma dieta restrita em purinas de 5 dias. Esses requisitos limitam sua aplicação na prática clínica rotineira e dificultam pesquisas de larga escala utilizando bancos de dados públicos que frequentemente carecem de variáveis urinárias específicas. Além disso, não existe atualmente nenhum modelo para prever os níveis de FEUA com base em dados clínicos facilmente acessíveis. Este estudo aborda a necessidade de um método simples e confiável para estimar a FEula em pacientes com Diabetes Mellitus Tipo 2 (T2DM), uma população propensa à regulação anormal do metabolismo do ácido úrico e danos renais.

Metodologia
Este estudo retrospectivo, de centro único, foi conduzido no Hospital de Pessoas da Universidade de Pequim, envolvendo 2.301 pacientes hospitalizados com T2DM.

• Fonte de Dados: Os dados foram extraídos do Sistema de Informação Hospitalar (HIS) para pacientes admitidos entre 2017 e 2025.
• Divisão da Coorte:
  • Conjunto de Treinamento/Validação Interna (n=1.510): Pacientes admitidos entre 2018 e 2024.
  • Conjunto de Validação Externa (n=791): Pacientes admitidos em 2017 e 2025 (validação temporal) para testar a robustez em diferentes períodos de tempo.
• Inclusão/Exclusão: Foram excluídos pacientes com tumores malignos, doenças endócrinas ou renais específicas, gestantes ou que estivessem tomando medicamentos conhecidos por afetar o metabolismo do ácido úrico (ex: diuréticos, inibidores de SGLT2, ARBs, ACEIs, terapias de redução de ácido úrico). Valores extremos de creatinina sérica (SCr), glicose plasmática em jejum (FPG) ou ácido úrico sérico (SUA) também foram excluídos.
• Abordagem Estatística:
  • Seleção de Variáveis: A análise univariada identificou fatores significativos. Foi realizada uma regressão linear multivariada de retrocesso passo a passo (backward-stepwise).
  • Transformação: A FEUA, a $\beta_2$-microglobulina e a Razão Albumina-Creatinina Urinária (UACR) passaram por transformação logarítmica natural para corrigir a assimetria.
  • Correção de Viés: O Fator de Smearing de Duan foi aplicado para corrigir o viés de retransformação ao converter os valores previstos pelo log de volta para a escala original.
  • Validação: O modelo passou por validação interna (5-fold, 10-fold e validação cruzada leave-one-out) e validação temporal externa. O desempenho foi avaliado usando Erro Quadrático Médio (RMSE), Erro Absoluto Médio (MAE), correlação de Spearman, curvas ROC (Característica de Operação do Receptor), gráficos de calibração e Análise de Curva de Decisão (DCA).

Principais Contribuições e Construção do Modelo
O estudo desenvolveu com sucesso um modelo de regressão linear para prever a FEUA utilizando quatro variáveis demográficas e séricas rotineiramente disponíveis: Sexo, Ácido Úrico Sérico (SUA), Creatinina Sérica (SCr) e Glicose Plasmática em Jejum (FPG).

A fórmula preditiva final para o logaritmo natural da FEUA é:
$$\ln(\text{FEUA}) = 1,9408 + 0,1462 \times \text{Gênero} - 0,0031 \times \text{SUA} + 0,00112 \times \text{SCr} + 0,0068 \times \text{FPG}$$
(Onde Gênero é codificado como Masculino=1, Feminino=2; SUA em $\mu$mol/L; SCr em $\mu$mol/L; FPG em mmol/L)

A FEUA prevista é calculada como:
$$\text{FEUA Prevista} = \exp(\ln(\text{FEUA})) \times 1,0265$$
(1,0265 é o Fator de Smearing de Duan)

Resultados

• Validação Interna: O modelo demonstrou forte concordância entre a FEUA observada e a prevista.
  • Correlação: Coeficiente de correlação de Spearman de 0,7870 ($P < 0,001$).
  • Métricas de Erro: RMSE foi de 1,690%, e a diferença média entre os valores observados e previstos foi insignificante (-0,005%).
  • Precisão de Classificação: Para prever FEUA elevada ($\ge 11\%$), o modelo alcançou uma precisão geral de 94,70%. A Área Sob a Curva (AUC) foi de 0,9552 (95% CI: 0,9413–0,9691). Em um ponto de corte de 8,0257%, a sensibilidade foi de 95,41% e a especificidade de 82,73%.
  • Estabilidade: Os índices de validação cruzada (5-fold, 10-fold, LOO) permaneceram estáveis, com valores de RMSE variando entre 1,6898 e 1,7081. Análises de subgrupos (baseadas na função renal e no status glicêmico) mostraram desempenho consistente com valores de ROC > 0,949.
• Validação Externa: O modelo manteve um desempenho robusto no conjunto de dados temporal independente (2017 e 2025).
  • Correlação: Correlação de Spearman de 0,7451 ($P < 0,001$).
  • Classificação: A AUC para prever FEUA elevada foi de 0,8946 (95% CI: 0,8545–0,9347), com uma precisão geral de 94,18%.
  • Calibração: Curvas de calibração e curvas de decisão confirmaram a utilidade clínica do modelo e a concordância entre as probabilidades previstas e os resultados reais.

Significância e Alegações
Os autores afirmam que este estudo fornece o primeiro modelo preditivo eficaz e prático para FEUA em pacientes hospitalizados com T2DM usando apenas quatro índices clínicos comuns. A significância deste trabalho reside em:

1. Utilidade Clínica: Oferece uma alternativa não invasiva e conveniente aos protocolos complicados de coleta de urina de 24 horas e lavagem, auxiliando médicos na identificação de pacientes com FEUA elevada (um fator de risco para danos renais) e orientando medidas preventivas ou terapêuticas para hiperuricemia e doença renal diabética.
2. Expansão da Pesquisa: Ao permitir a estimativa da FEUA a partir de dados séricos padrão, o modelo facilita a utilização de grandes bancos de dados públicos que anteriormente careciam de variáveis urinárias, potencialmente expandindo o escopo da pesquisa sobre o metabolismo do ácido úrico e doença renal.
3. Visão Mecanística: O estudo reforça as relações entre a FEUA e seus preditores (por exemplo, a associação negativa com o SUA e a associação positiva com SCr e FPG), discutindo potenciais mecanismos fisiológicos, como a remoção de estresse oxidativo, regulação de transportadores renais e influências hormonais.

Os autores mantêm a modéstia em relação às limitações do estudo, reconhecendo sua natureza retrospectiva, de centro único e transversal, e observando que validações externas multicêntricas futuras são necessárias para confirmar a generalização para populações mais amplas.