Blood Urea Nitrogen and Atrial Fibrillation Identify Geriatric Peri-Hospitalization Cardiovascular and Cerebrovascular Vulnerability After Hip Arthroplasty

技术摘要：血尿氮与心房颤动识别髋关节置换术后老年患者围住院期心血管及脑血管脆弱性

问题陈述

接受髋关节置换术的老年患者面临显著的住院期间重大不良心血管和脑血管事件（MACCE）风险，这些事件会导致住院时间延长、功能恢复延迟以及死亡率增加。目前的围术期风险评估工具，如修订版心脏风险指数（RCRI）、ASA 分级和诺丁汉髋部骨折评分（Nottingham Hip Fracture Score），大多是针对广泛的非心脏手术人群开发的，或侧重于全因死亡率而非特定的住院期间 MACCE。这些传统工具在老年髋部手术的具体背景下往往缺乏验证，且未能纳入易于获取的常规实验室指标——例如血尿氮（BUN）——而这些指标可能作为生理储备和肾脏-心血管应激的敏感代理指标。因此，在识别能够整合常规临床和实验室变量的、针对老年人住院期间 MACCE 的特定且具解释性的风险表型方面存在空白。

方法学

本回顾性队列研究利用了来自 Beth Israel Deaconess Medical Center 的去标识化电子健康记录数据集 MIMIC-IV 版本 3.1。

• 队列： 研究纳入了 1,253 名 65 岁及以上接受髋关节置换术（包括全髋、部分/半髋或翻修/间隔器相关手术）的患者。
• 结局指标：
  • 主要终点： 广义定义的住院期间 MACCE，定义为急性心肌梗死、缺血性/出血性卒中、心跳骤停、心源性休克、急性心力衰竭或住院期间死亡的复合终点。
  • 敏感性分析： 使用了“严格” MACCE 终点（排除了心源性休克和急性心力衰竭）以测试终点特异性。
• 预测因子： 分析纳入了人口统计学数据、入院急迫程度（紧急/急诊 vs. 择期）、合并症（冠状动脉疾病、心房颤动、糖尿病、慢性肾脏病）以及从入院到手术日期的常规住院实验室变量（血红蛋白、肌酐、BUN、葡萄糖等）。
• 统计方法：
  • 使用多变量逻辑回归来识别独立风险因素。
  • 构建了一个由五个变量组成的精简“临床核心模型”，变量包括：年龄、紧急/急诊入院、冠状动脉疾病、心房颤动和入院峰值 BUN。
  • 使用重复分层 5 折交叉验证评估模型性能，评估指标包括区分度（AUC、AUPRC）、校准度和 Brier 分数。
  • 敏感性分析包括严格的终点定义和保守的术前实验室观察窗口（排除手术当日的数值）。
  • 根据髋部骨折诊断和入院急迫程度进行了亚组分析。
  • 生成了图形化列线图以实现风险贡献的可视化。

核心贡献

1. 识别肾脏-心血管脆弱性特征谱： 研究识别了一种独特的风险表型，其特征是高 BUN 与心房颤动的汇聚，表明在老年髋部手术患者中，肾脏-代谢应激与心律不稳定性之间存在协同效应。
2. 开发精简的临床核心模型： 作者提出了一个五变量模型（年龄、紧急/急诊入院、冠状动脉疾病、心房颤动和 BUN），该模型在不需要复杂计算或不可用数据的情况下，捕捉了住院期间 MACCE 的大部分风险分层信号。
3. 整合常规生物标志物： 研究表明，BUN 作为一种标准且廉价的实验室检测，是稳健的 MACCE 预测因子，其表现可能优于或补充了往往忽视肾脏-代谢应激指标的传统风险评分。
4. 视觉风险总结： 创建了一个列线图，将统计模型转化为直观的基于评分的视觉工具，用于床旁参考，展示了与 BUN 分层相关的风险递增以及核心风险因素的累积情况。

结果

• 发生率： 广义 MACCE 发生于 81 例（6.46%），严格 MACCE 发生于 44 例（3.51%）。急性心力衰竭是广义终点中最常见的组成部分。
• 独立风险因素： 高龄、紧急/急诊入院、冠状动脉疾病、心房颤动和高水平 BUN 与广义 MACCE 独立相关。
• 主导信号： 在主要终点、严格终点和术前窗口分析中，BUN 和心房颤动显示出最一致的预测信号。
  • BUN： 高水平 BUN 与 MACCE 具有强相关性（每增加 10 mg/dL，OR 为 1.68）。风险随 BUN 水平阶梯式上升：BUN <20 mg/dL 时为 3.6%，BUN >30 mg/dL 时上升至 24.8%。
  • 心房颤动： 患有心房颤动的患者 MACCE 率显著更高（广义 MACCE 的 OR 为 2.88）。
• 风险梯度：
  • 具有五个核心风险因素中四个或以上的患者，其 MACCE 率为 31.4%，而 0–1 个因素的患者为 4.0%。
  • 临床核心模型的表现与全 12 变量模型及补充的树模型算法（随机森林、XGBoost）相当。
• 亚组一致性： 高 BUN 和心房颤动的预测价值在髋部骨折和非骨折亚组，以及紧急/急诊和择期入院背景下均保持一致。

意义与主张

本文声称提供了一个“老年患者围住院期脆弱性框架”，作为现有风险评分的补充。通过强调高 BUN 和心房颤动是主导信号，研究建议骨科老年医学团队可以实施分级入院分诊。具体而言，表现出这种双重风险表型（高 BUN + 心房颤动）的患者可能受益于：

• 早期心脏科会诊。
• 有针对性的容量优化。
• 持续的心律监测。
• 强化的术后心脏监护和每日容量监测。

作者强调，该五因素框架旨在作为既定指南（如 RCRI）的补充性辅助工具，而非替代品。它旨在通过利用普遍可用、低成本的变量，为那些可能被传统评分误判为低风险的急性生理应激患者提供更具骨科老年医学特异性的细分信息。

承认的局限性：
作者指出，本研究是一项单中心回顾性分析，实验室数据存在非随机缺失（选择偏倚）。数据集缺乏对衰弱程度、认知功能和营养状态的正式测量。此外，该模型尚未经过外部多中心验证，且严格 MACCE 事件计数相对较低。因此，列线图被视为一种直观的风险总结，而非经过验证的临床决策工具，在整合进临床指南之前需要进行前瞻性验证。