Establishment of a hyperkalemia assessment model for critically ill patients
-
摘要:目的
探讨重症监护室（ICU）住院患者高钾血症发生的影响因素，并建立风险评估模型。
方法回顾性收集2019年10月至2020年12月郑州大学第一附属医院ICU收治的4 963例住院患者的临床资料，根据血清钾水平分为正常血钾组（n=4 535，血钾3.5~5.5 mmol/L）和高钾血症组（n=428，血钾>5.5 mmol/L），再按7∶3将患者随机分为模型训练集（n=3 474）和模型验证集（n=1 489）。通过logistic回归分析创建预测高钾血症发生的风险评估模型，绘制ROC曲线，评估模型价值，并在验证集中进行验证。
结果多因素logistic回归分析显示，男性、ICU住院≥5 d、估算肾小球滤过率（eGFR） < 90 mL·min﹣1·（1.73 m2）﹣1、APACHEⅡ评分>12分、糖尿病、急性呼吸窘迫综合征（ARDS）、肝硬化、感染性休克、多器官功能障碍综合征（MODS）为重症患者发生高钾血症的独立相关因素。风险评估模型在训练集中的ROC曲线下面积（AUC）为0.777，评分为5分时的灵敏度为76.4%、特异度为66.6%；模型在验证集中的AUC为0.777，灵敏度80.5%、特异度67.8%。
结论该风险评估模型有助于评估ICU重症患者高钾血症发生与否，可指导临床进行早期预防与干预。
Abstract:ObjectiveTo explore risk factors of hyperkalemia among patients in intensive care unit (ICU) and to establish a risk assessment model for evaluating hyperkalemia.
MethodsThe clinical data of 4 963 hospitalized patients admitted to ICU in the First Affiliated Hospital of Zhengzhou University from October 2019 to December 2020 were retrospectively collected. According to serum potassium level, patients were divided into a normal serum potassium of 3.5-5.5 mmol/L group (n=4 535) and a hyperkalemia group (n=428) with serum potassium level above 5.5 mmol/L. All Patients were then randomly divided into a training set (n=3 474) and a validation set (n=1 489) in a 7:3 ratio. Logistic regression analysis was used to construct a risk assessment model to evaluate the occurrence of hyperkalemia in ICU patients. ROC curve was used to evaluate the value of the model, and the model was validated in the validation set.
ResultsMultivariate logistic analysis showed that male, ICU length of stay ≥ 5 days, estimated glomerular filtration rate (eGFR) < 90 mL·min-1·(1.73 m2)-1, APACHE Ⅱ score>12, diabetes, acute respiratory distress syndrome (ARDS), cirrhosis, septic shock, multiple organ dysfunction syndrome (MODS) were independent related factors for hyperkalemia in severe patients. The area under the ROC curve (AUC) of this assessment model in the training set was 0.777, the cut-off value was 5, with 76.4% of the sensitivity and 66.6% of specificity; the validation set suggests that the model has the AUC of 0.777, with 80.5% of sensitivity, and 67.8% of specificity.
ConclusionsThis risk assessment model is helpful to assess occurrence of hyperkalemia in ICU patients, which offers an alternative approach for the prevention and intervention of hyperkalemia.
-
Keywords:
- hyperkalemia /
- critical illness /
- risk factor /
- assessment model
-
高钾血症是一种临床常见的电解质紊乱疾病。高钾血症常见危险因素为慢性肾脏病（chronic kidney disease，CKD）、糖尿病、应用肾素-血管紧张素-醛固酮系统抑制剂等。高钾血症在普通住院患者中发生率为6.79%~7.30%[1]，在CKD患者中为22.79%[2]，在心脏重症监护室（CCU）患者中发生率为12.3%[3]。
现有高钾血症风险评估模型主要针对CKD患者和其他普通住院患者[4-6]，而重症患者相关模型较少。重症患者病情复杂、死亡率高，而严重高钾血症可导致症状性心动过缓、室性心动过速、心脏骤停等危及生命的恶性心律失常及心脏事件，提高重症患者死亡率[7]。已有研究[8]证实，高钾血症是ICU患者死亡的独立危险因素。因此，对ICU患者高钾血症的早期防治非常重要。本研究回顾性分析ICU患者发生高钾血症的相关危险因素，并为该类患者发生高钾血症与否提供风险评估模型。
1. 资料与方法
1.1 研究对象
回顾性收集2019年10月1日至2020年12月31日在郑州大学第一附属医院ICU诊治的4 963例患者的临床资料。纳入标准：（1）年龄≥18岁；（2）血清钾浓度≥3.5 mmol/L。根据血清钾水平分为正常血钾组（n＝4 535，血钾3.5~5.5 mmol/L）和高钾血症组（n＝428，血钾＞5.5 mmol/L）。本研究符合《赫尔辛基宣言》准则，通过郑州大学第一附属医院伦理委员会批准（2021-KY-0861-002）。
1.2 观察指标
从医院信息系统导出ICU患者住院期间临床资料，包括年龄、性别、血清钾水平、血清肌酐水平、主要诊断、住院时间等。血清钾取ICU住院期间最高值。估算肾小球滤过率（eGFR）通过美国慢性肾脏病流行病合作组（CKD-EPI）公式计算获得[9]。
1.3 统计学处理
采用SPSS 21.0统计软件进行处理，符合正态分布的计量资料以x±s表示，组间比较采用独立样本t检验；非正态分布的计量资料以M（P25, P75）表示，组间比较采用Mann-Whitney U检验；计数资料以n(%)表示，组间比较采用χ2检验。
将入组患者按照7∶3随机分为模型训练集（n＝3 474）和模型验证集（n＝1 489）。在训练集中采用单因素logistic回归分析筛选发生高钾血症的相关因素，再将差异有统计学意义的变量纳入多因素logistic回归分析，采用逐步向后消除法筛选ICU患者发生高钾血症的独立相关因素。
将训练集中多因素logistic回归中各变量的OR值转换为风险模型赋分，构建风险评估模型。以血清钾＞5.5 mmol/L为高钾血症诊断金标准，构建ROC曲线，计算曲线下面积（AUC），并计算约登指数最大时的截断值及对应的灵敏度和特异度。将风险评估模型代入模型验证集中验证模型的评估效果。采用校准曲线，通过Hosmer-Lemeshow拟合优度检验来评价评估模型的校准能力。检验水准（α）为0.05。
2. 结果
2.1 高钾血症组与正常血钾组临床特征比较
结果（表 1）显示：与正常血钾组患者相比，高钾血症组eGFR更低、ICU住院时间更长、APACHEⅡ评分更低（P＜0.001），呼吸衰竭、急性呼吸窘迫综合征（ARDS）、肝硬化、糖尿病、颅脑损伤等比例更高（P＜0.05），全身性疾病更多（P＜0.05）。
表 1 两组临床特征比较指标 正常血钾组(n＝4 535) 高钾血症组(n＝428) 统计值 P值 性别 5.386 0.020 男 2 859(63.0) 294(68.7) 女 1 676(37.0) 134(31.3) 年龄/ 岁 58(47, 70) 59(48, 70) ﹣0.694 0.487 年龄≥58岁 2 223(49.0) 219(51.2) 0.723 0.395 eGFR＜90 mL•min﹣1•(1.73 m2)﹣1 1 957(42.3) 394(82.7) 245.946 ＜0.001 ICU住院天数 5(2, 9) 7(3, 14) ﹣5.124 ＜0.001 ICU住院天数≥5 d 2 274(50.1) 261(61.0) 18.384 ＜0.001 APACHE Ⅱ评分＞12分 2 109(46.5) 316(73.8) 116.880 ＜0.001 合并症n(%) 循环系统 心力衰竭 66(1.5) 11(2.6) 3.182 0.074 高血压 194(4.3) 13(3.0) 1.506 0.220 动脉栓塞、闭塞 21(0.5) 2(0.5) ＜0.001 1 静脉血栓形成 31(0.7) 3(0.7) ＜0.001 1 急性心肌梗死 54(1.2) 9(2.1) 2.596 0.107 主动脉夹层 62(1.4) 6(1.4) 0.003 0.953 呼吸系统 呼吸衰竭 450(9.9) 57(13.3) 4.914 0.027 ARDS 25(0.6) 15(3.5) 39.056 ＜0.001 肺栓塞 68(1.5) 5(1.2) 0.296 0.586 慢性阻塞性肺疾病 69(1.5) 3(0.7) 1.842 0.175 肺部感染（除肺结核） 1 255(27.7) 121(28.3) 0.070 0.792 消化系统 消化道出血 163(3.6) 14(3.3) 0.119 0.730 肝衰竭 51(1.1) 8(1.9) 1.846 0.174 肝硬化 76(1.7) 15(3.5) 7.267 0.007 消化道穿孔 55(1.2) 7(1.6) 0.567 0.452 肠梗阻 40(0.9) 4(0.9) ＜0.001 1 胰腺炎 101(2.2) 11(2.6) 0.209 0.648 泌尿系统 肾炎综合征 12(0.3) 1(0.2) ＜0.001 1 肾病综合征 12(0.3) 1(0.2) ＜0.001 1 肾脏其他疾病（肾肿瘤、肾积水等） 28(0.6) 28(0.9) 0.219 0.640 内分泌系统 糖尿病 105(2.3) 24(5.6) 16.743 ＜0.001 神经系统 脑血管意外（脑出血、脑梗死） 506(11.2) 45(10.5) 0.164 0.685 颅脑损伤 285(6.3) 13(3.0) 7.306 0.007 颅内其他疾病（颅内感染、肿瘤等） 112(2.5) 4(0.9) 4.037 0.045 全身性疾病 脓毒症 387(8.5) 67(15.7) 23.859 ＜0.001 感染性休克 272(6.0) 71(16.6) 68.187 ＜0.001 失血性休克 86(1.9) 5(1.2) 1.152 0.283 其他休克（除感染性休克、失血性休克） 58(1.3) 11(2.6) 4.756 0.029 MODS 87(1.9) 46(10.7) 116.900 ＜0.001 系统性红斑狼疮 36(0.8) 1(0.2) 0.998 0.320 血管炎 18(0.4) 1(0.2) 0.013 0.910 中毒（药物、毒物、农药等） 67(1.5) 3(0.7) 1.696 0.193 其他 蜂蜇伤 4(0.1) 0 ＜0.001 1 恶性肿瘤 317(7.0) 24(5.6) 1.168 0.280 多发伤（除颅脑损伤） 266(5.9) 12(2.8) 6.933 0.008 外伤（除多发伤、颅脑损伤） 180(4.0) 5(1.2) 8.550 0.003 出血（除消化道出血） 19(0.4) 0 0.869 0.351 eGFR：估算肾小球滤过率; ARDS：急性呼吸窘迫综合征; MODS：多器官功能障碍综合征。 2.2 logistic回归分析
结果（表 2）显示：男性、ICU住院天数≥5 d、eGFR＜90 mL·min﹣1·(1.73 m2)﹣1、APACHEⅡ评分＞12分、多个合并症为高钾血症的影响因素。以上因素不存在共线性，纳入多因素logistic回归分析，结果显示男性、ICU住院≥5 d、eGFR＜90 mL·min﹣1·(1.73 m2)﹣1、APACHEⅡ评分＞12分、糖尿病、ARDS、肝硬化、感染性休克、MODS为重症患者发生高钾血症的独立相关因素（P＜0.05）。
表 2 重症患者发生高钾血症的单因素及多因素logistic回归分析变量 单因素分析 多因素分析 OR(95%CI) P值 OR(95%CI) P值 男性 1.572(1.209~2.043) 0.001 1.521(1.152~2.008) 0.003 年龄≥58岁 1.160(0.917~1.468) 0.215 ICU住院天数≥5 d 1.679(1.318~2.139) ＜0.001 1.568(1.211~2.031) 0.001 eGFR＜90 mL•min﹣1•(1.73 m2)﹣1 6.093(4.494~8.261) ＜0.001 4.297(3.127~5.903) ＜0.001 APACHE Ⅱ评分＞12分 3.398(2.603~4.436) ＜0.001 2.405(1.814~3.187) ＜0.001 合并症 循环系统 心力衰竭 1.870(0.873~4.004) 0.107 高血压 0.678(0.342~1.345) 0.266 动脉栓塞、闭塞 1.602(0.360~7.134) 0.536 静脉血栓形成 0.903(0.212~3.848) 0.890 急性心肌梗死 1.708(0.761~3.830) 0.194 主动脉夹层 0.740(0.228~2.400) 0.616 呼吸系统 呼吸衰竭 1.402(0.985~1.995) 0.060 ARDS 6.937(3.219~14.949) ＜0.001 3.740(1.620~8.637) 0.002 肺栓塞 1.019(0.404~2.572) 0.968 慢性阻塞性肺疾病 0.674(0.209~2.181) 0.511 肺部感染（除肺结核） 1.048(0.807~1.361) 0.727 消化系统 消化道出血 0.807(0.405~1.608) 0.543 肝衰竭 1.272(0.499~3.242) 0.615 肝硬化 1.972(1.025~3.796) 0.042 2.775(1.323~5.821) 0.007 消化道穿孔 1.797(0.750~4.307) 0.189 肠梗阻 0.974(0.296~3.199) 0.965 胰腺炎 1.040(0.474~2.282) 0.922 泌尿系统 肾炎综合征 1.300(0.162~10.427) 0.805 肾病综合征 1.734(0.208~14.451) 0.611 肾脏其他疾病（肾肿瘤、肾积水等） 2.203(0.745~6.518) 0.153 内分泌系统 糖尿病 2.165(1.249~3.756) 0.006 2.675(1.475~4.852) 0.001 神经系统 脑血管意外（脑出血、脑梗死） 1.125(0.787~1.607) 0.519 颅脑损伤 0.379(0.176~0.813) 0.013 颅内其他疾病（颅内感染、肿瘤等） 0.453(0.142~1.448) 0.182 其他 脓毒血症 1.779(1.267~2.497) 0.001 感染性休克 2.816(1.991~3.982) ＜0.001 1.800(1.135~2.853) 0.012 失血性休克 0.367(0.089~1.511) 0.165 其他休克（除感染性休克、失血性休克） 2.440(1.171~5.087) 0.017 MODS 5.051(3.227~7.904) ＜0.001 2.920(1.816~4.694) ＜0.001 系统性红斑狼疮 0.431(0.058~3.197) 0.410 血管炎 — 0.999 中毒（药物、毒物、农药等） — 0.997 蜂蜇伤 — 0.999 恶性肿瘤 0.783(0.478~1.284) 0.332 多发伤（除颅脑损伤） 0.461(0.225~0.945) 0.035 其他外伤（除多发伤、颅脑损伤） 0.313(0.115~0.853) 0.023 消化道外出血 — 0.999 eGFR：估算肾小球滤过率；ARDS：急性呼吸窘迫综合征；MODS：多器官功能障碍综合征；OR：比值比。 2.3 风险评估模型的构建与验证
2.3.1 风险评估模型的构建
在训练集中，将多因素logistic回归分析中独立相关因素的OR值取整转化为风险模型的赋分值（表 3），构建ICU患者高钾血症风险评估模型。在训练集中绘制ROC曲线（图 1A），模型AUC为0.777（95%CI 0.753~0.801），最大约登指数为0.430，对应的截断值为5分，灵敏度为76.4%、特异度为66.6%。
表 3 重症患者高钾血症风险评估模型的赋分因素 赋分 男性 1 ICU住院天数≥5 d 1 eGFR＜90 mL•min﹣1•(1.73 m2)﹣1 4 APACHE Ⅱ评分＞12分 2 糖尿病 2 ARDS 3 肝硬化 2 感染性休克 1 MODS 2 eGFR：估算肾小球滤过率；ARDS：急性呼吸窘迫综合征；MODS：多器官功能障碍综合征。 2.3.2 风险评估模型的验证
在验证集中，采用上述风险评估模型进行评分，并绘制ROC曲线（图 1B），显示其AUC为0.777（0.739~0.815），截断值为5分，灵敏度80.5%、特异度67.8%。
2.3.3 风险评估模型的校准度
通过Hosmer-Lemeshow拟合优度检验评估模型的校准能力，结果（图 2）显示：模型预测值与实际观测值间差异无统计学意义（χ2＝14.192，P＝0.077）。
3. 讨论
高钾血症患者通常无明显临床症状，部分伴心脏、神经肌肉症状，影响患者结局[10-11]。ICU患者病情复杂，高钾血症不易被发现。已有研究[10, 12]发现，性别、糖尿病、肾衰竭等为高钾血症常见危险因素，但其研究对象为普通患者人群。Sharma等[4]通过435 512例CKD患者建立了高钾血症预测模型，用以预测CKD患者1年内高钾血症的发生风险。Bandak等[6]基于普通患者人群建立了模型以预测其1年内高钾血症的发生风险。但上述2个模型均基于非重症ICU住院患者，且预测期为1年，可能不适用于病情复杂、多变的重症ICU患者。
本研究通过对4 963例重症患者的临床资料进行回顾性分析，发现ICU患者高钾血症发生率为8.6%。男性、ICU住院天数≥5 d、eGFR＜90 mL·min﹣1·(1.73 m2)﹣1、APACHEⅡ评分＞12分、糖尿病、ARDS、肝硬化、感染性休克、MODS为重症患者发生高钾血症的独立相关因素。训练集中，风险评估模型的AUC为0.777，在验证集中为0.777，表明该模型准确性较好；验证集中，模型灵敏度为80.5%、特异度为67.8%，与训练集相似，说明该模型稳定性较好。
本研究存在局限性：（1）ICU诊治过程中对急性肾损伤和慢性肾衰竭诊断欠明确，因此剔除了肾衰竭相关诊断患者，将eGFR＜90 mL·min﹣1·(1.73 m2)﹣1作为筛选变量；（2）基于患者住院主要诊断来分析高钾血症风险，而未纳入药物及其他治疗；（3）由于重症患者高钾血症难预测且隐匿，本研究以灵敏度来选择截断值，导致假阳性较高。
综上所述，本研究通过对重症患者住院主要诊断与高钾血症的相关性进行探讨，发现多个独立相关因素，基于这些因素建立的风险评估模型对临床医生及时发现和治疗重症患者高钾血症有一定指导意义，有助于优化高钾血症管理。
利益冲突： 所有作者声明不存在利益冲突。 -
表 1 两组临床特征比较
指标 正常血钾组(n＝4 535) 高钾血症组(n＝428) 统计值 P值 性别 5.386 0.020 男 2 859(63.0) 294(68.7) 女 1 676(37.0) 134(31.3) 年龄/ 岁 58(47, 70) 59(48, 70) ﹣0.694 0.487 年龄≥58岁 2 223(49.0) 219(51.2) 0.723 0.395 eGFR＜90 mL•min﹣1•(1.73 m2)﹣1 1 957(42.3) 394(82.7) 245.946 ＜0.001 ICU住院天数 5(2, 9) 7(3, 14) ﹣5.124 ＜0.001 ICU住院天数≥5 d 2 274(50.1) 261(61.0) 18.384 ＜0.001 APACHE Ⅱ评分＞12分 2 109(46.5) 316(73.8) 116.880 ＜0.001 合并症n(%) 循环系统 心力衰竭 66(1.5) 11(2.6) 3.182 0.074 高血压 194(4.3) 13(3.0) 1.506 0.220 动脉栓塞、闭塞 21(0.5) 2(0.5) ＜0.001 1 静脉血栓形成 31(0.7) 3(0.7) ＜0.001 1 急性心肌梗死 54(1.2) 9(2.1) 2.596 0.107 主动脉夹层 62(1.4) 6(1.4) 0.003 0.953 呼吸系统 呼吸衰竭 450(9.9) 57(13.3) 4.914 0.027 ARDS 25(0.6) 15(3.5) 39.056 ＜0.001 肺栓塞 68(1.5) 5(1.2) 0.296 0.586 慢性阻塞性肺疾病 69(1.5) 3(0.7) 1.842 0.175 肺部感染（除肺结核） 1 255(27.7) 121(28.3) 0.070 0.792 消化系统 消化道出血 163(3.6) 14(3.3) 0.119 0.730 肝衰竭 51(1.1) 8(1.9) 1.846 0.174 肝硬化 76(1.7) 15(3.5) 7.267 0.007 消化道穿孔 55(1.2) 7(1.6) 0.567 0.452 肠梗阻 40(0.9) 4(0.9) ＜0.001 1 胰腺炎 101(2.2) 11(2.6) 0.209 0.648 泌尿系统 肾炎综合征 12(0.3) 1(0.2) ＜0.001 1 肾病综合征 12(0.3) 1(0.2) ＜0.001 1 肾脏其他疾病（肾肿瘤、肾积水等） 28(0.6) 28(0.9) 0.219 0.640 内分泌系统 糖尿病 105(2.3) 24(5.6) 16.743 ＜0.001 神经系统 脑血管意外（脑出血、脑梗死） 506(11.2) 45(10.5) 0.164 0.685 颅脑损伤 285(6.3) 13(3.0) 7.306 0.007 颅内其他疾病（颅内感染、肿瘤等） 112(2.5) 4(0.9) 4.037 0.045 全身性疾病 脓毒症 387(8.5) 67(15.7) 23.859 ＜0.001 感染性休克 272(6.0) 71(16.6) 68.187 ＜0.001 失血性休克 86(1.9) 5(1.2) 1.152 0.283 其他休克（除感染性休克、失血性休克） 58(1.3) 11(2.6) 4.756 0.029 MODS 87(1.9) 46(10.7) 116.900 ＜0.001 系统性红斑狼疮 36(0.8) 1(0.2) 0.998 0.320 血管炎 18(0.4) 1(0.2) 0.013 0.910 中毒（药物、毒物、农药等） 67(1.5) 3(0.7) 1.696 0.193 其他 蜂蜇伤 4(0.1) 0 ＜0.001 1 恶性肿瘤 317(7.0) 24(5.6) 1.168 0.280 多发伤（除颅脑损伤） 266(5.9) 12(2.8) 6.933 0.008 外伤（除多发伤、颅脑损伤） 180(4.0) 5(1.2) 8.550 0.003 出血（除消化道出血） 19(0.4) 0 0.869 0.351 eGFR：估算肾小球滤过率; ARDS：急性呼吸窘迫综合征; MODS：多器官功能障碍综合征。 
下载: 导出CSV
表 2 重症患者发生高钾血症的单因素及多因素logistic回归分析
变量 单因素分析 多因素分析 OR(95%CI) P值 OR(95%CI) P值 男性 1.572(1.209~2.043) 0.001 1.521(1.152~2.008) 0.003 年龄≥58岁 1.160(0.917~1.468) 0.215 ICU住院天数≥5 d 1.679(1.318~2.139) ＜0.001 1.568(1.211~2.031) 0.001 eGFR＜90 mL•min﹣1•(1.73 m2)﹣1 6.093(4.494~8.261) ＜0.001 4.297(3.127~5.903) ＜0.001 APACHE Ⅱ评分＞12分 3.398(2.603~4.436) ＜0.001 2.405(1.814~3.187) ＜0.001 合并症 循环系统 心力衰竭 1.870(0.873~4.004) 0.107 高血压 0.678(0.342~1.345) 0.266 动脉栓塞、闭塞 1.602(0.360~7.134) 0.536 静脉血栓形成 0.903(0.212~3.848) 0.890 急性心肌梗死 1.708(0.761~3.830) 0.194 主动脉夹层 0.740(0.228~2.400) 0.616 呼吸系统 呼吸衰竭 1.402(0.985~1.995) 0.060 ARDS 6.937(3.219~14.949) ＜0.001 3.740(1.620~8.637) 0.002 肺栓塞 1.019(0.404~2.572) 0.968 慢性阻塞性肺疾病 0.674(0.209~2.181) 0.511 肺部感染（除肺结核） 1.048(0.807~1.361) 0.727 消化系统 消化道出血 0.807(0.405~1.608) 0.543 肝衰竭 1.272(0.499~3.242) 0.615 肝硬化 1.972(1.025~3.796) 0.042 2.775(1.323~5.821) 0.007 消化道穿孔 1.797(0.750~4.307) 0.189 肠梗阻 0.974(0.296~3.199) 0.965 胰腺炎 1.040(0.474~2.282) 0.922 泌尿系统 肾炎综合征 1.300(0.162~10.427) 0.805 肾病综合征 1.734(0.208~14.451) 0.611 肾脏其他疾病（肾肿瘤、肾积水等） 2.203(0.745~6.518) 0.153 内分泌系统 糖尿病 2.165(1.249~3.756) 0.006 2.675(1.475~4.852) 0.001 神经系统 脑血管意外（脑出血、脑梗死） 1.125(0.787~1.607) 0.519 颅脑损伤 0.379(0.176~0.813) 0.013 颅内其他疾病（颅内感染、肿瘤等） 0.453(0.142~1.448) 0.182 其他 脓毒血症 1.779(1.267~2.497) 0.001 感染性休克 2.816(1.991~3.982) ＜0.001 1.800(1.135~2.853) 0.012 失血性休克 0.367(0.089~1.511) 0.165 其他休克（除感染性休克、失血性休克） 2.440(1.171~5.087) 0.017 MODS 5.051(3.227~7.904) ＜0.001 2.920(1.816~4.694) ＜0.001 系统性红斑狼疮 0.431(0.058~3.197) 0.410 血管炎 — 0.999 中毒（药物、毒物、农药等） — 0.997 蜂蜇伤 — 0.999 恶性肿瘤 0.783(0.478~1.284) 0.332 多发伤（除颅脑损伤） 0.461(0.225~0.945) 0.035 其他外伤（除多发伤、颅脑损伤） 0.313(0.115~0.853) 0.023 消化道外出血 — 0.999 eGFR：估算肾小球滤过率；ARDS：急性呼吸窘迫综合征；MODS：多器官功能障碍综合征；OR：比值比。
下载: 导出CSV
表 3 重症患者高钾血症风险评估模型的赋分
因素 赋分 男性 1 ICU住院天数≥5 d 1 eGFR＜90 mL•min﹣1•(1.73 m2)﹣1 4 APACHE Ⅱ评分＞12分 2 糖尿病 2 ARDS 3 肝硬化 2 感染性休克 1 MODS 2 eGFR：估算肾小球滤过率；ARDS：急性呼吸窘迫综合征；MODS：多器官功能障碍综合征。
下载: 导出CSV
-
[1] ELIACIK E, YILDIRIM T, SAHIN U, et al. Potassium abnormalities in current clinical practice: frequency, causes, severity and management[J]. Med Princ Pract, 2015, 24(3): 271-275. DOI: 10.1159/000376580
[2] KASHIHARA N, KOHSAKA S, KANDA E, et al. Hyperkalemia in real-world patients under continuous medical care in Japan[J]. Kidney Int Rep, 2019, 4(9): 1248-1260. DOI: 10.1016/j.ekir.2019.05.018
[3] BRUESKE B, SIDHU M S, SCHULMAN-MARCUS J, et al. Hyperkalemia is associated with increased mortality among unselected cardiac intensive care unit patients[J]. J Am Heart Assoc, 2019, 8(7): e011814. DOI: 10.1161/JAHA.118.011814
[4] SHARMA A, ALVAREZ P J, WOODS S D, et al. A model to predict risk of hyperkalemia in patients with chronic kidney disease using a large administrative claims database[J]. Clinicoecon Outcomes Res, 2020, 12: 657-667. DOI: 10.2147/CEOR.S267063
[5] 梅长林, 陈晓农, 郝传明, 等. 慢性肾脏病高钾血症风险评估模型的建立[J]. 中华医学杂志, 2020, 100(44): 3490-3494. MEI C L, CHEN X N, HAO C M, et al. Development of a hyperkalemia risk assessment model for patients with chronic kidney disease[J]. Natl Med J China, 2020, 100(44): 3490-3494.
[6] BANDAK G, SANG Y Y, GASPARINI A, et al. Hyperkalemia after initiating renin-angiotensin system blockade: the Stockholm creatinine measurements (SCREAM) project[J]. J Am Heart Assoc, 2017, 6(7): e005428. DOI: 10.1161/JAHA.116.005428
[7] DURFEY N, LEHNHOF B, BERGESON A, et al. Severe hyperkalemia: can the electrocardiogram risk stratify for short-term adverse events?[J]. West J Emerg Med, 2017, 18(5): 963-971. DOI: 10.5811/westjem.2017.6.33033
[8] HESSELS L, HOEKSTRA M, MIJZEN L J, et al. The relationship between serum potassium, potassium variability and in-hospital mortality in critically ill patients and a before-after analysis on the impact of computer-assisted potassium control[J]. Crit Care, 2015, 19(1): 4. DOI: 10.1186/s13054-014-0720-9
[9] LEVEY A S, STEVENS L A, SCHMID C H, et al. A new equation to estimate glomerular filtration rate[J]. Ann Intern Med, 2009, 150(9): 604-612. DOI: 10.7326/0003-4819-150-9-200905050-00006
[10] 中华医学会肾脏病学分会专家组. 中国慢性肾脏病患者血钾管理实践专家共识[J]. 中华肾脏病杂志, 2020, 36(10): 781-792. DOI: 10.3760/cma.j.cn441217-20200721-00139 Expert Group of Chinese Society of Nephrology. Expert consensus on the management of serum potassium in chronic kidney disease patients in China[J]. Chin J Nephrol, 2020, 36(10): 781-792. DOI: 10.3760/cma.j.cn441217-20200721-00139
[11] 程茗慧, 裘淼涵, 齐艳萍, 等. ST段抬高型心肌梗死患者围术期血钾浓度对急诊经皮冠状动脉介入术后1年全因死亡影响[J]. 临床军医杂志, 2021, 49(11): 1193-1196. CHENG M H, QIU M H, QI Y P, et al. Perioperative potassium concentration in patients with ST-segment elevation myocardial infarction in emergency department all-cause mortality effect 1 year after percutaneous coronary intervention[J]. Clin J Med Off, 2021, 49(11): 1193-1196.
[12] HUNTER R W, BAILEY M A. Hyperkalemia: pathophysiology, risk factors and consequences[J]. Nephrol Dial Transplant, 2019, 34(Suppl 3): ⅲ2-ⅲ11.
计量
- 文章访问数: 635
- HTML全文浏览量: 6
- PDF下载量: 157
