배경 및 검토 질문
환자가 기대 수명을 유지 또는 연장하거나 삶의 질을 향상시키기 위해 수술을 받지만 수술에 위험이 없는 것은 아닙니다. 일부 환자는 심장 경색과 같은 심장 수술 이외의 수술 후 심장 관련 합병증이 발생합니다. 여러 도구는 수술 전 기간에 수집된 정보를 사용하여 수술 후 심장 합병증이 발생할 가능성을 예측하려고 합니다. RCRI(Revised Cardiac Risk Index)는 심장 수술 이외의 수술을 받는 환자에서 입원 중 심장 합병증이 발생할 가능성을 추정하는 도구입니다. 그것은 환자가 과거에 평생 동안 심장 경색, 심부전 및/또는 뇌졸중을 경험했는지 여부, 당뇨병 치료를 위해 인슐린을 사용했는지, 현재 신장(신장) 기능 및 /그녀는 고위험 또는 비고위험 수술을 받을 것입니다. RCRI는 일반적으로 의사가 사용하지만 예측이 항상 정확하지는 않습니다. 따라서 여러 연구자들이 이 도구에 추가 정보를 추가하여 이러한 예측을 개선하려고 시도했습니다. 이 정보는 예를 들어 혈액 측정, 영상 기술 또는 환자의 연령, 흡연 상태 또는 신체 상태와 같은 기타 특성인 소위 바이오마커에서 파생될 수 있습니다.
이 체계적인 검토의 목적은 RCRI에 이러한 바이오마커를 추가하는 것이 심장 수술 이외의 수술을 받는 환자에서 입원 중 심장 관련 합병증의 예측을 개선하는지 여부를 조사하는 것이었습니다. 또한, 우리는 바이오마커 및 기타 예측 도구가 심장 수술 이외의 수술을 받는 환자에서 RCRI의 예측과 비교하여 입원 중 심장 관련 합병증을 더 잘 예측하는지 여부를 조사했습니다.
주요 결과
우리는 이러한 심장 관련 합병증의 예측을 개선하기 위해 RCRI 도구에 추가된 69개의 서로 다른 예측 변수를 확인했습니다. 증거는 2020년 6월 25일까지입니다. 혈액에서 파생된 일부 바이오마커를 추가하면 예측이 개선되는 것으로 보입니다. 이들은 트로포닌(심장 근육 손상을 측정함), 뇌 나트륨 이뇨 펩타이드(BNP) 및 (NT-pro)뇌 나트륨 이뇨 펩타이드(NT-proBNP)(둘 다 심부전의 중증도를 측정함)입니다.
또한 예측을 RCRI와 비교하기 위해 연구된 60개의 바이오마커가 있었습니다. 이 검토에 포함된 다른 연구에서는 BNP와 NT-proBNP 단독으로 RCRI보다 심장 관련 합병증을 훨씬 더 잘 예측할 수 있다고 제안합니다. RCRI가 아닌 65개의 예측 도구가 예측을 개선하기 위해 노력했습니다. American College of Surgeons National Surgical Quality Improvement(ACS-NSQIP) 및 ACS-NSQIP-MICA(심근경색 또는 심정지) 수술 위험 점수 도구는 RCRI보다 더 나은 예측을 할 수 있지만 이는 특정 결과에 대해서만 사실이었으며 그렇지 않았습니다. 심장 관련 합병증의 경우. 그러나 이러한 모든 연구 질문에 대해 적용된 연구 방법의 큰 편차와 덜 정확한 연구 접근 방식의 징후로 인해 결과를 확신할 수 없습니다.
저자의 결론
트로포닌, BNP 및 NT-proBNP는 심장 관련 합병증을 예측하는 RCRI의 능력을 향상시킬 수 있습니다. ACS-NSQOP-MICA 및 ACS-NSQIP 수술 위험 점수 도구는 RCRI 도구보다 수술 후 합병증을 예측하는 데 더 나은 것으로 보이지만 심장 관련 합병증은 아닙니다. 그러나 연구 방법이 미흡하여 우리가 찾은 결과가 심장 수술 이외의 수술을받는 모든 환자에게 적용되는지 여부는 불확실합니다. 우리는 다른 환경에서 유망한 예측 성능을 가진 바이오마커에 대한 더 많은 더 나은 연구가 필요합니다.
이 검토에 포함된 연구에 따르면 MACE를 예측하는 RCRI의 예측 성능은 NT-proBNP, 트로포닌 또는 이들의 조합이 추가될 때 향상됩니다. 다른 연구에서는 BNP와 NT-proBNP를 분리하여 사용할 경우 RCRI보다 더 높은 판별 성능을 나타낼 수 있음을 나타냅니다. MACE를 예측하는 데 있어 RCRI의 예측 정확도와 다른 예측 모델 간의 차이에 대한 증거가 충분하지 않았습니다. 그러나 ACS-NSQIP-MICA 및 ACS-NSQIP-SRS는 각각 심근경색과 심정지를 모두 예측하고 모든 원인으로 인한 사망률을 예측하는 데 있어 RCRI를 능가했습니다. 그럼에도 불구하고 대부분의 논문에서 비뚤림 위험이 높기 때문에 결과를 결정적인 것으로 해석할 수 없으며 결과, 예측 범위, 바이오마커 및 연구 모집단의 이질성으로 인해 풀링이 불가능했습니다.
기존 예측 모델에 추가된 바이오마커의 예후적 가치에 대한 향후 연구는 다른 설정(예: 심근경색 진단)에서 예측 정확도가 좋은 바이오마커와 omics 데이터에서 바이오마커 식별에 중점을 두어야 합니다. NT-proBNP나 트로포닌 등 기존의 바이오마커에 비해 아직까지 근거가 불충분한 신규 바이오마커와 비교해야 한다. 예측 모델 연구(예: TRIPOD, PROBAST)에 대한 최신 지침을 준수하고 1차 연구에서 표준화된 결과 정의를 사용하여 향후 체계적인 검토 및 메타 분석을 용이하게 하는 것이 좋습니다.
RCRI(Revised Cardiac Risk Index)는 비심장 수술을 받는 환자에서 병원 내 주요 심장 부작용(MACE)이 발생할 확률을 수술 전 추정하기 위해 널리 알려진 예후 모델입니다. 그러나 RCRI가 항상 정확한 예측을 하는 것은 아니므로 RCRI에 바이오마커를 추가하거나 RCRI와 비교하여 이를 개선할 수 있는지에 대한 다양한 연구가 있습니다.
주요한: 비심장 수술을 받는 환자의 병원 내 MACE 및 기타 불리한 결과를 수술 전에 예측하기 위해 RCRI에 추가된 바이오마커의 예측 가치를 조사합니다.
중고등 학년: 비심장 수술을 받는 환자의 병원 내 MACE 및 기타 부작용을 수술 전 예측하기 위해 RCRI와 비교한 바이오마커의 예후 가치를 조사합니다.
제삼기: 비심장 수술을 받는 환자의 병원 내 MACE 및 기타 부작용을 수술 전 예측하기 위해 RCRI와 비교한 다른 예측 모델의 예후 가치를 조사합니다.
우리는 1999년 1월 1일(RCRI가 출판된 해)부터 2020년 6월 25일까지 MEDLINE과 Embase를 검색했습니다. 또한 ISI Web of Science와 SCOPUS에서 해당 기간의 원래 RCRI 개발 연구를 참조하는 기사를 검색했습니다.
우리는 RCRI의 (외부) 검증에 대해 보고한 비심장 수술을 받은 성인을 대상으로 한 연구를 포함했으며 다음과 같습니다.
- RCRI에 바이오마커(들) 추가 또는
- 바이오마커(들)의 예측 정확도와 RCRI의 비교; 또는
- 다른 모델과 RCRI의 예측 정확도 비교.
MACE 외에 다른 모든 불리한 결과가 포함되는 것으로 고려되었습니다.
CHARMS 체크리스트를 기반으로 데이터 추출 양식을 개발했습니다. 독립적인 쌍의 저자는 PROBAST에 따라 참고 문헌을 선별하고 데이터를 추출하고 편견의 위험과 적용 가능성에 대한 우려를 평가했습니다. 3개 이상의 다른 기사에서 RCRI에 추가되거나 비교된 바이오마커 및 예측 모델의 경우 연구 특성 및 결과를 더 자세히 설명했습니다. 예후 모델 검토에 사용할 수 있는 지침이 없기 때문에 GRADE를 적용하지 않았습니다.
우리는 3960개의 레코드를 선별했고 107개의 기사를 포함했습니다.
모든 목표에 대해 우리는 포함된 연구의 90%, 특히 분석 영역에서 1개 이상의 영역에서 비뚤림 위험을 높게 평가했습니다. 보고된 결과의 통계적 풀링 또는 메타 분석은 사용된 결과, 바이오마커가 RCRI에 추가/비교된 규모, 예측 범위 및 연구 모집단과 같은 다양한 측면의 이질성으로 인해 불가능했습니다.
RCRI에 바이오마커 예측값 추가
51건의 연구가 RCRI에 대한 바이오마커의 부가 가치에 대해 보고했습니다. 혈액(29%), 영상(33%) 또는 기타 출처(38%)에서 파생된 69개의 서로 다른 예측 변수가 확인되었습니다. NT-proBNP, 트로포닌 또는 이들의 조합을 추가하면 MACE 예측에 대한 RCRI(중앙값 델타 c-통계: NT-proBNP, 트로포닌 및 이들의 조합에 대해 각각 0.08, 0.14 및 0.12). RCRI에 troponin 및 NT-proBNP를 추가한 후 총 순 재분류 지수(NRI) 중앙값은 각각 0.16 및 0.74였습니다. 보정이 보고되지 않았습니다. 심근경색증을 예측하기 위해 NT-proBNP를 RCRI에 추가했을 때의 델타 c-통계 중앙값은 0.09였고, 모든 원인 사망률과 MACE를 결합한 예측의 경우 0.06이었습니다. BNP와 코펩틴의 경우 데이터가 모든 결과에 대해 추가된 예측 성능에 대한 결과를 제공하기에 충분하지 않았습니다.
RCRI에 대한 바이오마커의 예측값 비교
51개의 연구에서 RCRI와 비교하여 바이오마커 단독의 예측 성능을 평가했습니다. 혈액(38%), 영상(30%) 또는 American Society of Anesthesiologists(ASA) 분류(32%)와 같은 기타 출처에서 파생된 60개의 고유한 예측 변수를 식별했습니다. 모든 연구 결과에 대해 ASA 분류와 RCRI 간에 예측이 유사했습니다. 목적 1에서 확인된 것과 다른 연구에서 MACE 예측에 대해 RCRI와 비교할 때 델타 c-통계 중앙값은 각각 0.15 및 0.12로 BNP 및 NT-proBNP 단독에 유리했습니다. C 반응성 단백질의 경우 예측 성능은 RCRI와 유사했습니다. 다른 바이오마커 및 결과의 경우 데이터가 요약 결과를 제공하기에 충분하지 않았습니다. 한 연구는 보정에 대해 보고했고 재분류에 대해서는 보고하지 않았습니다.
RCRI에 대한 다른 예후 모델의 예측 값 비교
52개의 기사에서 RCRI의 예측 능력을 다른 예후 모델과 비교했습니다. 이 중 42%는 새로운 예측 모델을 개발했으며 22%는 RCRI 또는 다른 예측 모델을 업데이트했으며 37%는 기존 예측 모델을 검증했습니다. 다른 예측 모델 중 어느 것도 RCRI보다 MACE를 예측하는 데 더 나은 성능을 보이지 않았습니다. 심근 경색 및 심정지를 예측하기 위해 ACS-NSQIP-MICA는 RCRI에 비해 0.11의 더 높은 중앙값 델타 c-통계량을 가졌습니다. 모든 원인으로 인한 사망률을 예측하기 위해 델타 c-통계 중앙값은 RCRI에 비해 ACS-NSQIP-SRS가 0.15 더 높았습니다. CHADS 2, CHA 2 DS 2 -VASc, R 2 CHADS 2, Goldman 지수, Detsky 지수 또는 VSG-CRI에 대한 예측 성능은 모든 결과에 대해 RCRI와 비교하여 더 좋지 않았습니다. 보정 및 재분류는 각각 1건 및 3건의 연구에서만 보고되었습니다.
위 내용은 코크란연합 한국지부에서 번역하였습니다.