Abstrakt

Kurzfristiges Überleben bei akut dekompensierten Patienten mit Leberzirrhose

Angels Escorsell, Ferran Torres, Vega Catalina M, Antoni Mas, José Rios und Mònica Guevara.

Ziel: Ziel der vorliegenden Studie war die frühzeitige Identifizierung prognostischer Faktoren für die 30-Tage-Mortalität bei akut dekompensierten Patienten mit Leberzirrhose.

Methoden: Zur Untersuchung der Prädiktoren der Mortalität wurden logistische Regressionsmodelle verwendet. Variablen, die bei univariaten Tests signifikant waren, wurden in die multivariate Analyse einbezogen. ROC-Kurven wurden erstellt. Das Modell verwendete retrospektive Daten von 228 Patienten und wurde prospektiv bei 64 Patienten der Hospital Clinic validiert: interne Validierung und 90 Patienten des Hospital Gregorio Maranon: externe Validierung.

Ergebnisse: Das Modell identifizierte das Alter bei der Aufnahme, die Serumkonzentrationen von Bilirubin, Kreatinin und Natrium sowie den INR-Wert, der 2 bis 8 Tage nach der Aufnahme ermittelt wurde, als Prädiktoren für den Tod in dieser Population. Der resultierende Risiko-Score war sehr genau: AUROC: 0,9150, 95%CI: 0,8509–0,9790, auch in der internen und externen Validierungsreihe, aber nicht besser als die am häufigsten verwendeten Scores in der Hepatologie: MELD: 0,8335, 95%CI: 0,7486–0,9184, MELD-Na: 0,8565, 95%CI: 0,7774–0,9356, iMELD: 0,8972, 95%CI: 0,8297–0,9648 und MESO-Index: 0,8464, 95%CI: 0,7656–0,9272. Die Grenzwerte (LR+, LR-) des neuen Scores sowie MELD und MELD-Na, die die 30-Tage-Mortalität am besten vorhersagten, lagen bei -0,09: 38,6, 0,51, 28: 16,7, 0,42 bzw. 47: 12, 0,7.

Schlussfolgerungen: MELD sowie neue, kompliziertere und seltener verwendete Scores, die 2 bis 8 Tage nach der Aufnahme erhoben werden, ermöglichen die frühzeitige und einfache Identifizierung von Patienten mit akuter Dekompensation der Zirrhose mit hohem Sterberisiko bei kurzfristiger Nachbeobachtung. Diese Scores können ein nützliches Instrument darstellen, um die für Studien geeignete Population auszuwählen, um die Wirksamkeit neuer Therapien zu bewerten und Patienten in randomisierten Studien zu stratifizieren.

Haftungsausschluss: Dieser Abstract wurde mit Hilfe von Künstlicher Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.