Développement et évaluation du modèle de l'insuffisance rénale aiguë chez les patients en arrêt cardiaque après réanimation réussie

Cette étude vise à construire un modèle de prédiction clinique et à créer un graphique linéaire visuel représentant le risque d'insuffisance rénale aiguë (IRA) suite à une réanimation chez des patients en arrêt cardiaque (AC). De plus, l'étude vise à valider la précision prédictive clinique du modèle développé. Les données ont été récupérées à partir de la base de données Dryad, et les données partagées publiquement ont été téléchargées. Cette étude de cohorte rétrospective a inclus 347 patients réanimés avec succès après un arrêt cardiaque à partir de la base de données Dryad. Les données démographiques et cliniques des patients de la base de données, ainsi que leur fonction rénale durant l'hospitalisation, ont été incluses. À travers l'analyse des données, l'étude visait à explorer les facteurs influents pertinents de l'insuffisance rénale aiguë (IRA) chez les patients après réanimation cardio-pulmonaire. L'étude a construit un modèle de prédiction par graphique linéaire en utilisant une analyse de régression logistique multivariée avec l'état de choc après réanimation (L'état de choc post-réanimation fait référence à la condition dans laquelle, après une réanimation cardio-pulmonaire réussie suite à un arrêt cardiaque, certains patients développent un choc cardiogénique.), la protéine C-réactive (CRP), la lactate déshydrogénase (LDH), et la phosphatase alcaline (PAL) identifiés comme facteurs prédictifs. L'efficacité prédictive du modèle ajusté a été évaluée par l'aire sous la courbe (AUC) de la courbe caractéristique de fonctionnement du récepteur (ROC). L'analyse de régression logistique multivariée a montré que l'état de choc post-réanimation, la CRP, la LDH et la PAL étaient des facteurs influents de l'IRA après réanimation chez les patients en AC. Le test de la courbe de calibration a indiqué que le modèle de prédiction était bien calibré, et les résultats de l'analyse de courbe de décision (DCA) ont démontré l'utilité clinique du modèle construit dans cette étude. L'état de choc post-réanimation, la CRP, la LDH et la PAL sont les facteurs influents pour l'IRA après réanimation chez les patients en AC. Le modèle de prédiction clinique construit basé sur les indicateurs ci-dessus a une bonne discriminabilité clinique et praticité.