首页> 中文学位 >基于数学模型预测连续性肾脏替代治疗抗凝剂肝素合理剂量的研究
【6h】

基于数学模型预测连续性肾脏替代治疗抗凝剂肝素合理剂量的研究

代理获取

目录

声明

前言

材料与方法

1. 研究对象

2. CVVH模式及材料

3. 观察指标及检测方法

4. CRRT治疗适应症及禁忌症

5. CVVH治疗肝素抗凝效果观察及分组

6. 研究方法

结果

1. 研究对象的一般临床资料

2. 抗凝良好组肝素合理剂量人工神经网络模型的建立

3.相关性分析

4. 三种方法预测肝素剂量的比较

5. CVVH肝素抗凝良好组与抗凝不良组比较

讨论

结论

参考文献

综述:连续性肾脏替代治疗的抗凝技术应用

附录

致谢

展开▼

摘要

目的:
  连续性肾脏替代治疗(continuous renal replacement therapy,CRRT)是在血液透析(hemodialysis)基础上发展而来的一种血液净化方式。目前各类研究报道对CRRT肝素抗凝的剂量推荐不尽相同,肝素抗凝应用仍以临床医师经验给药为主,因此CRRT肝素抗凝的精准治疗及个体化方案需要探讨。
  方法:
  选择2014年1月至2017年1月在大连医科大学附属第二医院肾内科接受连续性静-静脉血液滤过(continuous veno-venous hemofiltration,CVVH)治疗应用普通肝素抗凝的543例患者。排除标准:
  (1)存在咯血、消化道出血、脑出血、眼底出血、结膜出血、口腔粘膜出血、皮肤淤斑、月经增多等出血倾向;
  (2)存在脑梗死、肺栓塞、心肌梗死、深静脉血栓等血栓塞性疾病;
  (3)已应用抗凝药物治疗的患者。
  收集所有研究对象的一般临床资料,包括性别、年龄、体重等;化验指标包括血红蛋白、红细胞比容、血小板、血小板分度宽度、血浆凝血酶原时间、凝血酶原活动度、血浆凝血酶原时间比值、血浆凝血酶原时间国际化标准比值、纤维蛋白原、活化部分凝血活酶时间、凝血酶时间、D-二聚体、血清白蛋白、甘油三酯、总胆固醇、低密度脂蛋白、高密度脂蛋白胆固醇、载脂蛋白A、载脂蛋白B;记录肝素首剂剂量及肝素追加剂量。采用德国费森Fresenius床旁血滤机治疗,滤器为Fresenius聚砜膜AV600S,记录患者跨膜压、滤器下降压及回路静脉压情况,体外循环管路、滤器及静脉小壶凝血及机器报警情况。543例患者分为肝素抗凝良好组(489例)及肝素抗凝不良组(54例);将抗凝良好组随机分为训练集(409例)和测试集(80例)进行人工神经网络模型的建立,同时对抗凝良好组建立多元线性回归模型。应用SPSS22.0统计软件进行数据分析和处理,P<0.05具有统计学意义;应用metlab进行相关变量绘图;采用Anaconda软件Python3.4进行人工神经网络模型构建,对各类方法比较采用5%、10%、15%符合率及决定系数R2值。
  结果:
  1.本研究对抗凝良好组的肝素首剂剂量、肝素追加剂量分别与各变量建立人工神经网络模型,肝素首剂剂量预测值与抗凝良好组肝素首剂真实值相比,其5%符合率、10%符合率、15%符合率分别为41%,68%,83%;肝素追加剂量预测值与抗凝良好组肝素追加真实值相比,其5%符合率、10%,符合率、15%符合率分别为38%,60%,81%。
  2.对抗凝良好组肝素首剂剂量、肝素追加剂量分别与22个变量进行双变量相关性分析,结果表明抗凝良好组肝素首剂剂量与性别、体重、Hb、HCT、PLT、PT%、APTT、ALB呈正相关,与年龄、PDW、D-d、PT、PT-R、PT-INR呈负相关(P<0.05),其中肝素首剂剂量与体重呈显著相关(相关指数 r=0.707,P<0.01);肝素追加剂量与性别、体重、PLT呈正相关,与年龄呈负相关(P<0.05)。
  3.对肝素首剂剂量与体重、肝素追加剂量与体重分别建立一元线性回归(P<0.01),肝素首剂剂量与体重决定系数R2为0.499,即拟合度为49.9%。肝素追加剂量与体重决定系数R2为0.082,即拟合度为8.2%。最终得出如下两个方程(1)(2):
  Y1=0.277×1+2.044(1)
  (Y1为肝素首剂剂量,X1为体重)
  Y2=0.023×1+3.783(2)
  (Y2为肝素追加剂量,X1为体重)
  4.对抗凝良好组的肝素首剂剂量、肝素追加剂量分别与22个变量进行多元线
  性回归分析分别建立回归模型(P<0.01),肝素首剂剂量与变量决定系数 R2值为
  0.560,即方程拟合度为56.0%。肝素追加剂量与多变量决定系数R2值为0.106,即
  方程拟合度为10.6%。最终得到如下两个多元线性回归方程(3)(4):
  Y1=0.273×1+0.011×2-0.372×3-0.064×4+30121(3)
  (Y1为肝素首剂剂量,X1为体重,X2为Hb,X3为D-二聚体,X4为Alb)
  Y2=0.023×1+0.005×2+0.143×3-0.172×4+3.269(4)
  (Y2为肝素追加剂量,X1为体重,X2为Hb,X3为TC,X4为APO-B)
  5.对人工神经网络模型、多元线性回归模型及以体重为主的一元线性回归在预测性比较,各模型在肝素首剂剂量、肝素追加剂量预测值与抗凝良好组剂量真实值5%符合率、10%符合率、15%符合率及拟合优度 R2值相比,人工神经网络模型三项符合率及R2值均大于多元线性回归模型,多元线性回归模型三项符合率及R2均大于一元线性回归。
  6.对肝素抗凝良好组、抗凝不良组比较发现,抗凝不良组肝素首剂剂量水平显著低于抗凝良好组(33.27±3.43 U/kg VS26.62±5.61 U/kg)(P<0.0l);抗凝不良组肝素追加剂量低于抗凝良好组(10.01±1.87 U/(kg·h) VS8.02±2.39 U/(kg·h))(P<0.05)。
  结论:
  1.人工神经网络模型及多元线性回归模型与传统方案相比,在制定连续性肾脏替代治疗肝素抗凝剂量方案上有更优越的预测性,且人工神经网络模型更为著。
  2.在个体化制定连续性肾脏替代治疗肝素抗凝剂量方案时,除以体重为参考外,还要考虑性别、年龄、血红蛋白、血小板、D-二聚体、血清白蛋白、血脂对合理剂量的影响,多元线性回归可用于预测连续性肾脏替代治疗的肝素合理剂量。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号