Akutes Nierenversagen nach Herzinfarkt: Wie kann man das Risiko vorhersagen?
Ein Herzinfarkt ist ein lebensbedrohliches Ereignis. Doch was viele nicht wissen: Ein akutes Nierenversagen (AKI) kann als Folge auftreten und die Situation noch verschlimmern. Wie können Ärzte das Risiko für AKI frühzeitig erkennen und handeln? Eine Studie von Wang et al. hat versucht, diese Frage zu beantworten. Doch ihre Methode hat auch Kritik hervorgerufen.
Warum ist AKI nach einem Herzinfarkt so gefährlich?
Ein akutes Nierenversagen (AKI) ist eine schwerwiegende Komplikation, die bei Patienten mit einem akuten Herzinfarkt (AMI) auftreten kann. Es führt dazu, dass die Nieren plötzlich nicht mehr richtig arbeiten. Das kann lebensbedrohlich sein und die Sterblichkeit erhöhen. Deshalb ist es wichtig, Risikofaktoren für AKI früh zu erkennen, um rechtzeitig einzugreifen.
Welche Risikofaktoren hat die Studie identifiziert?
Wang et al. untersuchten 1.124 Patienten mit einem Herzinfarkt, die ins Krankenhaus eingeliefert wurden. Sie fanden sieben unabhängige Risikofaktoren für AKI:
- Alter über 60 Jahre
- Bluthochdruck
- Chronische Nierenerkrankung (CKD)
- Schwere Herzschwäche (Killip-Klasse ≥3)
- Ausgedehnter vorderer Herzinfarkt
- Die Einnahme des Entwässerungsmittels Furosemid
- Keine Einnahme von Blutdrucksenkern (ACE-Hemmer oder ARB)
Das Modell zeigte eine gute Vorhersagekraft (AUROC-Wert: 0,907). Doch es gab auch Kritik an der Methode, insbesondere bei der Bewertung von CKD, fehlenden Daten und der statistischen Auswertung.
Wie wurde die chronische Nierenerkrankung (CKD) bewertet?
Die Studie identifizierte CKD als einen wichtigen Risikofaktor für AKI. Allerdings wurde kritisiert, dass keine Details zur Berechnung der geschätzten Nierenfunktion (eGFR) oder zur Einteilung der CKD-Stadien angegeben wurden.
Die CKD wird in verschiedene Stadien eingeteilt, basierend auf der eGFR:
- Normale Nierenfunktion: eGFR ≥90 mL/min/1,73 m²
- CKD Stadium 1: 75–89 mL/min/1,73 m²
- CKD Stadium 2: 60–74 mL/min/1,73 m²
- CKD Stadium 3A: 45–59 mL/min/1,73 m²
- CKD Stadium 3B: 30–44 mL/min/1,73 m²
- CKD Stadium 4: 15–29 mL/min/1,73 m²
Wang et al. erklärten, dass die eGFR mit der MDRD-Formel berechnet wurde. Sie konzentrierten sich auf Patienten mit CKD-Stadien 3–4 (eGFR 15–59 mL/min/1,73 m²). Allerdings wurden Patienten mit schwerster Nierenschwäche (eGFR <15 mL/min/1,73 m²) ausgeschlossen. Das fehlende detaillierte Staging könnte wichtige Erkenntnisse darüber verbergen, wie stark die Nierenfunktion das AKI-Risiko beeinflusst.
Warum wurde die Notfall-Behandlung (PCI) nicht berücksichtigt?
Eine Notfall-Behandlung, die sogenannte perkutane Koronarintervention (PCI), ist ein wichtiger Bestandteil der Herzinfarkt-Therapie. Doch sie birgt auch das Risiko, ein AKI auszulösen, insbesondere durch das Kontrastmittel.
Die ursprüngliche Studie hatte PCI-Daten nicht in die Analyse einbezogen. Das könnte die Ergebnisse verzerrt haben. Später gaben die Autoren an, dass 65,1 % der Patienten (734/1,124) eine PCI erhielten, und 156 von ihnen entwickelten ein AKI. Statistisch gesehen war PCI ein signifikanter Risikofaktor für AKI (P < 0,001).
Das Problem: Wenn man wichtige Faktoren wie PCI nicht berücksichtigt, kann das die Beziehung zwischen anderen Risikofaktoren (z. B. Furosemid-Einnahme) und dem AKI-Risiko verzerren. Zum Beispiel könnten Patienten, die eine PCI erhalten, höhere Dosen von Entwässerungsmitteln bekommen, was die Ergebnisse beeinflusst.
Wie gut ist das Vorhersage-Modell?
Die Studie verwendete den AUROC-Wert (0,907), um die Vorhersagekraft des Modells zu bewerten. Ein Wert über 0,9 gilt als ausgezeichnet. Doch Kritiker merkten an, dass zusätzliche Bewertungsmethoden fehlten, wie Kalibrierungsplots oder Brier-Scores.
Die Kalibrierung zeigt, wie genau die Vorhersagen über verschiedene Risikostufen sind. Der Hosmer-Lemeshow-Test (χ² = 12,848, P = 0,117) deutete auf eine gute Anpassung hin. Doch die alleinige Verwendung des AUROC-Werts lässt Zweifel an der Robustheit des Modells.
Ein weiteres Problem: Es gab keine interne oder externe Validierung. Modelle, die aus retrospektiven Daten entwickelt werden, neigen dazu, zu „überangepasst“ zu sein, besonders wenn es viele Prädiktoren im Vergleich zu den tatsächlichen Ereignissen gibt. Interne Validierung (z. B. Bootstrapping) kann helfen, die Genauigkeit der Vorhersagen zu verbessern. Externe Validierung testet, ob das Modell auch in anderen Bevölkerungsgruppen oder Krankenhäusern funktioniert. Die Autoren gaben zu, dass dies ein Mangel war und planten, das Modell in Zukunft zu validieren.
Was bedeuten die Ergebnisse für die Praxis?
Das Risiko-Score-Modell von Wang et al. bietet eine praktische Möglichkeit, das AKI-Risiko bei Herzinfarkt-Patienten einzuschätzen. Doch es gibt Einschränkungen:
- CKD-Stadien: Die grobe Einteilung der CKD (Stadien 3–4) übersieht mögliche Unterschiede im AKI-Risiko bei höheren eGFR-Werten.
- PCI: Die fehlende Berücksichtigung der PCI könnte die Ergebnisse verzerrt haben.
- Validierung: Ohne Validierung bleibt unklar, wie gut das Modell in anderen Situationen funktioniert.
Was kann man aus der Studie lernen?
Die Studie zeigt, wie wichtig es ist, Risikofaktoren für AKI nach einem Herzinfarkt zu erkennen. Doch sie verdeutlicht auch häufige Fehler bei der Entwicklung von Vorhersage-Modellen:
- Transparenz: Unvollständige Angaben zu CKD und PCI erschweren die Nachvollziehbarkeit.
- Statistische Anpassung: Wichtige Faktoren wie PCI wurden nicht berücksichtigt, was die Ergebnisse verzerren kann.
- Bewertungsmethoden: Die alleinige Verwendung des AUROC-Werts reicht nicht aus, um die Genauigkeit des Modells vollständig zu beurteilen.
Richtlinien wie TRIPOD (Transparente Berichterstattung von multivariablen Vorhersage-Modellen) könnten helfen, solche Studien in Zukunft genauer und zuverlässiger zu machen.
Fazit
Die Studie von Wang et al. zeigt, dass AKI bei Herzinfarkt-Patienten häufig auftritt (26,0 %) und mit einer höheren Sterblichkeit verbunden ist. Ihr Vorhersage-Modell ist vielversprechend, benötigt aber Verbesserungen in der Methodik, insbesondere bei der Berücksichtigung von PCI, der detaillierten Einteilung der CKD und der Validierung. Ärzte sollten das Modell mit Vorsicht interpretieren und seine Grenzen kennen.
doi.org/10.1097/CM9.0000000000000505
For educational purposes only.