Geschätzter Rückgang der glomerulären Filtrationsrate ein Jahr nach minimalinvasiver partieller Nephrektomie: Ein Multimodell-Vergleich von Prädiktoren

Abstrakt

1. Hintergrund

Die langfristige Nierenfunktion nach partieller Nephrektomie (PN) ist schwer vorherzusagen, da sie von mehreren modifizierbaren und nicht modifizierbaren Variablen beeinflusst wird, die häufig in komplexen Beziehungen miteinander verknüpft sind.

2. Ziel

Identifizierung von Variablen, die die langfristige Nierenfunktion nach PN beeinflussen, und Bestimmung ihres relativen Gewichts.

3. Design, Setting und Teilnehmer

Aus einer multizentrischen internationalen Datenbank wurden insgesamt 457 Patienten identifiziert, die sich entweder einer robotischen (n=412) oder einer laparoskopischen PN (n=45) unterzogen.

4. Ergebnismessungen und statistische Analyse

Der 1-Jahre geschätzte prozentuale Verlust der glomerulären Filtrationsrate (eGFR) (1YPL), definiert als die prozentuale Veränderung der eGFR gegenüber dem Ausgangswert ein Jahr nach der Operation, war der Ergebnisendpunkt. Zu den ausgewerteten Prädiktoren gehörten demografische Daten, Tumormerkmale sowie operative und postoperative Variablen. Die bayesianische Multimodell-Kovarianzanalyse wurde verwendet, um alle möglichen Modelle zu erstellen und die Anpassung jedes Modells an die Daten über Modell-Bayes-Faktoren zu vergleichen. Die Mittelung des Bayes'schen Modells wurde verwendet, um die Unterstützung für jeden Prädiktor über den Einschluss-Bayes-Faktor (BFincl) zu quantifizieren. Für die Netzwerkanalyse der bedingten Unabhängigkeit zwischen Prädiktoren wurde eine hochdimensionale ungerichtete Graphenschätzung verwendet.

5. Ergebnisse und Einschränkungen

Für die Schätzung von 1YPL erwiesen sich mehrere Modelle als plausibel. Das beste Modell, das den prozentualen Verlust der postoperativen eGFR (PPL), das Geschlecht, die Ischämietechnik und die präoperative eGFR umfasste, war hinsichtlich der relativen Vorhersageleistung 207-mal wahrscheinlicher als alle anderen Modelle. Seine Komponenten gehörten zu den Top 44 Modellen und waren die Prädiktoren mit dem höchsten BFincl. Die Rolle der kalten Ischämie, des Einzelnierenstatus, der Erfahrung des Chirurgen und der Art der Renographie wurde nicht beurteilt.

6. Schlussfolgerungen

Präoperative eGFR, Geschlecht, Ischämietechnik und PPL sind die besten Prädiktoren für den prozentualen eGFR-Verlust ein Jahr nach der minimalinvasiven PN. Andere Prädiktoren scheinen irrelevant zu sein, da ihr Einfluss unbedeutend ist oder bereits in der Wirkung dieser vier Parameter verankert ist.

7. Patientenzusammenfassung

Die Nierenfunktion 1 Jahr nach der teilweisen Entfernung einer Niere hängt vom Geschlecht, der Technik, mit der der Blutfluss zur Niere während der Operation gestoppt wird, und der Nierenfunktion zu Studienbeginn und in der frühen postoperativen Phase ab.

Klicken Sie hier, um zu erfahren, welche Auswirkungen Cistanche auf die Nieren hat

Einführung

Die partielle Nephrektomie (PN) ist die Standardbehandlung für T1-Nierentumoren [1]. Im Vergleich zur radikalen Nephrektomie ist die PN mit einer geringeren Inzidenz chronischer Nierenerkrankungen (CKD) verbunden, während gleichzeitig ähnliche onkologische und sicherheitsrelevante Ergebnisse erzielt werden [2]. Die Erhaltung der Nierenfunktion ist bei Patienten mit vorbestehenden Komorbiditäten, einzelnen malignen Nierenerkrankungen oder bilateralen Krebserkrankungen von entscheidender Bedeutung, da sie das Risiko einer Mortalität aufgrund anderer Ursachen beeinflussen kann [3].

Die unmittelbare und langfristige Nierenfunktion nach PN wird durch mehrere veränderbare und nicht veränderbare Variablen beeinflusst, darunter demografische, krankheitsbedingte, intraoperative und postoperative Faktoren, die oft in komplexen Beziehungen miteinander verknüpft sind [4].

In dieser Studie wollten wir herausfinden, welche Variablen die langfristige Nierenfunktion beeinflussen, und ihr relatives Gewicht bei der Bestimmung der prozentualen Änderung der geschätzten glomerulären Filtrationsrate (eGFR) ein Jahr nach der minimalinvasiven PN bewerten.

Ein bayesianischer Multimodellvergleich wurde angewendet, um die Vorhersageleistung aller möglichen Kombinationen von Prädiktoren objektiv zu vergleichen und gleichzeitig Schätzfehler und Überanpassungsrisiken auszugleichen. Mithilfe der Bayes'schen Modellmittelung war es möglich, jeden Prädiktor über alle Modelle hinweg zu gewichten und Informationen über seine allgemeine Vorhersageleistung und Plausibilität zu liefern.

Patienten und Methoden

1. Patientenpopulation

Es wurde eine internationale, multizentrische, vom institutionellen Prüfgremium genehmigte, retrospektive Studie mit Patienten durchgeführt, die sich zwischen 2013 und 2019 einer laparoskopischen oder robotergestützten PN an fünf akademischen Einrichtungen (drei aus Europa und zwei aus den USA) unterzogen. Einschlusskriterien waren (1) erwachsene Patienten, bei denen ein lokalisierter Nierentumor (T1 oder T2) diagnostiziert wurde; (2) sich einer robotischen oder laparoskopischen PN unterziehen; und (3) mit einer vollständigen Beschreibung der präoperativen und postoperativen Merkmale, einschließlich Follow-up-Daten für bis zu 1-Jahre. Die folgenden Ausschlusskriterien wurden angewendet: (1) Patienten, die sich einer radikalen Nephrektomie oder nicht-chirurgischen Behandlungen unterziehen; (2) pädiatrische Patienten; und (3) Patienten mit einer transplantierten Niere oder einer Vorgeschichte mehrerer PNs an derselben Niere.

2. Datenerfassung Zu den demografischen Daten und Basismerkmalen gehörten Alter, Geschlecht, ethnische Zugehörigkeit, Bluthochdruck, Diabetes mellitus-Status, Body-Mass-Index, Score der American Society of Anaesthesiologists, Einzelnierenstatus und präoperatives Hämoglobin. Die eGFR wurde mithilfe der CKD-Epidemiology Collaboration-Gleichung berechnet. Hypertonie wurde als systolischer Blutdruck von mehr als oder gleich 140 mm Hg oder diastolischer Blutdruck von definiertGrößer als oder gleich wie90 mm Hg oder Einnahme blutdrucksenkender Medikamente. Zu den Informationen zu Tumor- und Operationsdetails gehörten pathologische Tumorgröße, Radius, Endophytik, Nähe zum Sammelsystem, Anterior/Posterior, Lokalisation (RENAL)-Score, chirurgischer Ansatz, Klemmtechnik, Warmischämiezeit (WIT), Operationszeit, geschätzter Blutverlust ( EBL) und intraoperative Komplikationen. Zu den postoperativen Daten gehörten die eGFR bei der Entlassung, die Aufenthaltsdauer und postoperative Komplikationen. Der postoperative prozentuale eGFR-Verlust (PPL) wurde als prozentuale Differenz zwischen dem Ausgangs-eGFR und dem eGFR bei der Entlassung berechnet: (präoperativer eGFR – postoperativer eGFR) * 100 / präoperativer eGFR.

Der Endpunkt des funktionellen Ergebnisses war der 1-jährige prozentuale eGFR-Verlust (1YPL), definiert als die prozentuale eGFR-Änderung gegenüber dem Ausgangswert 1 Jahr nach der Operation: (eGFR nach 1 Jahr – präoperative eGFR) *100 / präoperative eGFR.

Cistanche-Extrakt

3. Statistische Analyse

Um 1YPL vorherzusagen, wurde eine Kovarianzanalyse (ANCOVA) mit mehreren kontinuierlichen und kategorialen Variablen durchgeführt. Um objektiv Modelle zu identifizieren, die Schätzfehler und Überanpassungsrisiken ausgleichen, wurde ein Bayes'scher Multimodellvergleich verwendet. In der Bayes'schen Statistik werden die vorherigen Überzeugungen (vorherige Verteilung des Modells und die Parameterwahrscheinlichkeit) unter Einbeziehung der Wahrscheinlichkeit von Daten in den hinteren Überzeugungen (hintere Verteilungen) aktualisiert. Die Wahrscheinlichkeit von Daten ist die relative Unterstützung von Daten für Alternativhypothesen und wird mithilfe von Bayes-Faktoren (BFs) quantifiziert. Mit der bayesianischen Multimodell-ANCOVA ist es möglich, die Unsicherheit zu überwinden, die sich aus der Verwendung nur eines Modells ergibt, indem die Vorhersageleistung aller möglichen Kombinationen von Prädiktoren verglichen und die relative Plausibilität jedes Modells im Verhältnis zu den anderen berechnet wird. Darüber hinaus kann die Bayes'sche Modellmittelung verwendet werden, um jeden Prädiktor über alle Modelle hinweg zu gewichten und Informationen über seine allgemeine Vorhersageleistung und Plausibilität zu liefern [5]. Im ersten Schritt führten wir einen Bayes'schen Modellvergleich durch und berechneten die Posterior-Modellwahrscheinlichkeit P(M|data), um die relative Plausibilität jedes Modells über den gesamten Modellraum zu bewerten; Wir haben das Modell BF (BFM) als Indikator für die Vorhersageleistung des Modells oder die Modellwahrscheinlichkeit verwendet, die misst, wie oft die Daten unter einem bestimmten Modell mit größerer Wahrscheinlichkeit auftraten als unter allen anderen im gesamten Raum gemittelten Modellen. BF01 wurde verwendet, um die relative Vorhersageleistung (Wahrscheinlichkeit) des besten Modells in Bezug auf das betrachtete Modell darzustellen [6]. Für die Modell-Priori-Wahrscheinlichkeit P(M) wählten wir ein einheitliches Prior-Modell und legten fest, dass alle Modelle gleich wahrscheinlich waren, bevor wir die Daten sahen [7]. Im zweiten Schritt verwendeten wir einen Bayes'schen Modellmittelungsansatz, um auszuwählen, welche Variable für die Vorhersage von 1YPL nützlich ist, und quantifizierten die Unterstützung für jeden Prädiktor als seine hintere Einschlusswahrscheinlichkeit P(incl|data), also die Wahrscheinlichkeit, ihn in ein Modell einzubeziehen nach Beobachtung der Daten. P(incl|data) ist die Summe von P(M|data) für die Modelle, die eine bestimmte Variable enthalten. Wir haben die Vorhersageleistung von Prädiktoren anhand von BFexcl verglichen, dem Verhältnis zwischen der Wahrscheinlichkeit, dass Modelle einen Prädiktor ausschließen, und Modellen, die ihn einschließen. Auf diese Weise ist es BFexcl-mal wahrscheinlicher, dass die Daten bei den Modellen auftreten, die keinen Prädiktor enthalten, als bei den Modellen, die ihn enthalten. BFincl stellt den Kehrwert von BFexcl dar. Der prozentuale Fehler wurde zur Quantifizierung des mit der BF-Schätzung verbundenen proportionalen Fehlers verwendet und spiegelt die prozentuale Genauigkeit bei der Vorhersage des Werts jedes BF wider. Wir haben auch die modellgemittelte Effektgröße für jeden Parameter (Regressionskoeffizient b) angegeben, um das Gewicht jedes Prädiktors bei der Schätzung von 1YPL zu bewerten. Der Mittelwert b wurde berechnet, indem die für den Prädiktor angenommenen b-Werte über alle Modelle hinweg gemittelt und mit den P(M|--Daten) gewichtet wurden. Außerdem werden die Standardabweichung (SD) und das 95-Prozent-Glaubwürdigkeitsintervall für Schätzungen angegeben. Wir haben die Jeffrey-Zellner-Siow-Verteilung für die b-prior-Wahrscheinlichkeit gewählt. Um die gegenseitige Abhängigkeit zwischen Variablen zu erklären, führten wir eine Netzwerkanalyse der bedingten Unabhängigkeit zwischen relevanten Prädiktoren unter Verwendung der hochdimensionalen ungerichteten Graphenschätzungsmethode durch; Im resultierenden azyklischen Diagramm werden Variablen als Knoten und bedingte Abhängigkeiten als Kanten dargestellt [8]. Alle statistischen Analysen wurden mit JASP (Version 0.14; JASP Software Ltd., Warrington, UK) durchgeführt.

Cistanche-Pulver

Diskussion

Diese Studie zeigt, dass mehrere Modelle für die Vorhersage des Nierenverlusts ein Jahr nach der minimalinvasiven PN plausibel sind. Wir haben herausgefunden, dass das beste Modell Geschlecht, präoperative eGFR, Ischämietechnik und PPL umfasst. Alle Modelle, die diese vier Variablen enthielten, zeigten nach Sichtung der Daten einen Anstieg der Wahrscheinlichkeit und zeigten eine bessere Vorhersageleistung als die Modelle, die alle oder einige der verbleibenden Variablen enthielten. Modellmittelung und Netzwerkanalyse der bedingten Unabhängigkeit bestätigten diese Ergebnisse. Mehrere Punkte in Bezug auf diese Ergebnisse verdienen eine detailliertere Betrachtung.

Unlike most studies in the literature, we chose percentage eGFR loss to evaluate functional loss after minimally invasive PN. Several previous models used the ultimate eGFR or progression to stage III CKD as the endpoint [9–12]. Choice of a similar criterion might lead to deceptive results because the dependent variable is directly calculated from the same variables (ie, age, sex, or serum creatinine) that it is tested against. This always results in the identification of those variables as important predictors of the outcome. Other studies evaluated predictors of significant eGFR loss, defined as a reduction of >25 Prozent vom Ausgangswert der eGFR [13–15]. Dieser Endpunkt löste die oben genannte Einschränkung, da er nicht unbedingt von den in eGFR-Formeln verwendeten Variablen beeinflusst wird. Dennoch wählten diese Studien nur eine Teilmenge von Prädiktoren aus, um ein Modell zu erstellen, das die als relevant erachteten Kovariaten enthielt. Folglich wurde die Schlussfolgerung in allen früheren Studien ohne Berücksichtigung der Unsicherheit durchgeführt, die sich aus der Verwendung nur eines Modells unter allen möglichen Modellen ergibt; Darüber hinaus war das Gewicht jedes Prädiktors spezifisch für ein bestimmtes Modell und kann keine Informationen über seine gesamte Vorhersageleistung (Wahrscheinlichkeit) liefern, die durch die Daten bereitgestellt wird [5]. Dieser Prozess kann letztendlich zu einer Überschätzung der Modellgenauigkeit führen und zu verzerrten Schätzungen führen.

Wir haben der Modellraumunsicherheit Rechnung getragen, indem wir die Bayes'sche Modellmittelung verwendet haben, bei der die gesamte Bandbreite an Modellen zu Schätzungen und Vorhersagen beiträgt. Auf diese Weise kann eine Zusammenfassung der Wichtigkeit und Konsistenz jedes Prädiktors bereitgestellt werden. Regressionskoeffizienten, deren Mittelwert nahe bei Null liegt, haben für die Vorhersage der unabhängigen Variablen nur eine sehr begrenzte Bedeutung; Darüber hinaus beeinflussen Prädiktoren mit einem 95-prozentigen Glaubwürdigkeitsintervall, das den Nulleffekt einschließt, das Ergebnis je nach betrachtetem Modell gegensätzlich und erweisen sich somit als inkonsistent. Insbesondere zeigte die Berechnung des hinteren Mittelwerts und des 95-Prozent-Glaubwürdigkeitsintervalls für die Regressionskoeffizienten, dass PPL, präoperative eGFR und Geschlecht ihre Vorhersageleistung über den gesamten Modellraum hinweg beibehielten: Mögliche Werte für ihre Regressionskoeffizienten lagen alle über oder unter Null Wirkung (b=0). Interessanterweise lagen die b-Werte für das Geschlecht zwischen 4 und 0,4, was zeigt, dass das männliche Geschlecht ein Schutzfaktor für die Nierenfunktion ist, da es das Ausmaß von 1YPL verringert. Alle anderen Variablen erwiesen sich als unzuverlässig, mit einem glaubwürdigen Intervall von 95 Prozent, dessen Extremwerte entgegengesetzte Vorzeichen hatten.

Previous studies tested the use of the acute kidney injury (AKI) categories of the Acute Dialysis Quality Initiative as predictors of long-term renal failure after PN. The Risk, Injury, Failure, Loss, and End-stage (RIFLE) criteria define AKI as an abrupt loss of kidney function resulting in a >25-prozentige Reduzierung der eGFR gegenüber dem Ausgangswert [16]. Es wurde gezeigt, dass AKI das Mortalitätsrisiko und die Entwicklung einer chronischen Nierenerkrankung bei Patienten mit Grunderkrankungen erhöht [17,18], es wurde jedoch nicht angenommen, dass sie diese Ergebnisse bei Patienten mit PN beeinflusst [19,20]. Jüngste Studien zeigten jedoch, dass sowohl das Vorliegen als auch die Dauer von AKI das Risiko eines langfristigen Nierenversagens auch bei diesem Patiententyp erhöhen [14,21]. Dennoch können die RIFLE-Kriterien für Patienten, die sich einer Nierenoperation unterziehen, ungeeignet sein; Bei diesen Patienten kann der Anstieg der eGFR sowohl auf eine chirurgische Entfernung als auch auf eine ischämische Schädigung zurückzuführen sein, wobei die relativen Beiträge diagnostisch und prognostisch schwer zu unterscheiden sind [18].

Wir haben in unserer Studie keinen Grenzwert zur Definition von AKI verwendet; Stattdessen haben wir das akute Nierenversagen anhand der PPL bewertet. Diese Wahl könnte einige Vorteile bieten, einschließlich der Vermeidung der negativen Folgen der Dichotomisierung wie Verlust der Effektgröße und des Risikos einer Fehlklassifizierung, was einen Vergleich mit anderen kontinuierlichen Kovariaten der langfristigen eGFR ermöglicht und eine detailliertere Vorhersage der funktionellen Erholung ermöglicht [22].

Wir haben nicht nur bestätigt, dass PPL spürbare Auswirkungen auf die langfristige Funktion hat, sondern auch gezeigt, dass PPL der wichtigste Faktor ist, der 1YPL beeinflusst. Im Gegensatz zu AKI scheint PPL für die Vorhersage einer langfristigen Funktionsverschlechterung nützlich zu sein, selbst wenn der Prozentsatz des eGFR-Verlusts bei 10 % liegt<25%; moreover, it is essential to precisely quantify the extent of PPL as a continuous variable, as it is linearly related to the outcome. An interesting difference between our study and the current literature is that PPL is a better predictor than all the other surgical variables tested, including WIT, tumor size, RENAL score, and EBL. In addition, all these variables showed little support from the data, because models that do not include them are more likely than models that use them as predictors. Finally, it should be considered that renal function decline related to postoperative acute injury could be influenced by consequent hypertrophy of the remnant healthy kidney parenchyma. Studies with longer follow-ups have shown that the impact of these modifiable parameters has a progressively lower influence on functional outcomes, while other comorbidities or de novo vascular diseases may have a significant impact on long-term outcomes [13,23].

Cistanche tubulosa

Mehrere Studien fanden heraus, dass WIT ein entscheidender Faktor bei der Vorhersage von eGFR-Änderungen war [24–27]. Andere Studien stuften seine Rolle herab und kamen zu dem Schluss, dass seine Dauer keinen signifikanten Einfluss auf die langfristige eGFR hat, solange die WIT unter einem sicheren Schwellenwert (25–30 Minuten) liegt [10,28–30].

Eine umfangreiche Literatur konzentriert sich auf den Prozentsatz der erhaltenen Parenchymmasse (PPMP) als Schlüsselfaktor für die verbleibende Nierenfunktion, wobei WIT nur eine untergeordnete Rolle spielt [28,31]. Beispielsweise fanden sowohl Simmons et al. [10] als auch Ginzburg et al. [15] heraus, dass PPMP und die eGFR zu Studienbeginn, nicht jedoch die WIT, unabhängig voneinander mit der langfristigen Nierenfunktion nach PN assoziiert waren. Andere Autoren fanden heraus, dass die Einbeziehung von PPMP in die multivariable lineare Regression zu einem Signifikanzverlust für WIT bei der Vorhersage der eGFR nach 3 Monaten [31] oder später [32] führte. Es muss beachtet werden, dass die PPMP-Bewertung nicht unmittelbar erfolgt und eine spezielle dreidimensionale Rendering-Software erfordert, um präoperative und postoperative Nieren-Computertomographie-Scans zu vergleichen, die mit intravenösem Kontrastmittel durchgeführt wurden.

WIT und PPMP sind eng miteinander verbunden und schwer zu entkoppeln [33]. Große und komplexe Tumoren sind in der Regel mit einer großen Parenchymexzision, einer ausgedehnten Devaskularisation und sekundären Schäden aufgrund der Rekonstruktion verbunden [9,34,35]. Alle diese Faktoren sind mit einer längeren WIT und einem kleineren PPMP verbunden, die wiederum stark mit der PPL zusammenhängen [35–37] und somit eine Multikollinearität zwischen all diesen Variablen verursachen. Dies zeigt die Analyse der Netzwerkstruktur auf Variablenabhängigkeit deutlich. Konkret stellt jeder Knoten im Netzwerkdiagramm eine einzelne Variable dar und jede Kante stellt die bedingte Abhängigkeit zweier Variablen angesichts aller anderen dar. Zwei Variablen, von denen ursprünglich festgestellt wurde, dass sie korrelieren (d. h. geringfügig abhängig sind), können bedingt unabhängig werden (keine direkte Kante zwischen den beiden Knoten), wenn ihre Korrelation durch eine dritte Variable erklärt wird, die stark mit beiden verknüpft ist. Beispielsweise werden WIT und 1YPL nach der Einführung von PPL in das Modell bedingt unabhängig, da WIT das Ergebnis über PPL beeinflusst. Wenn bedingt unabhängige Prädiktoren zu einem Modell hinzugefügt werden, das bereits bedingt abhängige Variablen enthält, ist es außerdem unwahrscheinlich, dass sie die Modellvorhersage erhöhen. In unserer Analyse schnitten Modelle, die sowohl WIT als auch PPL enthielten, schlechter ab als Modelle, die nur PPL enthielten, da der Einfluss von WIT auf 1YPL bereits im PPL-Effekt verankert ist.

Unsere Datenbank verfügt nicht über vollständige Daten für PPMP, daher haben wir diese Variable nicht ausgewertet. Allerdings sollte PPMP unseren Modellen keinen Nutzen bringen; Wenn mehrere Variablen im Zusammenhang mit PPMP, einschließlich pathologischer Größe, RENAL-Score und Tumorstadium [35], zu einem Modell mit PPL hinzugefügt wurden, hatten die abgeleiteten Modelle keine höhere Wahrscheinlichkeit. Mit anderen Worten: Diese PPMP-bezogenen Variablen sind nicht in der Lage, die Restvarianz zu erklären, was zu einer insgesamt schlechteren Vorhersageleistung führt. Dies bedeutet nicht, dass WIT und PPMP für die Bestimmung der langfristigen Nierenfunktion nicht wichtig sind, aber der größte Teil ihrer Wirkung wird durch PPL vermittelt, das den besten Prädiktor für die eGFR ein Jahr nach der Operation darstellt.

Alter, Bluthochdruck, Body-Mass-Index und Diabetes mellitus wurden alle als Risikofaktoren für das Auftreten einer chronischen Nierenerkrankung identifiziert und könnten auch an einem größeren langfristigen Funktionsverlust beteiligt sein [9,11,31]. Für die Rolle des Geschlechts wurden gegensätzliche Ergebnisse gefunden [11,31,38]. Wir glauben, dass diese Ergebnisse möglicherweise stark vom Studiendesign und der Wahl des Endpunkts beeinflusst werden, da sie alle mit einer niedrigeren Nierenfunktion zu Studienbeginn verbunden sind. Wir untersuchten die Rolle klinischer Variablen wie Alter, Diabetes, Fettleibigkeit, Bluthochdruck und präoperatives Hämoglobin bei der Bestimmung von 1YPL. Die Modellmittelungsanalyse zeigte, dass nur das Alter mit 1YPL zusammenhängt; Sein Effekt wird größtenteils durch PPL vermittelt und er behält einen marginalen Effekt bei, wenn er als unabhängiger Prädiktor hinzugefügt wird.

Einige Studien deuten darauf hin, dass die selektive Abklemmung von Arterienästen [39] oder der Null-Ischämie-Ansatz [40] im Vergleich zur Hilusabklemmung eine deutlich höhere Wahrscheinlichkeit einer Parenchymschonung bietet. Unsere Ergebnisse zeigen, dass die Ischämietechnik ein nützlicher Prädiktor für 1YPL ist, wie ihr BFincl von 29,4 zeigt, was bedeutet, dass ihre Einbeziehung die Vorhersageleistung von Modellen um fast das 30-fache erhöhte.

Mehrere Berichte fanden keinen signifikanten Unterschied in der Reduzierung der eGFR zwischen chirurgischen Ansätzen [31,38,41]. Unsere Studie bestätigt diese Ergebnisse, indem sie zeigt, dass die Daten weniger wahrscheinlich bei der Modellgruppe auftraten, die die Operationstechnik als Prädiktor einschloss.

Unsere Studie ist durch mehrere Einschränkungen gekennzeichnet. Da es sich um eine retrospektive Studie handelt, können Selektions- und Erkennungsverzerrungen nicht ausgeschlossen werden. Unsere Bevölkerung stammte aus hochvolumigen Zentren und alle PNs wurden von sehr erfahrenen Chirurgen durchgeführt; Daher gelten unsere Ergebnisse möglicherweise nicht für andere Gesundheitseinrichtungen. In dieser Studie wurden Daten von 1359 Patienten gesammelt, von denen 896 aufgrund unvollständiger Daten ausgeschlossen wurden. Dies ist vor allem auf die strengen Einschlusskriterien zurückzuführen; Einem großen Teil dieser Patienten lagen 1-Jahres-Follow-up-Daten vor und es ist keine statistische Schlussfolgerung für diese Patienten möglich. Dies könnte zu einer Selektionsverzerrung führen und die Generalisierbarkeit der Ergebnisse beeinträchtigen. Wir konnten keine Schlussfolgerungen hinsichtlich der Rolle der kalten Ischämie, des Einzelnierenstatus, der Erfahrung des Chirurgen oder der Renographietechniken ziehen; Die Wahrscheinlichkeit und das Ausmaß eines langfristigen Funktionsverlusts können von jedem dieser Faktoren beeinflusst werden.

Standardisierte Cistanche

Schlussfolgerungen

Für die Vorhersage des Nierenverlusts 1 Jahr nach minimalinvasiver PN sind mehrere Modelle plausibel. Unsere Analyse legt nahe, dass das beste Modell Geschlecht, Ischämietechnik, präoperative eGFR und PPL umfassen sollte. Alle Vorhersagemodelle, die diese vier Variablen enthielten, hatten eine höhere Wahrscheinlichkeit und zeigten eine bessere Vorhersageleistung als Modelle, die alle oder einige der verbleibenden Variablen enthielten. Im Vergleich zu anderen Tools sind diese Prädiktoren sofort und leicht verfügbar. PPL ist nützlich für die Vorhersage eines langfristigen Funktionsabfalls, selbst wenn der prozentuale Verlust weniger als 25 Prozent beträgt, da er linear mit 1YPL zusammenhängt. Andere Prädiktoren scheinen irrelevant zu sein, da ihr Einfluss unbedeutend ist oder bereits in der Wirkung dieser vier Parameter verankert ist.

Verweise

[1] Ljungberg B, Bensalah K, Canfield S, et al. EAU-Richtlinien zum Nierenzellkarzinom: Aktualisierung 2014. Eur Urol 2015;67:913–24. https://doi. org/10.1016/j.eururo.2015.01.005.

[2] Bradshaw AW, Autorino R, Simone G, et al. Robotische partielle Nephrektomie vs. minimal-invasive radikale Nephrektomie bei klinischer T2a-Nierenmasse: ein auf den Neigungsscore abgestimmter Vergleich der ROSULA-Kooperationsgruppe (Robotic Surgery for Large Renal Mass). BJU Int 2020;126:114–23. https://doi.org/10.1111/bju.15064.

[3] Larcher A, Capitanio U, Terrone C, et al. Eine elektive nephronschonende Operation verringert andere Todesursachen im Vergleich zur radikalen Nephrektomie nur in bestimmten Untergruppen von Patienten mit Nierenzellkarzinom. J Urol 2016;196:1008–13. https://doi.org/10.1016/j. juro.2016.04.093.

[4] Swavely NR, Anele UA, Porpiglia F, Mir MC, Hampton LJ, Autorino R. Optimierung der Nierenfunktionserhaltung während der partiellen Nephrektomie mit Robotern 1756287218815819. Ther Adv Urol 2019;11. https://doi.org/10.1177/1756287218815819.

[5] Claeskens G, Hjort NL. Modellauswahl und Modellmittelung. Cambridge, Großbritannien: Cambridge University Press; 2008.

[6] Lavine M, Schervish MJ. Bayes-Faktoren: Was sie sind und was nicht. Am Stat 1999;53:119–22. https://doi.org/10.1080/ 00031305.1999.10474443.

[7] Hoeting JA, Madigan D, Raftery AE, Volinsky CT. Bayesianische Modellmittelung: ein Tutorial. Stat Sci 1999;14:382–401. https://doi.org/10.1214/ss/1009212519.

[8] Zhao T, Liu H, Roeder K, Lafferty J, Wasserman L. Das riesige Paket für hochdimensionale ungerichtete Graphenschätzung in R. J Mach Learn Res 2012;13:1059–62.

[9] Abdel Raheem A, Shin TY, Chang KD, et al. Yonsei-Nomogramm: ein prädiktives Modell einer neu auftretenden chronischen Nierenerkrankung nach partieller Clamp-Nephrektomie bei Patienten mit T1-Nierentumoren. Int J Urol 2018;25:690–7. https://doi.org/10.1111/iju.13705.

[10] Simmons MN, Hillyer SP, Lee BH, Fergany AF, Kaouk J, Campbell SC. Funktionelle Erholung nach partieller Nephrektomie: Auswirkungen von Volumenverlust und ischämischer Verletzung. J Urol 2012;187:1667–73. https://doi.org/ 10.1016/j.juro.2011.12.068.

[11] Clark MA, Shikanov S, Raman JD, et al. Chronische Nierenerkrankung vor und nach partieller Nephrektomie. J Urol 2011;185:43–8. https://doi.org/10.1016/j.juro.2010.09.019.

[12] Lane BR, Babineau DC, Poggio ED, et al. Faktoren, die das Ergebnis der Nierenfunktion nach partieller Nephrektomie vorhersagen. J Urol 2008;180:2363–9. https://doi.org/10.1016/j.juro.2008.08.036.

[13] Antonelli A, Mari A, Longo N, et al. Rolle klinischer und chirurgischer Faktoren für die Vorhersage unmittelbarer, früher und später funktioneller Ergebnisse und ihre Beziehung zum kardiovaskulären Ergebnis nach partieller Nephrektomie: Ergebnisse des prospektiven multizentrischen RECORd 1-Projekts. J Urol 2018;199:927–32. https://doi.org/ 10.1016/j.juro.2017.11.065.

[14] Martini A, Kumaraswamy S, Beksac AT, et al. Ein Nomogramm zur Vorhersage einer signifikanten geschätzten Verringerung der glomerulären Filtrationsrate nach einer robotergestützten partiellen Nephrektomie. Eur Urol 2018;74:833–9. https://doi. org/10.1016/j.eururo.2018.08.037.

[15] Ginzburg S., Uzzo R., Walton J. et al. Das verbleibende Parenchymvolumen und nicht die Zeit der warmen Ischämie sagt die endgültigen Ergebnisse der Nierenfunktion bei Patienten voraus, die sich einer partiellen Nephrektomie unterziehen. Urologie 2015;86:300–5. https://doi.org/10.1016/j.urology.2015.04.043.

[16] Bellomo R, Ronco C, Kellum JA, Mehta RL, Palevsky P. Akutes Nierenversagen – Definition, Ergebnismessungen, Tiermodelle, Flüssigkeitstherapie und Informationstechnologie erfordern die zweite internationale Konsenskonferenz der Acute Dialysis Quality Initiative (ADQI). Gruppe. Crit Care 2004;8:R204. https://doi.org/10.1186/cc2872.

[17] Chawla LS, Eggers PW, Star RA, Kimmel PL. Akute Nierenschädigung und chronische Nierenerkrankung als miteinander verbundene Syndrome. N Engl J Med 2014;371:58–66. https://doi.org/10.1056/ nejmra1214243.

[18] Zhang Z, Zhao J, Dong W, et al. Akute Nierenschädigung nach partieller Nephrektomie: Rolle der Parenchymmassenreduktion und Ischämie und Einfluss auf die anschließende funktionelle Wiederherstellung. Eur Urol 2016;69:745–52. https://doi.org/10.1016/j.eururo.2015.10.023.

[19] Zabell J, Isharwal S, Dong W, et al. Akute Nierenschädigung nach partieller Nephrektomie einzelner Nieren: Auswirkungen auf die Langzeitstabilität der Nierenfunktion. J Urol 2018;200:1295–301. https://doi.org/10.1016/j.juro.2018.07.042.

[20] Kawamura N., Yokoyama M., Tanaka H. et al. Akute Nierenschädigung und mittelfristige Nierenfunktion nach klammerloser partieller Nephrektomie. Int J Urol 2019;26:113–8. https://doi.org/10.1111/iju.13799.

[21] Bravi CA, Vertosick E, Benfante N, et al. Einfluss einer akuten Nierenschädigung und ihrer Dauer auf die langfristige Nierenfunktion nach partieller Nephrektomie. Eur Urol 2019;76:398–403. https://doi.org/10.1016/j.eururo.2019.04.040.

[22] MacCallum RC, Zhang S, Preacher KJ, Rucker DD. Zur Praxis der Dichotomisierung quantitativer Variablen. Psychol Methods 2002;7:19–40. https://doi.org/10.1037/1082-989X.7.1.19.

[23] Mari A, Tellini R, Antonelli A, et al. Ein Nomogramm zur Vorhersage eines intermediären signifikanten Nierenfunktionsverlusts nach robotergestützter partieller Nephrektomie bei lokalisierten Nierentumoren: eine prospektive multizentrische Beobachtungsstudie (RECORd2-Projekt). Eur Urol Focus Im Druck. https://doi.org/10.1016/j.euf.2021.09.012.

[24] Porpiglia F, Fiori C, Bertolo R, et al. Die Auswirkungen der warmen Ischämiezeit auf die Nierenfunktion nach laparoskopischer partieller Nephrektomie bei Patienten mit normaler kontralateraler Niere. World J Urol 2012;30:257–63. https://doi.org/10.1007/s00345-011-0729-5.

[25] Thompson RH, Lane BR, Lohse CM, et al. Bei der Abklemmung des Nierenhilus bei einer partiellen Nephrektomie zählt jede Minute. Eur Urol 2010;58:340–5. https://doi.org/10.1016/j.eururo.2010. 05.047.

[26] Thompson RH, Lane BR, Lohse CM, et al. Nierenfunktion nach partieller Nephrektomie: Auswirkung warmer Ischämie auf Quantität und Qualität der konservierten Niere. Urologie 2012;79:356–60. https://doi. org/10.1016/j.urology.2011.10.031.

[27] Aron M, Gill IS, Campbell SC. Ein nicht-ischämischer Ansatz zur partiellen Nephrektomie ist optimal. J Urol 2012;187:387–90. https://doi.org/ 10.1016/j.juro.2011.10.092.

[28] Mir MC, Pavan N, Parekh DJ. Das aktuelle Paradigma für Ischämie in der Nierenchirurgie. J Urol 2016;195:1655–63. https://doi.org/10.1016/j.juro.2015.09.099.

[29] Volpe A, Blute ML, Ficarra V, et al. Nierenischämie und -funktion nach partieller Nephrektomie: eine gemeinsame Überprüfung der Literatur. Eur Urol 2015;68:61–74. https://doi.org/10.1016/j.eururo.2015.01.025.

[30] Kallingal GJS, Weinberg JM, Reis IM, Nehra A, Venkatachalam MA, Parekh DJ. Langzeitreaktion auf Nierenischämie in der menschlichen Niere nach partieller Nephrektomie: Ergebnisse einer prospektiven klinischen Studie. BJU Int 2016;117:766–74. https://doi.org/10.1111/bju.13192.

[31] Lane BR, Russo P, Uzzo RG, et al. Der Vergleich der Kalt- und Warmischämie während einer partiellen Nephrektomie bei 660 Einzelnieren zeigt die vorherrschende Rolle nicht veränderbarer Faktoren bei der Bestimmung der endgültigen Nierenfunktion. J Urol 2011;185:421–7. https://doi.org/ 10.1016/j.juro.2010.09.131.

[32] Mir MC, Campbell RA, Sharma N, et al. Erhaltung des Parenchymvolumens und Ischämie während partieller Nephrektomie: funktionelle und volumetrische Analyse. Urologie 2013;82:263–9. https://doi.org/ 10.1016/j.urology.2013.03.068.

[33] Biles MJ, DeCastro GJ, Woldu SL. Nierenfunktion nach nephronschonenden Eingriffen: einfach eine Frage des Volumens? Curr Urol Rep 2016;17:8. https://doi.org/10.1007/s11934-015-0561-3.

[34] Dong W, Zhang Z, Zhao J, et al. Exzidierte Parenchymmasse während einer partiellen Nephrektomie: funktionelle Auswirkungen. Urologie 2017;103:129–35. https://doi.org/10.1016/j.urology.2016.12.021.

[35] Wu J, Suk-Ouichai C, Dong W, et al. Vaskularisierte Parenchymmasse, die durch partielle Nephrektomie erhalten bleibt: funktionelle Auswirkungen und prädiktive Faktoren. Eur Urol Oncol 2019;2:97–103. https://doi.org/ 10.1016/j.euo.2018.06.009.

[36] Lee J, Song C, Lee D, et al. Unterschiedlicher Beitrag der Faktoren, die die langfristige Nierenfunktion nach partieller Nephrektomie im Laufe der Zeit bestimmen. Urol Oncol 2021;39:196.e15–20. https://doi.org/ 10.1016/j.urolonc.2020.11.007.

[37] Meyer A, Woldu SL, Weinberg AC, et al. Vorhersage des Nierenparenchymverlusts nach einer nephronschonenden Operation. J Urol 2015;194:658–63. https://doi.org/10.1016/j.juro.2015.03.098.

[38] Shum CF, Bahler CD, Cary C, et al. Präoperative Nomogramme zur Vorhersage der Nierenfunktion ein Jahr nach partieller Nephrektomie. J Endourol 2017;31:711–8. https://doi.org/10.1089/end.2017.0184.

[39] Desai MM, de Castro Abreu AL, Leslie S. et al. Roboter-partielle Nephrektomie mit superselektiver versus Hauptarterienklemmung: ein retrospektiver Vergleich. Eur Urol 2014;66:713–9. https://doi.org/ 10.1016/j.eururo.2014.01.017.

[40] Gill IS, Patil MB, de Castro Abreu AL, et al. Anatomische partielle Nephrektomie ohne Ischämie: ein neuartiger Ansatz. J Urol 2012;187:807–14. https://doi.org/10.1016/j.juro.2011.10.146.

[41] Eggener SE, Clark MA, Shikanov S, et al. Einfluss von warmer versus kalter Ischämie auf die Nierenfunktion nach partieller Nephrektomie. World J Urol 2015;33:351–7. https://doi.org/10.1007/s00345-014- 1315-4.

Fabio Crocerossa a,b, Cristian Fiori c, Umberto Capitanio d, Andrea Minervini e, Umberto Carbonara a,f, Savio D. Pandolfo a, Davide Loizzo a, Daniel D. Eung, Alessandro Larcher d, Andrea Mari e, Antonio Andrea Grosso e, Fabrizio Di Maida e, Lance J. Hampton a, Francesco Cantiello b, Rocco Damiano b, Francesco Porpiglia c, Riccardo Autorino a,

eine Abteilung für Urologie, VCU Health, Richmond, VA, USA;

b Abteilung für Urologie, Universität Magna Graecia, Catanzaro, Italien;

c Abteilung für Urologie, San Luigi Krankenhaus, Universität Turin, Orbassano, Italien;

d Abteilung für Urologie, Abteilung für experimentelle Onkologie, Urologisches Forschungsinstitut, IRCCS Ospedale San Raffaele, Mailand, Italien;

e Abteilung für experimentelle und klinische Medizin, Abteilung für onkologische minimalinvasive Urologie und Andrologie, Universitätskrankenhaus Careggi, Universität Florenz, Florenz, Italien;

f Abteilung für Urologie, Andrologie und Nierentransplantation, Universität Bari, Bari, Italien;

g Abteilung für Urologie, Lewis Katz School of Medicine, Temple University, Philadelphia, PA, USA