中华急诊医学杂志  2023, Vol. 32 Issue (3): 332-338   DOI: 10.3760/cma.j.issn.1671-0282.2023.03.010
百草枯中毒患者急性肾损伤风险预测
杨莹1,2,3 , 蒋臻1,2 , 唐郭1,2 , 张萍1,2 , 邓鹏1,2 , 张琳1,2 , 姚蓉1,2     
1. 四川大学华西医院急诊科/急诊医学研究室,成都 610044;
2. 四川大学灾难医学中心,成都 610041;
3. 成都医学院第二附属医院(核工业四一六医院)急诊科,成都 610051
摘要: 目的 构建百草枯(paraquat, PQ)中毒引起急性肾损伤(acute kidney injury, AKI)的风险预测模型。方法 回顾性分析2010-09-20至2022-01-16期间因急性PQ中毒就诊于四川大学华西医院急诊科的患者,收集患者基本特征及实验室检查结果,根据住院期间是否发生AKI分为AKI组和非AKI组。按照7∶3的比例,将患者随机分为训练集和验证集。采用多因素Logistic回归筛选变量,列线图建立预测模型。采用受试者工作特征曲线(ROC)、校准曲线评价预测模型的区分度和校准度,决策曲线分析(DCA)评估预测模型的临床有效性。结果 纳入符合标准的PQ患者718例,323例(45.0%)患者院内发生AKI,378例(52.6%)院内死亡,AKI组患者病死率高于非AKI组(72.8% vs. 36.2,P < 0.05)。多因素Logistic回归分析显示中毒至就诊时间(OR=1.018,95%CI:1.006~1.030)、入院时白细胞计数(OR=1.128,95%CI:1.084~1.173)、天门冬氨酸氨基转移酶(OR=1.017,95%CI:1.006~1.027)、胱抑素C(OR=516.753,95%CI:99.337~2 688.172)、血浆PQ质量浓度(OR=1.064,95%CI: 1.044~1.085)是PQ中毒患者发生AKI的独立危险因素(P < 0.01)。预测模型训练集受试者工作曲线下面积(AUC)为0.943(95%CI:0.923~0.962),敏感度和特异度分别为82.4%和93.6%。校准曲线显示模型与理想曲线接近,决策曲线显示有临床应用前景。结论 中毒至就诊时间、入院时白细胞计数、天门冬氨酸氨基转移酶、胱抑素C、血浆PQ质量浓度是PQ中毒患者发生AKI的独立危险因素。基于上述指标构建的预测模型评估PQ中毒后AKI具有较高的敏感度和特异度。本预测模型是否可推广应用至其他PQ中毒患者有待进一步扩大样本量验证。
关键词: 百草枯中毒    急性肾损伤    危险因素    预后    预测模型    
Risk prediction of acute kidney injury in paraquat poisoning patients
Yang Ying1,2,3 , Jiang Zhen1,2 , Tang Guo1,2 , Zhang Ping1,2 , Deng Peng1,2 , Zhang Lin1,2 , Yao Rong1,2     
1. Emergency Department, West China Hospital, Sichuan University, The Laboratory of Emergency Medicine, West China Hospital, Sichuan University, Chengdu 610041, China;
2. Disaster Medical Center of Sichuan University, Chengdu 610041, China;
3. Emergency Department, The Second People's Hospital Affiliated to Chengdu Medical College, Nuclear Industry 416 Hospital, Chengdu 610051, China
Abstract: Objective To establish a risk prediction model of acute kidney injury in paraquat (PQ) poisoning patients. Methods A retrospective observational cohort of adult patients with acute PQ poisoning between September 10, 2010 and January 16, 2020 from the Emergency Department of West China Hospital, Sichuan University were conducted. Data on demographics, clinical records, and laboratory results were collected from electronic medical record. The patients were divided into the AKI group and the non-AKI group according to whether AKI occurred during hospitalization. The patients were randomly divided into the training and validation groups (7:3). Multivariate logistic regression analysis was used to screen the independent risk factors of AKI and the nomogram was used to establish a prediction model. Receiver operating characteristic (ROC) curve and calibration curve were used to evaluate the differentiation and calibration of the prediction model. Decision curve analysis (DCA) was used to evaluate the clinical validity of the prediction model. Results A total of 718 patients were included in this study. AKI occurred in 323 (45%) patients in hospital and 378 (52.6%) patients died. The mortality rate of the AKI group was higher than that of the non-AKI group (72.8% vs. 36.2%, P < 0.05). Multivariate logistic regression analysis showed that the time from poisoning to treatment (OR=1.018, 95%CI: 1.006-1.030), white blood cell count (OR=1.128, 95%CI: 1.084-1.173), aspartate aminotransferase (OR=1.017, 95%CI: 1.006-1.027), cystatin C (OR=516.753, 95%CI: 99.337-2688.172), and PQ concentration (OR=1.064, 95%CI: 1.044-1.085) in blood on admission were independent risk factors of AKI in patients with PQ poisoning (P < 0.01). The area under the ROC curve was 0.943 (95%CI: 0.923-0.962) in the training cohort, and the sensitivity and specificity were 82.4% and 93.6%, respectively. The calibration curve showed optimal agreement between prediction by nomogram and actual observation. Decision curve and clinical impact curve analysis indicated that the nomogram conferred high clinical net benefit. Conclusions The time from poisoning to treatment, white blood cell count, aspartate aminotransferase, cystatin C, and PQ concentration in blood on admission were independent risk factors of AKI. The predictive model based on the above indicators has high sensitivity and specificity in evaluating AKI after PQ poisoning. Whether this prediction model can be applied to other PQ poisoning patients needs to be further expanded for verification.
Key words: Paraquat poisoning    Acute kidney injury    Risk factors    Prognosis    Prediction model    

百草枯(paraquat, PQ)是一种广泛使用的非选择性二氢吡啶类除草剂,是一种致死性农药[1]。PQ中毒可导致多器官功能损伤[2],中毒程度取决于中毒途径、中毒量和中毒时间[3]。PQ经消化道吸收后在体内迅速分布,早期即可在肾脏达到较高质量浓度,具有显著肾毒性。并且,经肾排泄是PQ清除的主要途径,PQ在肾脏内持续积聚,可进一步增强肾毒性,导致发生急性肾损伤(acute kidney injury, AKI)[4],而肾损伤和肾功能减退又可能影响PQ清除,导致肺及其他器官损伤加重[5]。已有研究证实,PQ所致AKI与患者住院时间延长、死亡率增加相关,严重威胁患者生命[6]。因此,AKI的早期识别和干预可能有助于改善PQ患者预后。目前关于PQ相关AKI的临床研究相对较少,本研究拟通过回顾性分析PQ中毒患者,以确定AKI相关危险因素,并进一步建立风险预测模型,为临床早期干预提供参考。

1 资料与方法 1.1 研究对象

本研究为单中心、回顾性、观察性研究,研究对象为2010-09-20至2022-01-16期间因急性PQ中毒就诊于四川大学华西医院急诊科的患者。

纳入标准:①中毒至就诊时间≤7 d;②入院时经高效液相色谱法(HPLC)检测血浆PQ质量浓度≥0.01 mg/L。

排除标准:①合并其他中毒患者;②合并休克、脓毒症等其他原因导致AKI的患者;③既往有慢性肾功能不全患者;④临床数据缺失患者。

研究期间共收治1 708例PQ患者,按照纳入和排除标准,最后纳入718名患者(见图 1)。

图 1 患者入组流程图 Fig 1 Flow diagram of study enrollment
1.2 研究方法

从电子病历系统上收集患者的一般资料,包括性别、年龄、中毒到就诊时间、既往史,院外治疗等;入院时体征及首次实验室检查,包括外周血白细胞计数(white blood cell, WBC)、中性粒细胞计数(neutrophils, NEUT)、淋巴细胞计数(lymphocyte, LYM)、单核细胞计数(monocyte, MONO)、血小板计数(platelet, PLT)、总胆红素(total bilirubin, TBIL)、丙氨酸氨基转移酶(alanine aminotransfease, ALT)、天门冬氨酸转移酶(aspartate aminotransferase, AST)、碱性磷酸酶(alkaline phosphatase, ALP)、肌酐(serum creatinine, Scr)、尿素氮(Urea)、胱抑素C(Cystatin C, CysC)、二氧化碳结合力(CO2 combining power, CO2CP)、血钾(K)、血浆PQ质量浓度等,住院期间血Scr最差值;入院后机械通气、使用血管活性药物情况;记录患者出院时生存情况。

AKI诊断标准参考2012年改善全球预后(KDIGO)急性肾损伤工作组(KDIGOAKI)临床实践指南:48 h Scr较基线升高≥26.5 μmol/L或7 d内Scr升高至基线值的1.5倍及以上。AKI分级:(1)AKI 1级:Scr升高至基线值的1.5~1.9倍,或较基线升高≥26.5 μmol/L。(2)AKI 2级:Scr升高至基线值的2.0~2.9倍。(3)AKI 3级:Scr升高至基线值的3.0倍以上,或升高至≥353.6 μmol/L,或开始肾脏替代治疗。出于数据完整性及准确性考虑,本研究中AKI定义未纳入尿量相关标准。

1.3 偏倚控制

为避免临床漏诊AKI造成的报告偏倚,本研究采用检验科提供的血Scr值而非出院诊断,作为判定AKI的依据;为避免缺失变量造成的偏倚,本研究对缺失数据使用中位数填补法进行处理。

1.4 统计学方法

对服从正态分布的计量资料以均数±标准差(x±s)表示,组间比较使用t检验。偏态分布资料以MQ1, Q3)表示,组间比较采用Mann-Whitney U检验。计数资料以n(%)表示,组间比较采用卡方检验或Fisher精确概率法。按照7∶3的比例随机分为训练集和验证集。单因素分析显示与PQ中毒AKI风险相关的变量(P < 0.05)进行多因素Logistic回归分析,采用逐步向前回归法(LR)确定最终纳入模型的变量。建立PQ中毒后发生AKI的风险预测模型,绘制列线图。采用受试者操作特征曲线下面积(AUC)进行区分度评价, 校准曲线进行校准度评价,临床决策曲线(DCA)判断临床应用价值。以P < 0.05为差异有统计学意义。Logistic回归分析由SPSS 26.0软件完成。模型的评价、验证由R studio(4.2.1)软件的rms、caret、rmda数据包完成。

2 结果 2.1 患者一般情况

2010-09-20至2022-01-16急诊科收治的急性PQ中毒患者最终纳入718例,其中男性320例(44.6%),年龄29(22, 42)岁。其中323例发生院内AKI(45%),378例(52.6%)院内出现死亡。按照7∶3的比例随机分为训练集和验证集,训练集503例患者中男性占43.9%,年龄29.0(21.0, 42.0)岁,222例(44.1%)发生AKI,265例(52.7%)死亡;验证集215例患者中男性占46.0%,年龄29.0(23.0, 41.5)岁,101例(47.0%)发生AKI,113例(52.6%)死亡。训练集、验证集两组间比较差异无统计学意义(见表 1)。

表 1 训练集与测试集患者一般情况比较 Table 1 Baseline characteristics of patients in the training cohort and verification cohort
变量 训练集(n=503) 验证集(n=215) Z/χ2 P
男性(%) 221 (43.9) 99 (46.0) 0.271 0.602
年龄(岁)a 29.00 (21.00, 42.00) 29.00 (23.00, 41.50) -0.193 0.847
中毒至就诊时间(h)a 6.00 (3.00, 15.00) 6.00 (3.00, 24.00) -0.234 0.815
意识改变(%) 43 (8.5) 18 (8.4) 0.006 0.938
脉搏(次/min)a 85.00 (75.00, 93.00) 85.00 (75.00, 94.00) -0.236 0.813
呼吸频率(次/min)a 20.00 (20.00, 22.00) 20.00 (20.00, 22.00) -0.953 0.341
收缩压(mmHg)a 120.00 (111.00, 128.00) 121.00 (110.00, 133.00) -1.404 0.160
舒张压(mmHg)a 75.00 (67.50, 81.00) 75.00 (67.00, 84.00) -0.714 0.475
平均动脉压(mmHg)a 89.67 (82.67, 96.50) 90.33 (81.83, 98.17) -1.189 0.234
WBC(×109/L)a 13.22 (9.37, 20.51) 14.31 (9.84, 19.55) -1.370 0.171
NEUT(×109/L)a 11.44 (7.36, 18.21) 12.40 (8.34, 17.52) -1.409 0.159
LYM(×109/L)a 1.11 (0.77, 1.62) 1.15 (0.76, 1.58) -0.221 0.825
MONO(×109/La 0.47 (0.28, 0.80) 0.52 (0.32, 0.80) -1.003 0.316
NLRa 10.18 (5.53, 17.71) 11.76 (6.72, 19.06) -1.752 0.080
NMRa 19.97 (14.69, 33.02) 21.97 (13.97, 33.46) -0.047 0.963
PLT(×109/L)a 171.00 (134.00, 221.00) 180.00 (130.50, 220.50) -0.097 0.922
TBIL(μmol/L)a 15.10 (10.40, 20.13) 16.50 (10.45, 20.13) -0.702 0.483
ALT(IU/L)a 21.00 (15.00, 35.00) 22.00 (16.00, 34.00) -1.333 0.183
AST(IU/L)a 27.00 (21.00, 43.00) 28.00 (22.00, 36.50) -0.453 0.650
ALP(IU/L)a 83.00 (63.00, 92.00) 83.00 (64.50, 91.50) -0.296 0.767
Urea(mmol/L)a 6.00 (4.50, 7.80) 5.98 (4.56, 7.92) -0.280 0.779
Scr(umol/L)a 98.00 (70.00, 182.00) 104.00 (73.50, 192.00) -0.664 0.506
CysC(mg/L)a 0.77 (0.66, 0.96) 0.78 (0.64, 1.00) -0.134 0.893
CO2CP(mmol/L)a 17.90 (15.20, 21.00) 17.90 (15.00, 20.55) -0.583 0.560
K(mmol/L)a 3.18 (2.88, 3.51) 3.18 (2.86, 3.58) -0.259 0.796
血浆PQ质量浓度(mg/L)a 1.77 (0.36, 11.66) 1.62 (0.36, 13.08) -0.083 0.934
需血管活性药物(%) 34 (6.8) 16 (7.4) 0.108 0.742
需机械通气(%) 46 (9.1) 19 (8.8) 0.017 0.895
AKI(%) 222 (44.1) 101 (47.0) 0.491 0.483
死亡(%) 265 (52.7) 113 (52.6) 0.001 0.975
注:aM(Q1, Q3);WBC为白细胞计数;NEUT为中性粒细胞计数;LYM为淋巴细胞计数;MONO为单核细胞计数;NLR为中细粒细胞淋巴细胞比值;NMR为中性粒细胞单核细胞比值;PLT为血小板计数;TBIL为总胆红素;ALT为丙氨酸氨基转移酶;AST为天门冬氨酸氨基转移酶;ALP为碱性磷酸酶;Urea为尿素氮;Scr为肌酐;CysC为胱抑素C;CO2CP为二氧化碳结合力;K为血钾;AKI为急性肾损伤
2.2 训练集AKI组患者与非AKI组患者一般情况比较

训练集AKI组患者与非AKI组患者比较,中毒到就诊时间更长,入院时发生意识障碍比例更高,脉搏更快(均P < 0.05);入院时外周血WBC、NEUT、LYM、MONO、NLR、TBIL、ALT、AST、ALP、Scr、Urea、CysC、血浆PQ质量浓度也更高(均P < 0.05);接受机械通气(13.1% vs. 6.0%)和使用血管活性药物(11.3% vs. 3.2%)比例更高(均P < 0.01)。AKI组患者院内病死率显著高于非AKI组(73.9% vs. 35.9%,P < 0.01,见表 2)。

表 2 训练集AKI组与非AKI组患者一般资料比较 Table 2 Baseline characteristics of the training cohort patients in the AKI and non-AKI groups
变量 AKI组(n=222) 非AKI组(n=281) Z/χ2 P
男性(%) 109 (49.1) 112 (39.9) 4.300 0.038
年龄(岁) a 30.50 (22.00, 43.75) 29.00 (21.00, 41.00) -1.277 0.202
中毒至就诊时间(h) a 10.00 (4.00, 25.00) 5.00 (3.00, 10.00) -5.723 < 0.001
意识改变(%) 32 (14.4) 11 (3.9) 17.489 < 0.001
脉搏(次/min) a 86.00 (76.00, 98.00) 84.00 (74.00, 91.00) -2.413 0.016
呼吸频率(次/min) a 20.00 (20.00, 22.00) 20.00 (20.00, 22.00) -1.700 0.089
收缩压(mmHg) a 121.00 (111.00, 131.50) 119.00 (111.00, 128.00) -1.272 0.203
舒张压(mmHg) a 75.00 (68.00, 81.00) 75.00 (67.00, 80.00) -0.710 0.478
平均动脉压(mmHg)a 90.33 (83.00, 97.58) 89.33 (82.00, 95.33) -1.004 0.315
WBC (×109/L)a 17.92 (11.94, 25.82) 11.00 (7.94, 15.19) -9.171 < 0.001
NEUT (×109/L) a 16.08 (10.14, 23.00) 9.31 (6.26, 13.54) -8.613 < 0.001
LYM (×109/L) a 1.23 (0.77, 2.06) 1.06 (0.77, 1.44) -3.088 0.002
MONO (×109/L) a 0.71 (0.40, 1.08) 0.36 (0.25, 0.57) -8.034 < 0.001
NLRa 12.41 (6.83, 20.63) 9.01 (4.94, 14.59) -3.646 < 0.001
NMRa 19.22(13.36, 31.15) 20.92(15.20, 35.40) -2.318 0.020
PLT (×109/L)a 174.50 (135.25, 229.50) 169.00 (134.00, 212.00) -1.400 0.162
TBIL (μmol/L)a 16.60 (11.50, 22.80) 13.60 (9.60, 20.13) -4.192 < 0.001
ALT (IU/L)a 26.00 (17.00, 48.50) 18.00 (14.00, 25.00) -6.870 < 0.001
AST (IU/L)a 38.00 (28.00, 74.75) 23.00 (19.00, 29.00) -11.213 < 0.001
ALP (IU/L)a 85.00 (67.00, 99.00) 81.00 (62.00, 90.00) -2.072 0.038
BUN (mmol/L)a 7.64 (6.04, 12.44) 4.96 (3.98, 6.28) -12.048 < 0.001
Scr (umol/L)a 199.50 (141.25, 332.50) 72.00 (60.00, 86.00) -19.270 < 0.001
CysC (mg/L)a 0.96 (0.74, 1.21) 0.71 (0.61, 0.81) -11.085 < 0.001
CO2CP (mmol/L)a 17.30 (11.45, 19.08) 18.90 (17.90, 21.70) -7.915 < 0.001
K (mmol/L)a 3.08 (2.57, 3.41) 3.22 (3.11, 3.54) -5.231 < 0.001
血浆PQ质量浓度(mg/L)a 8.40 (0.55, 40.07) 0.83 (0.26, 4.03) -7.960 < 0.001
需血管活性药物(%) 25 (11.3) 9 (3.2) 12.778 < 0.001
需机械通气(%) 29 (13.1) 17 (6.0) 7.342 0.007
死亡(%) 164 (73.9) 101 (35.9) 71.580 < 0.001
注:aM(Q1, Q3);WBC为白细胞计数;NEUT为中性粒细胞计数;LYM为淋巴细胞计数;MONO为单核细胞计数;NLR为中细粒细胞淋巴细胞比值;NMR为中性粒细胞单核细胞比值;PLT为血小板计数;TBIL为总胆红素;ALT为丙氨酸氨基转移酶;AST为天门冬氨酸氨基转移酶;ALP为碱性磷酸酶;BUN为尿素氮;Scr为肌酐;CysC为胱抑素C;CO2CP为二氧化碳结合力;K为血钾;AKI为急性肾损伤;1 mmHg=0.133 kPa
2.3 PQ中毒后发生AKI的独立危险因素

单因素分析显示与PQ中毒AKI风险相关的变量(P < 0.05)引入多因素Logistic回归分析,多因素分析显示中毒至就诊时间(OR=1.018,95%CI: 1.006~1.030)、WBC(OR=1.128,95%CI: 1.084~1.173)、AST(OR=1.017,95%CI: 1.006~1.027)、CysC(OR=516.753,95%CI: 99.337~2688.172)、血浆PQ质量浓度(OR=1.064,95%CI: 1.044~1.085)是PQ中毒患者发生AKI的独立危险因素(P < 0.01,见表 3)。

表 3 PQ中毒后AKI的独立危险因素 Table 3 Independent risk factors of AKI in PQ poisoning patients
变量 B B值标准误 Waldχ2 P OR OR 95%CI
中毒至就诊时间 0.018 0.006 8.780 0.003 1.018 1.006~1.030
WBC 0.12 0.02 34.925 < 0.001 1.128 1.084~1.173
AST 0.017 0.005 10.176 0.001 1.017 1.006~1.027
CysC 6.248 0.841 55.138 < 0.001 516.75 99.337~2 688.172
血浆PQ质量浓度 0.062 0.1 39.584 < 0.001 1.064 1.044~1.085
注:WBC为白细胞计数;AST为天门冬氨酸氨基转移酶;CysC为胱抑素C
2.4 预测模型的构建及评价

在多变量Logistic回归分析基础上,构建列线图来预测PQ中毒后患者发生AKI的概率(见图 2)。根据列线图中每一变量相应的得分,即图中的Points,表示每个变量在不同取值下所对应的得分,所有变量取值后对应的单项分数加起来合计总分即Total Points,总分所对应的概率为Risk即PQ中毒后发生AKI的概率,该列线图对于预测PQ患者发生AKI的AUC为0.943(95%CI: 0.923~0.962)。

Time为中毒至就诊时间;WBC为白细胞计数;CysC为胱抑素C;AST:天门冬氨酸氨基转移酶;PQ为血浆百草枯浓度 图 2 PQ中毒后发生AKI的预测模型列线图 Fig 2 Nomogram prediction model for AKI in PQ poisoning patients

采用验证集数据进行验证,AUC为0.937(95%CI: 0.906~0.968)(图 3),训练集、验证集校准曲线均接近理想曲线,显示出良好一致性(图 4)。此外,预测模型训练集和验证集DCA(图 5),横轴None表示没有患者接受干预,净获益为0。斜线All表示所有患者都接受了干预。训练集在0.2~0.9阈值范围内最优,净获益率为10%~40%;验证集在0.1~1.0阈值范围内最优,净获益率在40%内。阈值越小,净获益越大。

A:训练集,AUC=0.943,95%CI(0.923~0.962),敏感度82.4%,特异度93.6%;B:验证集,AUC=0.937,95%CI(0.906~0.968),敏感度84.2%,特异度91.2% 图 3 预测模型ROC曲线 Fig 3 ROC curve of nomogram prediction model

A:训练集;B:验证集 图 4 预测模型校准图 Fig 4 Calibration curve of nomogram prediction model

A:训练集;B:验证集 图 5 预测模型临床决策曲线(DCA) Fig 5 Decision curve analysis (DCA) of nomogram prediction model
3 讨论

由于中毒后的高致死率,PQ已在不少国家被禁用,但临床仍然有许多PQ中毒患者[7]。前期研究已经证实:PQ中毒后可发生AKI,对PQ中毒后AKI的早期认识和干预对于改善患者预后至关重要[8-9]。本研究中AKI的发生率为44.1%,AKI患者院内病死率显著高于未发生AKI组,均与前期研究一致,因此,有必要早期发现和诊断,以帮助临床医生做出治疗决策,以便获得良好的预后。

目前还没有公认的关于PQ中毒后AKI预测模型的报道。因此,本研究基于就诊时临床指标构建风险模型来预测PQ中毒后AKI的发生概率,纳入变量为就诊时间及常规实验室检查结果,比较容易获得。训练集、验证集ROC曲线下面积分别为0.943和0.937,训练集及测试集校准曲线均接近理想曲线,DCA均显示具有临床应用前景。因此,该模型可用于PQ中毒后AKI的早期识别和诊断。

本研究中血浆PQ质量浓度在AKI组明显高于非AKI组(8.40 vs. 0.83),已有研究表明血PQ质量浓度越高,预后越差[10],这与本研究的研究结果一致。研究显示,AKI组患者中毒至就诊时间更长,中位时间为10 h,这可能是因为随中毒时间越长,PQ在肾脏积聚增加有关。

PQ引起肾损伤的主要机制和作用靶点尚未完全阐明,有研究提示与PQ直接引起肾小管损伤有关,也有动物研究证实,PQ中毒后可直接引起肾小球损伤。肾小球足细胞是PQ首先损伤的靶点,导致肾小球损伤[11]。Scr为临床最普遍使用的肾功能指标,但已有研究发现,Scr并非PQ中毒后肾损伤的敏感标志物[12]。本研究发现CysC是PQ中毒后发生AKI的独立危险因素,OR值高达516.75。CysC是一种相对分子质量为13 000的蛋白,通过肾小球自由过滤,在近端小管细胞的溶酶体中重新吸收和降解,不通过肾小管分泌,被认为肾脏损伤,尤其是肾小球滤过能力损伤的标志物,PQ中毒24~48 h内CysC升高可以预测肾损伤发展和肾损伤程度[13],上述结果提示PQ可能通过影响肾小球滤过能力导致肾损伤。既往研究表明,PQ中毒也可能通过促进全身及局部炎症反应影响CysC的产生[14]

本研究发现AKI组患者WBC、NEUT、LYM、NLR均显著高于非AKI组,WBC是PQ中毒后发生AKI的独立危险因素。既往的一些临床研究及动物研究均显示炎症反应为PQ中毒后AKI发生的重要机制[15-16],可能与PQ在体内主要引起氧化应激反应,促发炎症反应有关[17]。有研究提示,PQ中毒早期NLR增高[18-19],与本研究一致。临床前研究提示,暴露于PQ后骨髓间充质干细胞迅速表达单核细胞趋化蛋白-1,以响应PQ诱导的循环Toll样受体配体,并诱导单核细胞运输进入血液[20]。单核细胞趋化蛋白-1首先介导骨髓单核细胞的释放,然后在内皮糖萼中产生梯度,引导单核细胞向炎症部位转移,从而减轻血液白细胞向炎症组织的迁移[21]

本研究中AKI组肝功能更差,TBIL、ALT、AST、ALP均高于非AKI组,AST为PQ中毒后的独立危险因素。参考现有文献,推测可能是因为PQ作为强氧化剂可通过增加活性氧产生诱导其毒性作用,而肝脏作为维持氧化和抗氧化平衡的主要器官,故成为PQ毒性的重要靶器官[22]。有研究表明急性肝炎是PQ中毒AKI的预测因子[23]。由于肾灌流不足、药物本身的肾毒性或脓毒症和全身炎症,急性肝衰竭经常伴有AKI,与不良预后密切相关[24]

本研究存在一定局限性。首先,本研究是单中心回顾性研究,且由于数据缺失等因素,最终只纳入718例患者,这可能会限制该模型的可扩展性,还需要进行多中心研究及外部验证验证。其次,本研究AKI的诊断仅根据住院期间Scr最差值,未考虑尿量等其它因素,也未能随访出院后肾功情况及远期预后,可能对结果产生影响。

综上所述,本组PQ中毒患者院内AKI发生率为45.0%,院内病死率52.6%,AKI组患者病死率显著高于非AKI组。中毒至就诊时间、入院时白细胞计数、胱抑素C、PQ质量浓度是PQ中毒患者发生AKI的独立危险因素。基于上述指标构建的预测模型评估PQ中毒后AKI具有较高的敏感度和特异度。是否可推广应用至其他PQ中毒患者有待进一步扩大样本量验证。

利益冲突  所有作者声明无利益冲突

作者贡献  杨莹:负责数据收集、论文设计与撰写;蒋臻、唐郭:参与数据收集及分析;姚蓉:参与选题与设计、论文指导和修正;张萍、邓鹏、张琳:参与数据分析

参考文献
[1] Zheng Q, Zhang Y, Wang X, et al. Isorhapontigenin modulates SOX9/TOLLIP expression to attenuate cell apoptosis and oxidative stress in paraquat-induced acute kidney injury[J]. Oxid Med Cell Longev, 2022, 2022: 3328623. DOI:10.1155/2022/3328623
[2] 百草枯中毒诊断与治疗"泰山共识"专家组, 菅向东. 百草枯中毒诊断与治疗"泰山共识"(2014)[J]. 中国工业医学杂志, 2014, 27(2): 117-119. DOI:10.13631/j.cnki.zggyyx.2014.02.016
[3] Samai M, Hague T, Naughton DP, et al. Reduction of paraquat-induced renal cytotoxicity by manganese and copper complexes of EGTA and EHPG[J]. Free Radic Biol Med, 2008, 44(4): 711-721. DOI:10.1016/j.freeradbiomed.2007.11.001
[4] Wang X, Wang X, Zhu Y, et al. ADME/T-based strategies for paraquat detoxification: transporters and enzymes[J]. Environ Pollut, 2021, 291: 118137. DOI:10.1016/j.envpol.2021.118137
[5] Zheng Q, Zhang Y, Zhao Z, et al. Isorhynchophylline ameliorates paraquat-induced acute kidney injury by attenuating oxidative stress and mitochondrial damage via regulating toll-interacting expression[J]. Toxicol Appl Pharmacol, 2021, 420: 115521. DOI:10.1016/j.taap.2021.115521
[6] Vodovar D, Peyre H, Mégarbane B. Relationship between acute kidney injury and mortality in poisoning-a systematic review and metanalysis[J]. Clin Toxicol (Phila), 2021, 59(9): 771-779. DOI:10.1080/15563650.2021.1928161
[7] 曹钰, 蒋臻. "后百草枯时代"除草剂中毒的现状与研究进展[J]. 西部医学, 2021, 33(12): 1717-1720. DOI:10.3969/j.issn.1672-3511.2021.12.001
[8] Kim JH, Gil HW, Yang JO, et al. Serum uric acid level as a marker for mortality and acute kidney injury in patients with acute paraquat intoxication[J]. Nephrol Dial Transplant, 2010, 26(6): 1846-1852. DOI:10.1093/ndt/gfq632
[9] Song Y, Li C, Luo F, et al. Clinical features and risk factors of acute kidney injury in children with acute paraquat intoxication[J]. J Int Med Res, 2019, 47(9): 4194-4203. DOI:10.1177/0300060519860032
[10] Cao ZX, Zhao Y, Gao J, et al. Comparison of severity index and plasma paraquat concentration for predicting survival after paraquat poisoning: a meta-analysis[J]. Medicine (Baltimore), 2020, 99(6): e19063. DOI:10.1097/md.0000000000019063
[11] Gu SY, Yeh TY, Lin SY, et al. Unfractionated bone marrow cells attenuate paraquat-induced glomerular injury and acute renal failure by modulating the inflammatory response[J]. Sci Rep, 2016, 6: 23287. DOI:10.1038/srep23287
[12] Mohamed F, Buckley NA, Jayamanne S, et al. Kidney damage biomarkers detect acute kidney injury but only functional markers predict mortality after paraquat ingestion[J]. Toxicol Lett, 2015, 237(2): 140-150. DOI:10.1016/j.toxlet.2015.06.008
[13] Wunnapuk K, Liu X, Peake P, et al. Renal biomarkers predict nephrotoxicity after paraquat[J]. Toxicol Lett, 2013, 222(3): 280-288. DOI:10.1016/j.toxlet.2013.08.003
[14] 杨琛, 马涛, 刘志. 急性百草枯中毒大鼠肾损伤的研究[J]. 中华劳动卫生职业病杂志, 2015, 33(5): 370-374. DOI:10.3760/cma.j.issn.1001-9391.2015.05.016
[15] Zheng Q, Zhao H, Jia D, et al. Overexpression of TOLLIP protects against acute kidney injury after paraquat intoxication through inhibiting NLRP3 inflammasome activation modulated by toll-like receptor 2/4 signaling[J]. Mediators Inflamm, 2021, 2021: 5571272. DOI:10.1155/2021/5571272
[16] Yen JS, Wang IK, Liang CC, et al. Cytokine changes in fatal cases of paraquat poisoning[J]. Am J Transl Res, 2021, 13(10): 11571-11584.
[17] Nouri A, Heibati F, Heidarian E. Gallic acid exerts anti-inflammatory, anti-oxidative stress, and nephroprotective effects against paraquat-induced renal injury in male rats[J]. Naunyn Schmiedebergs Arch Pharmacol, 2021, 394(1): 1-9. DOI:10.1007/s00210-020-01931-0
[18] Cao ZX, Song YQ, Bai WJ, et al. Neutrophil-lymphocyte ratio as an early predictor for patients with acute paraquat poisoning: a retrospective analysis[J]. Medicine (Baltimore), 2019, 98(37): e17199. DOI:10.1097/md.0000000000017199
[19] YU J, ZHANG L, LI X, et al. Comparison of biochemical parameters between mouse model and human after paraquat poisoning[J]. Biomed Res Int, 2022, 2022: 1254824. DOI:10.1155/2022/1254824.eCollection2022
[20] Zhao Y, Song YQ, Gao J, et al. Monocytes as an early predictor for patients with acute paraquat poisoning: a retrospective analysis[J]. Biomed Res Int, 2019, 2019: 6360459. DOI:10.1155/2019/6360459
[21] Haller H, Bertram A, Nadrowitz F, et al. Monocyte chemoattractant protein-1 and the kidney[J]. Curr Opin Nephrol Hypertens, 2016, 25(1): 42-49. DOI:10.1097/mnh.0000000000000186
[22] Nouri A, Salehi-Vanani N, Heidarian E. Antioxidant, anti-inflammatory and protective potential of Gallic acid against paraquat-induced liver toxicity in male rats[J]. Avicenna J Phytomed, 2021, 11(6): 633-644. DOI:10.22038/ajp.2021.18581
[23] Weng CH, Chen HH, Hu CC, et al. Predictors of acute kidney injury after paraquat intoxication[J]. Oncotarget, 2017, 8(31): 51345-51354. DOI:10.18632/oncotarget.17975
[24] Moore JK, Love E, Craig DG, et al. Acute kidney injury in acute liver failure: a review[J]. Expert Rev Gastroenterol Hepatol, 2013, 7(8): 701-712. DOI:10.1586/17474124.2013.837264