随着医学技术的进步，肾移植的短期和中期移植物存活率显著提高，但长期移植物存活率改善有限，且移植物功能丧失仍是肾移植患者的主要风险之一。移植物功能的优化对于提高患者预期寿命和生活质量至关重要，而eGFR（估算肾小球滤过率）是一项便捷且经济的指标，在移植后肾功能监测中被广泛应用。尽管单次eGFR测量已被证明与移植结果密切相关，但基于eGFR变化轨迹的动态预测模型尚未被充分研究。本研究旨在开发并验证一个基于动态Bayesian联合模型的风险预测工具，通过eGFR变化轨迹预测肾移植患者的移植物丧失和死亡风险，以期为临床决策提供有效支持。

本研究使用澳大利亚和新西兰透析与移植数据库的数据，纳入1980年至2017年期间首次接受肾移植的成年患者（≥18岁）。研究分为衍生队列（澳大利亚患者）和验证队列（新西兰患者），分别用于模型开发和验证。主要暴露变量为移植后3、6、12、24、36和60个月时的eGFR测量值，主要结局为移植物丧失（包括恢复透析或功能移植物状态下死亡）和全因死亡。本研究采用Bayesian联合建模技术，将eGFR纵向变化数据与生存数据联合分析，动态预测患者移植物和生存概率。模型性能通过动态AUC和校准统计学（如Brier分数和Spiegelhalter Z检验）评估，并使用1000次引导法内部验证。模型进一步通过新西兰验证队列外部验证，以评估其泛化能力。

本研究共纳入14,915名肾移植患者，其中衍生队列12,777人，验证队列2,138人。患者平均年龄48岁，平均eGFR为53.4 ml/min/1.73 m²，38%为女性。中位随访时间为8.9年，期间38%的患者经历移植物丧失，25%死亡。在衍生队列中，每10 ml/min/1.73 m²的eGFR下降与移植物丧失风险增加31%（HR 1.31, 95%CI 1.23–1.39）和全因死亡风险增加12%（HR 1.12, 95%CI 1.10–1.14）相关。动态AUC显示，移植物丧失的预测准确率在5年内达到0.83，患者死亡的预测准确率为0.87。此外，eGFR变化轨迹受到多种因素影响，包括供体年龄（每增加1岁eGFR下降0.55 ml/min/1.73 m²）、男性受体（比女性低2.82 ml/min/1.73 m²）以及受体的基础BMI和透析时长等。模型在验证队列中显示出良好的预测性能，移植物存活和患者存活的动态AUC分别达到0.81和0.87。

衍生队列（澳大利亚）中肾移植物和患者生存概率的动态预测模型的性能特征

本研究开发并验证了一个基于eGFR变化轨迹的动态风险预测模型，能够有效预测肾移植患者的移植物丧失和死亡风险。模型性能在衍生和验证队列中均表现出较高的预测准确性和校准能力。通过这一简单、经济且动态调整的工具，临床医生能够更早识别高风险患者，并及时干预以改善移植结局。本模型的易用性和实用性使其在资源有限的临床环境中具有广泛的应用潜力，为肾移植后个性化管理提供了新思路。

原始出处：

Dynamic prediction of kidney allograft and patient survival using post-transplant estimated glomerular filtration rate trajectory, Clinical Kidney Journal, Volume 17, Issue 11, November 2024, sfae314, https://doi.org/10.1093/ckj/sfae314