抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景】Raceは社会であり,生物学的構成ではない。Major社会は,糸球体濾過率(eGFR)を推定する場合,人種補正因子の除去を推奨している。eGFRは経皮的冠動脈介入(PCI)後の急性腎損傷(AKI)の強力な予測因子である。PCI後のAKIに対する現代モデルの予測能力に対するeGFR計算における人種補正因子の除去の影響を評価した。【方法】NCDRデータ,ロジスティック回帰ベースモデルおよび勾配ブースティング機械学習(ML)モデルを用いて開発された2つの以前に発表されたAKIモデルに関するeGFR計算における人種補正の除去の効果を評価するために,米国心臓病学国立心血管データ登録(NCDR)CathPCI登録のデータを使用した。最初に,人種補正の有無によるこれらのモデルの較正と識別を評価し,その後,人種補正eGFRのないモデルにおける独立した予測因子として人種を含めた。モデル性能全体を評価し,Blackと非Blackサブグループにより層化した。モデルをNCDRモデルを開発するために用いた同じコホートで訓練し,同時検証データセットで検証した。結果:AKI率7.4%の915,223人の患者(平均年齢64.8歳;7.9%はBlackおよび32.8%女性)で947,091PCI処置を含んだ。NCDRモデルにおいて,eGFRにおける人種補正の包含は,黒人患者の間でAKIリスクを有意に過小評価した(予測7.6%対観察10.2%)が,非Black患者の間でリスクをわずかに過大評価した(予測7.4%対観察7.1%)。人種補正の除去は,黒人患者の間で過小評価を部分的に補正した(予測8.2%)。独立予測子として人種を含み,相互作用項を導入すると,過小評価がさらに減少した(予測10.1%)。受信者動作特性曲線(AUC)はこれらのモデル間で類似していたが,黒人患者では一貫して低かった。ロジスティックモデルと比較して,MLモデルはBlack患者においてより良い較正を有した(人種補正は8.6%および8.7%なしで予測した)が,まだAKIリスクを過小評価した。予測因子として含まれる人種で,MLモデルは黒人患者(予測10.1%)で同様に良好な較正を達成した。MLモデルのAUCはロジスティックモデルより良かったが,人種補正の包含に基づいて異ならなかった。結論:eGFR計算における人種補正の除去は,Black患者に対するPCI後のAKIのリスクの過小評価を減少させる正の効果がある。しかし,過小評価の減少にもかかわらず,Black患者は非Black患者と比較してAKIのリスクが高いままである。より豊富なデータと高度なモデリング技術を通して,このより高いAKIリスクの決定因子をより良く捕える必要がある。【JST・京大機械翻訳】
