目的检索并汇总维持性血液透析(maintenance hemodialysis,MHD)患者不宁腿综合征(restless legs syndrome,RLS)症状管理的最佳证据,为临床实践提供循证依据。方法系统检索国内外数据库及指南网站中有关MHD患者RLS症状管理的临床决策、...目的检索并汇总维持性血液透析(maintenance hemodialysis,MHD)患者不宁腿综合征(restless legs syndrome,RLS)症状管理的最佳证据,为临床实践提供循证依据。方法系统检索国内外数据库及指南网站中有关MHD患者RLS症状管理的临床决策、指南、证据总结、系统评价、专家共识及随机对照试验,检索时限为建库至2024年5月30日。结果共纳入14篇文献,包括4篇临床决策、2篇指南、1篇证据总结和7篇系统评价,汇总出29条最佳证据,包括管理受益、诊断与管理、危险/加重因素、评估与监测、透析优化、补充替代疗法、药物治疗和健康教育8个方面。结论本研究汇总了MHD患者RLS症状管理的最佳证据,为医护人员临床实践提供了循证依据。展开更多
目的研究维持性血液透析(maintenance hemodialysis,MHD)患者血浆致动脉硬化指数(atherogenic index of plasma,AIP)、淋巴细胞与单核细胞比值(lymphocyte/monocyte ratio,LMR)与腹主动脉钙化(abdominal aortic calcification,AAC)的相...目的研究维持性血液透析(maintenance hemodialysis,MHD)患者血浆致动脉硬化指数(atherogenic index of plasma,AIP)、淋巴细胞与单核细胞比值(lymphocyte/monocyte ratio,LMR)与腹主动脉钙化(abdominal aortic calcification,AAC)的相关性,并构建风险预测模型。方法选取2023年5月1日─2024年4月30日在首都医科大学附属北京潞河医院郎府院区血液净化中心接受MHD治疗的患者。通过单因素及多因素Logistic回归分析来确定ACC的危险因素,建立列线图,并进行内部验证。结果共纳入158例MHD患者,分为AAC组(n=106)和非AAC组(n=52);AAC组的年龄(F=1.325,P<0.001)、校正钙(F=0.343,P=0.016)、AIP(F=8.726,P=0.003)、合并糖尿病(F=9.287,P=0.002)高于非AAC组;透析时长(F=3.681,P=0.007)、血白蛋白(F=3.287,P=0.002)、血磷(F=0.344,P=0.018)、LMR(F=1.824,P=0.022)低于非AAC组。多因素Logistic回归分析发现高龄(OR=1.071,95%CI:1.034~1.108,P<0.001)、合并糖尿病(OR=3.346,95%CI:1.428~7.843,P=0.005)、高AIP(OR=1.176,95%CI:1.041~1.33,P=0.009)、低LMR(OR=0.777,95%CI:0.614~0.983,P=0.036)是MHD患者发生AAC的独立危险因素。绘制列线图,计算C-index为0.834(95%CI:0.769~0.899),说明该列线图模型的区分能力较好。绘制校准曲线,模拟曲线和实际曲线绝对误差为0.029,说明模型具有较强的一致性。结论对于MHD患者来说,高龄、合并糖尿病、高AIP、低LMR是MHD患者发生AAC的独立危险因素。依据年龄、糖尿病、AIP、LMR构建的风险预测模型有很好的预测效能。展开更多
文摘目的检索并汇总维持性血液透析(maintenance hemodialysis,MHD)患者不宁腿综合征(restless legs syndrome,RLS)症状管理的最佳证据,为临床实践提供循证依据。方法系统检索国内外数据库及指南网站中有关MHD患者RLS症状管理的临床决策、指南、证据总结、系统评价、专家共识及随机对照试验,检索时限为建库至2024年5月30日。结果共纳入14篇文献,包括4篇临床决策、2篇指南、1篇证据总结和7篇系统评价,汇总出29条最佳证据,包括管理受益、诊断与管理、危险/加重因素、评估与监测、透析优化、补充替代疗法、药物治疗和健康教育8个方面。结论本研究汇总了MHD患者RLS症状管理的最佳证据,为医护人员临床实践提供了循证依据。
文摘目的研究维持性血液透析(maintenance hemodialysis,MHD)患者血浆致动脉硬化指数(atherogenic index of plasma,AIP)、淋巴细胞与单核细胞比值(lymphocyte/monocyte ratio,LMR)与腹主动脉钙化(abdominal aortic calcification,AAC)的相关性,并构建风险预测模型。方法选取2023年5月1日─2024年4月30日在首都医科大学附属北京潞河医院郎府院区血液净化中心接受MHD治疗的患者。通过单因素及多因素Logistic回归分析来确定ACC的危险因素,建立列线图,并进行内部验证。结果共纳入158例MHD患者,分为AAC组(n=106)和非AAC组(n=52);AAC组的年龄(F=1.325,P<0.001)、校正钙(F=0.343,P=0.016)、AIP(F=8.726,P=0.003)、合并糖尿病(F=9.287,P=0.002)高于非AAC组;透析时长(F=3.681,P=0.007)、血白蛋白(F=3.287,P=0.002)、血磷(F=0.344,P=0.018)、LMR(F=1.824,P=0.022)低于非AAC组。多因素Logistic回归分析发现高龄(OR=1.071,95%CI:1.034~1.108,P<0.001)、合并糖尿病(OR=3.346,95%CI:1.428~7.843,P=0.005)、高AIP(OR=1.176,95%CI:1.041~1.33,P=0.009)、低LMR(OR=0.777,95%CI:0.614~0.983,P=0.036)是MHD患者发生AAC的独立危险因素。绘制列线图,计算C-index为0.834(95%CI:0.769~0.899),说明该列线图模型的区分能力较好。绘制校准曲线,模拟曲线和实际曲线绝对误差为0.029,说明模型具有较强的一致性。结论对于MHD患者来说,高龄、合并糖尿病、高AIP、低LMR是MHD患者发生AAC的独立危险因素。依据年龄、糖尿病、AIP、LMR构建的风险预测模型有很好的预测效能。
