條文本
PDF
摘要
簡介據估計，全球約9.1%的人口患有慢性腎髒疾病(CKD)，艾滋病毒感染者患該疾病的風險大幅增加(6.8%-17.2%)。這種增加的風險歸因於艾滋病毒感染本身、抗逆轉錄病毒治療、同時存在的病毒感染、非傳染性共病和CKD的傳統危險因素。預測模型已被用於估計PLWH和普通人群中流行的和發生的CKD風險。顯示個人普遍和/或進展為腎衰竭的風險的預測模型有助於及時采取幹預措施，防止腎功能進一步惡化。本研究將係統回顧已發表的針對PLWH中流行和發生的CKD開發和/或驗證的預測模型，描述它們的特點，比較性能並評估方法的質量和適用性。
方法與分析從初始到2022年5月，通過搜索MEDLINE、Web of Science、護理及相關健康文獻累積指數、Cochrane圖書館和Scopus來確定有興趣預測模型的研究。標題和摘要篩選、全文審查和數據提取將由兩名審稿人獨立完成。使用為預測模型調查設計的適當工具，將嚴格評估納入的論文的偏差和適用性。提取的數據將以表格形式顯示，以便對已發布的預測模型進行定性比較。在適當的情況下，將對這些模型的預測性能的定量數據進行綜合分析。
倫理與傳播審查結果將在同行評議的期刊和研討會上發表。不需要倫理批準，因為這是一個係統審查的協議。
PROSPERO注冊號CRD42021279694。
- 艾滋病毒和艾滋病
- 慢性腎功能衰竭
- 流行病學
- 傳染病
這是一篇開放獲取的文章，按照創作共用署名非商業性(CC BY-NC 4.0)許可發布，該許可允許其他人以非商業性的方式發布、混編、改編、構建本作品，並以不同的條款授權他們的衍生作品，前提是原創作品被正確引用，給予適當的榮譽，任何更改都被注明，且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
統計數據來自Altmetric.com
本研究的優勢和局限性
本係統評審方案遵循係統評審和薈萃分析方案2015指南首選報告項目。
這篇綜述解決了針對艾滋病毒感染者的慢性腎髒疾病預測模型的知識缺口。
該綜述還將納入需要腎髒替代治療的腎衰竭進展預測模型。
本綜述不限於隨機對照試驗。
在缺乏足夠數量的研究/模型的情況下，可能無法進行meta分析。
簡介
慢性腎病(CKD)已成為一種全球威脅，因為它在發病率和過早死亡中占相當大的比例。1據估計，CKD影響全球6.975億人，占全球患病率的9.1%。1CKD的傳統危險因素包括年齡增加、高血壓、糖尿病和肥胖。CKD是生活質量差和醫療費用增加的一個預測指標。2 3
在艾滋病毒感染者(PLWH)中，發生CKD的風險顯著增加(6.8%-17.2%)。4個5這一點在CKD獲得的HIV感染和抗逆轉錄病毒治療(ART)方案的假設中得到了證實。6 7在PLWH中，CKD可能由經典的hiv相關腎病或免疫複合物疾病、非傳染性共病(高血壓和糖尿病)、共存的病毒感染(乙型和丙型肝炎)和抗逆轉錄病毒毒性引起。8 9
眾所周知，CKD是PLWH發病率和死亡率增加的原因之一，因為在全球範圍內，腎衰竭需要腎髒替代治療的PLWH人數不斷增加。2 3慢性腎病是PLWH中發病和死亡的一個重要非傳染性原因，可能逆轉抗逆轉錄病毒療法推廣取得的進展。10 11因此，使用預測模型的風險評估仍然是減輕大眾(和HIV隊列)CKD的一個真正的工具。
基本原理
已經開發了預測模型，以協助評估艾滋病毒和普通人群中的CKD風險。這些預測模型已被用於識別CKD(診斷或預後)風險較高的人群，並被發現有助於臨床決策和公共衛生幹預以減輕CKD。12日13這些模型在其配方中使用了生物標記(尿蛋白和白蛋白、血清肌酐和胱氨酸C、尿酸)以及其他CKD的傳統危險因素(年齡、性別、血壓讀數和糖尿病)。在這一人群中，早期發現和處理高血壓、糖尿病和CKD有助於改善腎髒和心血管結局，從而倒退或減緩需要腎髒替代治療的腎衰竭進展。
一些研究報道了PLWH中CKD流行和發生的預測模型，以及普通人群中CKD預測模型的係統綜述。14日至17日然而，這些研究都沒有對以HIV人群為重點的CKD預測模型進行係統的綜述。
該方案用於對PLWH開發和/或驗證的流行和/或突發CKD預測模型的光譜進行或不進行元分析的係統審查，以確定現有的差距並指導未來的研究工作。
客觀的
本研究旨在進行係統綜述，以確定和描述針對成人PLWH中流行和偶發CKD開發和/或驗證的預測模型，評估這些模型在PLWH中的性能，並確定已發表文獻中報道的現有知識差距。
方法與分析
該方案將與2015年係統評審和薈萃分析方案指南的首選報告項目保持一致在線補充附錄1)．18此外，將使用CHARMS清單來框定回顧問題，同時將使用患者人群、幹預措施、比較者、結果、時間和設置(PICOTS)標準來確定納入和排除標準。19日20
審查問題
回顧問題如下:(1)是否有專門開發的風險模型來預測PLWH中流行和/或發生的CKD;它們的特點是什麼?(2)是否存在在PLWH中已得到驗證的預測普遍CKD或偶發CKD的模型?它們在這一人群中的表現如何?在製定複習問題時使用了CHARMS的檢查表。19
上述問題將構成我們評估CKD預後和診斷模型的基礎，包括所有類型的預測模型研究(在獨立數據中有或沒有外部驗證的開發，以及有可能的模型更新的外部模型驗證)。綜述的範圍將是為臨床決策提供信息，因為它與PLWH中普遍發生的CKD有關。該綜述將包括CKD的診斷和預後模型，以及需要參考HIV診斷進行腎髒替代治療的腎衰竭進展預測模型。≥18歲的PLWH將是我們的目標人群。
納入和排除標準
PICOTS框架將用於定義本次審查的納入和排除標準。20.關注的人群是成人(≥18歲)PLWH，重點是人群中流行和發生CKD的預測模型。主要結果是(1)PLWH中流行的CKD，(2)發生的CKD和(3)需要腎髒替代治療的腎衰竭進展的預測模型。我們的次要結果是對上述三組模型及其推導過程中使用的候選變量的性能的評估。納入綜述的研究包括橫斷麵、隊列、臨床對照和隨機對照試驗，目的是將模型用於臨床決策和公共衛生宣傳措施。
排除標準將包括以下內容。主要針對兒科、青少年和孕婦的研究、病例對照研究、社論、致編輯的信、模擬和動物研究生成的模型以及CKD患者生活質量的評估。
搜索策略
從開始到2022年5月，將對以下同行評議期刊文章的電子數據庫和在線搜索記錄進行係統搜索:MEDLINE、Web of Science、護理和相關健康文獻累積索引(CINAHL)、Cochrane圖書館和Scopus。與人群相關的關鍵詞(艾滋病毒感染者、艾滋病毒感染者、艾滋病毒感染者/艾滋病患者、艾滋病毒感染者、接受過抗逆轉錄病毒治療的患者、未接受抗逆轉錄病毒治療的患者);疾病(腎功能受損、腎功能受損、慢性腎病、慢性腎髒病、慢性腎功能不全、慢性腎衰竭、終末期腎病、終末期腎病);模型(患病率、患病率、發病率、事件、預測、風險、風險評分、預測模型、預測工具、風險評估、風險工程)和預測PLWH中CKD患病率和發病率的模型，以及與這些模型有效性相關的因素。為了適應每個數據庫，搜索短語將被連接起來。相關論文的參考列表將被掃描為符合條件的研究。本文附帶了一個使用MEDLINE的搜索策略(參見在線補充附錄2)．灰色文獻(如報告、會議和研討會會議記錄)將使用穀歌Scholar搜索引擎以及重要的相關網站，如非洲在線期刊(手工搜索)進行搜索。EndNote引用管理器將用於導出引用並刪除所識別的任何重複。
研究的選擇
每篇論文的標題和摘要將由兩名獨立審稿人進行評估，然後納入評審。將在閱讀符合條件的文章全文後，最終決定納入評審的論文。異議將通過討論和協商一致或與第三方審稿人協商解決。
一個模型/風險評估工具，預測普遍和/或發生的CKD，以及需要腎髒替代治療的腎衰竭進展模型，必須在成人人群中得到。受試者工作特征曲線下麵積(AUC-ROC)或c統計量、重分類百分比、淨重分類改善(NRI)或綜合辨別改善指數(IDI)是評價模型質量的一些分析方法。
研究評估
診斷模型是為普遍目的而設計的，而預後模型是為事件目的而設計的。
使用PROBAST (Prediction model Risk Of Bias ASsessment Tool)對所有模型的質量進行評估。PROBAST既評估偏倚風險，也評估在初步研究中創建或驗證的多變量預測(診斷和預後)模型的應用。PROBAST工具還將參與PLWH中流行的和偶然發生的CKD以及需要腎髒替代治療的腎衰竭進展的預測模型的係統回顧。21日22
在使用上述工具進行審查方麵的分歧將在與第三名審查員協商後解決。
數據提取
以下細節將用於從選定的研究中提取數據;研究細節(第一作者、期刊名稱、發表年份、研究國家);研究人群(樣本量、年齡範圍、性別分布、PLWH、ART-naive或有經驗的患者數量);人群特征(先前存在的共病條件:高血壓、糖尿病、中風、心肌梗死、血脂異常、充血性心力衰竭)。
此外，模型特征(推導和驗證隊列中的參與者數量、結果感興趣的參與者數量、作為預測因素的候選變量數量、模型中包含的變量數量和列表、用於生成模型的統計分析類型);用於推導模型的研究設計(橫斷麵、隊列、對照臨床試驗、隨機對照試驗);模型的結果數據(CKD的患病率和發生率，多變量預測評分/模型的數量，CKD的定義，使用的CKD方程)和性能(歧視性(AUC或c統計量)，校準(觀察到的和預測的高血壓率之間的差異，對應的測試統計量的p值)，重新分類(NRI和IDI值及其伴隨的95% ci和p值)也將被記錄。資金來源和研究限製將被捕獲。提取的數據將以表格(數據)形式顯示。
數據分析
將對數據進行總體(全球)總結，並按世衛組織區域名稱、性別和研究人群(PLWH、未接受抗逆轉錄病毒治療或有經驗)進行總結。在有足夠數量的模型存在的情況下，將對CKD預測模型進行meta分析，否則將進行敘述審查。元分析將集中於參照AUC-ROC、Kolmogorov-Smirnov檢驗和其他適當的統計檢驗確定的模型的性能度量。隨機效應將使用逆方差加權和彙集估計的95% ci來確定，而異質性將使用不一致指數(I2)．23日24發表偏倚將使用漏鬥圖進行評估，當發現顯著性時，將進行進一步分析(Egger’s和Begg’s檢驗)。25
患者和公眾的參與
本綜述不需要患者或公眾參與，因為它將基於已發表的作品。它將涉及從上述列出的數據庫和搜索引擎發表的文章。所選擇的預測CKD的模型並不主要涉及患者。
倫理與傳播
不需要倫理批準，因為這是一個係統審查的協議。這一研究結果將發表在同行評審的期刊上，並作為開普敦大學博士論文的一個章節。此外，這次評價的結果將通過討論會、會議和政策發展會議與有關機構分享。
倫理語句
病人同意發表
致謝
我們感謝尼日利亞醫學研究所臨床科學部對實施審查的支持。
參考文獻
腳注
貢獻者本係統綜述由OOO、NO和APK構思和設計。該協議最初由OOO、NP、AZM、NO、BLS和APK起草。對協議的修訂和評論得到了所有作者的批準。所有作者均已批準提交。
資金該項目是歐盟支持的EDCTP2項目的一部分(批準號為TMA2017GSF-1962-CaDERAL)。本協議的內容僅由作者負責，並不代表SAMRC、NIMR或資助方的官方觀點。
相互競爭的利益沒有宣布。
患者和公眾的參與患者和/或公眾未參與本研究的設計、實施、報告或傳播計劃。
來源和同行評審不是委托;外部同行評審。
補充材料本內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查，也可能沒有經過同行評審。討論的任何意見或建議僅僅是那些作者(s)和不被BMJ認可。BMJ放棄從放在內容上的任何依賴產生的所有責任和責任。如果內容包含任何翻譯材料，BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量)，並且不對翻譯和改編或其他原因引起的任何錯誤和/或遺漏負責。