无创检测对急性冠脉综合征合并慢性肾病患者不良事件的预测价值

doi:10.3969/j.issn.1006-5725.2025.13.005

Abstract

Abstract:

Objective Patients with acute coronary syndrome （ACS） combined with chronic kidney disease （CKD） are at high risk of major adverse cardiovascular events （MACE）， and early prediction is crucial for improving prognosis. Non-invasive detection methods， due to their simplicity and safety， have become important tools for assessing risks in such patients. This study aims to evaluate the application value of non-invasive detection indicators in predicting MACE in ACS patients with CKD. Methods The study included 216 ACS patients with CKD， divided into a Non-MACE group （n = 149） and a MACE group （n = 67）. General patient data， non-invasive detection indicators， electrocardiogram （ECG）， and cardiac function indicators were collected. Univariate and multivariate logistic regression analyses were performed to explore the relationship between these indicators and MACE. A nomogram prediction model was constructed， and its performance was evaluated using ROC curve analysis， calibration curve， and decision curve analysis. Results Univariate analysis showed that age， BMI， SVR， SVRI， HRV， QTd， SDNN， LVEF， LVEDd， SCOPA-AUT score， and GRACE score were significantly associated with MACE. Multivariate analysis identified SVRI， QTd， SDNN， LVEF， LVEDd， SCOPA-AUT score， and GRACE score as independent risk factors for MACE. ROC curve analysis revealed that the model had an AUC value of 0.979， sensitivity of 0.925， specificity of 0.966， and accuracy of 0.9537， indicating high diagnostic accuracy. Calibration curve and decision curve analyses further confirmed the model's reliability. Conclusion Non-invasive detection indicators， including SVRI， QTd， SDNN， LVEF， LVEDd， SCOPA-AUT score， and GRACE score， have significant value in predicting MACE in ACS patients with CKD. The constructed prediction model provides an effective tool for clinical risk assessment.

Key words: acute coronary syndrome, chronic kidney disease, major adverse cardiovascular events, non-invasive diagnostics, sympathetic nervous system dysfunction

CLC Number:

R541.4

Xinyu CHEN,Xiaolei LUO,Yimeng HUANG,Li MA. Predictive value of non⁃invasive assessment for adverse events in acute coronary syndrome patients with chronic kidney disease[J]. The Journal of Practical Medicine, 2025, 41(13): 1971-1978.

Figures/Tables 8

Tab.1

Tab.2

Tab.3

Fig.1

Tab.4

Fig.2

Tab.5

Fig.3

References 27

[1]	TIMMIS A， KAZAKIEWICZ D， TOWNSEND N，et al. Global epidemiology of acute coronary syndromes［J］. Nat Rev Cardiol，2023，20（11）：778-788. doi:10.1038/s41569-023-00884-0 doi: 10.1038/s41569-023-00884-0
[2]	CHARLES C， FERRIS A H. Chronic kidney disease［J］. Prim Care， 2020，47（4）：585-595. doi:10.1016/j.pop.2020.08.001 doi: 10.1016/j.pop.2020.08.001
[3]	KALANTAR-ZADEH K， JAFAR T H， NITSCH D，et al. Chronic kidney disease［J］. Lancet，2021，398（10302）：786-802. doi:10.1016/s0140-6736(21)00519-5 doi: 10.1016/s0140-6736(21)00519-5
[4]	崔静达，韩江莉. 急性冠状动脉综合征合并慢性肾病患者介入术后双联抗血小板治疗的研究进展［J］. 中国介入心脏病学杂志， 2023，31（11）：867-871.
[5]	GINANJAR E， HUSTRINI N M， MANSJOER A，et al. Factors associated with 30-day major adverse cardiovascular event in acute coronary syndrome patients with non-dialysis chronic kidney disease： a retrospective cohort study［J］. Acta Med Indones，2023，55（1）：10-18.
[6]	LIU Y， CHEN S， YE J，et al. Random forest for prediction of contrast-induced nephropathy following coronary angiography［J］. Int J Cardiovasc Imaging， 2020，36（6）：983-991. doi:10.1007/s10554-019-01730-6 doi: 10.1007/s10554-019-01730-6
[7]	HÄMMERLE P， EICK C， BLUM S，et al. Heart rate variability triangular index as a predictor of cardiovascular mortality in patients with atrial fibrillation［J］. J Am Heart Assoc， 2020，9（15）：e16075. doi:10.1161/jaha.120.016075 doi: 10.1161/jaha.120.016075
[8]	马艳秋. 无创心功能检测在高血压患者中的临床应用［J］. 中西医结合心血管病电子杂志，2022，10（6）：5-7.
[9]	朱昌国，孟昭昀. 左心室射血分数和空腹血糖水平与冠状动脉疾病患者经皮冠状动脉介入术后主要不良心血管和脑血管事件的相关性［J］. 心脑血管病防治，2024，24（6）：4-7.
[10]	HAUGAA K H， GRENNE B L， EEK C H，et al. Strain echocardiography improves risk prediction of ventricular arrhythmias after myocardial infarction［J］. JACC Cardiovasc Imaging，2013，6（8）：841-850. doi:10.1016/j.jcmg.2013.03.005 doi: 10.1016/j.jcmg.2013.03.005
[11]	RODRÍGUEZ-JIMÉNEZ A E， CRUZ-INERARITY H， NEGRÍN-VALDÉS T，et al. Corrected QT-interval dispersion： an electrocardiographic tool to predict recurrence of myocardial infarction［J］. MEDICC Rev，2019，21（2-3）：22-25. doi:10.37757/mr2019.v21.n2-3.6 doi: 10.37757/mr2019.v21.n2-3.6
[12]	周晴，朱丹，王怡亭，等. 体重指数与急性冠脉综合征患者院内不良心脑血管事件的相关性［J］. 中华心血管病杂志，2024，52（1）：42-48.
[13]	OSAWA I， AKITA K， HASEGAWA K，et al. Improving the prediction of major adverse cardiovascular events in patients with hypertrophic cardiomyopathy by adding plasma SVEP1 to conventional clinical model including NT-proBNP［J］. Eur Heart J，2024，45（）： 702-711. doi:10.1093/eurheartj/ehae666.2010 doi: 10.1093/eurheartj/ehae666.2010
[14]	李宏建. 数字外周动脉张力测量指标与心血管病事件的相关性［J］. 国际脑血管病杂志，2021，29（10）：724.
[15]	路小薇. 急性脑梗死患者血清炎性因子及血流动力学变化及意义［J］. 海南医学院学报，2016，22（1）：93-95.
[16]	GU S Z， BENNETT M R. Plaque structural stress： detection， determinants and role in atherosclerotic plaque rupture and progression［J］. Front Cardiovasc Med，2022，9： 875413. doi:10.3389/fcvm.2022.875413 doi: 10.3389/fcvm.2022.875413
[17]	GU M， MAO Q， WANG H. Coronary computed tomographic angiography-derived anatomic and hemodynamic plaque characteristics in prediction of cardiovascular events［J］. Int J Cardiovasc Imaging，2024，40（8）： 1641-1652. doi:10.1007/s10554-024-03149-0 doi: 10.1007/s10554-024-03149-0
[18]	EZE-NLIAM C， STEVENSON M， MCMANUS D. Noninvasive systemic vascular resistance and cardiovascular outcomes in the community： the framingham heart study［J］. J Am Coll Cardiol，2016，67（13）： 1718. doi:10.1016/s0735-1097(16)31719-3 doi: 10.1016/s0735-1097(16)31719-3
[19]	DUCA S， COSTACHE ENACHE I I. Reevaluating heart failure risk： integrating echocardiography with unconventional holter ECG parameters［J］. Eur Heart J Cardiovasc Imaging，2025，26（）：jeae333.468. doi:10.1093/ehjci/jeae333.468 doi: 10.1093/ehjci/jeae333.468
[20]	李瑞，冯燕娴. QT离散度的电生理基础和临床研究进展［J］. 心电与循环，2019，38（3）： 245-248.
[21]	姚丽红，王亚亚，张媛. AMI并发室性心律失常患者QTc、Tp-Tec间期变化及其与心功能的相关性［J］. 分子诊断与治疗杂志，2023，15（12）： 2075-2078.
[22]	刘洁泉，李新科，王后兴，宓洪挺. QT间期离散度在预测终末期肾病患者并发心力衰竭中的应用［J］. 现代实用医学，2021，33（9）： 1160-1161.
[23]	邹琼，陈丽娜. QTc间期和SDNN对急性心肌梗死患者发生主要不良心血管事件的预测价值［J］. 现代电生理学杂志，2025，32（1）： 10-13.
[24]	XIAO J， WU H， GAO Z，et al. Association of left ventricular ejection fraction with risk of cardiovascular diseases： a prospective cohort study［J］. Sci Rep，2024，14（1）：25233. doi:10.1038/s41598-024-76462-2 doi: 10.1038/s41598-024-76462-2
[25]	IBRAHIM H K， HASHIM Z H， DESHER Y. Sleep Quality Assessment in Correlation to Autonomic Nerve Function in Type 2 Diabetic Patients［J］. Sleep Med Res，2023，14（3）：141-148. doi:10.17241/smr.2023.01802 doi: 10.17241/smr.2023.01802
[26]	HERNANDEZ B， DYER A， FINUCANE C， et al. Association between autonomic dysfunction， 12-year mortality and 10-year incident cardiovascular disease［J］. Eur Heart J， 2024，45（）：ehae666.3628. doi:10.1093/eurheartj/ehae666.3628 doi: 10.1093/eurheartj/ehae666.3628
[27]	孟斯琴. 多项无创预警指标对冠心病患者主要不良心血管事件的预测价值［D］. 呼和浩特：内蒙古医科大学内科学， 2022.

指标	Non-MACE组（n = 149）	MACE组（n = 67）	χ² /t值	P值
性别			2.35	0.628
男	95（63.76）	45（67.16）
女	54（36.24）	22（32.84）
年龄/岁	63.29 ± 6.41	66.18 ± 6.13	3.100	0.002
BMI（x ± s）/（kg/m²）	23.35 ± 1.90	22.37 ± 2.01	-	< 0.001
高血压			0.537	0.464
是	122（81.89）	52（77.61）
否	27（18.11）	15（22.39）
高脂血症			3.594	0.058
是	104（69.8）	55（82.09）
否	45（30.20）	12（17.91）
吸烟			2.264	0.132
是	77（51.68）	42（62.69）
否	72（48.32）	25（37.31）
饮酒			0.410	0.522
是	82（55.04）	40（59.70）
否	67（44.96）	27（40.30）
糖尿病家族史			0.916	0.339
有	50（33.56）	27（40.30）
无	99（66.44）	40（59.70）
冠心病家族史			1.239	0.266
有	38（25.5）	22（32.84）
无	111（74.5）	45（67.16）
ACS类型			2.113	0.348
STEMI	70（47.0）	38（56.72）
NSTEMI	58（38.92）	23（34.33）
UA	21（14.08）	6（8.96）
CKD分期			6.604	0.158
G1	35（23.49）	10（14.93）
G2	62（41.61）	23（34.33）
G3	37（24.83）	21（31.34）
G4	11（7.38）	8（11.94）
G5	4（2.68）	5（7.46）

指标	Non-MACE组（n = 149）	MACE组（n = 67）	t值	P值
血流动力学指标
系统性血管阻力/（dyn·s·cm??）	1460.19 ± 139.20	1504.00 ± 123.83	2.212	0.028^?
系统性血管阻力指数/（dyn·s·cm??·m2）	2052.56 ± 327.67	2329.68 ± 340.54	5.68	< 0.001^??
舒张期系统性血管阻力指数（dyn·s·cm??·m2）	11.73 ± 1.19	11.87 ± 1.09	0.848	0.398
血管顺应性/（mL·mmHg?1·cm?1）	1.63 ± 0.10	1.66 ± 0.10	1.922	0.056
动态心电图指标
心率变异性/ms	47.57 ± 5.70	45.30 ± 5.55	-2.724	0.007
QT间期差/ms	395.08 ± 49.98	413.77 ± 54.02	2.478	0.014
标准差NN间期/ms	51.39 ± 5.10	45.56 ± 5.00	-7.827	< 0.001
标准差平均NN间期/ms	40.64 ± 4.22	39.87 ± 4.07	-1.256	0.210
心率恢复/%	75.22 ± 4.49	76.20 ± 5.51	1.39	0.166
心功能指标
左室射血分数/%	58.33 ± 5.86	53.21 ± 6.67	-5.665	< 0.001
左室舒张末期内径/mm	48.08 ± 3.62	53.67 ± 4.28	9.905	< 0.001
左室质量指数/（g/m2）	124.36 ± 13.09	124.11 ± 12.88	-0.129	0.897
E/e'比值	10.82 ± 1.02	10.22 ± 1.11	-0.046	0.963
SCOPA-AUT评分/分	10.44 ± 1.36	12.78 ± 1.08	12.445	< 0.001
PSQI评分/分	5.88 ± 1.40	6.21 ± 1.22	1.658	0.099
焦虑抑郁自评量表/分	14.51 ± 1.70	14.71 ± 1.44	1.932	0.057
GRACE评分/分	137.96 ± 14.83	150.30 ± 17.44	5.353	< 0.001

指标	单因素分析		多因素分析
指标	OR（95% CI）	P值	OR（95% CI）	P值
年龄	1.075（1.025 ~ 1.127）	0.003	1.036（0.924 ~ 1.163）	0.542
BMI	0.774（0.663 ~ 0.903）	0.001	0.669（0.422 ~ 1.062）	0.089
系统性血管阻力	1.002（1.000 ~ 1.005）	0.030	1.005（0.998 ~ 1.013）	0.174
系统性血管阻力指数	1.002（1.002 ~ 1.003）	< 0.001	1.002（1.000 ~ 1.004）	0.033
心率变异性	0.930（0.882 ~ 0.981）	0.008	0.892（0.778 ~ 1.023）	0.102
QT间期差	1.007（1.001 ~ 1.013）	0.016	1.017（1.002 ~ 1.032）	0.024
标准差NN间期	0.800（0.745 ~ 0.860）	< 0.001	0.735（0.600 ~ 0.900）	0.003
左室射血分数	0.874（0.827 ~ 0.922）	< 0.001	0.821（0.712 ~ 0.946）	0.006
左室舒张末期内径	1.439（1.297 ~ 1.595）	< 0.001	1.573（1.233 ~ 2.007）	< 0.001
SCOPA-AUT评分	5.038（3.231 ~ 7.857）	< 0.001	3.803（1.819 ~ 7.949）	< 0.001
GRACE评分	1.051（1.029 ~ 1.072）	< 0.001	1.078（1.017 ~ 1.142）	0.012

评价方向	评价内容	统计量	P值
模型检验	似然比检验	χ² = 203.38	< 0.001
区分度评价	C指数	C指数：0.981（0.962 ~ 1.000）	< 0.001
校准度评价	拟合优度检验	χ² = 10.07	0.260 1

Predictive value of non⁃invasive assessment for adverse events in acute coronary syndrome patients with chronic kidney disease

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 27

Related Articles 11

Recommended Articles

Metrics

Comments

[1]	Lulin CHEN,Tingjie YANG,Meng SUN,Xin LI,Yiming GUO,Yuqing YANG,Yudong CAO,Wenzhe LI,Jiangshu YUAN,Honghui YANG. Association between coronary inflammation and malnutrition on prognosis in patients with coronary artery disease [J]. The Journal of Practical Medicine, 2025, 41(7): 1010-1017.
[2]	Jiahui WANG,Ke ZHENG,Xuemei LI. Applications and advances of lipidomics in kidney disease [J]. The Journal of Practical Medicine, 2025, 41(1): 1-6.
[3]	Kunyuan HUANG,Kehua JIANG,Qing WANG. Research progress of S100A9 in renal diseases [J]. The Journal of Practical Medicine, 2024, 40(22): 3251-3255.
[4]	Shuhong RUI,Chenfang WANG,Yunhe LI,Junlan PAN,Jianlou WANG. Effects of indobuprofen combined with nicodil on inflammatory factors， myocardial injury markers and platelet function in patients with ACS after PCI [J]. The Journal of Practical Medicine, 2024, 40(12): 1706-1711.
[5]	RUI Shuhong, WANG Chenfang, LI Yunhe, PAN Junlan, WANG Jianlou. . Effects of indobufen combined with clopidogrel on vascular endothelial function，inflammatory factors and oxidative stress in patients with acute coronary syndrome [J]. The Journal of Practical Medicine, 2023, 39(12): 1551-1555.
[6]	JU Mingfei, LIU Chao, LIU Jiamei, SHAO Wen′ge, LIU Tingting, ZHAO Juan.. Correlation between remnant cholesterol levels and the severity of coronary artery stenosis in patients with ACS [J]. The Journal of Practical Medicine, 2023, 39(1): 71-75.
[7]	SONG Caixia, YAN Ting, YAN Zhenyuan, YU Yulan.. Clinical observation on the improvement of residual renal function in hemodialysis patients with bp⁃nacombined with Niaoduqing [J]. The Journal of Practical Medicine, 2022, 38(4): 494-497.
[8]	AN Wei, LIANG Haoyue, KONG Xiaodong.. Progress on Raman spectroscopy for differential diagnosis of renal diseases [J]. The Journal of Practical Medicine, 2022, 38(16): 2094-2099.
[9]	CHEN Jiebin, HU Rong, LI Chengjie, LÜ Peijia, WEI Lianbo.. Effect of renal attenin capsule combined with levkanetine on RBP4 and BMP⁃7 in patients with stage 3 to 4 chronic kidney disease [J]. The Journal of Practical Medicine, 2022, 38(13): 1671-1675.
[10]	CHEN Ruping, LIU Rui, SUN Ao, CAO Yujie, ZHOU Xiaojie, ZHANG Sha. . Investigation on chronic kidney disease based on the health examination for community ⁃ dwelling elderly [J]. The Journal of Practical Medicine, 2021, 37(13): 1755-1760.
[11]	LI Haoyu⁃ an, SUN Yeli, ZHOU Ping. . R446 Advantages，disadvantages and applicability of glomerular filtration rate evaluation formula [J]. The Journal of Practical Medicine, 2021, 37(11): 1494-1498.