blog

Dec 16, 2023

Um novo HCP (heparina

Relatórios Científicos volume 13,

Scientific Reports volume 13, Número do artigo: 9440 (2023) Citar este artigo

Detalhes das métricas

A pancreatite aguda grave (PAS) apresenta apresentação clínica agressiva e alta taxa de letalidade. A previsão precoce da gravidade da pancreatite aguda ajudará os médicos a aprofundar o tratamento preciso e melhorar a intervenção. Este estudo visa construir um modelo composto que possa predizer a PAS usando marcadores inflamatórios. 212 pacientes com pancreatite aguda inscritos de janeiro de 2018 a junho de 2020 foram incluídos neste estudo, parâmetros básicos na admissão e 24 horas após a internação e resultados laboratoriais como marcadores inflamatórios foram coletados. O teste de Pearson foi utilizado para analisar a correlação entre proteína ligadora de heparina (HBP), procalcitonina (PCT) e proteína C-reativa (PCR). Os fatores de risco que afetam a SAP foram analisados ​​por meio de regressão logística multivariada, modelos de marcadores inflamatórios foram construídos e curvas de operação do sujeito foram usadas para verificar a discriminação de modelos de marcadores individuais e inflamatórios e encontrar o valor de corte ideal com base no índice máximo de Youden . No grupo SAP, os níveis plasmáticos de HBP, PCR e PCT foram 139,1 ± 74,8 ng/mL, 190,7 ± 106,3 mg/L e 46,3 ± 22,3 ng/mL e 25,3 ± 16,0 ng/mL, 145,4 ± 67,9 mg/ L e 27,9 ± 22,4 ng/mL em pacientes não SAP, com diferença estatisticamente significativa entre os dois grupos (P < 0,001). A análise de correlação de Pearson mostrou correlação positiva entre os três valores de PAH, PCR e PCT. Os resultados da análise de regressão logística multivariada mostraram que HBP (OR = 1,070 [1,044–1,098], P <0,001), PCR (OR = 1,010 [1,004–1,016], P = 0,001) e PCT (OR = 1,030[1,007 –1,053], P < 0,001) foram fatores de risco para SAP, e a área sob a curva do modelo HBP-CRP-PCT foi de 0,963 (0,936–0,990). O modelo HCP, composto por HBP, CRP e PCT; é bem diferenciado e fácil de usar e pode prever o risco de SAP com antecedência.

A incidência de pancreatite aguda tem aumentado nos últimos anos. Embora a maioria dos pacientes com PA apresente sintomas leves, alguns ainda desenvolvem doenças graves e altas taxas de mortalidade1,2. Portanto, é essencial estabelecer um modelo abrangente que prediga efetivamente a pancreatite aguda grave, o que ajudará a refinar o tratamento de pacientes de alto risco.

Del Giudice et al.3 relataram falência de órgãos em pacientes com PA comparando vários sistemas de pontuação clínica existentes, incluindo pontuações APACHE-II, BISAP, Glasgow e HAPS. No entanto, os resultados foram comuns e de uso clínico limitado. Portanto, novos métodos são necessários para prever a gravidade da PA. Nos últimos anos, alguns pesquisadores previram pancreatite grave construindo modelos ou pontuações. Yang et al.4 desenvolveram um nomograma para prever pancreatite grave na gravidez, e a área sob a curva do modelo apresentou bom desempenho nos conjuntos de treinamento e validação. Hong et al.5 então construíram um modelo de regressão logística (LR) usando colesterol de lipoproteína de alta densidade (HDL-C) na admissão e nitrogênio ureico sanguíneo (BUN) e creatinina sérica (Scr) em 24 horas. Eles conseguiram estratificar os pacientes com SAP, que era relativamente bem diferenciado. Embora modelos tenham sido desenvolvidos anteriormente para prever pacientes com SAP, ainda há incerteza nas métricas e variáveis ​​de diferentes fontes podem existir em um modelo.

A pancreatite grave é caracterizada por múltiplas causas precipitantes, início rápido, progressão rápida e muitas complicações6. A maioria dos pacientes (80–85%) desenvolve principalmente a doença leve com um curso autolimitado e uma taxa de mortalidade de < 1–3%, mas cerca de 20% desenvolvem PA moderada ou grave quando e a taxa de mortalidade é muito alta, variando de 13 a 35%. Portanto, é essencial prever melhor o aparecimento de pancreatite aguda grave (PAS) e identificar fatores de alto risco para o desenvolvimento de complicações. Estudos anteriores também mencionaram que PCR, PCT e PAE são essenciais na predição da PAS7,8,9. Uma melhor predição pode ser obtida combinando uma série de índices inflamatórios em uma avaliação abrangente.