Изучение возможностей использования расчетных методов оценки скорости клубочковой фильтрации в зависимости от нозологического типа социально-значимых заболеваний


DOI: https://dx.doi.org/10.18565/nephrology.2019.1.32-41

И.Т. Муркамилов, И.С. Сабиров, В.В. Фомин, Ж.А. Муркамилова

1) Кыргызская государственная медицинская академия им. И.К. Ахунбаева; Бишкек, Киргизия; 2) Кыргызско-Российский Славянский университет им. первого Президента России Б.Н. Ельцина; Бишкек, Киргизия; 3) ФГБОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова»; Москва, Россия; 4) Центр семейной медицины № 7; Бишкек, Киргизия
Цель исследования. Изучить возможности использования различных методик расчета скорости клубочковой фильтрации (СКФ) с определением частоты встречаемости ренальной дисфункции в зависимости от нозологического типа социально значимых заболеваний.
Материал и методы. Объектом исследования были 728 пациентов, страдавших различными социально значимыми заболеваниями, из них 330 (45,3%) мужчин и 398 (54,7%) женщин в возрасте от 16 до 98 лет (средний возраст – 50,5±14,2 года). Изучали содержание креатинина и цистатина С сыворотки крови. Рассчитывали скорость клубочковой фильтрации (СКФ) по формулам: CKD-EPI (2011), MDRD (2000), Cokcroft-Gault (1976) и F.J. Hoek (2003). Вся выборка была распределена на 9 подгрупп в зависимости от нозологического типа заболевания: 1 – ожирение; 2 – гипертоническая болезнь (ГБ); 3 – ишемическая болезнь сердца (ИБС); 4 –
сахарный диабет (СД); 5 – первичные нефропатии (хронические гломерулонефриты и пиелонефриты); 6 – хроническая обструктивная болезнь легких (ХОБЛ); 7 – цереброваскулярные заболевания (ЦВЗ); 8 – коморбидные заболевания и 9 – общая группа. Проведен сравнительный анализ частоты встречаемости ренальной дисфункции в зависимости от методики расчета СКФ. Вычислены медиана и межквартильный диапазон СКФ в зависимости от формулы расчета СКФ в разных клинических подгруппах. Проведен корреляционный анализ связи между СКФ по креатинину и цистатину С сыворотки крови в зависимости от формулы расчета в разных клинических подгруппах.
Результаты. Снижение СКФ в диапазоне 90–60 мл/мин выявлено у 29,3% по формуле CKD-EPI, 36,6% по MDRD, 24,3% по Cokcroft–Gault и 71,2% по методике F.J. Hoek. Наибольшее число пациентов со снижением СКФ менее 60 мл/мин отмечено по методике F.J. Hoek (48,2%) и MDRD (25,1%). Сравнительно более низкое значение СКФ по F.J. Hoek регистрировалось в подгруппе пациентов с СД и первичными патологиями почек (гломерулонефриты/пиелонефриты). У пациентов с ожирением, ГБ, ХОБЛ, ЦВЗ и в общей выборке отмечено существенное снижение СКФ по методике F.J. Hoek по сравнению с CKD-EPI, MDRD и Cokcroft–Gault. СКФ, рассчитанная на основе креатинина сыворотки крови по CKD-EPI, дала статистически высокозначимую связь в подгруппе лиц, страдавших ХОБЛ (R=-0,756; р=0,001) и первичными нефропатиями (R=-0,781; р=0,001). Аналогичная достоверная сильная корреляционная взаимосвязь по уравнению MDRD наблюдалась в подгруппе пациентов с ХОБЛ (R=-0,852; р=0,001). Сравнительно с другими подгруппами коэффициент корреляции между креатинином сыворотки крови и расчетной СКФ по формуле Cokcroft–Gault среди лиц с ИБС оказался не столь сильным (R=-0,484; р=0,005). СКФ, рассчитанная с использованием методики F.J.Hoek во всех представленных подгруппах, дала значительную корреляционную взаимосвязь. Взаимосвязь СКФ, рассчитанная на основе цистатина С сыворотки крови, была более сильной в подгруппе пациентов, страдавших ХОБЛ (R=-0,935; р=0,001).
Заключение. Распространенность незначительного снижения СКФ по методике F.J. Hoek у пациентов, страдавших различными социально значимыми заболеваниями, составила 71,2 и у 36,6% по формуле MDRD. Умеренное снижение функции почек по методике F.J. Hoek у обследованных лиц выявилось у 48,2%, по уравнению MDRD – 25,1%. Частота встречаемости ренальной дисфункции по формулам CKD-EPI и Cokcroft–Gault была равнозначной: 29,3; 21,2% и 24,3; 20,1% соответственно.

Литература


  1. Major R.W., Cheng M.R., Grant R.A. et al. Cardiovascular disease risk factors in chronic kidney disease: A systematic review and meta-analysis. PloS one. 2018;13:3.С.e0192895. Doi:https://doi.org/10.1371/journal.pone.0192895.
  2. Stel V.S., Brück K., Fraser S., et al. International differences in chronic kidney disease prevalence: a key public health and epidemiologic research issue. Nephrol. Dial. Transplantat. 2017;32(2):ii129–ii135. Doi:https://doi.org/10.1093/ndt/gfw420.
  3. Dorans K.S., Mills K.T., Liu Y., He J. Trends in Prevalence and Control of Hypertension According to the 2017. American College of Cardiology. American Heart Association (ACC/AHA) Guideline. J. Am. Heart. Assoc. 2018;7:1–11.e008888. Doi:https://doi.org/10.1161/JAHA.118.008888.
  4. Бойцов С.А., Самородская И.В., Никулина Н.Н. и др. Сравнительный анализ смертности населения от острых форм ишемической болезни сердца за пятнадцатилетний период в РФ и США и факторов, влияющих на ее формирование. Тер. архив. 2017;9(89):53–9. Doi: 10.17116/terarkh201789953-59.
  5. Дедов И.И., Шестакова М.В., Викулова О.К. Эпидемиология сахарного диабета в Российской Федерации: клинико-статистический анализ по данным Федерального регистра сахарного диабета. Сахарный диабет. 2017;1(20):13–41. Doi:10.14341/DM8664.
  6. National Kidney Foundation. K/DOQI clinical practice guidelines for chronic kidney disease: evaluation, classification, and stratification. Am. J. Kidney Dis. 2002;39(1):1–266.
  7. KDIGO 2012 Clinical Pracice Guidelines for the Evaluaion and Management of Chronic Kidney Disease. Kidney Int. 2013;3(1):1–163.
  8. Hoek F.J., Kemperman F.A., Krediet R.T. A comparison between cystatin C, plasma creatinine and the Cockcroft and Gault formula for the estimation of glomerular fi ltration rate. Nephrol. Dial. Transplant. 2003;18(10):2024–2031. Doi:10.1093/ndt/gfg349.
  9. Bevc S., Hojs R., Ekart R., et al. Simple cystatin C formula for estimation of glomerular filtration rate in overweight patients with diabetes mellitus type 2 and chronic kidney disease. Exp. Diabet. Res. 2012;2012:8. Doi:10.1155/2012/179849.
  10. Hilderink J.M., van der Linden N., Kimenai D.M., et al. Twenty-four-Hour Biological Variation of Creatinine, Cystatin C, and Estimated Glomerular Filtration Rate in People With or Without Chronic Kidney Disease. Clin. Chem. 2017;63(10):1655–1656. Doi: 10.1373/clinchem.2017.275107.
  11. Батюшин М.М. Методические основы оценки скорости клубочковой фильтрации в урологической практике. Вест. урологии. 2017;1(5):42–51. Doi:10.21886/2306-6424-2017-5-1-42-51. [Batiushin M.M. Methodical bases of estimation glomerular filtration rate in urological practice. Urol. herald.2017;1(5):42–51. doi:10.21886/2306-6424-2017-5-1-42-51.
  12. Zhu Z., Zhong C., Xu T., et al. Prognostic significance of serum cystatin C in acute ischemic stroke patients according to lipid component levels. Atheroscler. 274:146–151. Doi: 10.1016/j.atherosclerosis.2018.05.015. (In Russ.)].
  13. Муркамилов И.Т., Сабиров И.С., Фомин В.В. и др. Оценка нефроцеребрального риска с использованием цистатина С у больных хронической болезнью почек. Журн. неврологии и психиатрии им. С.С. Корсакова. 2018;118(9):10–16. Doi: https://doi.org/10.17116/ jnevro201811809110.
  14. Peralta C.A., Katz R., Sarnak M.J., et al. Cystatin C identifies chronic kidney disease patients at higher risk for complications. J. Am. Soc.Nephrol. 2011;22:147–155.
  15. Snyder J.J., Foley R.N., Collins A.J. Prevalence of CKD in the United States: a sensitivity analysis using the National Health and Nutrition Examination Survey (NHANES) 1999–2004. Am. J. Kidney Dis. 2008;53(2):218–228. Doi:10.1053/j.ajkd.2008.07.034.
  16. Cockcroft D.W., Gault M.H. Prediction of creatinine clearance from serum creatinine. Nephron.1976;16(1):31–41. Doi:10.1159/000180580.
  17. Levey A.S., Bosch J.P., Lewis J.B., et al. A more accurate method to estimate glomerular filtration rate from serum creatinine: a new prediction equation. Modification of Diet in Renal Disease Study Group. Ann. Intern. Med. 1999;130(6):461–470. Doi: 10.7326/0003-4819-130-6-199903160-00002. PMID 10075613.
  18. Levey A.S., Stevens L.A., Schmid C.H., et al. A new equation to estimate glomerular filtration rate. Ann. Intern. Med. 2009;150:604–612.
  19. Дедов И.И., Мельниченко Г.А. Ожирение. М., 2006. С. 19–21.
  20. Орлов А.И. Прикладная статистика. М., 2006. 671 с.
  21. Смирнов А.В., Добронравов В.А., Каюков И.Г. и др. Хроническая болезнь почек: основные принципы скрининга, диагностики, профилактики и подходы к лечению. Национальные рекомендации. Нефрология. 2012;1(16):89–115.
  22. Муркамилов И.Т., Айтбаев К.А., Фомин В.В. и др. Влияние массы тела и артериальной гипертензии на структурную перестройку сердца при хроническом гломерулонефрите. Здоровье и образование в XXI веке. 2018;4(20):9–17. Doi: http://dx.doi.org/10.26787/nydha-2226-7425-2018-20-4-9-17.
  23. Переверзева Е.В., Гулько А.Ю., Вабищевич Ю.Э. и др. Сопоставление показателей скорости клубочковой фильтрации, определенных разными методами, у мужчин призывного возраста с артериальной гипертензией. Вест. Смоленской государственной медицинской академии. 2016;1(15):23–8.
  24. Смирнов А.В., Шилов Е.М., Добронравов В.А. и др. Национальные рекомендации. Хроническая болезнь почек: основные принципы скрининга, диагностики, профилактики и подходы к лечению. Клин. нефрология. 2012;4:4–26.
  25. Matsushita K., Mahmodi B.K., Woodward M., et al. Comparison of the risk prediction using the CKD-EPI equation and the MDRD study equation for estimated glomerular filtration rate. JAMA. 2012;307:1941–1951.
  26. Кобалава Ж.Д., Виллевальде С.В., Ефремовцева М.А. Хроническая болезнь почек: определение, классификация, принципы диагностики и лечения. Рос. кардиол. журн. 2013;4(102):95–103. doi: https://doi.org/10.15829/1560-4071-2013-4-95-103.
  27. Ощепкова Е.В., Долгушева Ю.А., Жернакова Ю.В. и др. Распространенность нарушения функции почек при артериальной гипертонии (по данным эпидемиологического исследования ЭССЕ-РФ). Системные гипертензии. 2015;3(12):19–24.
  28. Кулаков В.В., Виллевальде С.В., Кобалава Ж.Д. Распространенность маркеров хронической болезни почек у пациентов с артериальной гипертонией и сахарным диабетом в реальной практике. Трудный пациент. 2017;3(15):49–53.
  29. Hougardy J.M., Delanaye P., Le Moine A., Nortier J. Estimation of the glomerular filtration rate in 2014 by tests and equations: strengths and weaknesses. Rev. Med. Brux. 2014;4(35): 250–257. PMID 25675627.
  30. Кардиология: национальное руководство. Под ред. Е.В. Шляхто. М., 2015. 800 с.
  31. Chang A.R., Appel L.J. Target Blood Pressure for Cardiovascular Disease Prevention in Patients with CKD. Clin. J. Am. Soc. Nephrol. 2018;13(10):1572–1574. Doi: https://doi.org/10.2215/CJN.02130218.
  32. Попова И.Р., Торчинский Н.В., Драпкина О.М., Ивашкин В.Т. Оценка функционального состояния почек у пациентов с избыточной массой тела и ожирением. Клиницист.2012;2:36–40.
  33. Сабодаш А.Б., Команденко М.С., Шостка Г.Д. Сравнение различных методик определения остаточной функции почек. Нефрология. 2005;9(2):61–6. Doi: https://doi.org/10.24884/1561-6274-2005-9-2-61-66.
  34. McFadden E.C., Hirst J.A., Verbakel J.Y., et al. Systematic review and metaanalysis comparing the bias and accuracy of the Modification of Diet in Renal Disease and Chronic Kidney Disease Epidemiology Collaboration equations in community-based populations. Clin. Chem. 2018;64:3:475–485. Doi:10.1373/clinchem.2017.276683.
  35. Bhuvanakrishna T., Blake G. M., Hilton R., et al. Comparison of estimated GFR and measured GFR in prospective living kidney donors. Int. Urol. Nephrol. 2015;47:1:201–208. Doi: 10.1007/s11255-014-0859-y.
  36. Wróbel P., Sułowicz W. Comparison of the prevalence of chronic kidney disease in patients of the Emergency Department of the Regional Hospital in Kielce based on GFR estimation according abbreviated MDRD formula or CKD-EPI equation. Przeglad lekarski. 2016;7(73):465–471.
  37. Björk J., Bäck S.E., Ebert N., et al. GFR estimation based on standardized creatinine and cystatin C: a European multicenter analysis in older adults. Clin. Chem. Lab. Med. (CCLM). 2018;56:3:422–435. Doi: https://doi.org/10.1515/cclm-2017-0563.
  38. Sans L., Radosevic A., Quintian C., et al. Cystatin C estimated glomerular filtration rate to assess renal function in early stages of autosomal dominant polycystic kidney disease. PloS One. 2017;12:3. e0174583. Doi: https://doi.org/10.1371/journal.pone.0174583.
  39. Dangle P.P., Ayyash O., Kang A., et al. Cystatin C-calculated glomerular filtration rate – a marker of early renal dysfunction in patients with neuropathic bladder. Urol. 2017;100:213–217. Doi: https://doi.org/10.1016/j.urology.2016.08.011.
  40. Муркамилов И.Т., Айтбаев К.А., Фомин В.В. и др. Содержание цистатина С плазмы крови и его взаимосвязь с аугментационным индексом и центральным артериальным давлением у пациентов терапевтического профиля. Клин. нефрология. 2018;3:31–40. Doi: 10.18565/nephrology.20183.31–40.
  41. Ebert N., Schaeffner E. New biomarkers for estimating glomerular filtration rate. J. Lab. Prec. Med. 2018;3:75:1–11. Doi: 10.21037/jlpm.2018.08.07.
  42. He L., Li J., Zhan J., et al. The value of serum cystatin C in early evaluation of renal insufficiency in patients undergoing chemotherapy: a systematic review and meta-analysis. Cancer Chemother. Pharmacol. 2019;1–11. Doi: https://doi.org/10.1007/s00280-018-3762-x.
  43. Mirza S., Clay R.D., Koslow M.A., Scanlon P.D. COPD Guidelines: A Review of the 2018 GOLD Report. Mayo Clin. Proc. Elsev. 2018;93:10:1488–502. Doi: https://doi.org/10.1016/j.mayocp.2018.05.026.
  44. Долгополова Д.А. Предикторы развития хронической болезни почек у больных хронической обструктивной болезнью легких. Клиницист. 2016;10:3:51–57. Doi: 10.17 650/1818-8338-2016-10-3-51-57.
  45. Болотова Е.В., Дудникова А.В. Особенности дисфункции почек у пациентов с хронической обструктивной болезнью легких. Клин. нефрология. 2015;(2–3):27–32.
  46. Leung J., Chen V., Hollander Z., et al. High Cystatin-C Levels May Predict Imminent COPD Exacerbations//A103. COPD: Disease progression and prognosis. Am. Thor. Soc. 2017;A2729-A2729.
  47. Zhang M., Li Y., Yang X., et al. Serum cystatin C as an inflammatory marker in exacerbated and convalescent COPD patients. Inflammation. 2016;39:2:625–631. Doi: https://doi.org/10.1007/s10753-015-0287-x.
  48. Яркова Н.А., Боровков Н.Н., Занозина О.В., Носов В.П. Цистатин С в диагностике хронической болезни почек у больных сахарным диабетом 2-го типа. Совр. технологии в медицине. 2013;5(4):89–93.
  49. Coca S.G., Yalavarthy R., Concato J., Parikh C. R. Biomarkers for the diagnosis and risk stratification of acute kidney injury: a systematic review. Kidney Int. 2008;73:9:1008–1016. Doi: https://doi.org/10.1038/sj.ki.5002729.
  50. Kilbride H.S., Stevens P.E., Eaglestone G., et al. Accuracy of the MDRD(Modification of Diet in Renal Disease) study and CKD-EPI (CKD Epidemiology Collaboration) equations for estimation of GFR in the elderly. Am. J. Kidney Dis. 2013;1(61):57–66. Doi: 10.1053/j.ajkd.2012.06.016.
  51. Levey A.S., Bosch J.P., Lewis J.B. A more accurate method to estimate glomerular filtration rate from serum creatinine; a new prediction equation. Ann. Intern. Med.1999;130(8):461–470.
  52. Levey A.S., Greene T., Kusek J.W., Beck G.J. A simplified equation to predict glomerular filtration rate from serum creatinine. J. Am. Soc. Nephrol. 2000;11:A0828.
  53. Ibrahim S., Rashid L., Darai M. Modification of diet in renal disease equation underestimates glomerular filtration rate in egyptian kidney donors. Exp. Clin. Transplant. 2008;6(2):144–148.
  54. Ma Y.C., Zuo L., Chen J.H., et al. Modified glomerular filtration rate estimating equation for Chinese patients with chronic kidney disease. J. Am. Soc. Nephrol. 2006;17(10):2937–2944.
  55. Каретникова В.Н., Осокина А.В., Евсеева М.В. и др. Формулы оценки функции почек при прогнозировании отдаленных сердечно-сосудистых исходов у больных инфарктом миокарда в сочетании с сахарным диабетом. Тер. архив. 2016:4(88):35–40. Doi: 10.17116/terarkh201688435-40.
  56. Clase C.M., Garg A.X., Kiberd B.A. Prevalence of low glomerular filtration rate in nondiabetic Americans: Third National Health and Nutrition Examination Survey (NHANES III). J. Am. Soc. Nephrol. 2002;5(13):1338–1349. Doi: https://doi.org/10.1097/01.ASN.0000013291.78621.26.


Об авторах / Для корреспонденции


Муркамилов И.Т. – к.м.н., врач-нефролог I квалификационной категории, ассистент кафедры факультетской терапии КГМА им. И.К. Ахунбаева; Бишкек, Киргизия. E-mail: murkamilov.i@mail.ru
Сабиров И.С. – д.м.н., профессор, заведующий кафедрой терапии № 2 по специальности «лечебное дело», Кыргызско-Российский Славянский университет им. первого Президента России Б.Н. Ельцина; Бишкек, Киргизия. Е-mail: sabirov_is@mail.ru
Фомин В.В. – д.м.н., профессор, заведующий кафедрой факультетской терапии № 1, ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» МЗ РФ; Москва, Россия
Муркамилова Ж.А. – врач-нефролог Центра семейной медицины № 7; Бишкек, Киргизия.


Похожие статьи


Бионика Медиа