WCN22热点速递丨血液透析低血压的管理方法汇总与新兴理念

血液透析是肾脏替代疗法的重要组成部分，是终末期肾脏病（ESRD）患者的主要治疗方式之一。然而，血液透析人群易出现血液透析中低血压（IDH），会对患者的治疗、生活质量产生重大影响，甚至造成患者死亡。

2月24-27日，2022年世界肾脏病大会（WCN）在马来西亚首都吉隆坡举行。欧美专家们就IDH的管理和新理念进行了阐述，并希望新技术、新理念早日广泛应用于临床。

血透患者必须面对的阴影——IDH

北卡罗来纳大学的肾脏病专家Jenny Flythe教授介绍，IDH即患者在接受血液透析治疗期间血压急剧下降。这将导致一系列的不良后果，包括器官灌注不足（如心脏缺血、神经功能改变）、动静脉内瘘闭塞、生活质量下降（头晕、痉挛、视力模糊、晕厥），甚至死亡。IDH并不罕见，约10~15%的血液透析患者会发生IDH。

目前，关于IDH的国际指南共有4部，分别为K/DOQI临床实践指南（2002）、欧洲最佳临床实践指南（2007）、英国肾脏学会指南（2009）以及日本肾脏治疗指南（2012）。大部分的指南对于IDH的定义为收缩压下降≥20mmHg、平均动脉压≥10mmHg或出现其他低血压临床症状。

而一项纳入了8项研究，14883例患者的meta分析发现，若IDH的定义按照欧洲最佳临床实践指南，那么IDH发病率为10.1%；若IDH的定义是患者最低收缩压＜90mmHg，则IDH发病率为11.6%。通过这篇meta分析发现，IDH的危险因素包括女性、伴有糖尿病、透析期间体重增加但干体重减少；以及外周动脉疾病等。

千里之行始于足下，IDH的现有管理方法

接下来Jenny Flythe教授就IDH的现有管理方法与大家进行了讨论。总的来说，发生IDH的机制是复杂的，与患者的共病、血液透析的治疗相关（图1）。

图1 发生IDH的机制

基于这些机制，IDH干预策略包括优化容量负荷、增加静脉回流、促进小动脉的血管收缩以及优化心脏功能。这些机制既可用于急性IDH的救治，也可用于IDH的预防。

1.急性IDH的处理

急性IDH发作时，医护人员需紧急干预、处理，挽救患者生命。共有有4种常见的干预方法：①立即停止超滤（优化容量负荷）；②头低脚高位的仰卧（增加静脉回流）；③必要时输注生理盐水或白蛋白（增加静脉回流）；④降低血流量（优化容量负荷）。关于第四点，尚存争议。目前暂无足够证据表明，对于透析患者而言，降低血流量对于急性IDH一定利大于弊。

JennyFlythe教授着重强调了第3点，即输注生理盐水或白蛋白。那么如何确定输注生理盐水还是白蛋白呢？Jenny Flythe教授对两种干预的优劣势进行了分析。

输注白蛋白除了能调整血压，还能消炎、抗氧化，并促进微循环。在一项3期临床试验纳入64例维持性血液透析的门诊患者，与同量的生理盐水相比，高渗白蛋白更能够改善患者血压。提示输注白蛋白可能是较好的选择。

然而，临床上更多会首选输注生理盐水，因为其总体花费低于输注白蛋白，尽管可能需要输注更多的生理盐水才能改善IDH。

2.预防IDH

预防IDH主要有4种方法，分别为：①调整透析液的温度（促进小动脉的血管收缩以及优化心脏功能）；②评估患者心脏功能（促进小动脉的血管收缩以及优化心脏功能）；③增加血液透析治疗时间（优化容量负荷）④考虑线性超滤（优化容量负荷）。

Jenny Flythe教授重点介绍了第1种方法。一项meta分析纳入26项研究共计484例患者，结果显示降低透析液的温度可以使IDH发生风险下降70%，并提高平均动脉压12mmHg。然而，在另一项2019年发布的meta分析中（纳入25项研究共计712例患者），虽然IDH的发生风险降低了，但是患者的不适感增加了。然而，部分研究质量较低，得出的结论可信度有待商榷。

此外，一项随机对照试验表明，与37℃的透析液温度相比，总是使用比患者体温低0.5℃透析液的患者，其白质组织和左心室质量都有所下降。

总之，调整透析液温度有益于避免IDH的发生，然而温度不能过低，需个体化评估。

除了以上4种方法外，还可通过米多君预处理、改变透析方法以及适当的体育锻炼等方式来预防IDH。

在一项观察性研究中，与对照组相比（n=2037），使用米多君预处理的患者（n=1046）IDH发生风险更低，全因死亡、住院以及因心血管事件住院的风险均较低。

Jenny Flythe教授认为，随着科技的发展，未来会有更好的预测工具（AI）、容量评估工具、实时传感工具以及更好的治疗方式可以预防IDH的发生。

未来咫尺，大数据、机器学习和个性化透析分析

来自西班牙肾脏病学会大数据和人工智能小组的研究专员Miguel Hueso教授介绍，大数据以及机器学习可以帮助医生为患者提供个性化透析治疗建议，包括预防IDH、警示容量改变等。

简而言之，可影响临床决策的人工智能建议是来自于大量、高质量临床数据。大数据形成的训练集不断训练人工智能程序，形成预测模型，并通过更多的数据对其进行测试与验证，最终在临床工作中提出有效、精准、个性化的治疗建议（图2）。

图2 大数据与机器学习的机制

目前，已有血液透析相关模型，可以精准预测患者血容量变化，预警患者血容量不足或减少的情况。据悉，该模型的训练集纳入了751354例透析患者的数据，并还在不断增加，强化学习。

Miguel Hueso教授提出，随着云技术的发展，世界各地的血液透析数据均可对临床决策提供帮助。在解决可视化和图形化的问题后，大数据及机器学习可根据实时数据，精准预测出现IDH、容量变化以及临床症状的可能性，进行预警和必要提示，并用于临床实践。这将有助于减少医护人员工作强度，并提升医疗质量。

值得注意的是，大数据分析和机器学习还需要在真实世界中进行验证，可视化界面还需与医护人员进行沟通，伦理学问题也依然值得探讨。Miguel Hueso教授相信，在未来大数据、机器学习将有助于帮助临床工作者管理血液透析乃至慢性肾脏病患者。

参考文献：

1.World Congress of Nephrology（virtual meeting） Feb26，2022. HEMODIALYSIS

2.World Congress of Nephrology（virtual meeting） Feb26，2022.Roadmap forInnovations in Dialysis