使用 PKIP 评分预测急性农药中毒患者的急性肾损伤

为什么中毒后肾损伤很重要

当某人吞入过量农药时，医生首先关注的是维持生命。但肾脏的隐匿性损伤可能在数小时到数天内悄然发展，并显著增加死亡风险。本研究提出一个切实相关的问题：我们能否利用急诊室头两小时内的信息，识别出最可能发生严重肾脏问题、需要更密切监测或更早治疗的患者？

机体与毒物对肾脏的双重负荷

肾脏充当强大的过滤器，清除血液中的代谢废物和多种化学物质。在急性农药中毒中，这一过滤系统可能被压垮。毒素、低血压及其他器官应激可共同导致急性肾损伤，即肾功能的突然下降。先前研究表明此类损伤与住院时间延长和死亡率升高相关，但临床上缺乏针对中毒情形的明确检测规则和预测谁会受重创的工具。

在真实患者中检验通用规则

为弥补这一空白，研究者回顾性分析了 2015 至 2020 年间在韩国一所医院治疗的 877 例非百草枯农药中毒成人病历。他们应用了广泛使用的《肾脏病：改善全球结局》（KDIGO）标准，该标准根据血肌酐变化、尿量及是否需要透析来定义并分级急性肾损伤。基于到院后的测量值，他们随访了为期一周的肾脏状态。按这些标准出现肾损伤的患者死亡率为 16.6%，而肾功能稳定者为 4.7%。肾损伤更严重的分期与更高的死亡率呈阶梯式相关，表明在中毒情形下 KDIGO 定义具有临床意义。

构建一个简单的早期预警评分

研究团队随后着手构建一个早期预警模型，称为农药中毒急性肾损伤预测（Prediction of acute Kidney Injury in Pesticide intoxication，简称 PKIP）。他们聚焦于急诊室前两小时内可获得的信息：年龄、体格、体温、血压与脉搏、意识水平、外周血检如白细胞计数、血红蛋白、肌酐、碳酸氢盐、磷、肝酶水平，以及是否有低血氧或慢性肾病。他们还纳入了农药的大类及早期尿检发现如尿隐血。利用现代机器学习技术，比较了若干算法与特征选择策略，最终选择了基于 14 个最具信息量特征训练的 CatBoost 模型。

PKIP 评分在风险分层上的表现如何

PKIP 的预测在识别谁会发生肾损伤方面显示出中等准确性，受试者工作特征曲线下面积（AUC）为 0.72，这是一个常用的判别力指标。重要的是，按 PKIP 输出将患者分为从极低到极高的五个风险带后，结局呈显著分化。极低风险组中只有约 5% 出现肾损伤，而极高风险组约为 61%。高风险患者不仅更容易发生肾损伤，还更可能进展到最严重的分期并死亡；其死亡率约为 30%，而极低风险组未见死亡。尽管只用到了更少且常规采集的变量，PKIP 在划分这些风险水平上也优于一个通用的重症评分 APACHE II。

对患者与护理团队的意义

对于急性农药中毒的患者，这项工作表明标准的肾损伤规则可以识别出更高死亡风险的人群，而一个基于网络的早期 PKIP 工具可能有助于在全面肾功能衰竭出现前就筛查出易损患者。在实践中，较高的 PKIP 评分可促使医生更密切监测尿量与血液检验、避免使用加重肾脏负担的药物、优化液体治疗，并更早请肾脏科会诊。作者强调 PKIP 并非完美，且是在单一医院建立，需要在其他国家和不同农药使用模式下验证。尽管如此，它为更个体化护理提供了切实一步，将急诊室的前两小时转化为预防中毒最危险后果的机会。

引用: Kim, Y., Ahn, SJ., Cho, NJ. et al. Prediction of acute kidney injury in patients with acute pesticide poisoning using the PKIP score. Sci Rep 16, 15086 (2026). https://doi.org/10.1038/s41598-026-41334-4

关键词: 急性肾损伤, 农药中毒, 风险预测, 临床决策支持, 机器学习