数字透析时代下的在线血液透析滤过技术

《Kidney News Online》：Online Hemodiafiltration in the Era of Digital Dialysis

在线血液滤过（HDF）较传统透析具优势，但现有研究存在方法学缺陷，脆弱指数显示结果稳健性不足。共识建议HDF作为个性化治疗的一部分，需达23升/次对流量，并强调数字技术应用提升疗效与可持续性。

　　

在线血液透析滤过（HDF）长期以来被视为传统血液透析（HD）的一种有前景的改进方法，它能够提供更高的中分子清除率并提高患者的生存率。多项随机对照试验（RCTs）、荟萃分析以及个体患者数据（IPD）分析都表明，与高通量HD相比，HDF具有显著的优势（1）。然而，这些研究受到纳入标准不统一和方法学缺陷的限制，包括信息选择偏倚以及随机分组后表现不佳的患者被排除在HDF组之外的问题（1）。通过使用脆弱性指数（FI）和脆弱性商数（FQ）对个别RCT及相关IPD分析的数据可靠性进行了评估，这些指标用于衡量二元结果统计显著性结果受事件状态微小变化影响的程度。脆弱性指数表示需要有多少患者的状态从“有事件”变为“无事件”（或相反），才能使显著结果变得不显著；而脆弱性商数（FI除以样本量）则考虑了研究规模的影响。尽管没有公认的阈值，但实证数据表明，当FQ值为0.03或更低时，应对其可靠性产生怀疑（2, 3）。 对于两项关键的RCT——ESHOL（NCT00694031）和CONVINCE（NTR7138），仅改变3到13名参与者的结果状态就足以使全因死亡率的统计显著性消失，此时FQ值小于0.03（3）。当将同样的方法应用于包含4000多名HD患者的汇总IPD荟萃分析时，即使仅对28名患者的结果进行重新分配，总体生存优势也会消失（2）。这些发现并不意味着在线HDF无效；相反，它们表明现有的证据基础在统计上较为脆弱，更容易受到随机变异的影响，这超出了单纯基于p值的判断。

欧洲肾脏协会的欧洲透析（EuDial）工作组最近发布了一份关于HDF的共识声明（1），该声明通过对荟萃分析数据、临床经验和专家意见的综合，提供了对现有证据的更细致和实用的解释，重点关注生存率、健康相关的生活质量以及生化指标（1）。声明指出，当能够持续实现较高的对流体积时，在线HDF与全因生存率和心血管生存率的改善有关，通常推荐的每次治疗的对流体积目标超过23升。然而，这种生存优势主要体现在具有良好血管通路和一般健康状况的患者中，而不仅仅取决于年龄、糖尿病或既往心血管疾病（1）。总体而言，EuDial共识声明并未将在线HDF作为通用护理标准，同时考虑到其相比高通量HD更高的环境影响和成本。相反，它建议将在线HDF作为个性化透析策略的一部分，其潜在益处与实现的对流体积和患者的整体状况密切相关（1）。

HDF的共识声明

欧洲肾脏协会的欧洲透析工作组（EuDial）最近发布的关于HDF的共识声明，基于荟萃分析数据、临床经验和专家意见，对现有证据进行了更细致和实用的解读，以支持临床决策（1）。声明确定了22个关键点，重点关注生存率、健康相关的生活质量和生化指标（1）。 EuDial共识声明认为，在线HDF在实现较高对流体积的情况下，能够改善全因生存率和心血管生存率，推荐的常见目标是对流体积超过23升/次治疗。不过，这种生存优势主要体现在血管通路良好且总体健康状况良好的患者中，而不仅仅与年龄、糖尿病或既往心血管疾病有关（1）。总体而言，EuDial共识声明并未将在线HDF作为普遍的护理标准，同时考虑到其较高的环境影响和成本。相反，它建议将在线HDF作为个性化透析策略的一部分，其潜在益处与实现的对流体积和患者的整体状况密切相关（1）。

HDF的发展趋势：从固定处方到数据驱动的护理

得益于数字健康工具的发展，包括远程医疗、远程患者监测（RPM）、集成数据平台和基于人工智能（AI）的决策支持，透析护理正在经历变革（图1）。基于远程医疗的透析评估可以增加医患交流的频率，改善患者体验，并简化多学科护理；而RPM系统可以近乎实时地传输来自透析设备的治疗和生命体征数据（4, 5）。

查看全尺寸

图1. “数字透析”的主要组成部分和影响

引用来源：Kidney News 18, 3; 10.62716/kn.002732025

• 下载图片
• 将图片下载为PowerPoint幻灯片

在设备层面，新型HDF平台可以根据实时测量的压力、粘度等参数自动调整透析液流量、超滤量和置换体积。这些系统可以在不增加透析液消耗量的情况下实现高容量HDF治疗，并同时生成大量高频数据集。这些数据非常适合AI驱动的临床决策支持，有助于临床医生优化治疗方案、预测透析过程中的不稳定情况，并随时间监测治疗效果（6）。 在数字透析设备中，在线HDF可以从固定处方（“稀释后23升”）发展为动态的、数据驱动的过程。算法可以帮助识别最有可能达到并耐受高对流体积的患者，从而实现个性化的治疗剂量。例如，可以根据患者的体表面积调整目标体积，可能使更多患者受益于HDF。实时分析可以优化血流、对流体积和透析液流量，同时监测透析过程中的血液动力学情况，从而降低透析期间低血压的风险。此外，还可以监测水消耗、能源消耗和一次性用品的使用等环境和经济参数，支持“绿色透析”原则，并为运营和政策决策提供依据（7, 8）（图2）。

查看全尺寸

图2. 传统HDF向连接式、AI支持的HDF的数字化转型

引用来源：Kidney News 18, 3; 10.62716/kn.002732025

• 下载图片
• 将图片下载为PowerPoint幻灯片

虽然目前尚未有“适用于所有患者的HDF”策略，但数字技术的整合指出了一个新的发展方向。未来的研究可以在基于注册表的、数字化支持的实用试验中，整合在线HDF与高通量HD的比较，利用机器和RPM常规收集的数据来获得大规模的结果。一种有前景的方法是试验模拟（或目标试验模拟），该方法将RCT设计原则应用于观察性数据，明确界定纳入标准、治疗策略、随访和结果。随着大型透析注册表的日益普及，这种方法可能产生更可靠的关于HDF效果的因果推断，有助于制定临床指南和监管决策（9）。 基于AI的分析工具可以用来探讨治疗效果的异质性，识别哪些临床特征（如年龄、血管通路质量、血液动力学特征或合并症负担）最能从高容量HDF中获益。同时，连接的基础设施可以支持对安全性、健康相关的生活质量和环境影响的持续监测（10）。 总之，连接式透析设备、RPM和AI驱动的分析（数字透析）的整合为更可靠、个性化且环保的HDF治疗提供了途径，基于具体证据，有可能将HDF的益处扩展到更广泛的患者群体。