# チャプター 1 こんにちは。 集中治療院の小谷由紀です。 Xでもいろんな方がポストされてましたけれど、 AKIでRRT、腎代替療法をした後に、離脱できるかの予測モデルが新しく出たというので、 インテンシブルケアメディスン、集中治療で今一番良いジャーナルと言っていいと思うんですが、 に出版されたということで結構話題になってましたね。 この論文を読んでちょっと思うところを話そうと思いますね。 特定の論文について話すというのは、もしかしたら結構久しぶりかもしれませんね。 少し俯瞰してみるとですね、ICUでAKIに対するRRTというのが、 この2020年ぐらいまでの20年ぐらい、2000年代から2010年代、そして2020年ぐらいで、 RRTに関してかなり熱心に研究された分野なんですね。 特に大きなRCTが2010年代に5本ぐらいですかね、出て、 それを統合するとだいたい分かっているのは、いわゆる絶対適用ですね。 抗カリウム結晶体質、アシドオシス、尿毒症、そして排水腫。 この4つを基本として、それよりも早く回すことっていうのはあんまりメリットがないんじゃないかという理解になってきました。 じゃあ入り口は分かったけど出口はどうなんだというのが、ここ最近の注目になってますよね。 やめ方、やめるタイミング、どのタイミングで離脱すればうまくやめられるか、 つまりそのまま離脱したままでいけるかということを考えているわけです。 最近でも、RRT依存になった患者さんで、相変わらず絶対適用だけで回すのか、 回すのか、周酸、透析に乗せちゃうかで離脱具合みたいなものを研究するRCTも邪魔に出たりしましたよね。 今回はその流れを踏まえて、フランスのグループがやった研究ですけど、 A危機2という、その2つのRCTを彼ら自分たちでやったんですよね、開始基準に関して。 その患者をフォローしたデータをもう一度改めて眺めてみてですね。 その中で、どういう患者さんが一回RCT降りる機会があった場合に、そのまま降り切れたのか、 降り切れたとしたらどういう患者さんたちが降り切れていたのか、 その要素を抽出して最終的には予測モデルを作ろうというのが今回見られたポイントなんですね。 結局、180人ぐらいの患者さんのうち56%が離脱できたということで、 予測因子として強く考えしていたのが、尿量だったり小圧剤の利用だったり、 人工呼吸器、セプティックショック、それからRRTの期間、ベースラインの暮らし、 この辺りが当然値によっては高ければ高いほど良いとか悪いとか、それぞれ入れ替わるわけですけれど、 この6つのスコアを認めて、それを踏まえて自分たちの個報等ではAUCが0.86、 そして外部別の個報等で検証するとAUCが0.73というわけで、 悪くはない、めっちゃいいわけでもない、みたいなところへ落ち着いたということなんですね。 で、ですよ。ここからが僕はすごく思いたいところなんですけど、 つまり、そういうRCTできちんと質の高いRRTの開始基準を設けたスタディ2つを使って、 そしてきちんと外部検証もしたということで、この予測モデルの開発、 そして検証のステップとしては非常に質が高い、これはもう疑う余地がないわけですけれど、 一方でですね、これを診療でどう使うかというわけですよ。 例えばですね、今回得られた6つの要素にそれぞれ点数が付けられているわけですけど、 この辺りはやはり非常に便宜的ですよね。 なので、元々要素としてはみんな見てたと思うんですよ。 尿量がどうとか、重症度がどうとか、長い透析期間とか、ベースラインのクライアチンとかね。 なので、この辺りは元々見ている要素に対して、それを数値化した、ある否定量化したというところが、 今回もちろん素晴らしい業績であるんですが、とにかく僕は伝えたい一番のメッセージはですね、 これで臨床判断しない方がいいよねってことですね。 これは本文でも明確に言及されているわけです。 これ単独でディスイジョンメイキングっていうのはすべきでないというスタンスを取っているわけですが、 そうなってくるとですね、やっぱり僕は思っちゃうのは、 じゃあ予測モデルって何のためにあるんだろうって思うわけですね。 つまり、人が診療所、ベッドサイドで使えるように分かりやすいパラメーターの分かりやすいそれぞれ係数をつけることによって、 難点だからこう、みたいなことを言うわけですけれど、分かりやすさを叶えるためにはですね、 必ず厳密さを規制にするわけですよね。 で、厳密じゃなくなってくると使いたくなくなるという、この非常に大きなジレンマがあるわけです。 特に、その患者さんが哀愁にずっといる場合なんかはですね、別に哀愁でいろんなモニタリングが非常にアクセスがいいわけですよね。 例えば毎日採血することも可能かもしれませんし、 血液ガス分析を1日複数回取るだって可能かもしれない。尿量だって1時間尿量が得られるかもしれない。 その下でですね、あえて自分たちがルーチンで収集している以上に、より少ない範囲のパラメーターに収束させるというのは、 勘弁化というか単純化になってしまって、抜け落ちる要素が多い気がするんですよね。 当然、あるタイミングで一定の高い確率でもう離脱可能だろう。なので糖質化テーテルを抜いちゃうみたいな判断が しやすくなるかもしれないですが、抜いて入れるみたいなのがそんなダメなことなのか。 次の日やるのに抜いちゃったはちょっとお粗末かもしれませんが、3日後にまた入りそうな場合になったよってなったら、別にもう1回入れたらいいんじゃない。 むしろそのためだけに残すっていうのもなんか微妙。 そうなってくると、この予測モデルっていうのは、こうやって非常に質の高いデータセットで、信頼度のある頑健な方法論で、 そして名のあるジャーナルにアクセプトされた。それですらなかなかベッドサイドの診療に生かすというのは簡単じゃないなと思うわけです。 皆さんどうですかね。そういうふうに話していくと、やっぱり予測モデルって情報量が少ない環境において、 より詳細な情報があれば診断につながったり、より角度の高いディスクジョンメイキングにつながるかもしれない状況において、 リソースがあるという限られている状況において、そこで少ない情報をぶち込んだらですね、一定の角度を持ってディスクジョンメイキングのサポートになる。 例えば、公示医療機関に転送した方がいいかもしれないとか、クロースモニタリングした方がいいかもしれないとか。 というのはわかりますよね。なので、ICUにおける予測モデルみたいなものっていうのが、実際ほとんど使われないし、 一方で研究はたくさん出てくる。できるのでね。テクニカルには研究になるのでやっちゃうんだけど、果たしてそれは、 どのステップを臨床の、何を助けるんだろうか、みたいなところはすごく思いますよね。なので、予測モデルが出てきてですね、 これは簡単で便利だって一見思うかもしれないけれど、今自分たちがやっているものに対して、当然一定定量化してくれるのは、当然科学としては前進なんですよ。 ただ、それに依存してしまうっていうのは、本来自分たちが発揮していた臨床上の意思決定よりも、 時には質の下がってしまう結論になりかねないということを知った上で運用を考えるというのがいいんじゃないかと思います。 それではまた。