摘要
目的：探讨维持性血液透析（MHD）患者左心室舒张功能障碍（LVDD）的影响因素，并构建一个诺模图预测模型。
方法：收集了2022年4月至2024年12月期间在我院接受MHD治疗的357名患者的数据。根据7:3的比例，将患者分为250例的建模组和107例的验证组。根据是否发生LVDD，建模组进一步分为61例的LVDD组和189例的非LVDD组。使用多变量逻辑回归分析建模组中MHD患者LVDD的风险预测因素。使用R软件绘制诺模图。通过校准曲线和Hosmer-Lemeshow拟合优度检验来评估诺模图的校准情况。使用接收者操作特征（ROC）曲线来评估诺模图的区分能力。使用临床决策曲线分析（DCA）来评估诺模图的临床实用性。
结果：年龄、左心室肥厚、高血压、糖尿病、LVMI和血红蛋白是MHD患者LVDD的风险预测因素（P<0.05）。建模组和验证组的预测值与实际观察值之间的一致性良好，Hosmer-Lemeshow检验P分别为0.317和0.320，ROC曲线的AUC分别为0.922和0.896，表明模型的校准和区分能力良好。当建模组和验证组的高风险阈值概率分别在0.02–0.98和0.04–0.86范围内时，临床医生使用诺模图进行治疗决策的净收益较高。
结论：本研究构建的诺模图预测模型可以帮助临床医生识别MHD中的LVDD高风险患者，并改进管理策略。
1 引言
心血管疾病是慢性肾脏病患者的常见并发症，也是接受维持性血液透析（MHD）患者的主要死因（1-3）。左心室舒张功能障碍（LVDD）在慢性肾脏病患者中非常普遍，在心脏病早期就出现，且进行性的舒张功能障碍与较高的死亡风险独立相关（4-6）。早期发现和干预LVDD可以减少心血管事件的发生，改善MHD患者的预后。在本研究中，我们旨在通过整合MHD患者的基线数据和血液实验室结果来调查LVDD的相关风险因素，并评估其对心脏功能的影响。此外，本研究利用这些风险因素构建了一个诺模图预测模型，旨在早期预测LVDD，并为MHD患者的心血管疾病的临床诊断和功能管理提供指导。
2 参与者和研究设计
2.1 研究对象
数据来自2022年4月至2024年12月期间在我院接受MHD治疗的357名患者。患者按7:3的比例分为建模组（n=250）和验证组（n=107），建模组用于构建诺模图预测模型。该研究获得了医院医学伦理委员会的批准。
纳入标准：（1）年龄≥18岁；（2）接受定期MHD治疗超过3个月，每周3次，每次持续4小时。
排除标准：（1）医疗记录不完整；（2）存在恶性肿瘤或严重肝功能障碍；（3）入院前1个月内有心血管事件（如心律失常、脑血管意外或心力衰竭）的历史；（4）入院前1个月内有创伤、急性炎症或其他外科治疗的历史。病例收集流程图见图1。
图1 病例收集流程图。
2.2 数据收集
收集了MHD患者的临床特征数据，包括基线信息、透析相关数据和血液实验室检查结果。基线信息包括：年龄、性别、体重指数（BMI）、收缩压、舒张压、吸烟状况、饮酒情况、左心室肥厚、高血压、冠状动脉疾病、糖尿病以及是否使用血管紧张素转换酶抑制剂/血管紧张素II受体阻滞剂（ACEI/ARB）。透析相关数据包括：透析年限、血管通路类型。血液实验室检查包括（所有测量均在同一时间点进行）：脑钠尿肽（BNP）、心肌肌钙蛋白T（cTnT）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、甘油三酯（TG）、总胆固醇（TC）、肌酐、尿素清除率（Kt/V）、钙、磷、血红蛋白、白蛋白、尿酸、25-羟基维生素D3 [25-(OH)D3]、完整甲状旁腺激素（iPTH）和动静脉瘘的位置。心脏超声测量由经验丰富的超声技师在非透析日进行。患者采取左侧卧位，测量在静息状态下进行。检查前，患者被要求至少平躺10分钟，并避免可能影响血流动力学的剧烈活动和咖啡因摄入。所有参数均在同一检查过程中获得，以尽量减少透析前后的容量状态变化对舒张功能指标的潜在影响。测量指标包括左心室舒张末期直径（LVDd）、室间隔厚度（IVST）和后壁厚度（PWT）。在心尖二腔和四腔视图中标出舒张末期和收缩末期的心内膜边界。使用连续波多普勒测量三尖瓣反流峰值速度（TRV）并记录最大反流速度。在本研究中，所有患者的TRV均可测量，且反流信号清晰可见。左心室射血分数（LVEF）使用Simpson方法计算。左心室质量计算公式为：0.8 × 1.04 × [(LVDd + IVST + PWT)³ − LVDd³] + 0.6。左心室质量指数（LVMI）计算为左心室质量/体表面积。所有超声心动图图像由两位经验丰富的心脏病专家独立分析，他们对患者的临床数据（包括实验室参数和分组）不知情。在测量结果不一致的情况下，第三位资深心脏病专家会审查图像并记录平均值。最终诊断基于两位主要评审者的一致意见。
LVDD诊断：根据2016年美国超声心动图学会和欧洲心血管成像协会的建议（7），使用以下四个标准：（1）室间隔e′速度<7 cm/s或侧向e′速度<10 cm/s；（2）平均E/e′比率>14；（3）左心房容积指数（LAVI）>34 mL/m²；（4）TRV>2.8 m/s。如果两个或更多标准超过阈值，则表明存在舒张功能障碍。根据是否存在LVDD，建模组分为LVDD组（n=61）和非LVDD组（n=189）。在LVDD组中，室间隔e′为（6.2 ± 0.8）cm/s，侧向e′为（8.1 ± 1.0）cm/s，平均E/e′为（15.8 ± 2.5），LAVI为（38.5 ± 4.2）mL/m²，TRV为（3.1 ± 0.4）m/s。在非LVDD组中，室间隔e′为（8.5 ± 1.2）cm/s，侧向e′为（11.2 ± 1.5）cm/s，平均E/e′为（9.2 ± 1.8），LAVI为（28.6 ± 3.1）mL/m²，TRV为（2.4 ± 0.3）m/s。
2.3 统计分析
使用SPSS软件（版本25.0）进行统计分析。正态分布的连续数据表示为均值±标准差（mean ± SD），并使用独立样本t检验进行比较；分类数据表示为计数（百分比）[n (%)]，并使用卡方（χ²）检验进行比较；使用多变量逻辑回归分析确定建模组中MHD患者LVDD的风险预测因素，结果表示为比值比（OR）；使用R软件中的RMS包根据逻辑回归结果绘制诺模图；使用1000次自助重采样进行内部验证；使用校准曲线和Hosmer-Lemeshow拟合优度检验评估诺模图的校准情况；使用接收者操作特征（ROC）曲线评估诺模图的区分能力；使用决策曲线分析（DCA）评估诺模图的临床实用性。双侧P<0.05被认为具有统计学意义。
3 结果
3.1 建模组和验证组之间的临床特征比较
在建模组和验证组之间，年龄、性别、BMI、透析年限、收缩压、舒张压、吸烟状况、饮酒情况、血管通路类型、ACEI/ARB药物使用、左心室肥厚、高血压、冠状动脉疾病、糖尿病、BNP、cTnT、LVEF、LVMI、HDL-C、LDL-C、TG、TC、肌酐、Kt/V、钙、磷、血红蛋白、白蛋白、尿酸、25-(OH)D3、iPTH和动静脉瘘的位置等方面没有统计学上的显著差异（P>0.05）。见表1。
表1
指标 建模组（n=250） 验证组（n=107）
χ2/tP 年龄（岁） 1.49 20.22 ≤60 146 (58.40) 55 (51.40) >60 104 (41.60) 52 (48.60)
性别 [n(%)] 1.28 60.25 男性 138 (55.20) 66 (61.68) 女性 112 (44.80) 41 (38.32)
BMI（kg/m²） 22.66 ± 2.75 22.89 ± 2.93 0.71 0.47
透析年限（年） 3.61 ± 1.48 3.90 ± 1.42 1.71 70.08
收缩压（mmHg） 146.37 ± 21.79 149.82 ± 22.56 1.35 60.17
舒张压（mmHg） 83.11 ± 10.85 85.37 ± 11.04 1.79 40.07
吸烟 [n(%)] 121 (48.40) 62 (57.94) 2.73 20.09
饮酒 [n(%)] 34 (13.60) 18 (16.82) 0.62 50.42
血管通路 [n(%)] 1.73 70.18 静脉导管 88 (35.20) 30 (28.04) 动静脉瘘 162 (64.80) 77 (71.96)
左心室肥厚 [n(%)] 113 (45.20) 53 (49.53) 0.56 50.45
高血压 [n(%)] 154 (61.60) 75 (70.09) 2.35 0.125
糖尿病 [n(%)] 43 (17.20) 11 (10.28) 2.79 50.09
BNP（pg/mL） 487.59 ± 120.74 499.76 ± 128.93 0.85 50.39
cTnT（ng/L） 46.52 ± 12.98 44.53 ± 13.82 1.30 10.19
LVEF (%) 60.48 ± 6.94 62.01 ± 6.79 1.92 10.05
LVMI（g/m²） 116.64 ± 22.90 120.85 ± 24.46 1.55 90.12
HDL-C（mmol/L） 1.03 ± 0.22 1.05 ± 0.19 0.81 90.41
LDL-C（mmol/L） 2.24 ± 0.52 2.13 ± 0.47 1.88 30.06
TG（mmol/L） 1.26 ± 0.36 1.32 ± 0.34 1.46 0.14
TC（mmol/L） 4.19 ± 1.09 4.24 ± 1.13 0.39 0.69
肌酐（μmol/L） 862.73 ± 235.18 882.54 ± 237.69 0.72 70.46
Kt/V 1.61 ± 0.28 1.55 ± 0.27 1.87 50.06
钙（mmol/L） 2.25 ± 0.19 2.29 ± 0.22 1.73 0.08
P（mmol/L） 1.77 ± 0.45 1.74 ± 0.48 0.56 0.57
血红蛋白（g/L） 96.90 ± 18.75 100.42 ± 22.37 1.53 10.12
白蛋白（g/L） 40.11 ± 3.97 40.75 ± 4.62 1.32 70.18
尿酸（μmol/L） 450.30 ± 90.57 464.92 ± 89.49 1.40 20.16
25-(OH)D3 21.27 ± 5.94 22.08 ± 5.73 1.19 30.23
iPTH 274.66 ± 62.03 287.35 ± 65.76 1.73 90.08
动静脉瘘位置 [n(%)] 0.69 50.40 左侧 233 (93.20) 97 (90.65) 右侧 17 (6.80)
2.3 建模组和验证组之间的临床特征比较
在建模组和验证组之间，年龄、性别、BMI、透析年限、收缩压、舒张压、吸烟状况、饮酒情况、血管通路类型、ACEI/ARB药物使用、左心室肥厚、高血压、冠状动脉疾病、糖尿病、BNP、cTnT、LVEF、LVMI、HDL-C、LDL-C、TG、TC、肌酐、Kt/V、钙、磷、血红蛋白、白蛋白、尿酸、25-(OH)D3、iPTH和动静脉瘘的位置等方面没有统计学上的显著差异（P>0.05）。
3.2 建模组中非LVDD组和LVDD组之间的临床特征比较
在建模组内，两组在性别、BMI、透析年限、收缩压、舒张压、吸烟状况、饮酒情况、冠状动脉疾病、血管通路类型、ACEI/ARB药物使用、BNP、cTnT、LVEF、HDL-C、LDL-C、TG、TC、肌酐、Kt/V、钙、磷、白蛋白、尿酸、25-(OH)D3、iPTH和动静脉瘘的位置等方面没有统计学上的显著差异（P>0.05）。在LVDD组中，60岁以上的患者比例、左心室肥厚、高血压和糖尿病的发病率高于非LVDD组，而血红蛋白水平低于非LVDD组（P<0.05）。见表2。
表2
指标 非LVDD组（n=189） LVDD组（n=61）
χ2/tP 年龄（岁） 14.22 40.00 ≤60 123 (65.08) 23 (37.70) >60 66 (34.92)
性别 [n(%)] 1.18 20.27 男性 108 (57.14) 30 (49.18) 女性 81 (42.86)
BMI（kg/m²） 22.57 ± 2.84 22.92 ± 2.56 0.85 0.39
透析年限（年） 3.52 ± 1.48 3.90 ± 1.50 1.73 80.08
收缩压（mmHg） 145.07 ± 20.12 150.41 ± 22.63 1.74 70.08
舒张压（mmHg） 82.51 ± 10.94 84.95 ± 10.71 1.52 20.12
吸烟 [n(%)] 95 (50.26) 26 (42.62) 1.07 80.29
饮酒 [n(%)] 24 (12.70) 10 (16.39) 0.53 60.46
血管通路 [n(%)] 0.20 60.65 静脉导管 68 (35.98) 20 (32.79) 动静脉瘘 121 (64.02)
左心室肥厚 [n(%)] 71 (37.57) 42 (68.85) 18.22 40.00
高血压 [n(%)] 102 (53.97) 52 (85.25) 19.07 30.00
冠状动脉疾病 61 (32.28) 27 (44.26) 2.90 50.08
糖尿病 [n(%)] 22 (11.64) 21 (34.43) 16.81 20.00
ACEI/ARB药物使用 3.08 20.07 否 117 (61.90) 是 30 (49.18)
BNP（pg/mL） 485.19 ± 126.50 494.98 ± 117.23 0.53 50.59
cTnT（ng/L） 45.74 ± 12.06 48.95 ± 13.66 1.74 90.08
LVEF (%) 60.89 ± 5.17 59.22 ± 8.15 10.06
LVMI（g/m²） 110.52 ± 23.75 135.62 ± 22.87 7.24 10.00
HDL-C（mmol/L） 1.04 ± 0.22 1.01 ± 0.24 0.90 50.36
LDL-C（mmol/L） 2.23 ± 0.56 2.29 ± 0.48 0.75 20.45
TG（mmol/L） 1.25 ± 0.37 1.31 ± 0.35 1.11 60.26
TC（mmol/L） 4.18 ± 1.14 4.22 ± 1.06 0.24 0.80
肌酐（μmol/L） 846.48 ± 225.72 882.54 ± 237.69 0.72 70.46
Kt/V 1.60 ± 0.22 1.63 ± 0.45 1.87 50.06
钙（mmol/L） 2.25 ± 0.19 2.29 ± 0.22 1.73 0.08
P（mmol/L） 1.77 ± 0.45 1.74 ± 0.48 0.56 0.57
血红蛋白（g/L） 96.90 ± 18.75 100.42 ± 22.37 1.53 10.12
白蛋白（g/L） 40.11 ± 3.97 40.75 ± 4.62 1.32 70.18
尿酸（μmol/L） 450.30 ± 90.57 464.92 ± 89.49 1.40 20.16
25-(OH)D3 21.27 ± 5.94 22.08 ± 5.73 1.19 30.23
iPTH 274.66 ± 62.03 287.35 ± 65.76 1.73 90.08
动静脉瘘位置 [n(%)] 0.69 50.40 左侧 233 (93.20) 97 (90.65) 右侧 17 (6.80)
3.3 建模组中非LVDD组和LVDD组的临床特征比较
在建模组内，两组在性别、BMI、透析年限、收缩压、舒张压、吸烟状况、饮酒情况、冠状动脉疾病、血管通路类型、ACEI/ARB药物使用、BNP、cTnT、LVEF、HDL-C、LDL-C、TG、TC、肌酐、Kt/V、钙、磷、白蛋白、尿酸、25-(OH)D3、iPTH和动静脉瘘的位置等方面没有统计学上的显著差异（P>0.05）。在LVDD组中，60岁以上的患者比例、左心室肥厚、高血压和糖尿病的发病率高于非LVDD组，而血红蛋白水平低于非LVDD组（P<0.05）。见表2。
3.4 建模组中LVDD的多变量逻辑回归分析
在3.2节的单变量分析中P<0.05的变量被纳入多变量分析。变量分配见表3。多变量逻辑回归分析确定了MHD患者LVDD的风险预测因素。结果显示，年龄（OR=3.195）、左心室肥厚（OR=5.610）、高血压（OR=6.088）、糖尿病（OR=3.436）、LVMI（OR=1.047）和血红蛋白（OR=0.928）是MHD患者LVDD的风险预测因素（P<0.05）。见表4。
表3
变量 分配 β SE Wald χ2 OR 95% CI
年龄 1 = >60岁, 0 = ≤60岁 1 1 0 1.16 20.44 6.79 13.19 5 13.34 –7.65 0.009
左心室肥厚 1 1 0.45 8 14.19 7 5.61 2.28 –13.76 0.000
高血压 1 1 0.51 6 12.27 4 6.08 2.21 –16.72 0.000
糖尿病 1 1 0.52 15.61 9 3.43 1.23 –9.53 0.018
LVMI 1 0.04 5 0.01 22.38 9 1.04 –1.06 0.000
血红蛋白 1 0.07 5 0.01 30.57 9 0.92 –0.95 0.000
常数 1 –2.83 1 1.50 0 3.56 0 0 –0.000
3.4 构建MHD患者LVDD的诺模图模型
基于MHD患者LVDD的风险预测因素（年龄、左心室肥厚、高血压、糖尿病、LVMI和血红蛋白）构建了一个诺模图模型。见图2。每个风险预测因素对应一个风险点分数。可以通过从相应因素的值直接向上绘制一条垂直线到“Points”轴来获得每个因素的分数。所有分数的总和即为总分。从“Total Points”轴向下绘制一条垂直线到“Predicted Probability”轴可以得到患者发生LVDD的风险。
图2
MHD患者LVDD预测的诺模图。
注：每个风险预测因素对应一个风险点，可以从每个因素的相应值向上绘制一条垂直线到“Points”轴以获得其相应的分数。所有分数相加得到总分，然后可以从“总分数”轴画一条垂直线到“预测概率”轴，以确定患者发生左心室肥厚（LVDD）的风险；如果一名维持性血液透析（MHD）患者的左心室质量指数（LVMI）为120 g/m²（24.86分），血红蛋白为110 g/L（39.72分），年龄≤60岁（0分），左心室肥厚（15.04分），高血压（15.18分），且没有糖尿病（0分），那么总分为94.80分，相应的预测概率为0.48，即该MHD患者发生LVDD的风险为48%。
3.5 命名图预测模型在建模组和验证组中的验证
命名图预测模型通过校准曲线和ROC曲线进行了验证。建模组的校准曲线（图3A）显示模型的预测值与实际观察值之间有很好的一致性，Hosmer-Lemeshow检验的P值为0.317（不显著）。ROC曲线的AUC为0.922（95%置信区间：0.880-0.964）。验证组的校准曲线（图3C）也显示预测值与观察值之间有很好的一致性，Hosmer-Lemeshow检验的P值为0.320（不显著）。ROC曲线的AUC为0.896（95%置信区间：0.851-0.940），表明该模型具有良好的校准和区分能力。
图3 命名图预测模型在建模组和验证组中的验证情况。(A) 建模组的校准曲线；(B) 建模组的ROC曲线；(C) 验证组的校准曲线；(D) 验证组的ROC曲线。
3.6 命名图预测模型的临床应用评估
使用决策曲线分析（DCA）来验证该模型的临床实用性。结果显示，在建模组的高风险阈值概率范围0.02-0.98（模型1）和验证组0.04-0.86（模型2）内，使用本研究开发的命名图预测模型的临床医生相比治疗所有患者（All线）或不治疗任何患者（None线）可以获得更多的净收益。见图4。
图4 命名图预测模型的DCA曲线。模型1为建模组；模型2为验证组；All线代表所有患者都接受治疗的假设；None线代表所有患者都不接受治疗的假设。
4 讨论
本研究发现，年龄、左心室肥厚、高血压、糖尿病、LVMI和血红蛋白与MHD患者发生LVDD显著相关。利用这些因素，开发了一个命名图来预测接受MHD治疗的患者发生LVDD的风险。该命名图预测模型在一定程度上提高了整体预测准确性，表现出良好的校准能力、区分能力和临床实用性。
李等人（8）开发的针对血液透析人群的心血管事件预测模型表明，年龄、白蛋白和心血管疾病史与心血管事件的发生有关，这与本研究的结果一致。患者年龄的增加与心血管事件的风险呈正相关，OR值为3.195。随着患者年龄的增长，身体功能的下降可能导致血管壁硬化和心脏功能下降，从而增加LVDD的风险；此外，左心室壁厚度和纤维化也会随年龄增长而增加，这是结构性心脏变化和电生理功能障碍的病理生理基础（9）。在本研究中，左心室肥厚也是MHD患者发生LVDD的独立风险因素（OR=5.610），这与Lei等人的研究结果相似（10），他们的研究也发现年龄>60岁是MHD患者发生LVDD的风险因素。左心室肥厚是终末期肾病患者中最常见的心肌变化之一，常与心肌纤维化和舒张功能障碍相关（11）。终末期肾病患者的各种病理因素容易导致心脏纤维化、结构异常和壁内动脉增厚；对压力和容量超负荷的适应性反应会导致左心室肥厚（12），这可能进一步发展为LVDD。Bansal等人（13）发现高血压是接受MHD治疗患者心血管疾病的显著风险因素；本研究同样发现高血压与MHD患者的LVDD相关。容量超负荷、动脉硬化、内皮功能障碍以及交感神经和肾素-血管紧张素-醛固酮系统的活性增加都可能引发高血压（14）。高血压反过来会增加心脏负荷，导致心肌肥厚、心室顺应性降低和舒张功能障碍。此外，本研究还发现糖尿病增加了MHD患者发生LVDD的风险（OR=3.436）。Mathew等人（15）也发现糖尿病血液透析患者的舒张功能障碍风险增加了7.66倍。患有糖尿病的MHD患者还会经历进一步的代谢紊乱，导致心肌细胞炎症、纤维化和凋亡以及代谢异常，使他们容易发生同心性左心室肥厚和随后的LVDD。本研究的结果显示，LVMI的增加是MHD患者发生LVDD的独立风险因素（OR=1.047）。Luo等人的研究（16）发现，年龄、糖尿病和LVMI都是血液透析患者心力衰竭的预测因素，这与本研究结果一致。LVMI是心血管压力的关键标志物，尤其是在透析患者中，心血管压力可引起心悸和胸痛等症状，加重现有的心脏状况，如导致血压波动，增加左心室负担，并最终影响舒张功能（17）。尽管左心室肥厚（LVH）与LVMI高度相关，但两者并不完全等同。在本研究中，LVH作为二元变量纳入，以评估已建立的肥厚病理状态的独立贡献，而LVMI作为连续变量纳入，以捕捉与左心室质量变化相关的连续风险梯度。Yu等人（18）发现血红蛋白是MHD患者对抗心力衰竭的保护因素，这与本研究结果一致。血红蛋白是红细胞中重要的携氧蛋白；其水平降低表明血液的携氧能力下降（19）。组织和器官（如心肌）的氧气供应不足以及心肌缺氧本身都会影响收缩和舒张功能，增加LVDD的风险。
秦等人（20）开发的MHD患者心血管事件命名图预测模型的最高预测AUC达到了0.826。Wang等人（21）基于年龄、性别和收缩压等因素构建了一个MHD患者心脏瓣膜钙化的命名图预测模型，其预测AUC为0.845。本研究基于上述影响因素构建了一个命名图预测模型。验证显示该模型的预测性能是可接受的，最高预测AUC达到了0.922。上述研究中构建的命名图的AUC低于或接近本研究的模型。该模型基于稳健的统计分析，为临床医疗专业人员提供了一个实用的预测工具，可以有效识别接受MHD治疗的高风险LVDD患者，为治疗决策提供参考信息，并可能改善MHD患者的预后。该命名图预测模型还有助于分配医疗资源和规划医疗服务，特别是考虑到慢性肾病并发症的日益普遍及其对全球卫生系统的负担。然而，在本研究中，61个结果事件使用了6个预测变量，每个变量的事件比率（EPV）约为10，这处于较低的可接受范围内，存在过拟合的风险。高AUC可能反映了过拟合和谱偏差，而不是真正的优越预测性能。
本研究有几个局限性。首先，尽管使用了稳健的统计方法，但研究的回顾性性质可能会引入潜在的病例选择偏差。其次，数据来自单一中心，这可能限制了研究结果的普遍性和适用性。在该模型能够推广到其他中心的临床实践之前，需要在不同地区和不同透析管理模式下的多中心前瞻性队列中进行外部验证。未来的验证研究应特别关注人群结构（如年龄分布、共病谱和透析方式）以及医疗条件（包括透析充分性标准、血压控制目标、超声设备和解释标准）的差异，以评估模型的普遍性。如有必要，应进行阈值调整或系数重新校准，以便最终临床应用。第三，本研究没有考虑其他潜在混杂因素（如药物使用和生活方式）的影响，这些因素也可能增加LVDD的风险。第四，该命名图模型使用同一中心的数据进行验证，缺乏外部验证。因此，需要与其他中心合作，以验证该命名图模型在更广泛人群中的适用性。第五，本研究用于评估LVDD的标准可能在一定程度上与其他研究采用的标准不同，这可能导致LVDD报告率的差异。未来的研究将进行比较分析。第六，本研究开发的预测模型可能存在过拟合，因此需要进一步验证。第七，本研究中的血液学实验室参数（如血红蛋白）仅测量了一次，可能无法反映长期状态，从而影响模型的稳定性。未来的研究应考虑评估其动态变化，以更好地评估其与LVDD的关系。
总之，基于年龄、左心室肥厚、高血压、糖尿病、LVMI和血红蛋白等影响因素，开发了一个命名图预测模型。该命名图预测模型可用于预测接受MHD治疗的高风险LVDD患者，为管理与慢性肾病相关的心血管并发症的发生提供参考。这一命名图工具可以帮助临床决策，并有可能改善患者护理，尤其是在资源有限的环境中。
5 涉及人类参与者的研究
本研究涉及人类参与者，符合温州中心医院医学伦理委员会的伦理标准以及1964年赫尔辛基宣言。并且获得了患者的知情同意书，并在知情同意书上签字。
