Suscríbete a DeepL Pro para poder editar este documento.

Entra en www.DeepL.com/pro para más información.

Valor predictivo de los parámetros de perfusión en máquina hipotérmica combinados con

biomarcadores del perfusado en trasplante renal de donante fallecido

Introducción

El donante fallecido (DD) es la principal fuente de donación de órganos en China. Entre los
múltiples factores que afectan al resultado del trasplante renal, la calidad del riñón del
donante es el más importante. La evaluación precisa de la calidad del riñón del donante es el
núcleo de la utilización eficaz de los órganos, lo que es beneficioso para la distribución óptima
de los órganos y es de gran importancia para la gestión individual después del trasplante renal.
[1,2]
La perfusión mecánica hipotérmica (PMH) es el dispositivo de control de la presión para la
preservación renal, que podría proporcionar datos objetivos para la evaluación del riñón del
donante.[3] Múltiples estudios han descubierto que la resistencia a la perfusión terminal es un
factor de riesgo independiente de retraso de la función del injerto (DGF) tras el trasplante
renal.[3–5] Sin embargo, el valor predictivo del uso de la resistencia terminal por sí sola era
escaso, y el AUC (área bajo la curva característica operativa del receptor) del DGF se informó
en el rango de 0,58 a 0,61.[6] Los debates sobre los biomarcadores tradicionales tienen
conclusiones diferentes,[7–9] . Algunos estudios sugirieron que la GST (glutatión S-transferasa),
la IL-8 (interleucina-18), la NGAL (lipocalina asociada a la gelatinasa de neutrófilos) y la NAG (N-
acetil-β-D-glucosaminidasa) podrían utilizarse como indicadores predictivos del FGD. [10–12] De
acuerdo con la experiencia clínica y la base de datos, planteamos la hipótesis de que los
parámetros de perfusión de la máquina y los biomarcadores del perfusado podrían utilizarse
como indicadores objetivos de la calidad del riñón del donante y predecir el FGD hasta cierto
punto. Sin embargo, teniendo en cuenta el mecanismo de producción de los biomarcadores
del perfusado, su contenido no sólo está relacionado con la calidad del riñón del donante, sino
también con el intervalo y el grado de perfusión. [9] El objetivo de este estudio era establecer un
modelo de predicción que combinara los parámetros de HMP con los biomarcadores del
perfusado, así como evaluar su eficacia para predecir la DGF y la recuperación de la función
renal tras el trasplante renal.

Métodos

Aprobación ética

Este estudio fue aprobado por el Comité de Ética del Primer Hospital Afiliado de la Universidad
Jiaotong de Xi'an (El número de aprobación es XJTU1AFCRC2019SJ-008). El estudio cumple las
normas éticas establecidas en la Declaración de Helsinki y las directrices de Estambul. Todos
los donantes cumplen las normas de donación de órganos en China. Después de que los
familiares de los donantes firmaran los documentos voluntarios para la donación de órganos y
otros documentos pertinentes, el corazón del donante se detuvo durante 3 a 5 min y se
consideró muerte cardíaca.

Criterios de inclusión y exclusión

Criterios de inclusión de donantes: 1) cumplir los criterios de donación de órganos DD chinos;

2) sin antecedentes de drogadicción ni actividades de alto riesgo, como antecedentes de
consumo de drogas intravenosas; 3) sin tumor maligno metastásico, tumor maligno incurable y
algunos tumores malignos en fase inicial también podían considerarse tras un tratamiento
satisfactorio; 4) sin infecciones bacterianas, víricas o fúngicas sistémicas activas y no tratadas;
5) la identidad de los pacientes estaba clara.

Criterios de inclusión de los receptores: 1) trasplante de un solo órgano (riñón); 2) trasplante

renal por primera vez; 3) no embarazo ni lactancia, prueba de embarazo negativa; no
embarazo durante el periodo de seguimiento; 4) comprensión y firma del consentimiento
informado de forma voluntaria antes de iniciar el proceso del ensayo; 5) índice de masa
corporal <26 kg/m2 .

Criterios de exclusión de donantes: 1) edad < 18 años o > 70 años; 2) suero positivo para el
virus de la hepatitis B (VHB), el virus de la hepatitis C (VHC) o el virus de la inmunodeficiencia
humana (VIH).

Criterios de exclusión de receptores: 1) incompatibilidad del grupo sanguíneo ABO; 2) fallo de

la función renal en las 24 h siguientes al trasplante renal; 3) trasplante renal preventivo: En los
pacientes con riñones de donantes compatibles, el trasplante renal se realizó directamente sin
diálisis; 4) participación en otros estudios.

Definiciones

DGF: En este estudio debe cumplirse una de las siguientes condiciones: [13,14] 1) necesidad de
diálisis en la semana siguiente al trasplante renal; 2) creatinina sérica superior a 400 μmol/L 10
días después del trasplante renal; 3) creatinina sérica superior a 300 μmol/L 2 semanas
después del trasplante renal. Sobre la base de los criterios descritos anteriormente, la función
renal trasplantada podría ser restaurada eventualmente.

No función primaria:[15] Dentro de los 3 meses posteriores al trasplante renal, en ausencia de

evidencia de rechazo o factores quirúrgicos que conduzcan al fracaso del trasplante, la función
del injerto es insuficiente y requiere diálisis, y no reanuda la función normal en última
instancia.

Tiempo de recuperación de la función renal: tiempo en el que la función renal trasplantada

volvió a la normalidad (creatinina sérica ≤ 140 μmol/L) por primera vez.

Datos clínicos y de laboratorio

Se recopilaron datos de 113 riñones DD perfundidos con HMP y se analizaron las

características basales de donantes y receptores en el Primer Hospital Afiliado de la
Universidad Jiaotong de Xi'an desde el 1 de enero de 2019 hasta el 31 de agosto de 2019
[Tabla 1]. También se registraron los parámetros de perfusión terminal, el perfusato
(perfundido durante 4 h, almacenado a -80 °C), así como la operación y las complicaciones
postoperatorias. Recogida de los índices bioquímicos de laboratorio de los receptores a los 3
meses del trasplante; 113 receptores de trasplante renal DD se dividieron en grupo con FGD y
grupo sin FGD según la aparición de FGD. Se realizó un seguimiento de los pacientes durante 3
meses.

Tabla 1 - Características basales de los donantes y receptores de trasplante renal incluidos en

este estudio.

Grupo Grupo sin

Características P
DGF DGF

Donantes
 Grupo Grupo sin
Características P
DGF DGF

n 20 40 -

Edad (años) 32.7 ± 11.4 53.4 ± 9.7 <0.01

Género

Hombre 13 (65.0) 25 (62.5) >0.01

Mujer 7 (35.0) 15 (37.5) >0.01

Causa de la muerte n (%)

Traumatismo cerebral 11 (55.0) 23 (57.5) >0.01

Ictus 6 (30.0) 15 (37.5) >0.01

Hipoxia-isquemia 3 (15.0) 1 (2.5) <0.01

Encefalopatía 1 (2.5)

Otros

IMC (kg/m )2 22.4 ± 3.5 23.1 ± 2.9 >0.01

Hipertensión 17 (85.0) 29 (72.5) >0.01

Riñón de donante

Tiempo de isquemia caliente (min) 9.4 ± 2.6 9.1 ± 1.8 >0.01

Tiempo de isquemia fría (min) 384 ± 181 354 ± 186 >0.01

Destinatarios

n 20 93 -

Edad (años) 35.4 ± 7.3 32.6 ± 5.2 >0.01

Falta de coincidencia HLA (número) 1.94 ± 1.08 2.01 ± 0.95 >0.01

Diálisis (años) 1.7 ± 1.1 1.9 ± 1.5 >0.01

Enfermedades de base

Hipertensión 20 (100.0) 90 (96.8) >0.01

Enfermedad cardiovascular/cerebrovascular 8 (40.0) 32 (34.4) >0.01

Diabetes 2 (10.0) 13 (14.0) >0.01

Los datos se presentaron por n (%) o Media ± DE; DGF: función retardada del injerto; HLA:
antígeno leucocitario humano.
Perfusión con máquina hipotérmica

Se añadió perfusato a la máquina HMP (Organ Recovery Systems, Zaventem, Bélgica) en

condiciones asépticas y se inició el ciclo de perfusión inicial. De acuerdo con los factores de
alto riesgo conocidos del riñón del donante y la condición de la perfusión in situ, la presión de
perfusión inicial se ajustó suavemente de acuerdo con el flujo de perfusión después de
funcionar de forma constante a 30 a 35 mmHg, manteniendo el flujo de perfusión a un nivel de
100 a 140 mL/min. Los parámetros de perfusión se registraron una vez estabilizadas las
lecturas.

Detección de biomarcadores en perfusato

Pretratamiento de las muestras: Se extrajeron las muestras del perfusato almacenadas a -80
°C, se descongelaron a temperatura ambiente, se centrifugaron utilizando una centrifugadora
de sobremesa de alta velocidad y baja temperatura (10.000 × g, 10 min, 4 °C), se distribuyó el
sobrenadante en tubos eppendorf (EP) de 1,5 mL y se almacenaron a -80 °C para su uso
posterior. Se utilizó el ensayo inmunoenzimático para detectar la interleucina (IL-18) y la
colorimetría para cuantificar la NAG y la GST.

Plan de preparación inmunitaria del receptor

(1) Inducción inmunitaria: Inmunoglobulina de conejo antitimocitos humanos 1,5 a 2,0 mg-kg −1
-d−1 y metilprednisolona 250 mg/d, goteo intravenoso durante 3 a 4 días; (2) Mantenimiento
inmunosupresor: tomar micofenolato mofetilo a partir del día postoperatorio: Cellcept 2,0 g/d,
o Myfortic 1,44 g/d, administración oral a intervalos de 12 horas; Tacrolimus 0,06 a 0,08 mg-
kg−1 -d−1 se tomó oralmente a intervalos de 12 horas desde dos días después de la operación;
prednisona oral 10 mg/d se administró y mantuvo desde el último día de la terapia de
inducción inmunológica. Posteriormente, la dosis del fármaco se ajustó en función de la
concentración plasmática, el nivel de creatinina sérica y el peso corporal.

Análisis estadístico

Las variables continuas se expresaron como media ± desviación estándar, y las diferencias
entre los dos grupos se compararon mediante la prueba t de Student o la prueba U de Mann-
Whitney según las características de los datos. Se utilizó la regresión logística univariante y
multivariante para examinar los factores de riesgo independientes del FGD. Se utilizó el
modelo de riesgos proporcionales de Cox para analizar la relación entre los parámetros de
HMP, los biomarcadores del perfusado y el tiempo de recuperación de la función del aloinjerto
renal. La evaluación de los valores predictivos de estos factores de riesgo de FGD se realizó
trazando la curva ROC y calculando el AUC. Se utilizó el programa SPSS22.0 (SPSS Inc, Chicago,
IL, EE.UU.) para el análisis estadístico. Se consideró como nivel de prueba α = 0,05 (P < 0,05, la
diferencia se consideró estadísticamente significativa).

Resultados

DGF y recuperación de la función renal tras el trasplante

Se incluyeron en el estudio 60 donantes y 113 receptores de trasplante renal DD (dos casos de

riñón de donante se abandonaron porque la puntuación de su biopsia patológica indicaba que
no eran aptos para el trasplante; cuatro receptores de trasplante renal tenían menos de 18
años y uno era un trasplante renal secundario) [Tabla 1]. La incidencia de FGD fue del 17,7%
(20/113), y 93 receptores se incluyeron en el grupo de no FGD. El tiempo medio de
recuperación de la función renal fue de 8,1 (5,4, 10,1) días. El tiempo de recuperación en el
grupo con FGD fue de 23,2 (11,4, 37,6) días, significativamente superior al valor de 5,3 (3,7,
6,2) días en el grupo sin FGD (p < 0,001).

Relación entre los parámetros HMP y el DGF

Se compararon las diferencias de los parámetros HMP entre los grupos DGF y no DGF [Tabla 2].
El análisis mostró que había diferencias significativas en el flujo inicial, el flujo terminal y la
resistencia terminal entre los dos grupos.

Tabla 2 - Parámetros HMP entre los grupos DGF y no DGF.

Parámetros Grupo DGF Grupo sin DGF Valor P∗

Flujo inicial (mL/min) 60.33 ± 20.14 77.12 ± 20.3 0.036

Presión inicial (mmHg) 36.25 ± 3.87 34.45 ± 3.61 0.045

Resistencia inicial (mmHg-mL−2 -min )−1 0.59 ± 0.21 0.47 ± 0.19 0.055

Flujo terminal (mL/min) 97.31 ± 20.78 108.16 ± 12.74 0.021

Presión terminal (mmHg) 30.69 ± 2.76 29.08 ± 3.84 0.083

Resistencia terminal (mmHg-mL−2 - 0.41 ± 0.12 0.23 ± 0.15 0.018

min )−1

Tiempo de perfusión (h) 4.97 ± 2.03 4.86 ± 1.93 0.176

Los datos se representaron mediante la media ± DE.

∗
P < 0,05 se considera estadísticamente significativo; DE: Desviación estándar DGF: Función
retardada del injerto.

Nuestro análisis de regresión logística univariante mostró que un mayor flujo, una menor
presión de perfusión y una menor resistencia terminal eran factores protectores de la DGF,
mientras que un menor flujo, una mayor presión de perfusión y un riñón donante con
resistencia terminal representaban un mayor riesgo de aparición de DGF [Tabla 3].

Tabla 3 - Análisis de regresión logística univariante de los parámetros de perfusión.

Parámetros de perfusión P OR (IC 95%)

Flujo inicial (mL/min) 0.036 0.663 (0.452-0.975)

Presión inicial (mmHg) 0.045 9.620 (1.051-18.083)

Resistencia inicial (mmHg-mL−2 -min )−1 0.055 1.874 (0.932-3.021)

Flujo terminal (mL/min) 0.021 0.625 (0.419-0.932)

Parámetros de perfusión P OR (IC 95%)

Presión terminal (mmHg) 0.083 6.221 (0.476-8.923)

Resistencia terminal (mmHg- mL−2 - 0.018 1.979 (1.125-3.45)

min )−1

Tiempo de perfusión (h) 0.176 2.542 (0.642-5.863)

Para analizar el flujo inicial, el flujo terminal y la resistencia terminal se utilizó el método de
regresión logística multivariante por pasos (cociente de probabilidad). Los resultados
mostraron que la resistencia terminal era un factor de riesgo independiente de FGD (p = 0,021;
OR = 1,879; IC del 95%: 1,145-3,56). El AUC para predecir el FGD utilizando únicamente la
resistencia terminal fue de 0,756 (IC del 95%: 0,693-0,818). Cuando el índice de Youden
alcanza su máximo, el mejor valor de corte de la resistencia terminal para predecir la FGD fue
0,30.

Al trazar las curvas de supervivencia de Kaplan-Meier de los grupos con FGD y sin FGD [Figura
1], revelamos que la tasa de recuperación de la función renal en el grupo con FGD era inferior
a la del grupo sin FGD al mismo tiempo. La diferencia entre los dos grupos se confirmó
mediante la prueba de Log-Rank (P < 0,001). Basándonos en esto, definimos la "recuperación
de la función renal" como el punto final de la observación y analizamos la correlación entre los
parámetros HMP y el tiempo de recuperación de la función renal mediante el modelo de
regresión de riesgos proporcionales de Cox por pasos hacia atrás (cociente de probabilidades).
Por último, revelamos que la resistencia terminal era un factor de riesgo independiente que
afectaba a la recuperación de la función del aloinjerto renal (p = 0,036; HR = 0,823; IC del 95%:
0,735-0,981).

Figura 1:

Curvas de supervivencia de Kaplan-Meier de los grupos con y sin DGF. Se utilizó la prueba de
Log-Rank para comprobar la significación estadística entre los dos grupos. DGF: función
retardada del injerto.

Correlación entre los biomarcadores del perfusato y el FGD

La concentración media de NAG (P = 0,026) y GST (P = 0,016) en el grupo con DGF fue
significativamente superior a la del grupo sin DGF. Sin embargo, la concentración de IL-18 en el
grupo con DGF fue ligeramente superior a la del grupo sin DGF, y no hubo diferencias
significativas entre los dos grupos (P = 0,212).

El análisis de regresión logística univariante de NAG (P = 0,043) y GST (P = 0,012) indicó que
ambos eran factores de riesgo de DGF. Además, el análisis de regresión logística multivariante
reveló que la GST era un factor de riesgo independiente de DGF (P = 0,029, OR = 1,62; IC del
95%: 1,23-2,46), AUC = 0,729; IC del 95%: 0,591-0,806. Según el índice de Youden máximo, se
consideró que 9,04 μg/ml era el mejor valor de corte para predecir el FGD. Se utilizó el modelo
de riesgo de regresión de Cox para analizar la correlación entre los biomarcadores del
perfusato y el tiempo de recuperación de la función renal. Los resultados mostraron que ni la
GST (p = 0,088) ni la NAG (p = 0,103) eran factores de riesgo significativos que afectaran al
tiempo de recuperación de la función renal.

El pronóstico de los parámetros HMP combinados con biomarcadores del perfusato en la

predicción de la DGF

El AUC para predecir la aparición de FGD utilizando únicamente la resistencia terminal fue de
0,756 (IC del 95%: 0,693-0,818). También se utilizó GST para predecir la aparición de DGF, y el
AUC fue de 0,729 (IC del 95%: 0,591-0,806) [Figura 2A y 2B].

Figura 2:

Se mostraron respectivamente el ROC de la resistencia terminal (A), el GST (B) y el modelo

combinado (C) para predecir la aparición de DGF. El AUC de estos tres modelos implicaba que
el modelo combinado mejoraba significativamente la eficacia pronóstica. GST: glutatión
tiotransferasa; DGF: función retardada del injerto; AUC: Área bajo la curva.

Teniendo en cuenta que la concentración de biomarcadores en el perfusato no sólo estaba

relacionada con el grado de daño renal, sino también con el rango de perfusión, combinamos
la resistencia terminal y la GST, que habían demostrado ser factores de riesgo independientes
en estudios previos, y establecimos un modelo de interacción combinada. Este modelo mostró
eficacia para predecir el FGD, y su AUC fue de 0,888 (IC del 95%: 0,842-0,933). El valor de corte
óptimo de este modelo fue de 0,344, según el índice de Youden. La sensibilidad y especificidad
diagnósticas fueron del 83,3% y el 79,5% por separado. El modelo que combinaba resistencia
terminal y GST mejoró significativamente la predictibilidad del FGD en comparación con el uso
de cualquiera de los enfoques por separado [Tabla 4].

Tabla 4 - El modelo de pronóstico que incluye la resistencia terminal y el elemento interactivo

GST.

Regresión logística
multivariante

Factores de riesgo β P

Resistencia de los 1.776 0.027

bornes

GST 3.823 0.039

 Regresión logística
multivariante

Factores de riesgo β P

Resistencia terminal 0.079 0.048

GST

Término constante -7.603 0.160

GST: Glutatión tiotransferasa.

Debate

La HMP no sólo protege los aloinjertos aislados, sino que proporciona una ventana para la
observación y la intervención. Los parámetros en tiempo real y el perfusato extraíble/añadido
se han convertido en un nuevo foco de atención de los médicos especialistas en trasplantes. [16–
18]
Varios estudios revelaron que un flujo de perfusión bajo y una resistencia a la perfusión alta
indicaban a menudo una mala calidad del riñón del donante, lo que también estaba
estrechamente relacionado con un mal pronóstico tras el trasplante. Sin embargo, no existe
una conclusión unificada sobre esta cuestión y el valor crítico de los parámetros de perfusión
específicos. Existen más de diez tipos de biomarcadores reportados internacionalmente en el
estudio de biomarcadores de perfusión. [8,19] El GST se considera uno de los biomarcadores más
prometedores.[19,20] Algunos estudios informaron de que tras 4 h de HMP, la concentración de
GST en el perfusado ya no aumentaba, lo que indica que la GST procede principalmente del
daño celular causado por la lesión por isquemia previa [11] En cambio, se observó que la NGAL
aumentaba gradualmente tras la isquemia. [10] La IL-18 es un tipo de citocinas producidas por la
activación del proceso inflamatorio e inmunitario durante la lesión por isquemia-reperfusión,
que puede causar daño celular a través de diversos mecanismos [11] Varios estudios han
demostrado que la IL-18 está asociada al DGF. [9] Por lo tanto, basándonos en los resultados de
estas investigaciones, seleccionamos varios parámetros de perfusión y biomarcadores para su
detección y para analizar su relación con el resultado del trasplante renal.

En este estudio, por el método de regresión logística, la resistencia terminal se consideró un

factor de riesgo significativo para el FGD (OR = 1,879), y después también se examinó el GST
como factor de riesgo para el FGD (OR = 1,62). En el estudio con el tiempo de recuperación de
la función renal como punto final, aunque el resultado de la resistencia terminal mostró
significación estadística (p < 0,05), HR < 1 significa que no es un factor de riesgo para el tiempo
de recuperación, lo que no concordaba con los resultados anteriores. Y GST tampoco mostró
predictibilidad efectiva en el análisis COX (P > 0,05), la razón de esto puede ser que los
parámetros HMP sólo pueden mostrar la perfusión renal y la lesión inicial, tanto NAG como
GST son biomarcadores de lesión temprana, y la recuperación de la función renal también está
relacionada con la activación inmune e inflamatoria posterior, por lo que estos factores no
muestran predictibilidad significativa al final de este estudio. Por último, construimos un
modelo predictivo que contenía los términos de interacción incluidos GST y resistencia
terminal (AUC = 0,888; IC del 95%: 0,842-0,933), y descubrimos que su eficacia predictiva del
FGD mejoraba significativamente en comparación con el uso de la resistencia terminal (AUC =
0,756; IC del 95%: 0,693-0,818) o GST solos (AUC = 0,729; IC del 95%: 0,591-0,804).
La innovación de este artículo radica en que no sólo examinamos los factores de riesgo de
aparición de DGF, sino que establecimos el modelo de predicción de la combinación de
parámetros y biomarcadores. En comparación con otros estudios similares, hemos descrito por
primera vez el valor predictivo de la combinación de estos dos factores de riesgo para predecir
el resultado del trasplante renal. La mayoría de los estudios extranjeros no han informado
sobre la combinación de los dos factores para analizar el pronóstico del trasplante renal.
Aunque en la investigación de Hall se habló de ello, este estudio no analizó la interacción entre
los dos indicadores.[11] En el estudio de Hoogland et al,[9] la duración media de la isquemia fría
(27 ± 6 h) y el tiempo de perfusión (21 ± 6 h), el tiempo medio de isquemia caliente (26 ± 11
min) eran muy superiores a los de China, y la proporción de DD controlable era inferior,
condiciones que no se ajustaban a la situación de China. En China se carece de un modelo
predictivo combinado eficaz basado en la HMP, y el resultado de este estudio viene a colmar la
laguna existente en este ámbito. Sin embargo, este estudio también tiene algunas limitaciones:
debido a la limitación del número de muestras, aunque la correlación entre los parámetros de
HMP y los biomarcadores es obvia, estos datos no son suficientes para mostrar las
características de los datos de los biomarcadores de perfusión entre los grupos con grandes
diferencias en los parámetros de perfusión. En el caso de muestras de mayor tamaño, se
podría utilizar un análisis estratificado para comparar las diferencias de los biomarcadores del
perfusato entre capas, lo que puede mejorar la eficacia del modelo predictivo.

En resumen, analizamos en detalle las características de varios parámetros representativos de

la HMP y los biomarcadores del perfusato en el riñón de donante DD y su asociación con el
pronóstico del trasplante renal, y propusimos que el modelo combinado de resistencia
terminal y GST puede mejorar la eficacia predictiva del DGF. Este estudio no sólo proporciona
un apoyo científico para una aplicación más eficiente del HMP y un uso razonable del modelo
de pronóstico, sino que también ofrece una base teórica más adecuada para la evaluación de
la calidad renal y una guía para las intervenciones clínicas.