Background: Patients with chronic kidney disease (CKD) have a high risk of cardiovascular disease (CVD). Prediction models, combining clinical and laboratory characteristics, are commonly used to estimate an individual’s CVD risk. However, these models are not specifically developed for patients with CKD and may therefore be less accurate. In this review we aim to give an overview of CVD prognostic studies available, and their methodological quality, specifically for patients with CKD. Methods: MEDLINE was searched for papers reporting CVD prognostic studies in patients with CKD published between 2012 and 2021. Characteristics regarding patients, study design, outcome measurement, and prediction models were compared between included studies. The risk of bias of studies reporting on prognostic factors or the development/validation of a prediction model were assessed with, respectively, the QUIPS and PROBAST tool. Results: In total, 134 studies were included, of which 123 studies tested the incremental value of one or more predictors to existing models or common risk factors, while only 11 studies reported on the development or validation of a prediction model. Substantial heterogeneity in cohort and study characteristics, such as sample size, event rate, and definition of outcome measurements, was observed across studies. The most common predictors were age (87%), sex (75%), diabetes (70%), and estimated glomerular filtration rate (eGFR) (69%). Most of the studies on prognostic factors have methodological shortcomings, mostly due to a lack of reporting on clinical and methodological information. Of the 11 studies on prediction models, six developed and internally validated a model and four externally validated existing or developed models. Only one study on prognostic models showed a low risk of bias and high applicability. Discussion: A large quantity of prognostic studies has been published, yet their usefulness remains unclear due to incomplete presentation, and lack of external validation of prognostic models. Our review can be used to select the most appropriate prognostic model depending on the patient population, outcome, and risk of bias. Future collaborative efforts should aim at improving existing models by externally validating them, evaluate the addition of new predictors, and assessment of the clinical impact.


中文翻译：

---

与慢性肾脏病患者心血管疾病预测模型相去甚远：一项系统评价

背景：慢性肾脏病（CKD）患者患心血管疾病（CVD）的风险很高。结合临床和实验室特征的预测模型通常用于估计个体的 CVD 风险。然而，这些模型并不是专门为 CKD 患者开发的，因此可能不太准确。在这篇综述中，我们旨在概述可用的 CVD 预后研究及其方法学质量，特别是针对 CKD 患者。方法：在 MEDLINE 中搜索了 2012 年至 2021 年间发表的关于 CKD 患者 CVD 预后研究的论文。对纳入研究的患者特征、研究设计、结果测量和预测模型进行了比较。报告预后因素或预测模型的开发/验证的研究的偏倚风险分别使用 QUIPS 和 PROBAST 工具进行评估。结果：总共纳入了 134 项研究，其中 123 项研究测试了一个或多个预测因子对现有模型或常见风险因素的增量值，而只有 11 项研究报告了预测模型的开发或验证。在研究中观察到队列和研究特征（例如样本量、事件发生率和结果测量的定义）存在很大的异质性。最常见的预测因素是年龄 (87%)、性别 (75%)、糖尿病 (70%) 和估计肾小球滤过率 (eGFR) (69%)。大多数关于预后因素的研究都存在方法学缺陷，主要是由于缺乏关于临床和方法学信息的报告。在关于预测模型的 11 项研究中，有 6 项开发并在内部验证了模型，4 项外部验证了现有或开发的模型。只有一项关于预后模型的研究显示偏倚风险低且适用性高。讨论：已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。在关于预测模型的 11 项研究中，有 6 项开发并在内部验证了模型，4 项外部验证了现有或开发的模型。只有一项关于预后模型的研究显示偏倚风险低且适用性高。讨论：已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。在关于预测模型的 11 项研究中，有 6 项开发并在内部验证了模型，4 项外部验证了现有或开发的模型。只有一项关于预后模型的研究显示偏倚风险低且适用性高。讨论：已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。六个开发并在内部验证了一个模型，四个外部验证了现有或开发的模型。只有一项关于预后模型的研究显示偏倚风险低且适用性高。讨论：已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。六个开发并在内部验证了一个模型，四个外部验证了现有或开发的模型。只有一项关于预后模型的研究显示偏倚风险低且适用性高。讨论：已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。已经发表了大量的预后研究，但由于报告不完整以及缺乏对预后模型的外部验证，它们的实用性仍不清楚。我们的审查可用于根据患者人群、结果和偏倚风险选择最合适的预后模型。未来的合作努力应该旨在通过外部验证改进现有模型、评估新预测因子的添加以及评估临床影响。