Mortalitetsmodell vid diabetesketoacidos (DKA MPM)

Klinisk bakgrund

Diabetesketoacidos (DKA) har en mortalitet som i moderna serier brukar anges till under 1 procent i välmående system, men som stiger betydligt vid svår samtidig sjukdom, djup acidos eller försenad behandling. Beslutet som instrumentet tjänar är inte om patienten ska läggas in (den är redan inlagd) utan hur aggressivt hon ska övervakas, om intensivvård är motiverad och hur tidigt man ska larma för försämring. Svårigheten ligger i att mortaliteten är tillräckligt låg för att klinisk intuition ensam blir dålig på att skilja dem som kommer att klara sig från dem som inte gör det, samtidigt som konsekvenserna av att missa en högriskpatient är allvarliga.

DKA MPM är framtagen just för att ge en strukturerad, variabelbaserad riskstratifiering som kompletterar den kliniska bedömningen under det första dygnet. Till skillnad från generella intensivvårdsscore som APACHE III, som kräver ett stort antal variabler och är arbetsintensiva, bygger DKA MPM på sex enkla kliniska och laboratoriemässiga variabler som samlas rutinmässigt vid DKA-vård.

Beräkning av Mortalitetsmodell vid diabetesketoacidos

DKA MPM beräknas som summan av sex binära variabler:

$$\text{Poäng} = 6 \times S_{\text{SCD}} + 4 \times S_{\text{pH}} + 4 \times S_{\text{insulin}} + 4 \times S_{\text{glukos}} + 4 \times S_{\text{medv}} + 3 \times S_{\text{feber}}$$

där varje $S$ är 1 om kriteriet är uppfyllt och 0 om det inte är det. Poängintervallet är 0 till 25.

De sex variablerna och deras tidspunkter:

Modellen härleddes i en retrospektiv kohort vid Sotiria General Hospital i Athen. Samtliga DKA-inläggningar under en 10-årsperiod granskades, vilket gav 154 patienter (52 män, medelålder 58 ± 12 år). Av dessa avled 20 (13 procent) under sjukhusvistelsen [1]. Av 18 variabler vid presentation och 20 variabler vid varje av tidpunkterna 4, 12 och 24 timmar identifierades sex som oberoende prediktorer för mortalitet i multivariat analys. Poängsättningen vägdes utifrån de relativa oddskvoterna, där svår samtidig sjukdom fick högst poäng (6) och feber lägst (3). Modellen jämfördes med APACHE III, och median-APACHE III skilde sig signifikant mellan patientgrupperna stratifierade enligt DKA MPM [1].

Tolkning i praktiken

En central egenskap hos DKA MPM är att slutpoängen inte står till förfogande vid presentation. Två av variablerna kräver 12 timmars observation och två kräver 24 timmars observation. Instrumentet är alltså inte ett triageverktyg vid ankomst, utan ett verktyg för successiv riskomvärdering under det första dygnet.

I härledningskohorten delades poängen in i riskband med följande observerad mortalitet [1]:

Den extremt låga mortaliteten i lågpoängsgruppen indikerar att en patient som efter 24 timmar inte har någon av de sex riskmarkörerna med mycket stor sannolikhet kommer att överleva sjukhusvistelsen. Omvänt innebär en poäng på 19 eller högre att nästan samtliga patienter i härledningskohorten avled, vilket motiverar att man snabbt eskalerar vårdnivån och identifierar den utlösande orsaken till DKA:n.

Det är viktigt att notera att poängen är ackumulativ och dynamisk. En patient som vid presentation har svår samtidig sjukdom och pH under 7,0 (poäng 10) fortfarande befinner sig i lågriskbandet, men om glukoset inte sjunker under 16,7 mmol/L vid 12 timmar stiger poängen till 14, och om medvetandet är nedsatt vid 24 timmar når patienten 18 poäng. Varje ny variabel som tillkommer ska därför föranleda en ny bedömning av vårdnivå och prognos.

Validering och prestanda

DKA MPM saknar extern validering. I den enda studie som explicit diskuterar modellens valideringsstatus konstateras att den skapades för två decennier sedan utan att därefter valideras i en oberoende kohort [2]. Den studien, från ett thailändskt universitetssjukhus (93 patienter, 10,7 procent mortalitet), valde i stället att ta fram en egen modell med helt andra prediktorer: ålder över 55 år, kvinnligt kön, anjongap över 30 mEq/L, hemoglobin under 10 g/dL och kardiovaskulär sjukdom. Deras modell uppnådde en AUC på 0,82 (95 procent KI 0,67–0,97) i intern validering [2].

Att en oberoende grupp valde andra variabler än Efstathiou är i sig inte bevis för att DKA MPM presterar dåligt, men det illustrerar att prediktorerna för DKA-mortalitet varierar mellan populationer. I härledningskohorten var medelåldern 58 år och majoriteten hade typ 2-diabetes, vilket skiljer sig från populationer där typ 1-diabetes dominerar och medelåldern är lägre. I en indonesisk kohort med 301 patienter och 28,6 procent 72-timmarsmortalitet identifierades comorbiditet, medvetandegrad, tidigare DKA och laktatnivå som prediktorer, varken insulinbehov, glukos vid 12 timmar eller feber [3]. En spansk studie av 231 DKA-episoder fokuserade på prediktion av intensivvårdsbehov i stället för mortalitet och fann att pH, bikarbonat, bilirubin och Glasgow Coma Scale var de starkaste prediktorerna, med en AUC på 0,84 i valideringskohorten [4].

I frånvaro av extern validering kan DKA MPM:s diskrimination inte anges med en c-statistik från en oberoende kohort. Inom härledningskohorten fann författarna att median-APACHE III skilde sig signifikant mellan poänggrupperna (p < 0,001), vilket indikerar att modellen fångar en verklig riskgradient, men det säger ingenting om hur väl den generaliserar [1]. En maskininlärningsstudie baserad på MIMIC-IV-databasen, som använde helt andra variabler (APS III, osmolalitet, vasopressorbehov, laktat), uppnådde en AUC på 0,92 för nomogrammet och 0,95 för XGBoost-modellen, men denna studie validerade inte DKA MPM och inkluderade enbart intensivvårdspatienter med svår DKA [5].

Begränsningar

Ingen extern validering finns. Detta är den enskilt viktigaste begränsningen. Alla siffror om mortalitet per poängband kommer från en enda kohort vid ett enda sjukhus i Athen under 1990-talet. Mortaliteten i modern DKA-vård är generellt lägre än 13 procent, vilket innebär att de absoluta riskprocenterna sannolikt överskattar dagens risk, särskilt i låg- och intermediärpoängsbanden.

Modellen är inte tillgänglig vid presentation. Fyra av sex variabler registreras först vid 12 respektive 24 timmar. Detta gör att instrumentet inte kan använda för initial triage eller för beslut om intensivvård vid ankomst. Den kliniskt viktigaste perioden för DKA-patienten är de första timmarna, och här bidrar DKA MPM först i efterhand.

Härledningskohorten var liten. Med 154 patienter och 20 dödsfall är den statistiska poweren begränsad, särskilt för att identifiera oberoende prediktorer med säkerhet. Konfidensintervallen för de enskilda variablernas bidrag är inte rapporterade i abstract, men kohortens storlek innebär en påtaglig risk för överanpassning.

Variablerna speglar behandlingsrespons, inte enbart sjukdomsallvarlighetsgrad. Behov av mer än 50 enheter insulin och kvarstående hyperglykemi vid 12 timmar kan lika väl återspegla insulinresistens, felaktig vätskebehandling eller försenad ketosuppression som egentlig mortalitetsrisk. Detta gör modellen känslig för lokala behandlingsprotokoll: om en avdelning rutinmässigt använder höga insulin doser eller har en annan strategi för glukossänkning, kommer poängen att skifta utan att den underliggande risken nödvändigtvis förändras.

Barn och unga är exkluderade. Modellen gäller vuxna. DKA hos barn, särskilt vid typ 1-diabetes, har en annan prediktorkonstellation och lägre mortalitet.

Ej applicerbar vid blandade hyperglykemiska kriser. DKA med överlappande hyperosmolärt tillstånd (HHS) har högre mortalitet och kan kräva andra prediktorer. Härledningskohortens andel rena DKA-fall framgår inte av abstract.

Källor

1. Efstathiou SP m.fl. A mortality prediction model in diabetic ketoacidosis. Clin Endocrinol (Oxf) 2002. PMID: 12390332
2. Munsakul N, Manosroi W, Buranapin S. Predictors and Predictive Score of In-Hospital Mortality in Diabetic Ketoacidosis: A Retrospective Cohort Study. Medicina (Kaunas) 2024. PMID: 39597018
3. Siregar NN m.fl. Seventy-Two Hour Mortality Prediction Model in Patients with Diabetic Ketoacidosis: A Retrospective Cohort Study. J ASEAN Fed Endocr Soc 2018. PMID: 33442117
4. Sebastian-Valles F m.fl. Factors associated with intensive care unit admission due to diabetic ketoacidosis in adults: a validated predictive model. Acta Diabetol 2025. PMID: 39680130
5. Xie W m.fl. Machine learning prediction models and nomogram to predict the risk of in-hospital death for severe DKA. Int J Med Inform 2023. PMID: 37001474