Riskkalkylator för njursvikt (KFRE)

Klinisk bakgrund

Riskkalkylator för njursvikt (KFRE) fyller ett konkret behov: att skilja patienter med kronisk njursjukdom som faktiskt kommer att behöva njurersättningsbehandling från den stora majoritet som inte kommer dit. Enbart eGFR och albuminuri ger en grov riskstratifiering, men inte tillräckligt för att avgöra när en remiss till nefrolog är motiverad eller när en transplantationsutredning bör påbörjas. KFRE kvantifierar sannolikheten för behandlingskrävande njursvikt inom 2 och 5 år och ger därmed ett beslutsunderlag som är mer precist än fasta eGFR-trösklar.

Instrumentet används i första hand för två beslut: tidpunkt för remiss till nefrolog och tidpunkt för planering av kärlaccess respektive transplantationsutredning. KDIGO 2024 rekommenderar KFRE som grund för remissbeslut och föreslår en 5-årsrisk på 3 till 5 procent som tröskel [1].

Beräkning av KFRE

Kalkylatorn använder den fyrvariabla versionen av Kidney Failure Risk Equation. Variablerna är ålder, kön (man = 1, kvinna = 0), eGFR och urin-albumin/kreatininkvot (ACR). Formeln beräknar först en logaritmerad riskpoäng $L$ och omvandlar den sedan till absolut risk:

$$L = -0{,}2201 \times \left(\frac{\text{ålder}}{10} - 7{,}036\right) + 0{,}2467 \times (\text{man} - 0{,}5642) - 0{,}5567 \times \left(\frac{\text{eGFR}}{5} - 7{,}222\right) + 0{,}4510 \times (\ln(\text{ACR}) - 5{,}137)$$

$$\text{2-årsrisk} = 1 - 0{,}9832^{\exp(L)}$$

$$\text{5-årsrisk} = 1 - 0{,}9365^{\exp(L)}$$

ACR anges i mg/g. Vid värden i mg/mmol multipliceras med 8,84 för konvertering. eGFR kan beräknas med valfri standardekvation baserad på kreatinin.

Härledningskohorten utgjordes av 3 449 patienter med kronisk njursjukdom stadium 3 till 5 (eGFR 10 till 59 mL/min/1,73 m²) som remitterades till nefrologi i Ontario, Kanada, mellan april 2001 och december 2008. Utfallet var njursvikt definierat som behov av dialys eller preemptiv njurtransplantation. Under uppföljningen utvecklade 386 patienter (11 procent) njursvikt. En oberoende valideringskohort från British Columbia omfattade 4 942 patienter, varav 1 177 (24 procent) nådde utfallet [2]. I härledningskohorten uppnådde den åttavariabla modellen en c-statistik på 0,917 (95 procent KI 0,901 till 0,933), medan den fyrvariabla modellen presterade marginellt sämre. I valideringskohorten var c-statistiken för den åttavariabla modellen 0,841 (95 procent KI 0,825 till 0,857).

Tolkning i praktiken

KFRE ger en kontinuerlig sannolikhet, men kliniska riktlinjer och implementeringsstudier har etablerat handlingsgränser. Följande tabell sammanfattar hur resultaten kan översättas till klinisk handling.

I en implementeringsstudie i Manitoba, Kanada, användes 3 procents 5-årsrisk som tröskel för triage av nefrologremisser. Vid denna tröskel var modellen 97 procent sensitiv och 62 procent specifik för prediktion av njursvikt, med ett negativt prediktivt värde på 99 procent. Triagemodellen reducerade medianväntetiden från 230 till 58 dagar, och 34 procent av remisserna återfördes till primärvård [3].

Validering och prestanda

Den mest omfattande externa valideringen är en metaanalys av 31 kohorter i CKD Prognosis Consortium, omfattande 721 357 patienter med kronisk njursjukdom stadium 3 till 5 och 23 829 händelser av njursvikt, fördelade över fyra kontinenter [4]. Den ursprungliga fyrvariabla KFRE uppvisade en samlad c-statistik på 0,90 (95 procent KI 0,89 till 0,92) vid 2 år och 0,88 (95 procent KI 0,86 till 0,90) vid 5 år. Diskrimineringsförmågan var likartad i subgrupper definierade efter ålder, etnicitet och diabetesstatus.

Kalibreringen var adekvat i nordamerikanska kohorter, men i flera kohorter utanför Nordamerika överskattade den ursprungliga ekvationen risken. En regional kalibreringsfaktor som sänkte grundrisken med 32,9 procent vid 2 år och 16,5 procent vid 5 år förbättrade kalibreringen i 12 av 15 respektive 10 av 13 icke-nordamerikanska kohorter (p = 0,04 respektive p = 0,02) [4]. Denna icke-nordamerikanska kalibreringsfaktor är integrerad i flera kliniska implementeringar och i den webbaserade kalkylatorn på qxmd.com.

I en tysk validering av 403 patienter med kronisk njursjukdom stadium G2 till G4 som remitterats till en nefrologisk teriärvårdsklinik uppnåddes en c-statistik på 0,91 (95 procent KI 0,83 till 0,99) [5]. Tillägg av dopplerultraljudsparametrar förbättrade inte prediktionen.

En svensk observationsstudie från Stockholm (SCREAM-kohorten) omfattade 192 964 individer med eGFR under 60 mL/min/1,73 m² och 887 388 observationer under uppföljning [6]. Den icke-nordamerikanska kalibrerade fyrvariabla KFRE uppvisade god diskrimineringsförmåga och överträffade både svenska traditionella remisskriterier och KDIGO 2012-kriterier vad gäller sensitivitet, specificitet och netto-omklassificeringsindex. Dock visade studien att högre trösklar än de av KDIGO rekommenderade 3 till 5 procent gav bäst kombinerade sensitivitet och specificitet: 15 procent för den icke-nordamerikanska kalibrerade ekvationen och 9 procent för en lokalt rekalibrerad version. Implementering av en riskbaserad remissmodell skulle minska antalet onödiga remisser med 23 till 25 procent utan att missa många fall som verkligen behövde nefrologisk vård [6].

Begränsningar

KFRE är härledd och validerad hos patienter remitterade till nefrolog med kronisk njursjukdom stadium 3 till 5 (eGFR 10 till 59 mL/min/1,73 m²). Noggrannheten utanför detta eGFR-intervall är mindre väl belagd. Kalkylatorn accepterar eGFR ner till 1 mL/min/1,73 m², men för mycket låga värden blir prediktionen alltmer osäker och kliniskt mindre meningsfull, eftersom dessa patienter redan är uppenbara kandidater för njurersättningsbehandling.

Modellen gäller inte för njurtransplanterade patienter, där en separat validering har publicerats men med avvikande prestanda. Den gäller inte heller för patienter med akut njurskada eller snabbt progredierande glomerulonefrit, där beslut om remiss och behandling styrs av andra faktorer än en långsiktig riskprediktion.

En viktig begränsning är att död hanterades som censorering och inte som en konkurrerande risk i den ursprungliga modellen, vilket leder till en systematisk överskattning av risken för njursvikt, särskilt hos äldre patienter med hög mortalitet. Den svenska studien från Stockholm visade att inkludering av död som konkurrerande risk gav mer realistiska prognostiska skattningar [6].

Den åttavariabla modellen, som även inkluderar S-kalcium, fosfat, bikarbonat och albumin, ger marginellt bättre diskrimineringsförmåga men kräver fler indata och är inte implementerad i denna kalkylator. I den ursprungliga valideringskohorten var förbättringen i integrerat diskrimineringsindex 3,2 procent (95 procent KI 2,4 till 4,2 procent) jämfört med den fyrvariabla modellen [2].

Svensk kontext

I svensk sjukvård beräknas eGFR automatiskt med den reviderade Lund-Malmö-ekvationen, inte med CKD-EPI som användes i härledningskohorten. Detta kan påverka kalibreringen, eftersom olika eGFR-ekvationer ger systematiskt olika skattningar, särskilt vid högre ålder. Den svenska studien från Stockholm använde Lund-Malmö och fann god prestanda för den icke-nordamerikanska kalibrerade KFRE, men noterade att en lokal rekalibrering förbättrade passningen ytterligare [6].

Svenska traditionella remisskriterier bygger på fasta tröskelvärden för ålder, eGFR och albuminuri. Den svenska studien visade att en riskbaserad modell med KFRE överträffade dessa kriterier och skulle kunna minska antalet onödiga nefrologremisser med ungefär en fjärdedel, samtidigt som få fall som verkligen behövde specialistvård missades [6]. KDIGO 2024 rekommenderar en 5-årsrisk på 3 till 5 procent som remissgräns [1], men den svenska studien fann att högre trösklar (9 till 15 procent beroende på kalibrering) gav bäst kombinerade sensitivitet och specificitet i en population med låg incidens av njursvikt.

Källor

1. Levin A, Ahmed SB, Carrero JJ, m.fl. Executive summary of the KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease. Kidney Int 2024. PMID: 38519239
2. Tangri N, Stevens LA, Griffith J, m.fl. A predictive model for progression of chronic kidney disease to kidney failure. JAMA 2011. PMID: 21482743
3. Hingwala J, Wojciechowski P, Hiebert B, m.fl. Risk-based triage for nephrology referrals using the Kidney Failure Risk Equation. Can J Kidney Health Dis 2017. PMID: 28835850
4. Tangri N, Grams ME, Levey AS, m.fl. Multinational assessment of accuracy of equations for predicting risk of kidney failure: a meta-analysis. JAMA 2016. PMID: 26757465
5. Lennartz CS, Pickering JW, Seiler-Mußler S, m.fl. External validation of the Kidney Failure Risk Equation and re-calibration with addition of ultrasound parameters. Clin J Am Soc Nephrol 2016. PMID: 26787778
6. Caldinelli A, Faucon AL, Sjölander A, m.fl. Risk-based referral model to nephrologist specialist care in Stockholm. Nephrol Dial Transplant 2025. PMID: 40632493