Mortalitetsmodell ved diabetisk ketoacidose (DKA MPM)

Klinisk bakgrunn

Diabetisk ketoacidose (DKA) har en mortalitet som i moderne serier vanligvis angis til under 1 prosent i velfungerende helsetjenester, men som stiger betydelig ved alvorlig samtidig sykdom, dyp acidose eller forsinket behandling. Beslutningen verktøyet tjener, er ikke om pasienten skal legges inn (hun er allerede innlagt), men hvor aggressivt hun skal overvåkes, om intensivbehandling er berettiget, og hvor tidlig man skal varsle ved forverring. Vanskeligheten ligger i at mortaliteten er lav nok til at klinisk intuisjon alene blir dårlig egnet til å skille dem som kommer til å klare seg fra dem som ikke gjør det, samtidig som konsekvensene av å overse en høyrisikopasient er alvorlige.

DKA MPM er utviklet nettopp for å gi en strukturert, variabelbasert risikostratifisering som supplerer den kliniske vurderingen gjennom det første døgnet. I motsetning til generelle intensivskåringssystemer som APACHE III, som krever et stort antall variabler og er arbeidskrevende, bygger DKA MPM på seks enkle kliniske og laboratoriemessige variabler som samles inn rutinemessig ved behandling av DKA.

Beregning av Mortalitetsmodell ved diabetisk ketoacidose

DKA MPM beregnes som summen av seks binære variabler:

$$\text{Poeng} = 6 \times S_{\text{SCD}} + 4 \times S_{\text{pH}} + 4 \times S_{\text{insulin}} + 4 \times S_{\text{glukose}} + 4 \times S_{\text{bevissthet}} + 3 \times S_{\text{feber}}$$

der hver $S$ er 1 hvis kriteriet er oppfylt og 0 hvis det ikke er det. Poengintervallet er 0 til 25.

De seks variablene og tidspunktene for dem:

Modellen ble utledet i en retrospektiv kohort ved Sotiria General Hospital i Athen. Samtlige DKA-innleggelser gjennom en 10-årsperiode ble gjennomgått, noe som ga 154 pasienter (52 menn, gjennomsnittsalder 58 ± 12 år). Av disse døde 20 (13 prosent) under sykehusoppholdet [1]. Av 18 variabler ved presentasjon og 20 variabler ved hvert av tidspunktene 4, 12 og 24 timer ble seks identifisert som uavhengige prediktorer for mortalitet i multivariat analyse. Poengsettingen ble vektet ut fra de relative oddsratioene, der alvorlig samtidig sykdom fikk høyest poeng (6) og feber lavest (3). Modellen ble sammenlignet med APACHE III, og median APACHE III skilte seg signifikant mellom pasientgruppene stratifisert etter DKA MPM [1].

Tolkning i praksis

En sentral egenskap ved DKA MPM er at sluttpoengsummen ikke foreligger ved presentasjon. To av variablene krever 12 timers observasjon, og to krever 24 timers observasjon. Verktøyet er altså ikke et triageverktøy ved ankomst, men et verktøy for fortløpende risikovurdering gjennom det første døgnet.

I utledningskohorten ble poengsummen delt inn i risikoband med følgende observerte mortalitet [1]:

Den svært lave mortaliteten i lavpoenggruppen tyder på at en pasient som etter 24 timer ikke har noen av de seks risikomarkørene, med stor sannsynlighet kommer til å overleve sykehusoppholdet. Omvendt innebærer en poengsum på 19 eller høyere at nesten alle pasientene i utledningskohorten døde, noe som begrunner at man raskt eskalerer behandlingsnivået og identifiserer den utløsende årsaken til DKA.

Det er viktig å merke seg at poengsummen er kumulativ og dynamisk. En pasient som ved presentasjon har alvorlig samtidig sykdom og pH under 7,0 (poengsum 10), befinner seg fortsatt i lavrisikobandet, men hvis glukosenivået ikke faller under 16,7 mmol/L ved 12 timer, stiger poengsummen til 14, og hvis bevisstheten er nedsatt ved 24 timer, når pasienten 18 poeng. Hver ny variabel som kommer til, bør derfor føre til en ny vurdering av behandlingsnivå og prognose.

Verktøyet erstatter ikke jakten på den utløsende årsaken. Mortaliteten ved DKA drives i hovedsak av den tilstanden som utløste krisen, ikke av acidosen i seg selv, og variabelen med høyest vekt i modellen (alvorlig samtidig sykdom) er nettopp et uttrykk for dette. Infeksjon, hjerteinfarkt, hjerneslag, pankreatitt, uteglemt insulin, nyoppdaget diabetes og utløsende legemidler bør derfor kartlegges parallelt med at poengsummen beregnes, og en høy poengsum uten identifisert utløsende årsak er i seg selv en grunn til å utvide utredningen.

Validering og ytelse

DKA MPM mangler ekstern validering. I den eneste studien som eksplisitt drøfter valideringsstatusen til modellen, konstateres det at den ble laget for to tiår siden uten å bli validert i en uavhengig kohort etterpå [2]. Den studien, fra et thailandsk universitetssykehus (93 pasienter, 10,7 prosent mortalitet), valgte i stedet å utvikle en egen modell med helt andre prediktorer: alder over 55 år, kvinnelig kjønn, anion gap over 30 mEq/L, hemoglobin under 10 g/dL og kardiovaskulær sykdom. Modellen deres oppnådde en AUC på 0,82 (95 prosent KI 0,67-0,97) i intern validering [2].

At en uavhengig gruppe valgte andre variabler enn Efstathiou, er i seg selv ikke bevis for at DKA MPM yter dårlig, men det illustrerer at prediktorene for mortalitet ved DKA varierer mellom populasjoner. I utledningskohorten var gjennomsnittsalderen 58 år, og flertallet hadde type 2-diabetes, noe som skiller seg fra populasjoner der type 1-diabetes dominerer og gjennomsnittsalderen er lavere. I en indonesisk kohort med 301 pasienter og 28,6 prosent 72-timersmortalitet ble komorbiditet, bevissthetsnivå, tidligere DKA og laktatnivå identifisert som prediktorer, verken insulinbehov, glukose ved 12 timer eller feber [3]. En spansk studie av 231 DKA-episoder var rettet mot prediksjon av behov for intensivbehandling i stedet for mortalitet, og fant at pH, bikarbonat, bilirubin og Glasgow Coma Scale var de sterkeste prediktorene, med en AUC på 0,84 i valideringskohorten [4].

Uten ekstern validering kan diskriminasjonen til DKA MPM ikke angis med en c-statistikk fra en uavhengig kohort. Innenfor utledningskohorten fant forfatterne at median APACHE III skilte seg signifikant mellom poenggruppene (p < 0,001), noe som tyder på at modellen fanger opp en reell risikogradient, men det sier ingenting om hvor godt den generaliserer [1]. En maskinlæringsstudie basert på MIMIC-IV-databasen, som brukte helt andre variabler (APS III, osmolalitet, vasopressorbehov, laktat), oppnådde en AUC på 0,92 for nomogrammet og 0,95 for XGBoost-modellen, men denne studien validerte ikke DKA MPM og inkluderte bare intensivpasienter med alvorlig DKA [5].

Begrensninger

Det finnes ingen ekstern validering. Dette er den viktigste enkeltbegrensningen. Alle tall for mortalitet per poengband kommer fra én enkelt kohort ved ett enkelt sykehus i Athen på 1990-tallet. Mortaliteten ved moderne DKA-behandling er generelt lavere enn 13 prosent, noe som innebærer at de absolutte risikoprosentene sannsynligvis overestimerer dagens risiko, særlig i lav- og intermediærpoengbandene.

Modellen er ikke tilgjengelig ved presentasjon. Fire av seks variabler registreres først ved henholdsvis 12 og 24 timer. Dette gjør at verktøyet ikke kan brukes til initial triage eller til beslutning om intensivbehandling ved ankomst. Den klinisk viktigste perioden for DKA-pasienten er de første timene, og her bidrar DKA MPM først i etterkant.

Utledningskohorten var liten. Med 154 pasienter og 20 dødsfall er den statistiske styrken begrenset, særlig for å identifisere uavhengige prediktorer med sikkerhet. Konfidensintervallene for bidraget fra de enkelte variablene er ikke rapportert i sammendraget, men størrelsen på kohorten innebærer en betydelig risiko for overtilpasning.

Variablene gjenspeiler behandlingsrespons, ikke bare alvorlighetsgrad av sykdommen. Behov for mer enn 50 enheter insulin og vedvarende hyperglykemi ved 12 timer kan like godt gjenspeile insulinresistens, feil væskebehandling eller forsinket ketosesuppresjon som egentlig mortalitetsrisiko. Dette gjør modellen sensitiv for lokale behandlingsprotokoller: hvis en avdeling rutinemessig bruker høye insulindoser eller har en annen strategi for glukosesenking, vil poengsummen endre seg uten at den underliggende risikoen nødvendigvis er forandret.

Barn og unge er ekskludert. Modellen gjelder voksne. DKA hos barn, særlig ved type 1-diabetes, har en annen prediktorkonstellasjon og lavere mortalitet.

Ikke anvendbar ved blandede hyperglykemiske kriser. DKA med overlappende hyperosmolær tilstand (HHS) har høyere mortalitet og kan kreve andre prediktorer. Andelen rene DKA-tilfeller i utledningskohorten framgår ikke av sammendraget.

Diagnosekriteriene har endret seg siden utledningen. Moderne DKA-behandling bruker måling av beta-hydroksybutyrat i blod i stedet for ketoner i urin, terskelverdiene for glukose og bikarbonat er justert i senere konsensusdokumenter, og euglykemisk ketoacidose ved bruk av SGLT2-hemmere var ikke en kjent problemstilling da modellen ble laget. En kohort definert etter dagens kriterier er derfor ikke direkte sammenlignbar med utledningskohorten, og dette gjelder særlig glukosevariabelen ved 12 timer.

Kilder

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