Perioperatiivinen akuutti munuaisvaurio lonkan ja polven tekonivelleikkauksissa. Ilmaantuvuus, riskitekijät, diagnostiset kriteerit ja koneoppiminen.

Perioperatiivinen akuutti munuaisvaurio on yleinen leikkauksen haittavaikutus. Se on monitekijäinen prosessi, ja sillä on useita riskitekijöitä. Arviolta 0,3–15 % elektiivisistä lonkan ja polven tekonivelleikkauspotilaista ja 8,4–24 % lonkkamurtuman leikkauspotilaista saa munuaisvaurion. Akuutti munuaisvaurio lisää kuolleisuutta ja vaikuttaa jälkihoitoon. Krooninen munuaissairaus on läheisesti yhteydessä akuuttiin munuaisvaurioon ja niillä on samoja riskitekijöitä. Perinteisesti perioperatiivinen akuutti munuaisvaurio on määritetty kohonneella seerumin kreatiniinilla. Toinen tärkein diagnostiikkakriteeri, vähentynyt diureesi on lähes täysin jätetty huomiotta luotettavan mittaamisen puutteen vuoksi.
Koneoppimismenetelmiä käytetään yhä enemmän lääketieteellisessä tutkimuksessa. Akuutti munuaisvaurio on yksi haasteista, jota on yritetty ratkaista rakentamalla ennustavia koneoppimismalleja. Tutkimus on edelleen alkuvaiheessa.

Väitöskirjan tavoitteena oli tutkia perioperatiivista akuuttia munuaisvauriota lonkan ja polven tekonivelkirurgiassa. Tutkimus keskittyi ilmaantuvuuteen, riskitekijöihin, lopputuloksiin ja diureesin käytön arvioimiseen akuutin munuaisvaurion määritelmänä. Tavoitteena oli myös kehittää koneoppimismalli akuutin munuaisvaurion ennustamiseksi.

Kaksi retrospektiivistä aineistoa kerättiin. Ensimmäinen aineisto sisälsi lonkan ja polven tekonivelpotilaita, jotka operoitiin Oulun yliopistollisessa sairaalassa ja Oulaskankaan sairaalassa vuonna 2014. Nämä potilaat olivat yli 65-vuotiaita. Toinen aineisto sisälsi lonkan ja polven tekonivelpotilaita, jotka operoitiin Oulussa vuosina 2016 ja 2017.

Tutkimuksen tärkeimmät löydökset olivat, että akuutin munuaisvaurion riskitekijät olivat samat kuin aiemmin kirjallisuudessa: heikentynyt munuaistoiminta, ikä, diabetes, korkea painoindeksi, sydän- ja verisuonisairaudet sekä päivystysleikkaus. Elektiivisten ja päivystyspotilaiden riskitekijät näyttivät eroavan. Diureesin käyttö diagnostisena kriteerinä lisäsi merkittävästi akuutin munuaisvaurion ilmaantuvuutta, ja pelkkä vähäinen diureesi oli yhteydessä kohonneeseen kuolleisuuteen. Koneoppimismallin kehityksen päätulos oli, että käyttämämme algoritmit, RUSBoost ja Naïve Bayes, toimivat hyvin aineistossamme lupaavin tuloksin, mutta pystyimme kehittämään vain alustavia malleja. Tämä on linjassa koneoppimisen kehityksen nykyisen vaiheen kanssa.