Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
. 2020 Sep 4:7:2054358120953287.
doi: 10.1177/2054358120953287. eCollection 2020.

Derivation and Internal Validation of a Clinical Risk Prediction Tool for Hyperkalemia-Related Emergency Department Encounters Among Hemodialysis Patients

Paul E Ronksley  1 , James P Wick  2 , Meghan J Elliott  2 , Robert G Weaver  2 , Brenda R Hemmelgarn  1   2 , Andrew McRae  3 , Matthew T James  1   2 , Tyrone G Harrison  1   2 , Jennifer M MacRae  2
Affiliations

Derivation and Internal Validation of a Clinical Risk Prediction Tool for Hyperkalemia-Related Emergency Department Encounters Among Hemodialysis Patients

Paul E Ronksley et al. Can J Kidney Health Dis. .

Abstract
in English, French

Background: Approximately 10% of emergency department (ED) visits among dialysis patients are for conditions that could potentially be managed in outpatient settings, such as hyperkalemia.

Objective: Using population-based data, we derived and internally validated a risk score to identify hemodialysis patients at increased risk of hyperkalemia-related ED events.

Design: Retrospective cohort study.

Setting: Ten in-center hemodialysis sites in southern Alberta, Canada.

Patients: All maintenance hemodialysis patients (≥18 years) between March 2009 and March 2017.

Measurements: Predictors of hyperkalemia-related ED events included patient demographics, comorbidities, health-system use, laboratory measurements, and dialysis information. The outcome of interest (hyperkalemia-related ED events) was defined by International Classification of Diseases (10th Revision; ICD-10) codes and/or serum potassium [K+] ≥6 mmol/L.

Methods: Bootstrapped logistic regression was used to derive and internally validate a model of important predictors of hyperkalemia-related ED events. A point system was created based on regression coefficients. Model discrimination was assessed by an optimism-adjusted C-statistic and calibration by deciles of risk and calibration slope.

Results: Of the 1533 maintenance hemodialysis patients in our cohort, 331 (21.6%) presented to the ED with 615 hyperkalemia-related ED events. A 9-point scale for risk of a hyperkalemia-related ED event was created with points assigned to 5 strong predictors based on their regression coefficients: ≥1 laboratory measurement of serum K+ ≥6 mmol/L in the prior 6 months (3 points); ≥1 Hemoglobin A1C [HbA1C] measurement ≥8% in the prior 12 months (1 point); mean ultrafiltration of ≥10 mL/kg/h over the preceding 2 weeks (2 points); ≥25 hours of cumulative time dialyzing over the preceding 2 weeks (1 point); and dialysis vintage of ≥2 years (2 points). Model discrimination (C-statistic: 0.75) and calibration were good.

Limitations: Measures related to health behaviors, social determinants of health, and residual kidney function were not available for inclusion as potential predictors.

Conclusions: While this tool requires external validation, it may help identify high-risk patients and allow for preventative strategies to avoid unnecessary ED visits and improve patient quality of life.

Trial registration: Not applicable-observational study design.

Contexte: Environ 10 % des visites aux urgences des patients hémodialysés concernent des affections qui pourraient être prises en charge en ambulatoire, notamment l’hyperkaliémie.

Objectif: À l’aide de données populationnelles, nous avons dérivé et validé en interne une cote de risque pour dépister les patients hémodialysés présentant un risque accru de visites aux urgences liées à l’hyperkaliémie.

Type d’étude: Étude de cohorte rétrospective.

Cadre: Dix sites d’hémodialyse en center du sud de l’Alberta (Canada).

Sujets: Tous les adultes sous hémodialyse chronique entre mars 2009 et mars 2017.

Mesures: Les prédicteurs d’une visite aux urgences liée à l’hyperkaliémie incluaient les données démographiques du patient, les maladies concomitantes, l’utilization du système de santé, les mesures de laboratoire et les informations sur la dialyze. Le résultat d’intérêt (nombre de visites aux urgences liées à l’hyperkaliémie) a été défini par les codes CIM-10 et/ou une kaliémie [K+] égale ou supérieure à 6 mmol/L.

Méthodologie: La régression logistique de type « bootstrap » a été utilisée pour dériver et valider en interne un modèle des principaux prédicteurs d’une visites aux urgences liée à l’hyperkaliémie. Un système de pointage a été créé à partir des coefficients de régression. La discrimination du modèle a été évaluée par une statistique C corrigée selon l’optimisme, et l’étalonnage par des déciles de risque et une courbe d’étalonnage.

Résultats: Des 1 533 patients de notre cohorte, 331 (21,6 %) se sont présentés aux urgences pour un total de 615 événements liés à l’hyperkaliémie. Une échelle à neuf points mesurant le risque a été créée, où un pointage a été attribué à cinq puissants prédicteurs en fonction du coefficient de régression: i) au moins une mesure de K+ égale ou supérieure à 6 mmol/L dans les six mois précédents (3 points); ii) au moins une mesure de l’hémoglobine A1C [HbA1C] égale ou supérieure à 8 % dans les 12 mois précédents (1 point); iii) une ultrafiltration moyenne d’au moins 10 mL/kg/heure dans les deux semaines précédentes (2 points); iv) un cumulatif d’au moins 25 heures de dialyze dans les deux semaines précédentes (1 point); et v) le fait d’être en dialyze depuis au moins 2 ans (2 points). La discrimination du modèle (statistique C: 0,75) et l’étalonnage ont été jugés bons.

Limites: Les mesures relatives aux comportements en matière de santé, aux déterminants sociaux de la santé et à la fonction rénale résiduelle n’étaient pas disponibles pour leur inclusion comme prédicteurs potentiels.

Conclusion: Bien que cet outil doive être validé en externe, il peut aider à dépister les patients présentant un risque élevé de visiter les urgences pour une hyperkaliémie. Il pourrait également favoriser l’élaboration de stratégies préventives visant à réduire les visites inutiles et à améliorer la qualité de vie des patients.

Enregistrement de l’essai: Sans objet — essai observationnel.

Keywords: emergency department use; hemodialysis; hyperkalemia; risk prediction.

PubMed Disclaimer

Conflict of interest statement

Declaration of Conflicting Interests: The author(s) declared no potential conflicts of interest with respect to the research, authorship, and/or publication of this article.

Figures

Figure 1.
Figure 1.
Study cohort formation. Note. ED = emergency department.
Figure 2.
Figure 2.
Forest plot of independent predictors of an emergency department encounter for hyperkalemia with corresponding point scores. Note. CI = confidence interval.
Figure 3.
Figure 3.
ROC curve for the multivariable model estimating the risk of an emergency department encounter for hyperkalemia. Note. ROC = receiver operator characteristic.
Figure 4.
Figure 4.
Deciles of actual versus expected risk for the multivariable model estimating the risk of an ED encounter for hyperkalemia (Hosmer-Lemeshow P value = .097). Note. ED = emergency department.
Figure 5.
Figure 5.
Number of individuals associated with each point score (primary axis, presented as bars) and percentage of individuals who had the outcome (diamonds) or were predicted to have the outcome (logistic function line) at each point score (secondary axis). Note. Black diamonds indicate percentage of outcomes occurring among individuals at each point score, while the curved line indicates the prediction of outcomes for each score based on the logistic function. ED = emergency department.
See this image and copyright information in PMC

Similar articles

See all similar articles

Cited by

References

    1. Baumeister SE, Boger CA, Kramer BK, et al. Effect of chronic kidney disease and comorbid conditions on health care costs: a 10-year observational study in a general population. Am J Nephrol. 2010;31(3):222-229. - PubMed
    1. Hemmelgarn BR, Zhang J, Manns BJ, et al. Alberta Kidney Disease Network: nephrology visits and health care resource use before and after reporting estimated glomerular filtration rate. JAMA. 2010;303:1151-1158. - PubMed
    1. Komenda P, Tangri N, Klajncar E, et al. Patterns of emergency department utilization by patients on chronic dialysis: a population-based study. PLoS One. 2018;13(4):e0195323. - PMC - PubMed
    1. Lovasik BP, Zhang R, Hockenberry JM, et al. Emergency department use and hospital admissions among patients with end-stage renal disease in the United States. JAMA Intern Med. 2016;176:1563-1565. - PubMed
    1. Quinn RR, Ravani P, Zhang X, et al. Impact of modality choice on rates of hospitalization in patients eligible for both peritoneal dialysis and hemodialysis. Perit Dial Int. 2014;34(1):41-48. - PMC - PubMed