Das Risiko für hepatische Enzephalopathien und Mortalität bei gleichzeitigem Vorhandensein von Sarkopenie und großen spontanen Portosystemischen Shunts im Rahmen der Leberzirrhose

Abstract

<strong>Hintergrund: </strong> Hepatische Enzephalopathie (HE) ist eine häufige Komplikation der Leberzirrhose. In verschiedenen Studien konnte gezeigt werden das spontane Portosystemische Shunts (SPSS) und Sarkopenie mit einer erhöhten Wahrscheinlichkeit für HE einhergehen. In dieser Studie wurde der Einfluss zwischen Skelettmuskelmasse und SPSS auf die Entwicklung von HE und die Mortalität von Leberzirrhosepatienten untersucht. <br /> <strong>Methoden: </strong> Es wurden retrospektiv Daten von Leberzirrhosepatienten ausgewertet. In Routine CT-Bildgebung wurde die totale Spontane portosystemische Shuntfläche (TSA), sowie die Fett-freie Muskelmasse normiert auf die Körpergröße (FFMI) erhoben. Der primäre Endpunkt war die Entwicklung von HE und der sekundäre Endpunkt Sterblichkeit innerhalb von einem Jahr. <br /> <strong>Ergebnisse: </strong> 156 Patienten mit Leberzirrhose wurden eingeschlossen. Patienten mit tiefem FFMI (L-FFMI) und großem SPSS (L-TSA) entwickelten häufiger eine HE und zeigten eine höhere 1-Jahres Mortalität. L-FFMI und L-TSA waren unabhängige Risikofaktoren für HE-Entwicklung ((L-FFMI HR = 2.69, CI 1.22-5.93; L-TSA, HR = 2.50, CI = 1.24-4.72) und Mortalität innerhalb von einem Jahr (L-FFMI, HR = 7.68, CI 1.75-33.74; L-TSA, HR = 3.05, CI 1.32-7.04) nach Ausgangs-CT. Bei gleichzeitigem Vorhandensein von L-FFMI und L-TSA stieg das Risiko für beide Endpunkte jeweils exponentiell (HE-Entwicklung: HR 12.79, CI 2.93-55.86; Ein-Jahressterblichkeit: HR 13.66, CI 1.75-106.50). Es wurde ein einfach anzuwendender Algorithmus aus beiden Risikofaktoren entwickelt, um Patienten in eine von drei Risikogruppen einzuteilen. <br /> <strong>Fazit: </strong> Diese Studie weist auf einen möglichen synergistischen Effekt von spontaner Portosystemischer Shuntfläche und Sarkopenie hin. Dementsprechend könnte die gleichzeitige Erhebung der beiden Parameter mithilfe eines einfachen Algorithmus aus anderweitig indizierter CT-Bildgebung zu einer Verbesserung der Risikostratifizierung beitragen.