编辑推荐：
为探究血尿素氮与肌酐比值（BCR）和估算血浆容量状态（ePVS）对心力衰竭（HF）患者预后的联合作用，研究人员分析 MIMIC-IV 数据库数据。结果发现 BCR 和 ePVS 能独立预测 HF 患者 1 年全因死亡率（ACM），二者联合可提高预测准确性，有助于优化 HF 患者管理。
在医学领域，心力衰竭（Heart Failure，HF）就像一颗 “定时炸弹”，严重威胁着人们的健康。它是一种复杂的临床疾病，主要表现为心脏输出量严重下降和（或）心内充盈压升高，无论是在休息还是运动时，都会给患者带来极大的痛苦。随着全球老龄化加剧以及心血管疾病发病率的上升，心力衰竭的患病率也在不断增加，给医疗系统带来了沉重的负担。
目前，寻找简单快速且能反映心力衰竭患者血流动力学状态的指标，成为了医学研究的重点。血尿素氮（Blood Urea Nitrogen，BUN）和肌酐（Creatinine，Cr）作为肾功能的标志物，它们在体内的代谢过程有所不同。Cr 在肾小管的重吸收很少，而 BUN 会被大量重吸收，且这一过程受神经激素机制的调节。在心力衰竭患者中，神经激素活性升高，会改变肾脏内的动力学，使得 BUN 重吸收增加，因此血尿素氮与肌酐比值（Blood Urea Nitrogen to Creatinine Ratio，BCR）被认为可能是心力衰竭患者预后不良的一个指示性标志物。
同时，容量超负荷也是心力衰竭病理生理过程中的一个关键因素，它常常导致血流动力学和临床充血。然而，传统评估血浆容量（Plasma Volume，PV）状态的方法，如碘标记白蛋白或一氧化碳评估等，由于操作复杂，难以在临床常规应用。而通过公式计算得出的估算血浆容量状态（Estimated Plasma Volume Status，ePVS），为评估血浆容量提供了一种更简便可行的方法。
尽管 BCR 和 ePVS 各自的作用已被部分认识，但它们在心力衰竭患者预后评估中的联合作用还不明确。为了解决这一问题，北京医院（国家老年医学中心、中国医学科学院老年医学研究所）的研究人员开展了相关研究。
研究人员从 MIMIC-IV 数据库中获取数据，这些数据来自贝斯以色列女执事医疗中心，为研究提供了丰富的临床资料。研究人员对数据进行了严格筛选，最终纳入了 11,066 名重症监护病房（Intensive Care Unit，ICU）中诊断为心力衰竭的患者。
在研究中，研究人员采用了多种技术方法。首先，利用 PostgreSQL 和结构化查询语言（SQL）从数据库中提取所需变量，包括患者的人口统计学信息、临床评分、治疗措施、生命体征和实验室检查值等。其次，通过特定公式计算 ePVS，即 ePVS（mL/g） = 100 × (1 - 血细胞比容) ? 血红蛋白（g/dL）。然后，运用受试者工作特征（Receiver Operating Characteristic，ROC）曲线确定 BCR 和 ePVS 的最佳截断值，以评估它们对 1 年全因死亡率（All - cause Mortality，ACM）的预测准确性。此外，还使用了 Kaplan - Meier（KM）法、Cox 比例风险模型、亚组分析和限制立方样条等方法，深入探究 BCR、ePVS 与 1 年 ACM 之间的关系。
研究结果如下：
- 基线特征：参与研究的患者中位年龄为 73.83 ± 13.42 岁，男性占 55.08%。死亡组患者年龄更大、体重更低、男性比例更低，且心肌梗死、中风和慢性肾脏病（Chronic Kidney Disease，CKD）的患病率更高，在使用连续肾脏替代治疗（Continuous Renal Replacement Therapy，CRRT）、地高辛和血管活性药物等方面也更为频繁。同时，死亡组患者的多项临床评分、实验室指标如 BCR、ePVS 等均高于存活组，而部分生命体征指标如平均血压（Mean Blood Pressure，MBP）、血氧饱和度（Oxygen Saturation，SpO?）等则低于存活组。
- BCR 和 ePVS 与 1 年 ACM 的关联：通过 ROC 曲线分析，确定 BCR 预测 1 年 ACM 的最佳截断值为 22.81，其曲线下面积（Area Under the Curve，AUC）为 0.59；ePVS 的最佳截断值为 7.16，AUC 为 0.56。限制立方样条分析显示，BCR 与 1 年 ACM 呈非线性 J 形关系，在 BCR 为 14.23 时死亡率风险最低；ePVS 与 1 年 ACM 呈线性关系，高于截断值的 ePVS 对应着更高的死亡率风险。
- 生存分析：根据 BCR 和 ePVS 水平将患者分组后发现，低 BCR 组和低 ePVS 组的死亡率显著降低。其中，低 BCR + 低 ePVS 组的死亡率最低，高 BCR + 高 ePVS 组的死亡率最高。Cox 比例风险模型分析表明，高 BCR 和高 ePVS 均与更高的死亡风险相关，调整混杂因素后这种关联仍然存在。
- 预测性能：BCR 和 ePVS 联合预测 1 年 ACM 的 C 指数高于单独使用时，表明二者联合能提高预测准确性。在调整模型中，加入 BCR 或 ePVS 也能提高 C 指数，且二者联合时 C 指数最高。
- 亚组分析：对高 BCR + 高 ePVS 组和低 BCR + 低 ePVS 组进行亚组分析发现，在调整潜在混杂因素后，中风、CKD 和估算肾小球滤过率（Estimated Glomerular Filtration Rate，eGFR）亚组中存在显著交互作用。除中风亚组外，高 BCR + 高 ePVS 组在大多数亚组中的死亡率均高于低 BCR + 低 ePVS 组。
- 敏感性分析：两个敏感性分析数据集均得出稳健结果，高 BCR 和高 ePVS 均与更高的全因死亡率相关，高 BCR + 高 ePVS 组死亡率最高。在有完整数据的 8333 名患者中，纳入 BCR 和 ePVS 的未调整和调整模型预测效能最高。
研究结论和讨论部分指出，本研究首次明确了 BCR 和 ePVS 与重症心力衰竭患者 1 年 ACM 之间的重要关联。二者联合评估比单独评估更能有效预测心力衰竭患者的预后，有助于提高风险分层和优化治疗策略。然而，本研究也存在一些局限性，如单中心回顾性研究的局限性、ICU 住院时间短限制了对实验室指标动态趋势的分析、部分混杂因素未纳入分析以及 ePVS 计算方法的局限性等。未来需要开展前瞻性、多中心随机对照试验来进一步验证这些发现。
总体而言，这项研究为心力衰竭患者的临床管理提供了新的思路和方法，BCR 和 ePVS 有望成为临床实践中实用的预后评估指标，为改善患者的治疗效果和预后提供有力支持。
