编辑推荐：
急性缺血性卒中（AIS）死亡率高，现有预后标志物存在局限。研究人员评估白蛋白校正阴离子间隙（ACAG）对 AIS 患者预后的预测价值，发现 ACAG 升高与患者短期和长期死亡率相关。这有助于临床识别高危患者，进行及时干预。
在全球范围内，急性缺血性卒中（AIS）如同一个 “健康杀手”，是导致死亡和残疾的主要原因之一，给家庭和社会带来了沉重的负担。尽管现代医学在 AIS 的治疗上取得了一定进展，但患者的预后情况依旧不容乐观。目前，用于预测 AIS 患者预后的生物标志物众多，像 C 反应蛋白（CRP）、血糖水平以及氧化应激相关标志物等。然而，这些标志物都存在各自的短板。CRP 虽然能反映全身炎症，但对脑部缺血过程缺乏特异性；高血糖在 AIS 患者中较为常见，却可能是应激反应导致的，并非是卒中严重程度的直接指标。因此，寻找更为可靠、特异性强的预后标志物成为了医学领域亟待解决的问题。
为了攻克这一难题，来自福建医科大学附属厦门弘爱医院神经内科等机构的研究人员开展了一项极具意义的研究。他们将目光聚焦于白蛋白校正阴离子间隙（ACAG），旨在评估其作为 AIS 患者预后标志物的价值。该研究成果发表在《Scientific Reports》杂志上。
在研究过程中，研究人员主要运用了以下几种关键技术方法：
- 数据收集：从 MIMIC-IV 数据库中获取数据，该数据库包含了美国多家医院的重症监护室（ICU）患者信息，来源广泛、数据丰富。
- 分组与指标设定：根据 ACAG 水平将患者分为 4 组，确定 30 天和 365 天死亡率等主要结局指标，以及呼吸机无使用天数（VFD - 14）、住院时长、ICU 住院时长和死亡率等次要结局指标。
- 统计分析：运用多种统计方法，如 Kruskal - Wallis H 检验、卡方检验、方差分析（ANOVA）等描述基线特征；采用最小绝对收缩和选择算子（LASSO）回归分析筛选变量，构建 Cox 比例风险模型评估 ACAG 与死亡率的关系；利用受试者工作特征曲线（ROC）评估预测准确性；还进行了亚组分析和列线图模型构建。
研究结果如下：
- 患者特征：共纳入 1014 名 AIS 患者，平均年龄 68.7±15.9 岁。不同 ACAG 水平组间，年龄、性别和种族分布相似，但序贯器官衰竭评估（SOFA）评分随 ACAG 升高而显著增加，格拉斯哥昏迷量表（GCS）评分无差异。高 ACAG 组的急性心肌梗死（AMI）、心力衰竭、糖尿病、急性肾损伤（AKI）和败血症等合并症更为常见，且治疗手段的使用频率也更高，患者的各项预后指标更差1。
- ACAG 与全因死亡率的关系：ACAG 水平与死亡率显著相关，30 天死亡率从 Q1 组的 4.3% 上升至 Q4 组的 40.9%，365 天死亡率从 Q1 组的 7.4% 上升至 Q4 组的 45.7%。Cox 比例风险模型显示，ACAG 在各模型中均与 30 天和 365 天死亡率显著相关。限制立方样条（RCS）分析表明 ACAG 水平与死亡率呈非线性关系，Kaplan - Meier 生存曲线也显示高 ACAG 水平患者生存率更低234。
- 预测价值比较：ACAG 对 30 天和 365 天死亡率的预测价值高于传统阴离子间隙和白蛋白单独预测。ACAG 与 SOFA 评分联合使用时，预测性能进一步提升。
- 亚组分析：亚组分析发现，ACAG 与 30 天死亡率在性别和败血症状态方面存在显著交互作用。男性和无败血症患者中，ACAG 与死亡率的关联更强5。
- 列线图模型构建：通过 LASSO 回归确定了年龄、SOFA 评分、ACAG、败血症存在与否和血管活性药物使用等 5 个最强预测因子，并构建列线图模型。该模型预测 30 天和 365 天死亡率的受试者工作特征曲线下面积（AUC）分别为 0.748 和 0.765，显示出良好的预测准确性6。
- 敏感性分析：经过 3 种敏感性分析，排除不同类型患者后，结果依旧具有统计学意义，证实了研究结果的稳定性。
研究结论和讨论部分表明，ACAG 与 AIS 患者死亡率显著相关，可独立预测患者短期和长期死亡率，其预测价值优于传统阴离子间隙。这意味着 ACAG 有望成为 AIS 患者预后评估的重要生物标志物。虽然 ACAG 单独预测的判别性能一般，但与其他指标联合使用，如纳入列线图模型，可显著提高预测准确性，帮助临床医生早期识别高风险患者，及时进行针对性干预。不过，该研究也存在一些局限性，如 ACAG 测量的时间点单一，无法反映其动态变化；数据库缺乏心血管或卒中相关死亡的具体信息以及关键临床变量等。未来还需要更多前瞻性研究加以验证和完善。总体而言，这项研究为 AIS 患者的预后评估和临床管理提供了新的思路和方向，具有重要的临床意义和潜在应用价值。
