编辑推荐：
脓毒症死亡率高，现有生物标志物评估方式单一。研究人员利用 MIMIC-IV 数据库，探究葡萄糖与白蛋白比值（GAR）对脓毒症 ICU 患者 30 天和 90 天死亡率的预测价值。结果显示 GAR 是强预测指标，有助于优化脓毒症管理。
脓毒症，这一由机体对感染的失调反应引发的严重综合征，如同健康的 “夺命杀手”，在全球范围内肆意横行。据全球疾病负担研究最新数据，全球每年约有 4890 万例脓毒症病例，约 1100 万人因脓毒症相关原因死亡，占全球总死亡人数的 19.7% 。面对如此高的死亡率，早期精准预测和有效干预至关重要。然而，现有的脓毒症生物标志物，像 C 反应蛋白、中性粒细胞与血小板比值、甘油三酯 - 葡萄糖指数等，往往只能从单一维度提供诊断信息。但脓毒症早期生理变化迅速且复杂，仅靠这些单维度评估，就像戴着 “有色眼镜” 看问题，难以准确预测患者的预后，容易导致干预延迟，患者结局不佳。因此，寻找能进行多维度评估的生物标志物迫在眉睫。
在这样的背景下，葡萄糖与白蛋白比值（Glucose-to-Albumin ratio，GAR）进入了研究人员的视野。GAR 整合了血清葡萄糖和白蛋白这两个常规测量的临床血液参数。在脓毒症状态下，血糖失调和低白蛋白血症十分常见。高血糖是脓毒症患者的关键表现，应激激素（如皮质醇、儿茶酚胺）增多，促使肝脏生成更多葡萄糖，同时减少外周组织对葡萄糖的摄取；炎症细胞因子（如肿瘤坏死因子 -α（TNF-α）、白细胞介素 - 6（IL-6））干扰胰岛素信号通路，加剧胰岛素抵抗，进一步推高血糖水平。而低白蛋白血症则源于机体对重病的快速代谢反应，过度代谢引发营养不良，最终造成蛋白质缺乏，这又会加重全身炎症、毛细血管渗漏和内皮功能障碍，促使多器官功能障碍，增加脓毒症相关死亡风险。GAR 综合这些参数，能从代谢储备、炎症负担和疾病严重程度等多维度进行评估。此前，GAR 在术后并发症、心血管疾病不良结局等方面已展现出一定的预后价值，但在脓毒症患者中的具体预后价值尚未得到充分研究。
为深入探究 GAR 与脓毒症患者临床结局的关系，研究人员利用了重症监护医学信息数据库第四版（MIMIC-IV）展开研究。该数据库来自美国马萨诸塞州波士顿贝斯以色列女执事医疗中心，涵盖 2008 - 2022 年的数据，包含丰富的患者信息。此项研究成果发表在《Diabetes Research and Clinical Practice》杂志上。
研究人员采用了多种关键技术方法。首先，从 MIMIC-IV 数据库获取脓毒症患者的大量数据，这些数据涵盖患者的人口统计学信息、实验室检测结果、生命体征、用药情况及临床结局等。接着，运用 Kaplan-Meier 分析结合对数秩检验，根据 GAR 四分位数评估患者生存率；利用多变量 Cox 回归和受限立方样条（RCS）探究 GAR 与死亡率的关系；通过受试者工作特征曲线（ROC）评估 GAR 的预测性能；借助 Boruta 算法识别关键变量；构建机器学习模型评估 GAR 的预测能力，并分析其通过阴离子间隙和血尿素氮（BUN）产生的间接影响。
研究结果
- 生存概率差异：通过 Kaplan-Meier 分析发现，GAR 四分位数 4 的患者生存概率最低（对数秩检验 p < 0.0001），这表明 GAR 水平与患者生存情况密切相关，高水平的 GAR 可能预示着更差的预后。
- 预测性能良好：在预测 30 天和 90 天死亡率方面，GAR 在单个预测指标中表现出色，其受试者工作特征曲线下面积（AUC）分别达到 0.66 和 0.65 ，超过了葡萄糖、白蛋白和序贯器官衰竭评估（SOFA）等指标。而将多个指标整合的堆叠模型，AUC 更是高达 0.826，进一步提升了预测能力。
- 独立相关因素：多变量 Cox 回归分析显示，GAR 是脓毒症患者 30 天（风险比（HR）：1.071（95% 置信区间（CI）：1.063 - 1.078，p < 0.001））和 90 天死亡率（HR：1.071（95% CI：1.064 - 1.078，p < 0.001））的独立相关因素，意味着 GAR 不受其他因素干扰，自身就能很好地预测患者死亡风险。
- 剂量反应关系：RCS 分析揭示了 GAR 与死亡率之间存在 L 形关系，说明随着 GAR 水平变化，死亡率的变化并非呈简单线性，这种特殊关系为进一步理解 GAR 的作用机制提供了线索。
- 关键变量确认：Boruta 分析将 GAR 确定为最重要的变量之一，再次证实了 GAR 在预测脓毒症患者死亡率方面的重要地位。
研究结论与讨论
本研究明确了 GAR 是重症脓毒症患者 30 天和 90 天全因死亡率的重要预测指标。GAR 水平升高与不良结局风险增加紧密相关，纳入 GAR 的机器学习模型在预测该患者群体预后方面表现强劲。这一发现意义重大，为临床医生在脓毒症患者早期风险分层提供了一个简单且经济有效的生物标志物。以往，临床医生面对脓毒症患者时，在判断患者病情严重程度和预估结局方面存在困难，GAR 的出现有望改变这一局面。医生可以借助 GAR 更精准地评估患者，及时调整治疗方案，例如对 GAR 水平高的患者加强血糖控制、改善营养状况等，从而优化脓毒症管理，提高患者的生存率和生活质量。
不过，目前研究也存在一定局限性。研究数据主要来源于单一数据库，样本的代表性存在一定局限。后续还需要开展更多多中心、前瞻性研究，进一步验证 GAR 在不同地区、不同医疗环境下脓毒症患者中的预测价值，评估其在更广泛临床实践中的应用效果，为脓毒症的防治提供更坚实的理论和实践依据。
