C反应蛋白/白蛋白比值(CAR)对非心脏手术患者主要心血管不良事件的预测价值：基于INSPIRE数据库的机器学习模型构建

本研究针对非心脏手术患者围术期主要心血管不良事件(MACEs)预测难题，通过分析7,366例患者数据发现高C反应蛋白/白蛋白比值(CAR)与MACEs风险呈L型关联(HR=4.43)，结合Revised Cardiac Risk Index(RCRI)和CatBoost算法(AUC=0.865)显著提升预测效能，为围术期风险管理提供新型生物标志物策略。

　　

心血管疾病是全球非心脏手术患者围术期死亡的主要原因，尽管医疗技术进步，全球围术期主要心血管不良事件(MACEs)发生率仍达2.0%，其中约19,000例为致命事件。传统预测工具如Revised Cardiac Risk Index(RCRI)存在准确性不足的缺陷，而炎症反应在心血管事件中的关键作用提示C反应蛋白(CRP)和白蛋白等生物标志物的潜在价值。福建医科大学省立临床医学院麻醉科联合四川大学华西第二医院的研究团队，基于韩国INSPIRE 1.1数据库(2011-2020年)开展了一项突破性研究，揭示了C反应蛋白/白蛋白比值(CAR)作为新型预测标志物的临床价值，相关成果发表于《Scientific Reports》。

研究采用多中心回顾性队列设计，通过PostgresSQL 13.8从INSPIRE数据库提取7,366例非心脏手术患者数据。关键技术包括：1) 基于国际疾病分类ICD-10-PCS筛选病例；2) 采用限制性立方样条(RCS)分析CAR与MACEs的非线性关系；3) 应用Boruta算法进行特征选择；4) 构建8种机器学习模型(CatBoost、GBM等)比较预测效能；5) 通过净重分类改善指数(NRI)和综合判别改善指数(IDI)评估CAR的增量预测价值。

研究结果

1. 1.

   基线特征与CAR分层

   患者按CAR三分位分组显示，高CAR组(Tertile 3: CAR≥35.65)较Tertile 1组(CAR<3.24)具有更高MACEs发生率(1.63% vs 0.24%，P<0.001)，且伴随更多糖尿病、房颤等合并症(P<0.05)。

2. 2.

   CAR与MACEs的关联性

   

   RCS分析揭示CAR与MACEs存在非线性关联(拐点25.3)，CAR每增加1个标准差(SD)风险升高22%(HR=1.22，95%CI 1.06-1.41)。高CAR组(Tertile 3)风险达低组的4.43倍(95%CI 1.53-12.86)。

3. 3.

   预测模型优化

   

   CAR使RCRI的预测AUC从0.634显著提升至0.774(NRI=0.192，IDI=0.015)。基于Boruta算法筛选的特征构建的CatBoost模型表现最优(AUC=0.865)，显著优于传统逻辑回归。

4. 4.

   亚组分析

   在BMI≥30(HR=1.92)和高脂血症患者(HR=1.51)中，CAR预测效能尤为显著(P_interaction<0.05)，提示代谢异常可能放大CAR的预测价值。

结论与意义

该研究首次证实CAR可作为非心脏手术患者围术期MACEs的独立预测因子，其机制可能涉及CRP介导的内皮功能障碍与白蛋白抗氧化作用的双重调控。通过将CAR整合至RCRI或机器学习模型，预测准确性获得显著提升，为临床识别高风险患者提供了经济便捷的工具。研究创新性地采用CatBoost等算法构建预测模型，为围术期风险管理数字化转型树立了新范式。未来需开展前瞻性研究验证CAR动态监测的干预价值，并探索不同人种间的适用性差异。