脓毒症患者全身免疫炎症指数（SII）动态轨迹与院内死亡风险的关联性研究：一项回顾性队列分析与机器学习模型验证

本研究深入探讨了脓毒症患者全身免疫炎症指数（SII）的动态变化轨迹与院内死亡率的关系。通过潜在类别混合模型（LCMM）识别出5种SII轨迹亚组，并发现持续上升型及稳定高值型患者的死亡风险最高。研究采用XGBoost机器学习模型验证了SII轨迹的独立预测价值，并通过限制性立方样条（RCS）分析揭示了入院24小时内SII与死亡率呈U型关系。该研究为脓毒症的个体化治疗和风险分层提供了动态炎症监测新视角。

　　

1 引言

脓毒症是由感染引发的复杂性全身炎症反应综合征，其病理生理过程涉及免疫失衡、内皮损伤和代谢紊乱等多重机制。作为急诊和重症监护室（ICU）中最常见的致命性疾病之一，脓毒症死亡率高达26%，且医疗成本巨大。根据脓毒症3.0国际共识指南，早期风险筛查与预后评估对脓毒症患者至关重要。

全身免疫炎症指数（SII）作为基于淋巴细胞、中性粒细胞和血小板计数计算的炎症指标，兼具成本效益和临床可及性优势，能同时反映患者的炎症与免疫状态。既往研究表明，SII在心血管疾病、风湿性疾病、慢性肾病及肿瘤领域均有重要预测价值。在脓毒症领域，SII与SOFA评分或降钙素原联合使用可显著提升预后预测能力，且高低SII水平均与院内死亡风险增加相关。

然而，多数既往研究仅使用单时间点SII数据，未能体现脓毒症的动态演变特征——早期过度炎症与后期免疫抑制的转化过程。潜在类别混合模型（LCMM）作为一种分析纵向数据的统计方法，可通过潜在类别识别揭示数据异质性，为不同亚组的疾病进展差异提供轨迹化描述。

2 材料与方法

2.1 研究人群

本研究纳入2018年6月至2025年2月期间吉林大学第一医院急诊科收治的首次发作脓毒症成人患者1015例。脓毒症诊断遵循脓毒症3.0标准，排除住院时间<48小时或入院5天内完整血细胞计数数据不足3天的患者。

2.2 数据采集与结局指标

收集患者人口学特征、合并症、实验室检查指标（包括血细胞计数、C反应蛋白、凝血功能、肝肾功能及电解质等）以及SOFA评分。主要结局指标为院内死亡率，次要结局包括机械通气需求、连续性肾脏替代治疗、ICU住院时间和总住院时长。

2.3 数据处理

对缺失值超过20%的变量予以剔除，其余缺失数据采用链式方程多重插补法处理。SII计算公式为：SII = P × N / L（P为血小板计数，N为中性粒细胞计数，L为淋巴细胞计数），为保持统计稳定性，分析中使用对数转换值（Ln-SII）。

2.4 统计分析

采用LCMM识别SII轨迹亚组，通过Akaike信息准则、贝叶斯信息准则（BIC）、样本调整BIC（SABIC）和熵值评估模型拟合优度。使用Kaplan-Meier曲线和Cox回归分析亚组间生存差异，并通过XGBoost机器学习模型量化各变量对死亡风险的贡献度。采用限制性立方样条（RCS）分析SII与死亡率的非线性关系。

3 结果

3.1 SII轨迹与基线特征

LCMM分析识别出5类SII轨迹亚组：

• •

  第1类（持续上升型）：占0.69%，SII从低水平持续快速上升至中等水平；

• •

  第2类（稳定中高水平型）：占65.32%，SII轻微下降但保持中高水平稳定；

• •

  第3类（高位下降型）：占23.35%，SII从高水平逐渐下降至中高水平；

• •

  第4类（稳定高位型）：占2.46%，SII维持高水平且略有上升；

• •

  第5类（稳定中等型）：占8.18%，SII保持中等水平且略有下降。

各组在年龄、合并症（高血压、糖尿病、冠心病等）、SOFA评分及实验室指标方面存在显著差异，但性别分布无统计学差异。

3.2 SII轨迹与院内死亡率的关系

第1类患者院内死亡率最高（71.4%），第2类最低（8.5%）。Kaplan-Meier分析显示各类生存曲线差异显著（P<0.0001）。Cox回归分析表明，以第2类为参照，第1、3、4、5类的死亡风险均显著升高，风险比（HR）分别为15.14、2.48、6.31和2.36。多变量调整后该关联依然稳健。

3.3 入院24小时内SII与死亡率的非线性关系

RCS分析显示，入院24小时内SII与死亡率呈U型关系：Ln-SII=7.67为风险拐点。低于该值时，死亡风险随SII升高而降低；高于该值时，风险随SII升高而增加。

XGBoost模型进一步验证SII轨迹的独立预测价值，SHAP值显示“类别”变量对死亡风险的贡献度仅次于年龄。模型受试者工作特征曲线下面积（AUC）达0.984，表明预测效能优异。

4 讨论

本研究首次通过LCMM模型揭示脓毒症患者SII动态轨迹的异质性，并明确不同轨迹亚组的死亡风险差异。持续上升型（第1类）和稳定高位型（第4类）患者死亡风险最高，其机制可能分别对应免疫麻痹后的炎症反弹和持续“细胞因子风暴”。稳定中高水平型（第2类）代表适度炎症反应，有助于机体抗感染且死亡风险最低。

SII作为复合炎症指标，其变化反映了脓毒症患者炎症-免疫状态的动态平衡。中性粒细胞和血小板升高伴随淋巴细胞减少提示过度炎症反应，可能导致组织损伤和器官衰竭；而SII下降则可能与骨髓抑制和免疫麻痹相关，增加二次感染风险。针对不同轨迹亚组，需采取差异化治疗策略：高位组需抑制过度炎症（如IL-1受体拮抗剂、抗TNF-α单抗），低位组需免疫增强治疗（如G-CSF、胸腺肽α1、干扰素γ）。

RCS分析揭示的U型关系与既往研究一致，但拐点值存在差异，需前瞻性研究进一步验证。本研究虽纳入血液疾病患者，但其占比小且未发现显著影响，结果稳健性良好。

5 结论

脓毒症患者的SII动态轨迹可有效区分院内死亡风险。持续上升型与稳定高位型轨迹提示高风险，稳定中高水平型对应低风险。入院24小时内SII与死亡率呈U型关系，Ln-SII=7.67时风险最低。通过纵向轨迹分析克服单时间点测量局限，为脓毒症个体化治疗提供动态监测依据。