《Clinical Neurology and Neurosurgery》：Prognostic Value of Early Creatinine Trajectories in ischemic stroke Patients: Insights from Latent Growth Mixture Modeling Using MIMIC-IV
编辑推荐：
血清肌酐动态轨迹在缺血性脑卒中预后中的价值研究，通过MIMIC-IV数据库分析1998例患者，发现四个轨迹：Class1（低水平稳定，占74.4%）、Class2（中高且上升趋势，20.9%）、Class3（先升后降，2.2%）和Class4（先降后升，2.5%）。Class2与90天死亡率显著相关（HR=1.55），经多因素调整后仍保持独立性，提示动态轨迹可作为风险分层工具。
作者：左欣 | 左环 | 朱鹏宇
单位：黑龙江中医药大学针灸推拿系，哈尔滨 150040，中国
摘要
背景
肾功能障碍在缺血性中风患者中较为常见，但动态肌酐变化的预后价值尚未明确。
方法
我们利用MIMIC-IV数据库，纳入了1,998名缺血性中风患者，这些患者在入住重症监护室（ICU）后的72小时内至少进行了三次肌酐检测。采用潜在生长混合模型（LGMM）来分析肌酐变化轨迹。主要结局指标为90天内的院内死亡率。同时进行了Cox回归分析、Kaplan–Meier生存分析以及亚组分析。
结果
共识别出四种不同的肌酐变化轨迹：
- 第1类（74.4%）：肌酐水平持续较低；
- 第2类（20.9%）：肌酐水平持续处于中等至高水平，并有轻微上升趋势；
- 第3类（2.2%）：肌酐水平先升高后下降；
- 第4类（2.5%）：肌酐水平初始较高，随后下降后又再次上升。
各组在人口统计学特征、并发症及结局指标方面存在显著差异（所有P值<0.05）。在未调整和部分调整的模型中，第2至4类患者的死亡率均较高，但在全面调整后仅第2类仍具有显著性（HR = 1.55，P<0.001）。Kaplan–Meier分析显示，非第1类患者的生存率显著较低，其中第2类的差异最为明显。亚组分析显示，第2类在不同性别、年龄和合并症亚组中的结果一致。
结论
早期肌酐变化轨迹对缺血性中风患者的预后具有重要价值。持续处于中等至高水平并逐渐上升的肌酐变化轨迹（第2类）是90天死亡率的最强独立预测因子，这突显了其在风险分层和临床决策中的潜在作用。
引言
缺血性中风是由于脑动脉急性闭塞引起的，其原因可能是原位血栓形成或心脏或血管来源的栓子堵塞，导致脑灌注中断，从而引发神经功能障碍。其病理机制通常与动脉粥样硬化或高凝状态有关。流行病学数据显示，中风是美国成年人致残和第三大死因，每年约有75万例新发病例，其中约四分之一为复发性中风，且大多数为缺血性中风。根据TOAST分类标准，缺血性中风可分为大动脉粥样硬化型、心源性栓塞型、小血管闭塞型、其他明确病因型及病因不明的中风；部分患者可能同时存在多种致病机制[1][2]。
血清肌酐作为一种生物标志物，自20世纪初被引入临床研究。它是由肌肉中的肌酸和磷酸肌酸非酶促转化产生的含氮废物，其生成过程是自发的且不可逆的。人体每天约有2%的肌酸转化为肌酐，因此其生成量与肌肉总量密切相关，在正常生理条件下相对稳定[3]。由于血清肌酐的生成量稳定且主要通过肾脏排泄，它被广泛用作评估肾功能的指标，尤其是肾小球滤过率（GFR）[4][5]。肌酐能被肾小球自由滤过，重吸收极少，使其成为临床实践中评估肾清除功能的实用且可重复的指标[3]。
然而，血清肌酐的临床解读不仅仅依赖于静态测量值。近年来，人们越来越关注其随时间的变化趋势，即肌酐变化轨迹。除了缺血性中风外，这种变化轨迹在危重患者和慢性病患者中也得到了广泛研究。研究发现，在脓毒症、心力衰竭和急性肾损伤患者中，肌酐变化轨迹的恶化往往与不良结局相关[6][7][8]。
近期研究强调了肌酸代谢在肾脏生理学中的生物学和细胞学重要性。肌酸通过肾脏和肝脏的两步过程在体内合成，其降解产物肌酐受遗传和代谢途径调控，在肾脏疾病等病理状态下这些调控机制可能发生紊乱。值得注意的是，肌酸转运蛋白（SLC6A8）和生物合成相关基因（GATM、GAMT）在肾组织中表达，并在慢性肾病、肾纤维化和代谢应激等病理条件下发生改变[9]。此外，肌酸还具有抗氧化作用和线粒体保护效应，能在多种实验模型中减轻氧化应激[10]。这些发现表明，肌酸或肌酐代谢的变化不仅反映肾脏排泄功能，还可能反映细胞损伤和代谢应激的广泛病理生理反应[10]。鉴于急性缺血性中风患者中肾功能障碍的高发率及其与发病率和死亡率增加的关联，肌酐的动态变化可能成为该人群的预后标志物[11]。然而，关于肌酐变化轨迹在缺血性中风患者中的预后价值仍缺乏充分研究，使用严谨的数据驱动方法进行相关研究的研究较少。
为填补这一空白，我们利用MIMIC-IV（一个全面且公开可访问的重症监护数据库）进行了回顾性队列研究，旨在识别缺血性中风患者中的不同肌酐变化轨迹模式，并评估其与短期死亡率的关系。了解这些模式有助于优化风险分层并指导这一高风险人群的个性化护理策略。
数据来源
MIMIC-IV数据库（v3.1）是由麻省理工学院（MIT）与Beth Israel Deaconess Medical Center合作开发的大型公开重症监护数据集，包含2008年至2022年间超过70,000例重症监护室患者的去标识化健康数据[12]。该数据库提供了详细的人口统计学信息、生命体征、实验室结果、用药情况以及临床结局，是临床研究的宝贵资源。
模型选择
表1a展示了基于肌酐水平的潜在类别轨迹模型的拟合指数。随着类别数量从1增加到7，AIC和BIC值均有所下降，表明模型拟合度逐渐提高。四类别模型（对数似然值=-2582.59，AIC=5209.18，BIC=5332.38）相比三类别模型有显著改进，同时保持了较高的相对熵值（0.92），说明分类准确性较高。
讨论
本研究识别出四种不同的肌酐变化轨迹，其中四类别模型具有最佳的拟合度和分类准确性。具体而言：
- 第1类患者的肌酐水平始终较低，预后最好；
- 第2类患者的肌酐水平持续处于中等至高水平并略有上升趋势，是90天院内死亡率的最强预测因子，在多变量分析和亚组分析中均具有显著性；
- 第3类患者的肌酐变化趋势不明显……（原文此处信息不完整）
结论
早期肌酐变化轨迹对缺血性中风患者的预后具有重要价值。其中，持续处于中等至高水平并逐渐上升的肌酐变化轨迹（第2类）是90天死亡率的最强独立预测因子，这突显了其在风险分层和临床决策中的潜在作用。
伦理批准与参与同意
本研究获得了Beth Israel Deaconess Medical Center伦理审查委员会（IRB）的批准（批准编号2001P-001699/14），所有参与者均签署了知情同意书。
作者贡献
- 研究概念与设计：左欣、左环
- 数据采集、分析或解释：所有作者
- 手稿起草：左环
- 手稿修订：左环、左欣
- 统计分析：朱鹏宇、左欣
- 研究监督：朱鹏宇
所有作者均参与了本文的撰写，并同意最终版本。
资助
不适用
作者贡献声明
- 左欣：撰写初稿、数据整理
- 左环：撰写初稿、审阅与编辑、概念构思
- 朱鹏宇：撰写、审阅与编辑
利益冲突声明
作者声明本研究不存在任何可能被视为利益冲突的商业或财务关系。
致谢
作者感谢所有参与本研究工作的同事。
出版同意
所有作者均同意发表本文，该稿件尚未在其他期刊发表，也未接受其他期刊的审稿。
作者利益冲突
作者声明在本研究中不存在任何利益冲突。
