《Frontiers in Neurology》：Clinical severity predominates over routine inflammatory and metabolic biomarkers in predicting hemorrhagic transformation after intravenous thrombolysis: internal temporal validation of incremental biomarker value
编辑推荐：
背景与目的： 出血转化（hemorrhagic transformation，HT）仍是急性缺血性卒中静脉溶栓后的重要安全性问题。研究人员评估了常规炎症与代谢生物标志物在临床特征基础上能否改善HT预测。
方法： 研究人员分析了2020年至2026年间847例接
背景与目的： 出血转化（hemorrhagic transformation，HT）仍是急性缺血性卒中静脉溶栓后的重要安全性问题。研究人员评估了常规炎症与代谢生物标志物在临床特征基础上能否改善HT预测。
方法： 研究人员分析了2020年至2026年间847例接受溶栓治疗的住院病例。院内影像学确诊的HT为主要结局，符合ECASS II标准的严格7天症状性颅内出血（symptomatic intracranial hemorrhage，sICH）为探索性结局。以入院日期划分推导队列（n=593；67例HT事件）与内部时序验证队列（n=254；27例HT事件）。六变量临床模型包括年龄、基线美国国立卫生研究院卒中量表（NIHSS）评分、心房颤动、大血管闭塞、快速血糖字段及发病至治疗时间。模型分别加入ln(NLR)、动脉粥样硬化指数（atherogenic index of plasma，AIP）加残余胆固醇、或全部三项生物标志物。研究人员使用推导队列拟合的插补模型生成20个插补数据集，评估了区分度、校准度、Brier评分、决策曲线及敏感性分析。
结果： 847例住院中94例（11.1%）发生HT。临床模型在推导队列中的AUC为0.812（95% CI 0.761–0.860），在时序验证中为0.801（0.707–0.881）。加入ln(NLR)后验证AUC升至0.818（ΔAUC +0.017；DeLong p=0.220）。加入AIP与残余胆固醇后AUC为0.803（ΔAUC +0.002；p=0.818）。全模型在推导与验证队列中的AUC分别为0.817与0.818（ΔAUC +0.018；p=0.346）。基线NIHSS与HT独立相关（每分OR 1.084，95% CI 1.044–1.126；p<0.001）。心房颤动与HT独立相关（OR 2.66，95% CI 1.34–5.27；p=0.005）。生物标志物ln(NLR)、AIP及残余胆固醇均未与HT独立相关。验证队列校准度相似，两模型Brier评分均为0.081。生物标志物的增益在各敏感性分析中不一致。在探索性sICH分析（37例事件）中，ln(NLR)与sICH相关（OR 1.89，1.04–3.42；p=0.037）。验证队列仅含12例事件，AUC增量未达统计学显著性（p=0.097）。
结论： 临床严重程度及既有的临床特征提供了溶栓后HT的大部分预测信息。常规ln(NLR)、AIP及残余胆固醇未能在临床模型基础上提供足够稳健的增量预测价值。NLR–sICH信号仍属探索性发现，需外部验证。
论文解读
一、研究背景与问题
卒中是全球范围内导致死亡和残疾的主要原因之一，其中缺血性卒中占绝大多数。对于符合条件的急性缺血性卒中患者，静脉溶栓（intravenous thrombolysis，IVT）是核心的急性期治疗手段，其获益具有高度时间依赖性。然而，溶栓最令人担忧的并发症是出血转化（hemorrhagic transformation，HT），尤其是症状性颅内出血（symptomatic intracranial hemorrhage，sICH），后者与死亡和残疾密切相关。
在出血尚未显现之前准确预测其发生仍十分困难。年龄、基线NIHSS评分、血糖及早期影像学征象已被纳入HAT和SEDAN等既有出血风险评分，但多中心评估显示这些评分总体区分能力有限。这使临床面临一个悬而未决的问题：常规可获得的生物标志物能否在临床严重程度之外提供额外预测信息。
炎症与内皮损伤为缺血-再灌注与出血转化之间提供了合理的生物学联系。既往研究提示较高的中性粒细胞-淋巴细胞比值（neutrophil-to-lymphocyte ratio，NLR）与溶栓后出血转化相关，但结果随采样时间和结局定义而异。脂质研究则报告胆固醇指标与再灌注治疗后的出血转化呈负相关，近期队列在无再灌注及静脉溶栓后人群中分别发现了动脉粥样硬化指数（atherogenic index of plasma，AIP）与残余胆固醇的相关信号。然而，这些研究确立了生物学和预后关联，却未证明生物标志物能否改善临床预测模型的性能。
增量价值问题在临床上至关重要，因为关联强度本身并不能确立有意义的患者层面分类能力。一个生物标志物可能与结局相关，却几乎不增加区分度、校准度或决策价值。时序验证同样重要，因为实验室可及性和治疗实践会随时间变化。为此，研究人员在锚定年龄、NIHSS、心房颤动（atrial fibrillation，AF）、大血管闭塞（large-vessel occlusion，LVO）、血糖和治疗延迟的模型框架内，评估了常规ln(NLR)、AIP和残余胆固醇的增量价值，并通过严格的时间顺序切分比较了区分度、校准度、决策曲线净获益及敏感性分析。
二、研究设计与方法
本研究为单中心回顾性队列研究，纳入2020年1月至2026年5月期间在长沙市中心医院接受静脉溶栓治疗的急性缺血性卒中成人患者。经重复记录核查后，最终分析847例独有住院记录。主要结局为院内影像学确诊的HT，探索性次要结局为符合ECASS II标准的7天内sICH。研究人员按入院日期将最早70%设为推导队列（n=593，67例HT事件），最新30%设为内部时序验证队列（n=254，27例HT事件）。
研究采用临床锚定的嵌套模型框架。临床模型包含年龄、基线NIHSS、AF、LVO、快速血糖和发病至治疗时间（onset-to-treatment time，OTT）六个变量。在此基础上分别加入ln(NLR)（炎症增强模型）、AIP加残余胆固醇（代谢增强模型）或全部三项（全模型）。缺失数据采用多重插补处理，20个插补数据集均使用仅由推导队列拟合的插补模型生成，再应用于时序验证以限制信息泄漏。模型评估涵盖AUC、校准斜率与截距、观测-期望比（O:E ratio）、Brier评分及决策曲线分析。研究人员还进行了500次重采样的bootstrap内部验证以评估过拟合，并采用梯度提升结合SHAP值进行探索性互补机器学习分析。此外开展了多项敏感性分析，包括排除桥接取栓、LVO完整病例分析、7天HT窗口、排除无法复核的HT事件及文档保守的实验室时序方法。
三、研究结果
基线特征。 847例住院中94例（11.1%）发生HT，其中推导队列67例（11.3%），验证队列27例（10.6%）。HT患者年龄更大（中位70岁对67岁，p=0.022），基线NIHSS更高（15对5，p<0.001），LVO（75.9%对41.4%，p<0.001）和AF（46.2%对15.7%，p<0.001）比例更高。HT患者的SII、SIRI和NLR更高，而LDL-C、总胆固醇、甘油三酯和AIP更低，HDL-C更高。
嵌套模型区分度。 六变量临床模型在推导队列中的AUC为0.812（95% CI 0.761–0.860），时序验证中为0.801（0.707–0.881）。加入ln(NLR)后验证AUC升至0.818（ΔAUC +0.017，p=0.220）。加入AIP和残余胆固醇后验证AUC为0.803（ΔAUC +0.002，p=0.818）。全模型在推导和验证队列中的AUC分别为0.817和0.818（ΔAUC +0.018，p=0.346）。生物标志物仅产生较小的数值变化，未达到统计学显著的增量区分能力。
多变量关联。 在推导队列的全九变量模型中，基线NIHSS（每分OR 1.084，95% CI 1.044–1.126，p<0.001）和AF（OR 2.66，1.34–5.27，p=0.005）是与HT关联最清晰的独立变量。LVO呈正向但精度不足的关联（OR 1.75，p=0.109）。ln(NLR)（OR 1.27，p=0.275）、AIP（OR 0.70，p=0.578）和残余胆固醇（OR 0.88，p=0.784）均未与HT独立相关。
Bootstrap内部验证。 500次重采样分析显示，全模型表观推导AUC为0.817，平均乐观度为0.031，乐观校正后AUC约为0.786。平均校准斜率为0.863，支持约0.86的统一收缩因子。收缩后系数幅度减弱但整体模式保持不变：NIHSS和AF仍为主导临床信号，三项生物标志物仍较弱。
校准度。 时序验证中临床模型与全模型校准度相似。临床模型Brier评分为0.081，校准截距0.059（95% CI ?0.376至0.494），校准斜率1.029（0.642–1.416），O:E比1.045（0.689–1.521）。全模型对应值为0.081、0.053（?0.381至0.488）、1.060（0.669–1.452）和1.041（0.686–1.515）。
临床决策价值。 决策曲线分析显示，临床模型与全模型在两个队列中的净获益轨迹高度接近，全模型在所检查的阈值范围内未表现出广泛或持续分离的净获益优势。
敏感性分析。 排除桥接取栓后验证AUC为0.770（临床模型）对0.761（全模型）（ΔAUC ?0.009，p=0.662）。LVO完整病例分析中验证AUC为0.800对0.815（ΔAUC +0.015，p=0.217）。7天HT窗口分析中为0.802对0.809（ΔAUC +0.008，p=0.657）。排除三个无法复核的HT事件后为0.798对0.813（ΔAUC +0.016，p=0.479）。文档保守实验室时序方法下验证AUC为0.802（临床模型）、0.798（+ln(NLR)）、0.824（+AIP+残余胆固醇）和0.821（全模型）。没有任何敏感性分析确立可重复的生物标志物优势。
探索性sICH分析。 严格7天sICH共37例（推导25例，验证12例）。探索性三变量临床参考模型（NIHSS、AF、LVO）的AUC为0.800（推导）和0.816（验证）。加入ln(NLR)后验证AUC升至0.888（95% CI 0.824–0.946），增量+0.071未达统计学显著性（DeLong p=0.097）。在NLR增强模型中，基线NIHSS（OR 1.07，p=0.010）和ln(NLR)（OR 1.89，1.04–3.42，p=0.037）均与sICH相关，AF为临界（OR 2.35，p=0.055）。鉴于验证队列仅12例事件，该发现仍属探索性和假设生成性质。
四、讨论与结论
本研究的核心发现是，常规炎症和代谢生物标志物未能在临床锚定模型之外提供统计学上稳健的增量预测价值。六变量临床模型在时序验证中保持AUC 0.801，全模型仅增加0.018且不显著。校准度和决策曲线表现相似，区分度的微小变化未在敏感性分析中一致重现。基线NIHSS和心房颤动是最清晰的校正后临床信号。
炎症发现尤其能说明关联与增量预测之间的区别。既往研究将较高NLR与溶栓后HT联系起来，但本研究中ln(NLR)未与更宽泛的院内HT结局独立相关，验证AUC仅增加0.017。相反，对于严格7天sICH，ln(NLR)在校正后仍相关（OR 1.89），验证AUC从0.816升至0.888。这一模式在生物学上具有合理性，因为中性粒细胞激活和基质金属蛋白酶等炎症通路可能促进血脑屏障损伤。然而验证队列仅12例事件，AUC增量未达显著性，NLR–sICH结果应视为针对特定结局的假设而非临床就绪的证据。
脂质相关发现同样需要谨慎解读。研究数据重现了部分未校正脂质信号的方向，但AIP和残余胆固醇均未在全模型中与HT独立相关，两者加入后验证AUC仅变化0.002。时序不稳定性更为显著：残余胆固醇中位数从推导队列的0.39 mmol/L升至验证队列的约0.78 mmol/L，且各提取批次间存在类似漂移，尽管LDL-C检测方法未变。急性期变化、空腹状态、营养状态、卒中表型和数据捕获差异均可能造成影响，使脂质负相关的因果解读不确定。
时序切分提供了超越常规随机训练-测试划分的信息。研究期间经历了2024年7月的电子病历系统迁移，数据捕获和提取的变化可能造成变量完整性的时间差异，但实验室分析仪未变。在此变化背景下，临床模型保持相对稳定而生物标志物增益不稳定，提示常规临床特征在该机构内随时间更稳定。这是内部时序验证而非地理外部验证，但具有临床相关性，因为实验室可及性和工作流程常随日历时间变化。
研究结论为：在该单中心内部时序验证队列中，临床严重程度和既有临床特征提供了静脉溶栓后院内出血转化的大部分可用预测信息。加入ln(NLR)、AIP和残余胆固醇仅产生较小且不显著的增益，且在各敏感性分析中不一致，而NLR–sICH关联仍属探索性。这些发现支持候选生物标志物应针对强临床基线进行评估，并需在标准化预测因子采样相对治疗和结局确定的多中心队列中结合外部验证加以确证。
