甘油三酯、高密度脂蛋白胆固醇、葡萄糖及体重指数可预测心力衰竭重症患者的28天全因死亡率

《Scientific Reports》：Triglyceride–high-density lipoprotein cholesterol–glucose–body mass index predicts 28-day all-cause mortality in critically ill patients with heart failure

　　

摘要

在重症心力衰竭患者中，甘油三酯-高密度脂蛋白胆固醇-葡萄糖-体重指数（TyHGB）的预后价值仍不明确。本研究探讨了TyHGB与28天死亡率之间的关联，并构建了包含TyHGB的机器学习模型。研究共纳入3,528名重症心力衰竭患者，其中836人属于初始研究组，2,692人属于外部验证组。研究采用了Kaplan–Meier分析、Cox回归分析以及限制性立方样条分析方法。通过净重新分类改善值和决策曲线分析，评估了TyHGB相较于SOFA、SAPS II和OASIS评分的额外预测价值。研究人员构建并验证了机器学习模型，同时还开发出了在线预测工具。在836名患者中，有141人（16.9%）在28天内死亡。随着TyHGB数值的增加，死亡率也相应上升，分别为12.4%、14.4%、18.2%和22.5%。TyHGB数值最高的组别死亡率最高（风险比=2.10，95%置信区间：1.21–3.64），且两者之间存在线性关联。在外部验证组中，这一关联依然存在（风险比=1.69，95%置信区间：1.22–2.34）。将TyHGB纳入评分体系后，风险重新分类的准确性有所提升（在各类传统评分体系中，净重新分类改善值在0.086–0.094之间）。包含TyHGB的机器学习模型在不同数据集中的预测性能较为稳定，XGBoost模型在训练集、内部验证集和外部验证集中的AUC值分别为0.810、0.793和0.714，显示出一定的临床应用价值。此外，研究人员还开发了一个交互式网页计算器，以便在临床实践中进行个体化风险评估（https://ketong-hf.shinyapps.io/tyhgb-hf-risk/）。研究表明，TyHGB与重症心力衰竭患者的28天死亡率存在独立关联，能够为传统评分提供额外的预后信息。包含TyHGB的机器学习模型表现良好，而该网页工具则有助于在临床实践中实现个体化风险评估。