机器学习对合并脑血管疾病的充血性心力衰竭患者中应激性高血糖比率与死亡率之间的关系进行分析：基于MIMIC-IV数据库的研究

《BMC Cardiovascular Disorders》：Machine learning insights on stress hyperglycemia ratio and mortality in congestive heart failure patients with cerebrovascular disease: an analysis of the MIMIC-IV database

　　

摘要

背景

应激性高血糖比率（SHR）通过以下公式计算：入院血糖（aBG）÷（28.7 × 糖化血红蛋白A1c（HbA1c）%）? 46.7），该比率结合了急性和慢性血糖状况，并能预测不良心血管事件。然而，在伴有脑血管疾病（CVD）的慢性心力衰竭（CHF）患者中，其预后价值仍不明确。本研究旨在探讨SHR与该特定重症监护病房（ICU）人群全因死亡率之间的关联，并为针对性血糖管理提供证据。

方法

我们利用MIMIC-IV数据库进行了一项回顾性队列研究。在2008年至2019年间因慢性心力衰竭入住ICU的11,196名患者中，有10,214名患者因HbA1c或入院血糖数据缺失而被排除，最终分析队列为982名患者。我们使用受限立方样条（RCS）和Kaplan-Meier（K-M）曲线来说明SHR与全因死亡率之间的剂量-反应关系。通过分层多变量Cox回归按脑血管疾病状态估计风险比。开发了多种机器学习模型来预测30天全因死亡率，其中CatBoost模型表现出最佳的预测性能。通过计算对数几率尺度下的Shapley Additive exPlanations（SHAP）值来量化每个变量的预后影响。

结果

共有982名慢性心力衰竭患者入选，其中包括320名伴有脑血管疾病的患者。RCS显示，在伴有脑血管疾病的慢性心力衰竭患者中，SHR与30天和365天全因死亡率之间存在线性正相关关系。K-M曲线表明，SHR较高的四分位数与较差的30天和365天生存率相关。经过全面协变量调整后，SHR最高四分位数的患者30天死亡风险显著增加 [HR = 2.79, 95% CI 1.21–6.42, P = 0.016]，且SHR四分位数之间存在显著线性趋势（P = 0.004）。同样，SHR最高四分位数也预测了较高的365天死亡风险 [HR = 2.02, 95% CI 1.12–3.66, P = 0.02]，并伴有整体正线性趋势（P = 0.014）。在有脑血管疾病的患者中未观察到SHR的独立预后效应。SHAP分析证实SHR是短期全因死亡的关键预测因子，而最优的CatBoost模型具有中等程度的区分性能（AUC = 0.77）。

结论

仅在伴有脑血管疾病的危重慢性心力衰竭患者中，升高的SHR与较高的30天和365天全因死亡风险独立相关。SHR指数能够对该高风险ICU队列进行风险分层和个性化血糖管理。