《Frontiers in Immunology》：Peripheral adaptive immune cell counts and mortality in adult sepsis: a systematic review and meta-analysis
背景：较低的淋巴细胞绝对计数与脓毒症死亡率相关，但关于相关适应性免疫细胞区的证据尚未被系统量化。方法：检索自建库至2026年8月7日的9个数据库，采用扩展的受控词汇表和自由词检索脓毒症、淋巴细胞/T细胞亚群、绝对细胞计数和死亡率的相关术语。纳入在成年脓毒症非幸存者与幸存者之间比较绝对外周CD4+ T细胞、CD8+ T细胞、CD3+ T细胞计数或绝对淋巴细胞计数（ALC）的观察性研究。使用限制性最大似然估计并采用改良Hartung-Knapp校正计算随机效应均值差（MD）。同时进行了预测区间、限制性分析、逐项剔除分析、均值比分析、Egger检验和探索性Meta回归。结果：共纳入13项研究。非幸存者的CD4+ T细胞（13项研究；MD = -86.06 cells/μL，95% CI -127.29至-44.83；I2 = 77.0%）、CD8+ T细胞（11项研究；MD = -41.83，95% CI -68.37至-15.29；I2 = 61.9%）、CD3+ T细胞（10项研究；MD = -133.99，95% CI -220.41至-47.56；I2 = 88.3%）和ALC（10项研究；MD = -201.46，95% CI -323.04至-79.88；I2 = 71.7%）计数均较低。所有预测区间均跨越零值。在排除描述性QUIPS综合评估中分类为高风险的各项研究后，CD4仍保持较低水平；相应的CD8、CD3和ALC估计值仍为负值，但由于仅剩4项、2项和3项低风险研究，结果不精确。排除统计学转换数据后，CD8不再显著，ALC证据仅基于2项研究。各研究的校正分析不尽一致，未能一致支持独立的预后关联。证据稳健性以CD4最强；CD8、CD3和ALC对数据转换、异质性或低风险证据稀疏更敏感。结论：成人脓毒症非幸存者的淋巴细胞和T细胞区室的绝对计数均较低。研究结果对CD4最一致，而CD8和ALC的估计值更依赖于转换数据。异质性、地域集中性和预测区间跨越零值限制了直接的临床推广，并支持开展具有严重程度校正分析的标准纵向研究。系统综述注册：https://www.crd.york.ac.uk/PROSPERO/，标识号CRD420261446443。
1 引言
脓毒症的威胁不仅源于入侵的感染本身，还源于其引发的失调宿主反应。根据Sepsis-3定义，脓毒症是由宿主对感染反应失调引起的危及生命的器官功能障碍。2017年全球约有4890万例脓毒症病例，相关死亡约1100万例，占全球总死亡数的近五分之一。然而，脓毒症并非遵循单一的病理生理轨迹，而是一种高度异质性的综合征，受感染解剖部位、致病病原体、宿主基线特征以及不断演变的免疫反应共同塑造。识别与器官功能障碍和死亡相关的可测量宿主反应表型，仍然是改进风险分层和推进精准治疗的核心。
当代免疫学已超越了“早期过度炎症后免疫抑制”的简化双相模型。过度炎症、免疫耐受、抗原呈递缺陷、代谢重编程和淋巴细胞死亡可从脓毒症早期阶段共存，并随感染源、宿主状况和治疗过程演变。死于脓毒症的患者组织研究显示，脾脏和肺组织中的适应性免疫细胞显著丢失和功能受损，而早期人体研究显示B细胞和CD4+ T细胞进行性严重耗竭。因此，适应性免疫损伤可能是伴随持续性感染、继发感染、器官功能障碍和不良结局发展的核心病理过程，而非仅在炎症消退后才出现的继发事件。
外周血淋巴细胞减少是这种免疫紊乱在临床上最易获取的表现之一。持续性淋巴细胞减少与脓毒症病死率增加相关，但绝对淋巴细胞计数（ALC）代表广泛的淋巴细胞池，无法区分T细胞、B细胞和自然杀伤细胞的相对贡献。绝对CD3+、CD4+和CD8+ T细胞计数可逐步提供总T细胞、辅助T细胞和细胞毒性T细胞区室的更精细分辨率。大多数可用临床研究为单中心观察性队列，在报告的细胞群、采样时间、结局定义和数据格式方面存在差异。因此，不良结局相关的细胞丢失是局限于单一T细胞亚群，还是反映适应性免疫细胞池的广泛收缩，以及哪种标志物提供最一致的证据，目前仍不确定。
血液转录组学和单细胞研究进一步表明，相似的细胞计数可能隐藏生物学上不同的免疫状态。脓毒症患者可被分类为具有不同适应性免疫活性和不同死亡风险的分子内型，单细胞转录组学则揭示了批量血液测量无法捕获的细胞组成和状态的变异。一项针对281名成人和儿童的最新单细胞多组学研究证明了脓毒症中感染源和年龄特异性的免疫特征：NR4A2+中央记忆CD4+ T细胞亚群与较差生存率相关，而表达CCL3、CCL4和TNF的促炎性CD8+ T细胞亚群在特定感染源中扩增。因此，整体细胞池的收缩可与特定亚群的选择性扩增或功能障碍共存。同样，CD4+区室内调节性T细胞（Tregs）的比例升高可能与绝对Treg计数降低共存，凸显了细胞比例、绝对数量和功能状态不可互换。
尽管高维组学显著提高了免疫表型分析的分辨率，但成本、技术复杂性和周转时间限制了常规临床应用。相比之下，ALC和绝对CD3、CD4、CD8计数广泛可及，可能在床旁评估与深层免疫分析之间提供一线桥梁。脓毒症的精准免疫治疗同样需要可重复的宿主反应标志物用于预后和预测性富集，而非不加选择地免疫刺激。重组人白细胞介素-7可增加脓毒性休克伴淋巴细胞减少患者的循环淋巴细胞计数，为适应性免疫细胞储备可在治疗上被调节提供了概念验证，尽管临床获益仍不确定。
因此，研究人员开展了一项系统综述和Meta分析，研究成人脓毒症或脓毒性休克中外周血绝对ALC、CD3+ T细胞、CD4+ T细胞和CD8+ T细胞计数与死亡率之间的关联。CD4作为主要计数型标志物，因为所有13项纳入研究均报告了该指标；CD8、CD3和ALC被视为次要或支持性分析。研究人员量化了组间绝对和相对差异，计算了预测区间，考察了对数据转换、采样时间、语言、特殊人群、模糊离散度报告和潜在队列重叠的敏感性，并总结了研究层面的校正证据。目的是在区分数字性细胞丢失与功能性免疫状态的同时，表征这些计数型关联的强度与局限性。
2 方法
2.1 研究设计与注册
本系统综述和Meta分析按照PRISMA 2020声明进行设计、实施和报告。方案已在PROSPERO注册（CRD420261446443）。PICOS框架包括：年龄≥18岁患有脓毒症或脓毒性休克的成人；以外周血绝对CD4+ T细胞计数为主要暴露，CD8+ T细胞、CD3+ T细胞和ALC为次要/支持性暴露；以幸存者为对照；以28天、30天、住院或重症监护病房死亡率为结局；以报告可提取分组连续数据的观察性临床研究为合格设计。由于所有纳入研究均报告了死亡率，稿件术语统一为死亡率而非更宽泛的不良结局。
2.2 信息来源与检索策略
检索PubMed、EMBASE、Web of Science核心合集、Cochrane图书馆、中国知网（CNKI）、万方数据、维普、SinoMed和中华医学期刊全文数据库，检索时间从建库至2026年8月7日。最终策略将受控词汇表和自由词相结合，涵盖脓毒症或脓毒性休克、CD3/CD4/CD8和淋巴细胞/T细胞亚群、绝对淋巴细胞或细胞计数，以及死亡率、生存、预后或预测。中文数据库使用等效中文检索词。不设语言和出版年份限制。检索语法针对每个数据库进行调整，完整策略和检索数量见补充表1。未纳入无已发表分组绝对计数数据的会议摘要和注册记录。
2.3 纳入标准
纳入标准为：（1）纳入脓毒症或脓毒性休克成人患者；（2）报告绝对CD4+和/或CD8+ T细胞计数，伴或不伴绝对CD3+ T细胞计数或ALC；（3）提供按死亡与存活分层的数据；（4）报告均值和标准差、标准误、中位数和四分位距，或其他可转换为均值和标准差的连续数据；以及（5）采用前瞻性或回顾性观察性临床设计。
排除标准为：（1）纳入儿童、新生儿或非成人人群；（2）动物研究、体外研究、病例报告、会议摘要、综述、评论或指南；（3）仅报告百分比、比率、受试者工作特征曲线、比值比、风险比、相关性或预测模型输出而无可恢复的分组绝对计数；（4）未报告符合条件的结局分组；（5）关注HIV感染、器官移植、癌症化疗或长期免疫抑制治疗等特殊免疫状态，且无法单独提取普通脓毒症人群数据；或（6）重复报告或记录。
2.4 研究选择与数据提取
检索记录导入文献管理软件去重。两名评审员独立筛选标题和摘要、评估全文并提取数据。分歧通过讨论解决，必要时由第三名评审员仲裁。提取变量包括第一作者、发表年份、国家或地区、参与中心、招募时间、研究设计、患者环境、脓毒症定义、采样锚点和时间、死亡终点、组样本量、流式细胞术平台和计数方法，以及CD4+ T细胞、CD8+ T细胞、CD3+ T细胞和ALC的分组值。同时提取是否进行了多变量分析、考虑的协变量，以及校正后各绝对计数是否仍与死亡率相关。使用中心、招募时间、作者组、注册标识、纳入标准和标志物/结局定义评估潜在队列重叠。
2.5 数据协调与转换
主要分析仅纳入外周血绝对计数，所有单位转换为cells/μL。报告为10
9/L的数值乘以1000。标准差通过公式SD = SE × √n从标准误推导。中位数和四分位数采用Luo和Wan方法转换为均值和标准差，该方法假设报告的分位数能合理近似潜在连续分布；该假设对右偏态细胞计数数据可能不完美。原始统计类型和转换规则保留在机器可读源数据集中。在Li等人（2025）的研究中，“TLC”被原作者定义为T淋巴细胞计数，因此归入CD3区室而非ALC。在Yang等人（2023）的研究中，离散度标记为SD，但内部重建表明将印刷值解释为SE产生的检验统计量更接近报告值。因此主要分析采用SD = SE × √n，另将印刷值直接视为SD并排除该研究的替代分析。
2.6 偏倚风险与证据解释
两名评审员独立使用预后研究质量（QUIPS）工具评估偏倚风险，涵盖研究参与、研究失访、预后因素测量、结局测量、研究混杂和统计分析/报告。由于QUIPS未规定数值汇总评分，领域级判断优先；总体低、中、高标签仅用作描述性研究层面综合，特别关注混杂和分析/报告。未分配正式的GRADE确定性类别，因为合并效应主要为未校正的幸存者-非幸存者对比，且纳入研究不构成具有可比混杂校正的预后因素研究的统一阶段，这两者都是判断预后因素证据的重要考量。取而代之，使用QUIPS、研究间异质性、95%预测区间、对统计转换和研究排除的敏感性、可能的小研究效应、地理集中性以及单项研究报告的校正分析一致性对证据稳健性进行描述性总结。
2.7 统计分析
主要效应量为非幸存者与幸存者之间绝对细胞计数的未校正均值差（MD）；负值表示非幸存者计数较低。主要推断焦点为CD4。CD8、CD3、ALC、RoM、Egger和Meta回归分析为次要或支持性分析。随机效应模型使用限制性最大似然（REML）估计τ2和Knapp-Hartung小样本推断，并采用防止方差标度低于常规随机效应值的临时保护措施（scale = max[1, q*]；等效于metafor检验 “knha”，adhoc = “se”）。双侧95% CI和P值采用k - 1自由度计算。预测区间针对至少包含3项研究的分析计算。异质性使用Q、I2和τ2进行总结。由于合并MD未经校正，不将其解释为校正的预后效应。
敏感性分析限于英文研究、中文研究、28天或30天死亡率、明确记录24 h内或第1天采样、无需中位数/四分位距转换的研究，以及不限于老年或特殊人群的队列。额外分析排除了Li等人（Aging）、将Yang 2023离散度直接视为SD或排除该研究，以及在互斥情景下排除潜在重叠的Li（Front Immunol）和Cheng队列。逐项剔除和Baujat诊断评估影响性研究。RoM分析使用相同REML改良Hartung-Knapp框架和delta方法方差合并对数均值比；还进行了无转换RoM敏感性分析。Egger回归和单变量Meta回归为探索性分析。未进行多重性校正，次要P值作描述性解释。一项事后偏倚风险敏感性分析排除了描述性研究层面QUIPS综合中分类为高风险的各项研究。
在至少报告ALC、CD3、CD4和CD8中三项的研究中，还总结了计数是否在至少三个报告区室中较低。由于这些区室相关且生物学嵌套，该事后分析用作描述性一致性展示而非独立推断检验。
3 结果
3.1 研究选择与特征
数据库检索确定5,646条记录。去除4,905条重复后，741条记录接受标题和摘要筛选；评估71篇全文报告，排除58篇，纳入13项研究。8项研究以英文发表，5项以中文发表；13个队列中11个在中国开展，1个在意大利，1个在印度。9项研究评估28天死亡率，1项评估30天死亡率，3项评估住院死亡率。9项研究明确在24 h内或第1天采样；4项使用早期但定义较不精确的锚点或允许超过24 h采样。脓毒症定义包括Sepsis-3、早期共识标准或基于中国指南的定义。共有44条研究-标志物记录：CD4 13条、CD8 11条、CD3 10条、ALC 10条。
表1总结了主要特征；参与中心、招募时间、测量方法和校正证据详见补充表2、3。
3.2 CD4+和CD8+ T细胞计数的主要分析
四项主要分析总结于表2。13项研究报告了绝对CD4+ T细胞计数，包括744名非幸存者和2,595名幸存者。非幸存者CD4+ T细胞计数较低（MD = -86.06 cells/μL，95% CI -127.29至-44.83，P < 0.001，I2 = 77.0%，τ2 = 3,259.22）；95%预测区间为-218.44至46.31 cells/μL，表明未来队列可能显示零关联。
11项研究报告了绝对CD8+ T细胞计数，包括701名非幸存者和2,503名幸存者。非幸存者CD8+ T细胞计数较低（MD = -41.83 cells/μL，95% CI -68.37至-15.29，P = 0.0056，I2 = 61.9%，τ2 = 883.24）；95%预测区间为-114.26至30.60 cells/μL。
3.3 CD3+ T细胞计数和ALC的支持分析
10项研究报告了绝对CD3+ T细胞计数，包括645名非幸存者和2,420名幸存者。非幸存者CD3+ T细胞计数较低（MD = -133.99 cells/μL，95% CI -220.41至-47.56，P = 0.0066，I2 = 88.3%，τ2 = 10,917.36）；95%预测区间为-390.53至122.56 cells/μL。
10项研究报告了ALC，包括516名非幸存者和1,452名幸存者。非幸存者ALC较低（MD = -201.46 cells/μL，95% CI -323.04至-79.88，P = 0.0046，I2 = 71.7%，τ2 = 18,634.96）；95%预测区间为-539.77至136.85 cells/μL。因此，四项合并平均值均与零有统计学差异，但每个预测区间均包含零。
3.4 敏感性、相对效应和影响分析
CD4在英文研究、中文研究、28/30天死亡率、明确≤24 h采样、排除转换数据、排除老年/特殊队列、排除Li（Aging）、Yang离散度替代处理以及潜在重叠情景中均保持显著较低。明确≤24 h采样的合并MD为-65.86 cells/μL（95% CI -108.74至-22.97；k = 9）。在排除描述性研究层面QUIPS综合中分类为高风险的8项研究的事后偏倚风险敏感性分析中，CD4仍显著较低（k = 5；MD = -106.57，95% CI -195.02至-18.12）。CD8在大多数限制条件下保持显著，包括明确≤24 h采样（MD = -28.45，95% CI -48.74至-8.15；k = 7），但排除转换数据后仅剩3项研究，产生有方向性但不显著的估计值（MD = -44.96，95% CI -95.88至5.97）。排除描述性高风险研究后，CD8估计值仍为负但不精确（k = 4；MD = -60.97，95% CI -145.90至23.95）。CD3和ALC在限制于明确≤24 h采样后仍为负值，但CI跨越零；排除转换数据后留下4项CD3研究（显著估计值）和仅2项ALC研究（无信息量区间）。低风险子集仅包含2项CD3和3项ALC研究，产生负值但高度不精确的估计。k ≤ 3的分析视为说明性而非确认性。
语言分层估计未显示相反方向。CD4在英文和中文子集中均显著；CD8、CD3和ALC的中文语言估计为负但不精确。语言Meta回归对CD4（P = 0.491）、CD8（P = 0.414）、CD3（P = 0.524）和ALC（P = 0.277）均不显著。采样时间Meta回归对所有标志物也不显著（P = 0.113-0.274），尽管这些生态学分析功效不足。在44次逐项剔除拟合中，每次合并MD均保持负值且95% CI排除零。Baujat诊断确定Polilli 2021是各标志物异质性和影响的最一致贡献者。
在报告至少3个区室的11项研究中，10项显示所有报告区室计数均较低；Li等人（Aging）显示CD3、CD4和CD8计数较低但ALC略高。RoM分析显示CD4均值比为0.713、CD8为0.781、CD3为0.759、ALC为0.763，相应相对降低分别为28.7%、21.9%、24.1%和23.7%。置信区间重叠，未进行正式的标志物间比较。在无转换RoM分析中，CD4（RoM 0.802，95% CI 0.688-0.935；k = 5）和CD3（0.818，0.687-0.975；k = 4）仍显著，而CD8（0.787，0.583-1.063；k = 3）和ALC（0.823，0.185-3.652；k = 2）不精确。
Yang 2023假设未改变效应方向或统计显著性。将印刷离散度直接视为SD使CD3异质性从I2 = 88.3%增加至97.8%；排除Yang保留合并方向。Chen 2022与Li 2025之间的潜在重叠未获支持，因为招募时间不重叠，且Huang 2024在不同中心进行。然而，Li（Front Immunol）2025和Cheng 2025共享北京协和医院、ChiCTR2300074175、作者和重叠招募时间。排除较小的Cheng队列保留了CD4（MD = -77.48，95% CI -116.25至-38.70）和CD3（MD = -117.60，95% CI -204.58至-30.62）；替代排除产生相同方向和显著性。从已发表报告无法确定实际患者重复。
3.5 小研究效应与探索性Meta回归
漏斗图和Egger检验未显示CD4（P = 0.147）或CD8（P = 0.473）的明显不对称。检测到CD3（P = 0.0022）和ALC（P = 0.016）可能存在小研究效应，尽管研究数量少和实质性异质性限制了解释。包括语言和明确≤24 h采样在内的七项研究层面变量在单变量Meta回归中均不显著。这些分析为探索性和生态学性质。
3.6 偏倚风险与证据稳健性
QUIPS评估确定混杂和统计分析/报告为主要偏倚风险。13项研究中7项在混杂领域为高风险，4项在分析/报告领域为高风险。描述性总体综合将8项研究分类为高风险，5项为中等风险；没有研究总体为低风险。11项研究报告了某种多变量分析，但协变量组和结局不同。绝对CD4在选定研究中仍相关，而若干研究——包括最大的多中心队列——在校正后不支持CD4或总T细胞计数的独立关联。CD8、CD3和ALC的个体证据同样不一致。
在整个稳健性评估中，CD4显示最一致的组水平关联：在排除统计学转换研究和排除描述性总体QUIPS高风险研究后，合并差异仍显著。CD8在任一限制后均变得不精确；CD3保留显著的无转换估计值但具有高异质性、未解决的Yang离散度不确定性和仅2项低风险研究；ALC在排除转换或高风险研究后变得高度不精确。所有四个95%预测区间均跨越零，13项研究中11项在中国开展，CD3和ALC检测到可能的小研究效应。这些发现以描述性方式总结，而非作为正式确定性等级。
4 讨论
4.1 外周适应性免疫细胞耗竭的主要发现与生物学解释
本综述发现，死于脓毒症的成人外周CD4+、CD8+和CD3+ T细胞计数及ALC平均值低于幸存者。合并方向在逐项剔除分析和许多敏感性分析中稳定，CD4显示最大的描述性一致性。在排除描述性QUIPS综合中分类为高风险的各项研究后，CD4差异仍具有统计学显著性，而CD8、CD3和ALC估计值保持负值但因证据集收缩而变得不精确。所有预测区间均跨越零，各研究的校正分析不一致。总体而言，研究结果支持循环适应性免疫细胞计数降低与死亡之间的组水平关联，其中CD4证据最一致，而CD8、CD3和ALC因数据转换依赖性、异质性或低风险证据稀疏而具有更大不确定性。
事后一致性展示显示大多数研究中相关淋巴细胞和T细胞区室呈平行研究内降低。由于这些测量相关，该展示最好视为方向的紧凑总结而非额外统计证据。循环计数降低可能反映凋亡、再分布、内皮黏附、组织归巢、胸腺输出减少、稳态增殖不足或这些过程的组合。致死性脓毒症的病理学研究证明了适应性免疫细胞耗竭伴抗原呈递受损和抑制性信号传导，但外周计数单独无法确定负责机制。
研究人员的分析量化了循环区室大小而非细胞能力。绝对计数无法测量抗原特异性、克隆多样性、增殖、T细胞受体信号传导、细胞因子产生、细胞毒性或耗竭。因此，研究人员描述数值性淋巴细胞/T细胞耗竭，避免推断功能性耗竭或将“免疫储备”减少作为直接测量的构建。
4.2 CD4+ T细胞计数作为描述性最稳定的计数型标志物
所有13项研究均报告了CD4+ T细胞计数，并且在主要和敏感性分析中保持较低，包括事后排除描述性QUIPS综合中分类为高风险的各项研究。这种一致性在描述性上值得注意且生物学上合理，因为CD4+ T细胞协调抗原驱动反应、CD8+扩增、B细胞辅助以及多种辅助和调节谱系。然而，未进行标志物间的正式头对头比较，RoM置信区间重叠，低风险子集仍具有异质性。包括最大多中心队列在内的部分单项研究在校正临床因素后也未显示独立的CD4效应。
最近的单细胞多组学证据说明了这种内部复杂性。Ye等人将成人CD4+ T细胞解析为七个亚群，报告GZMK+效应记忆、GNLY+终末效应记忆和FOXP3+调节亚群在多个感染源中比例较低，而两个中央记忆CD4+ T细胞亚群显示对比性的生物学和预后关联。GPR183+NR4A2+中央记忆亚群在腹部、肺部和皮肤来源脓毒症中富集，表现出共刺激分子减少、抑制性受体增加、效应基因表达降低、应激和凋亡程序增强以及寡克隆扩增。CD4特异性的Nr4a2操作也改变了小鼠脓毒症模型中的存活和细菌清除。这些发现为较低总CD4计数与残余CD4细胞内异常状态共存提供了机制学依据，而因果性动物数据不应直接外推至成人临床人群。
因此，CD4计数可作为可及的定量描述符，促使进一步免疫表型分析。当前证据尚未确立临床截断值、超越既定严重程度评分的增量预测价值或治疗选择作用。
4.3 CD4+和CD8+ T细胞区室内数值耗竭与亚群特异性重塑的共存
总细胞计数和亚群组成在不同分辨率水平运作，可能呈现表面不一致的方向。这与调节性T细胞尤其相关。Tregs可能在脓毒症早期限制过度炎症，而持续或过度的抑制活性可能损害效应反应和病原体清除。重要的是，CD4区室内Treg比例升高并不一定表明绝对Treg扩增。既往研究报告了尽管绝对Treg计数较低（脓毒性休克中特别低）但仍存在较高Treg比例；在一些队列中，幸存者的绝对Treg计数高于非幸存者。因此，Meta分析中观察到的较低总CD4计数不应被解释为Treg扩增是免疫抑制的原因。总CD4计数、绝对Treg计数、相对Treg比例和抑制功能是需要单独解释的不同测量。
类似原则适用于CD8+ T细胞。总体CD8 MD显著，但当分析限制于不需要中位数/IQR转换的3项研究时结果变为不显著。这种敏感性既反映有限信息，也反映Luo/Wan转换的正态性假设，该假设对右偏态细胞计数可能不完美。因此，合并CD8关联应视为不如CD4关联可靠。在生物学层面，整体CD8区室的收缩仍可与炎症性或抗原驱动克隆的选择性扩增共存。
这些观察有助于调和脓毒症中免疫耗竭和免疫激活的表面矛盾概念。收缩的总细胞池可能仍包含具有强烈炎症活性、抑制性信号传导、克隆扩增或效应功能受损的亚群。本研究中的合并绝对计数捕获主要循环区室的大小，而单细胞和功能研究揭示这些区室如何被内部重塑。两个层面对于生物学上连贯的解释都是必要的。
4.4 异质性的生物学和方法学来源
尽管四项合并均值效应均具有统计学显著性，但异质性为中度至极高，且每个95%预测区间均跨越零。这些区间表明未来队列可能显示更小、缺失或潜在逆转的差异。敏感性分析确定方向不依赖于单一研究，但并未消除人群、测量或临床背景的真实变异。
语言和明确≤24 h采样在探索性Meta回归中均未显著改变效应，但这些阴性结果功效较低。8篇英文文章中5篇仍为中国队列，因此语言并非地域的代理变量。13项研究中11项在中国开展，多项限制于老年成人、重症肺炎或脓毒性休克。区域治疗实践、病例组合、皮质类固醇或免疫调节剂暴露、流式细胞术平台、计数方法和实验室参考范围可能系统性影响观察到的关联。对非亚洲人群的普适性因此受限。
生物学异质性在脓毒症中也是预期的。转录组学研究已识别具有不同适应性免疫活性和死亡风险的宿主反应内型，单细胞研究显示相似总细胞计数可能隐藏不同的细胞组成、克隆型和调节程序。感染源是另一个可能的决定因素，因为腹部、肺部、泌尿和其他来源的脓毒症与不同的宿主反应和临床轨迹相关。年龄和免疫衰老可能进一步改变基线淋巴细胞储备和恢复能力。Ye等人对来自不同感染源的成人和儿童外周血进行了分析；该研究未直接将血液与多个组织比较。因此，本研究结果支持感染源和年龄相关的循环免疫谱异质性，但未确立外周血与组织免疫之间的直接对应关系。
4.5 临床意义：从可及计数到分层免疫评估
ALC和CD3+/CD4+/CD8+计数比转录组学或单细胞平台更可及，但本Meta分析展示的是组水平差异而非独立预后性能。大多数合并输入未校正严重程度，且最大研究未保留CD4或T细胞计数作为独立预测因子。没有标准化阈值、连续测量、个体参与者数据和增量预测分析，不能推荐任何基于计数的截断值用于临床决策。
更可辩护的转化路径是将连续ALC和CD3+/CD4+/CD8+计数用作第一层筛查，识别持续性或进行性定量免疫细胞丢失。持续降低的患者随后可接受第二层机制性表型分析，包括绝对和相对Treg测量、单核细胞HLA-DR、PD-1和TIM-3表达、Ki-67、体外细胞因子刺激试验和T细胞受体多样性。动态轨迹可能比单次早期测量更具信息量，因为它们可以区分短暂应激相关淋巴细胞减少与持续性耗竭或免疫恢复失败。PD-1表达升高与脓毒性休克的死亡率、院内感染和免疫功能障碍相关，进一步说明定量和功能性标志物结合的潜在价值。
这种分层框架也与免疫治疗相关。白细胞介素-7可增加脓毒性休克伴淋巴细胞减少患者的循环淋巴细胞计数，但可用试验未确立死亡率或继发感染的降低。早期检查点抑制剂研究主要证明安全性和药效学可行性，而非确定的临床获益。免疫细胞计数因此可能有助于患者富集，但治疗决策将需要识别适当免疫表型、治疗窗口和预期获益机制的证据。
4.6 局限性与未来方向
若干局限性对解释至关重要。第一，合并MD是未经校正的观察性对比，无法区分独立预后因素与疾病严重程度的下游标志物或反向因果；校正结果不一致。第二，13个队列中11个为中国队列，限制了向其他卫生系统和人群的外推。第三，脓毒症定义、感染源、死亡时间窗和采样锚点各异，大多数研究依赖动态标志物的单次早期测量。限制于明确≤24 h采样降低了CD3和ALC的精度。第四，55%-80%的贡献研究需要中位数/IQR转换，无转换分析仅剩3项CD8研究和2项ALC研究。第五，流式细胞术平台、抗体组合、设门和绝对计数方法未完全标准化。第六，Yang 2023包含未解决的SD与SE模糊性，实质性影响CD3异质性；修订时无法获得作者澄清。第七，Li（Front Immunol）与Cheng之间的患者重叠无法排除，尽管互斥剔除分析稳定。第八，事后排除描述性QUIPS综合中分类为高风险的各项研究仅剩5项CD4、4项CD8、2项CD3和3项ALC研究；该分析支持发现方向但无法消除残余偏倚或为大多数标志物提供精确估计。第九，CD3和ALC可能受小研究效应影响。最后，分层分析为事后、数学上非独立且纯描述性。
未来研究应标准化流式细胞术采集、设门、单位和报告，并应在入院、24 h、第3天和第7天获取重复测量。此类设计可区分短暂淋巴细胞减少、持续性低计数和免疫恢复失败。需要个体参与者数据Meta分析来检查感染源、病原体、年龄、休克状态、合并症和治疗暴露的修饰效应，并确定免疫细胞轨迹是否在临床严重程度评分之外增加预测价值。更高分辨率的前瞻性研究应将绝对计数与CITE-seq、单细胞ATAC测序、T细胞受体测序和功能刺激试验相结合。这种组合方法可能阐明数值缺乏何时具有临床意义、何时与亚群特异性激活或功能障碍共存，以及哪些患者可能从靶向免疫恢复策略中获益。
5 结论
在成人脓毒症患者中，非幸存者的平均ALC和CD3+、CD4+、CD8+ T细胞计数低于幸存者。证据对CD4最一致，而CD8和ALC估计值更依赖于统计学转换数据。关联对CD4最一致，而CD8、CD3和ALC对数据转换、异质性或低风险证据稀疏更敏感。实质性异质性、地域集中性和预测区间跨越零值意味着这些计数尚不应作为独立的预后生物标志物使用。需要具有严重程度校正分析和功能验证的标准纵向研究。
