《Frontiers in Endocrinology》：Synergistic effect of insulin resistance and glycemic variability on mortality in ICU patients with gastrointestinal bleeding: impact of the TyG-GVI index and development of an explainable web-based clinical calculator
编辑推荐：
目的：探讨甘油三酯-葡萄糖指数联合血糖变异性（TyG-GVI）复合指标与消化道出血重症监护病房（ICU）患者早期死亡风险的关联，并评估将该生物标志物整合至集成学习模型中是否改善预后性能。方法：本回顾性研究分析MIMIC-IV v3.1数据库中以消化道出血为主要
目的：探讨甘油三酯-葡萄糖指数联合血糖变异性（TyG-GVI）复合指标与消化道出血重症监护病房（ICU）患者早期死亡风险的关联，并评估将该生物标志物整合至集成学习模型中是否改善预后性能。方法：本回顾性研究分析MIMIC-IV v3.1数据库中以消化道出血为主要诊断的成年ICU患者（≥18岁）。TyG-GVI由入院前24小时实验室数据计算的甘油三酯-葡萄糖指数（TyG）与葡萄糖变异系数（CV）相乘获得。按TyG-GVI中位数分层。主要终点为ICU死亡与住院死亡。研究人员应用Kaplan-Meier生存分析、多变量Cox回归、限制性立方样条（RCS）及集成学习模型（随机森林、XGBoost、LightGBM）配合SHAP解释。结果：共998例合格患者分为低TyG-GVI组（n=499）与高TyG-GVI组（n=499）。高TyG-GVI组生理紊乱更重。校正后高TyG-GVI独立预测ICU死亡（校正HR 1.87，95%CI 1.36–2.55，P<0.001）。RCS显示非线性关系，拐点位于TyG-GVI=1.535。亚组分析支持结果稳健性。纳入TyG-GVI的XGBoost模型判别力更优（AUC=0.827）优于常规OASIS评分（AUC=0.759）。结论：TyG-GVI是ICU消化道出血患者早期死亡的独立非线性预后标志物。将TyG-GVI与可解释人工智能结合可增强急症床旁预后的风险分层能力。
研究背景与动机
急性胃肠道出血触发的全身应激反应显著改变代谢稳态与循环动力学。尽管重症医学进步明显，ICU人群早期死亡率仍偏高，精准预后评估关乎资源分配与治疗升级。传统严重程度评分如APACHE与SAPS依赖单时点生理评估，难以捕捉代谢不稳定的时间变化。葡萄糖处理障碍作为预后调节因素日益受重视，其中胰岛素抵抗（以TyG指数为替代指标）与血糖变异性（glycemic variability, GV，以葡萄糖变异系数CV表示）分别被证实与不良结局相关，但既往研究多孤立评价二者。研究人员假设将TyG与GV复合为TyG-GVI能更全面反映代谢紊乱负荷，并在异质ICU人群中提供增量预后价值。该研究基于此在MIMIC-IV数据库开展分析，并开发可解释机器学习模型与Web计算器。
主要技术方法
研究人员提取MIMIC-IV（v3.1）中消化道出血（ICD-9 531–534，ICD-10 K25–K28）成年ICU患者，外部验证采用温州医科大学附属衢州医院322例队列。TyG-GVI计算采用入ICU首24小时首次甘油三酯与葡萄糖测得值（ln[TG(mg/dL)×GLU(mg/dL)]/2）乘以同窗葡萄糖CV（要求至少3次测量）。统计方法包括Kaplan-Meier、多变量Cox回归、限制性立方样条（RCS）、按中位数分层、亚组分析；预测模型采用随机森林、XGBoost、LightGBM，特征选择经Boruta算法确认，解释性通过SHAP（SHapley Additive exPlanations）值实现，并按7:3分层拆分做内部验证。
研究结果
3.1 基线特征：5974例初筛后998例入选，按TyG-GVI中位数分两组各499例。高TyG-GVI组年龄略低但OASIS更高，机械通气（60.9% vs 41.1%）、肾脏替代治疗（13.0% vs 5.4%）、乳酸、酸中毒比例更高，ICU死亡（27.05% vs 15.03%）与住院死亡（38.68% vs 30.06%）均更高。
3.2 关联分析：Kaplan-Meier显示高TyG-GVI组生存曲线显著降低（log-rank P<0.001）。多变量Cox中高TyG-GVI组ICU死亡校正HR 1.87（1.36–2.55），住院死亡HR 1.33（1.05–1.69）。RCS显示ICU死亡风险在TyG-GVI=1.535处出现拐点，低于此值风险平缓，高于此值陡升；住院死亡非线性不显著。正式交互项TyG×GV在Cox中未达显著，但复合TyG-GVI指数效应强于单独TyG。AIC/BIC各模型差异<3，C-index 0.7115–0.7774。
3.3 亚组分析：在年龄、性别、OASIS分层、机械通气等亚组中高TyG-GVI预后效应一致；机械通气亚组HR 1.88，OASIS≥35亚组HR 2.14；冠心病亚组效应减弱。
3.4 模型与解释：Boruta确认11个预测因子（含OASIS、乳酸、RRT、MV、MAP）。XGBoost整合TyG-GVI对ICU死亡AUC 0.827，住院死亡AUC 0.814，优于OASIS（0.759）与单独TyG（0.575）。SHAP摘要中PaCO2、OASIS、乳酸居前三位，TyG-GVI列第四，瀑布图显示其可正向或负向调节个体风险。
3.5 联合效应可视化：三维曲面显示TyG-GVI与OASIS同时升高时ICU死亡概率超0.6，ICU住院时长延长区与之重合。
3.6 临床转化：研究人员构建Web计算器，集成18个字段（人口学、生命体征、实验室、合并症、TyG-GVI组分），支持LightGBM/RF/XGBoost切换与实时死亡概率输出。
讨论浓缩
研究人员指出TyG-GVI作为独立非线性标志物，捕获了静态胰岛素抵抗与动态血糖波动的乘法式协同，反映内皮脆性与氧化应激维度，是传统评分未及的。1.535拐点为RCS数据驱动的数学转折点，非验证治疗阈值，不可直接转为干预切点。复合指数虽未显式统计交互显著，但在生物学加法交互含义下仍合理解释为协同，且符合重症医学复合评分惯例。方法学上SHAP化解黑箱，TyG-GVI在重要性排序中超越部分SOFA组分。局限包括回顾性设计、首24小时非真空腹TG/GLU、血糖采样密度差异、MIMIC单源偏倚，但温州队列方向一致。缺失值采用完整病例分析，主要暴露与结局无缺漏。
结论翻译
综上，这些数据确立TyG-GVI作为ICU人群早期死亡风险的独立非线性预后生物标志物。将其纳入可解释机器学习流程相较传统疾病严重度指标带来可测得的预测精度提升。这些发现将TyG-GVI定位为围术期与危重症风险分层中易计算、无创的生物标志物。本工作的临床转化取决于未来前瞻性研究检验对该代谢轴的治式调控能否改善患者结局。论文发表于《Frontiers in Endocrinology》。
