《CNS Neuroscience & Therapeutics》：Association Between Multiple Inflammation-Derived Indices and the Risk of Post-Stroke Epilepsy
编辑推荐：
背景：卒中后癫痫（post-stroke epilepsy, PSE）是卒中常见且严重的并发症，但临床仍缺乏简便高效的风险评估工具。目的：本研究旨在探讨多种核心炎症衍生指标与PSE的关联，并探索其在风险分层中的潜在参考价值。方法：在这项回顾性病例对照研究中，研
背景：卒中后癫痫（post-stroke epilepsy, PSE）是卒中常见且严重的并发症，但临床仍缺乏简便高效的风险评估工具。目的：本研究旨在探讨多种核心炎症衍生指标与PSE的关联，并探索其在风险分层中的潜在参考价值。方法：在这项回顾性病例对照研究中，研究人员从合肥市第二人民医院2018年1月至2025年12月住院卒中患者电子病历中提取数据，采用1:1倾向评分匹配（propensity score matching, PSM）平衡性别、年龄及基础疾病等混杂因素，最终纳入317例PSE患者（病例组）与317例非PSE卒中患者（对照组）。入院24小时内常规血液学参数用于计算六项炎症指标：系统性免疫炎症指数（systemic immune-inflammation index, SIRI）、中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio, NLR）、衍生中性粒细胞与淋巴细胞比值（derived neutrophil-to-lymphocyte ratio, DNLR）、单核细胞与淋巴细胞比值（monocyte-to-lymphocyte ratio, MLR）、中性粒细胞与血小板比值（neutrophil-to-platelet ratio, NPR）和中性粒细胞-单核细胞与淋巴细胞比值（neutrophil–monocyte-to-lymphocyte ratio, NMLR）。研究人员采用多变量逻辑回归模型分析炎症指标与PSE风险的关联，并探索非线性关系与阈值效应。研究人员通过受试者工作特征（receiver operating characteristic, ROC）曲线、决策曲线分析（decision curve analysis, DCA）、净重分类改善（net reclassification improvement, NRI）和综合判别改善（integrated discrimination improvement, IDI）评估各炎症指标的判别能力与增量价值，并进行亚组分析验证结果稳定性。结果：研究表明，SIRI每升高1个标准差，PSE风险增加172%（OR=2.72，错误发现率校正后p<0.001）。四分位分层分析显示明确剂量-反应关系（趋势p<0.001）。SIRI与其他炎症衍生指标相比关联更强，ROC分析中判别能力相对更好（AUC=0.693，95% CI：0.654–0.732），在NRI与DCA中也表现更优。限制性立方样条回归与E值分析进一步支持该关联的稳健性，亚组分析显示不同亚组结果一致。结论：系统性免疫炎症指数在卒中人群中与PSE风险呈较强关联，并具有中等判别能力，可作为卒中后癫痫早期风险分层的辅助参考指标，但其临床效用仍需前瞻性队列研究进一步验证。
研究背景方面，卒中是全球非传染性疾病死亡的第二大原因，也是伤残调整生命年第三大原因。随着卒中临床治疗水平提高，患者生存率明显提升，但卒中后并发症管理成为迫切问题。卒中后癫痫（post-stroke epilepsy, PSE）发生率约为6%–15%，会加重神经功能损害，并给患者家庭与社会带来沉重医疗和经济负担。PSE发生与长期脑结构改变、血脑屏障稳定性异常、胶质瘢痕形成、胶质细胞活化及含铁血黄素沉积等病理过程有关，炎症反应在PSE发生发展中的核心作用已被多项研究证实。现有PSE风险评估模型如SeLECT、SeLECT 2.0、SeLECT-S、CAVE、CAVE2等多基于临床与影像特征，缺乏炎症衍生指标的系统整合，且部分模型存在样本量小、外部验证不足等局限，难以满足临床对简便快速风险分层的需求。因此，研究人员开展本研究，系统探讨基于常规血常规的六种炎症衍生指标与PSE风险的关联及其在风险分层中的潜在价值。
作者为开展研究用到的主要关键技术方法如下：研究人员采用回顾性病例对照设计，样本队列来源于合肥市第二人民医院2018年1月至2025年12月住院卒中患者；以是否发生PSE建立病例组与对照组，并使用1:1倾向评分匹配平衡11项协变量；以入院24小时内血常规计算SIRI、NLR、DNLR、MLR、NPR、NMLR六项指标；构建未调整、基本调整和完全调整三种多变量逻辑回归模型；采用限制性立方样条与阈值效应分析探索非线性关系；通过ROC曲线、DCA、NRI、IDI评价判别与增量价值；并按性别、吸烟史、饮酒史、高血压、糖尿病、卒中类型和年龄等进行亚组分析。
研究结果部分，首先为研究人群基线特征。研究人员经1:1倾向评分匹配后纳入634例患者，匹配后组间协变量均衡；病例组白细胞、中性粒细胞、单核细胞、SIRI等六项炎症指标均显著高于对照组，皮质受累与早期癫痫发作比例也更高。
其次为炎症指标与PSE风险的逻辑回归分析。研究人员通过连续变量与四分位分组分析发现，六种炎症指标均与PSE风险显著正相关，其中SIRI关联最强，每1个标准差增加对应OR=2.72；SIRI四分位Q4组风险为Q1组8.75倍，且所有指标均存在显著剂量-反应趋势，E值分析提示SIRI与PSE关联具有较强稳健性。
再次为炎症指标与PSE的非线性关系及阈值效应分析。研究人员通过限制性立方样条发现SIRI、NLR、DNLR、NMLR与PSE风险存在非线性关联；阈值效应分析显示SIRI标准化拐点为0.22，拐点前OR=4.87，拐点后OR=1.75，说明SIRI与PSE风险存在分段效应。
随后为炎症指标对PSE的判别性能与增量贡献。研究人员通过ROC分析得出SIRI的AUC为0.693，高于其余五项指标；DCA显示在10%–60%临床阈值内SIRI标准化净获益更优；将各炎症指标加入基础模型后NRI与IDI均显著改善，其中SIRI的NRI=0.1483、IDI=0.0845，增量贡献最为明显。
最后为SIRI与PSE风险的亚组分析。研究人员按多种临床特征分层后发现，SIRI在各亚组中均与PSE风险显著正相关，且亚组间无显著交互作用，表明SIRI与PSE的关联在不同临床人群中具有稳定性。
讨论部分总结如下：研究人员指出，既往研究多关注单一炎症指标或特定卒中亚型，本研究创新点在于系统比较六种常规血常规衍生的炎症指标，并发现SIRI与PSE关联最强、存在阈值效应、具有中等判别能力且在传统模型基础上可提供增量价值。研究人员也强调，外周免疫细胞变化、单核细胞趋化蛋白-1、中性粒细胞胞外诱捕网、IL-1β、TNF-α等炎症相关机制可解释SIRI潜在的生物学合理性。研究优势在于PSM控制混杂、多维统计方法严谨、指标来自真实世界常规化验；局限性在于单中心回顾性设计、1:1匹配使病例对照比被人为固定为50%，可能高估AUC、DCA、NRI、IDI等判别类指标，且未纳入卒中严重程度、病灶大小、出血转化等影像与临床变量，SIRI尚不能作为独立临床决策工具，而更适合作为多因素风险评估体系的组成部分，未来需多中心大样本前瞻性验证及抗炎干预研究。
结论部分翻译如下：本研究发现，基于常规血液参数的六种炎症衍生指标均与卒中患者发生PSE的风险显著相关。其中，系统性免疫炎症指数（SIRI）关联最强（OR=2.72，错误发现率校正后p<0.001），具有明确的剂量-反应关系（趋势p<0.001），且在各亚组中关联一致，在六项指标中判别能力相对更好（AUC=0.693）。这些结果表明，SIRI可作为PSE临床风险分层的辅助参考指标之一。然而，当前基于DCA、NRI和IDI的结果应视为探索性证据，而非临床获益的决定性证据，SIRI的临床效用仍需在前瞻性队列研究中进一步验证。
