乳酸脱氢酶与白蛋白比值对尿源性脓毒症危重患者短期死亡率的预测价值:来自双回顾性队列研究的证据

《Frontiers in Cellular and Infection Microbiology》:Association between lactate dehydrogenase-to-albumin ratio and short-term mortality in critically ill patients with urosepsis: evidence from dual retrospective cohorts

【字体: 大 中 小 】 时间:2026年09月17日 来源:Frontiers in Cellular and Infection Microbiology 5.5

编辑推荐:

   背景:乳酸脱氢酶与白蛋白比值(LDAR)反映组织损伤、炎症和营养状态,其在尿源性脓毒症中的预后价值尚不清楚。研究人员评估了LDAR与短期死亡率的关联,并构建了基于LDAR的预测模型。方法:本回顾性双队列研究使用MIMIC-IV数据库(n=3,060)和一个

  


背景:乳酸脱氢酶与白蛋白比值(LDAR)反映组织损伤、炎症和营养状态,其在尿源性脓毒症中的预后价值尚不清楚。研究人员评估了LDAR与短期死亡率的关联,并构建了基于LDAR的预测模型。方法:本回顾性双队列研究使用MIMIC-IV数据库(n=3,060)和一个外部队列(n=370)。暴露因素为log2转换后的LDAR(logLDAR);结局指标为28天重症监护病房(ICU)死亡率和住院死亡率。采用三种调整模型的Cox回归、限制性立方样条(RCS)和Kaplan-Meier曲线评估关联;Fine-Gray模型处理竞争风险。DeLong检验比较六种传统评分在加入logLDAR前后的曲线下面积(AUC)。净重新分类改善指数(NRI)和综合判别改善指数(IDI)量化加入logLDAR的增量价值;机器学习筛选预测因子构建简约模型,并进行内部和外部验证。决策曲线分析(DCA)评估7变量模型的临床效用。结果:在3,060例患者中,较高logLDAR与显著升高的28天ICU死亡率(23.4% vs. 9.02%)和住院死亡率(22.1% vs. 8.24%)相关(均P<0.001)。在主要多变量调整模型中,logLDAR每增加1个单位,ICU死亡率的HR为1.26(95%CI: 1.17–1.36),住院死亡率的HR为1.35(95%CI: 1.25–1.45)。与最低三分位数组相比,最高三分位数组的HR分别为1.79(1.40–2.30)和2.29(1.77–2.96)。RCS分析显示线性剂量-反应关系(P<0.001),Fine-Gray模型确认了稳健的关联(亚分布风险比(sHR)=1.36, 1.27–1.46)。加入logLDAR显著提高了全部六种传统评分的AUC(DeLong P<0.01),NRI/IDI显示显著的重分类改善(P<0.001)。简约7变量模型在内部训练集、内部验证集和外部队列中分别达到AUC 0.674、0.677和0.783,校准良好(Hosmer-Lemeshow P>0.05),DCA显示净临床获益。这些发现在外部真实世界队列中得到充分验证。结论:LDAR独立预测尿源性脓毒症危重患者的短期死亡率,可补充传统严重程度评分。简约风险模型显示出中等性能,具有可接受的跨队列泛化能力。
**论文解读**

**一、研究背景与问题**

脓毒症是宿主对感染反应失调所致的危及生命的器官功能障碍,是非心源性ICU患者死亡的主要原因。虽然下呼吸道感染仍是脓毒症最主要的来源,但继发于尿路感染的脓毒症发病率正在以惊人的速度增长。这一趋势因泌尿外科手术量的增加、抗菌药物耐药问题的加剧以及人口老龄化伴多种合并症而进一步加剧。这些汇聚的因素凸显了一项迫切的临床需求:寻找可靠且可快速获取的生物标志物,以促进尿源性脓毒症患者的早期风险分层并指导及时的治疗干预。

在此背景下,两种常规实验室指标——血清白蛋白(ALB)和乳酸脱氢酶(LDH)——各自受到了广泛关注。ALB是最丰富的血浆蛋白,兼具营养标志物和反映全身炎症强度的负性急性时相反应物的双重作用。低白蛋白血症已被一致证实与不同患者群体的功能下降、疾病进展和全因死亡率增加相关。LDH是一种催化乳酸与丙酮酸相互转化的胞质酶,在组织缺氧、细胞坏死或低灌注状态下显著升高,使其成为脓毒症中敏感但非特异性的细胞损伤和疾病严重程度指标。然而,单独使用任一标志物均无法充分反映危重病的多方面病理生理。

LDAR通过结合这两个互补参数,提供了一个同时反映全身器官损伤、炎症-营养失衡、氧化应激和组织缺氧的复合指标。新近证据已在多种危重症场景中证实LDAR是强有力的预后指标,包括心力衰竭、肺栓塞和脓毒症相关急性肾损伤(AKI)。然而,LDAR在尿源性脓毒症人群中的应用价值尚属空白。鉴于尿源性脓毒症具有独特的病理生理特征——包括上行感染导致的直接肾小管损伤、潜在的肾后梗阻引起的压力性肾病,以及从下尿路感染到菌血症的组织损伤梯度——LDAR可能在该人群中特别具有信息价值。因此,本研究旨在利用大型公共数据库进行探索,并以独立真实世界队列进行严格外部验证,系统评估LDAR对尿源性脓毒症危重患者短期死亡率的独立预测价值。

**二、研究设计与主要技术方法**

本研究采用回顾性双队列设计。内部探索队列来自MIMIC-IV数据库,包含2008年至2019年间Beth Israel Deaconess医学中心196,527例成年患者的全面临床数据。外部验证队列来自贵州医科大学附属兴义市人民医院泌尿外科和重症医学科2020年1月至2025年1月收治的尿源性脓毒症患者,共370例。

主要技术方法包括:(1) 采用PostgreSQL和结构化查询语言(SQL)进行MIMIC-IV数据提取,涵盖人口学、合并症、生命体征、实验室检查、疾病严重程度评分和治疗干预六个维度;(2) 对LDAR进行log2转换以正态化分布;(3) 使用R语言"mice"包进行多重插补处理缺失值;(4) 采用三种逐步调整的Cox比例风险回归模型评估关联;(5) 使用限制性立方样条(RCS)探索非线性关系;(6) 运用Fine-Gray亚分布风险模型处理存活出院的竞争风险;(7) 通过DeLong检验、净重新分类改善指数(NRI)和综合判别改善指数(IDI)量化加入logLDAR对六种传统评分(APACHE II、APS III、Charlson合并症指数、OASIS、SAPS II、SOFA)的增量预测价值;(8) 联合四种机器学习算法——随机森林(100棵树,最大深度3,最小节点大小1)、梯度提升机(GBM)(Bernoulli损失,收缩率0.1,100次迭代,交互深度3)、Lasso回归(10折交叉验证,lambda.1se)和支持向量机(SVM)(径向基核,C=1,gamma=0.01)——进行变量筛选;(9) 构建多变量logistic回归预测模型并评估其性能;(10) 使用决策曲线分析(DCA)评估模型的净临床获益。

**三、主要研究结果**

**基线特征:** 共纳入3,060例尿源性脓毒症危重患者,平均年龄70.5岁,43.4%为男性。按logLDAR三分位分组后,最高三分位数组患者的基础状况明显更差,表现为AKI比例更高(70.5% vs. 55.2%)、血管加压素使用更频繁(71.2% vs. 51.2%)、持续肾脏替代治疗(CRRT)使用更多(16.6% vs. 6.96%),且所有临床严重程度评分均与logLDAR水平呈正相关。最重要的是,高logLDAR组28天ICU死亡率(23.4% vs. 9.02%)和住院死亡率(22.1% vs. 8.24%)均显著升高(均P<0.001)。

**logLDAR与短期死亡率的关联:** 多变量Cox回归分析显示,logLDAR作为连续变量与ICU死亡率(主要模型2:HR=1.26, 95%CI: 1.17–1.36)和住院死亡率(HR=1.35, 95%CI: 1.25–1.45)均呈显著正相关。最高三分位数组的ICU死亡风险为最低组的1.79倍(95%CI: 1.40–2.30),住院死亡风险为2.29倍(95%CI: 1.77–2.96)。RCS曲线确认了线性剂量-反应关系。Kaplan-Meier生存曲线显示,随着LDAR三分位升高,生存时间逐步缩短。Fine-Gray竞争风险模型结果与Cox回归一致,连续logLDAR的sHR为1.36(1.27–1.46)。排除乳酸后的敏感性分析中,logLDAR的HR几乎不变(含乳酸:1.29;不含乳酸:1.30),证实了关联的稳健性。

**logLDAR的增量效应:** 将logLDAR加入六种传统严重程度评分后,所有评分的AUC均显著提高(DeLong P均<0.01)。ICU死亡率预测中,AUC增幅从SAPS II的+0.026(0.671→0.698)到Charlson合并症指数的+0.066(0.593→0.659)。加入logLDAR后APACHE II、SOFA和SAPS II的NRI和IDI均高度显著(P<0.001),表明LDAR提供了超越传统评分的实质性风险重分类改善。

**亚组与交互分析:** 按年龄、性别、种族和主要合并症分层分析一致表明,logLDAR与死亡率的正相关在所有预设亚组中保持稳定。虽然某些未校正交互P值接近显著——最显著的是AKI对ICU死亡率(P=0.049)——但经Benjamini-Hochberg错误发现率(FDR)校正后均不显著(FDR均>0.05),提示LDAR的预后效应在不同患者群体中具有广泛一致性。

**外部验证:** 外部验证队列370例患者28天死亡率为11.89%。与内部队列一致,非幸存者的logLDAR水平显著高于幸存者(7.50±1.16 vs. 6.68±1.02, P<0.001)。在调整年龄和AKI的简约Cox模型中,logLDAR每增加1个单位,28天死亡风险增加52%(HR=1.52, 95%CI: 1.23–1.87, P<0.001)。RCS分析验证了线性正剂量-反应关系(P<0.001)。

**logLDAR的临床价值:** 通过最大化约登指数确定预测28天ICU死亡率的最佳logLDAR截断值为7.010,敏感性51.0%,特异性69.7%。中等敏感性排除了其作为独立排除筛查工具的用途,但相对较高的特异性提示升高的logLDAR能有效"纳入"真正高风险的患者。

**LDAR相关风险预测模型的构建:** 四种机器学习算法联合筛选出七个核心预测因子:logLDAR、红细胞分布宽度(RDW)、二氧化碳结合力(CO2CP)、乳酸(LAC)、国际标准化比值(INR)、总胆红素(TB)和尿素(UREA)。风险评分公式为:风险评分 = -5.598 + 0.317×logLDAR + 0.070×RDW – 0.002×CO2CP + 0.034×LAC + 0.103×INR + 0.025×TB + 0.006×UREA。该模型在内部训练集、内部验证集和外部验证集的AUC分别为0.674、0.677和0.783。5折和10折交叉验证平均AUC分别为0.668±0.013和0.672±0.043,提示过拟合程度极低。Hosmer-Lemeshow检验在所有队列中均不显著(训练集P=0.251,验证集P=0.155,外部P=0.121),Brier评分分别为0.126、0.116和0.096。DCA显示,与单独使用logLDAR和传统评分相比,该模型在较宽阈值概率范围内均具有更高的净获益。

**四、讨论与结论**

本研究首次在较大样本的尿源性脓毒症危重患者中证实,升高的logLDAR是28天ICU死亡率和住院死亡率的独立危险因素,呈线性剂量-反应关系,且该关联在多种调整模型、竞争风险分析和敏感性分析中保持稳健,在不同患者亚组中表现一致。LDAR整合了互补的病理生理信息:LDH直接反映组织缺氧、细胞坏死和代谢紊乱,ALB则反映营养储备、全身炎症和肝脏合成功能。在尿源性脓毒症的特定背景下,上行感染导致急性肾盂肾炎时直接引起肾小管上皮细胞坏死(LDH在肾小管细胞中含量丰富),尿源性脓毒症相关AKI可损害肾小球滤过屏障导致蛋白尿和白蛋白丢失,肾后梗阻引起的压力性肾病也影响LDH释放和肾脏白蛋白处理,从下尿路感染到肾盂肾炎再到菌血症的进展涉及逐步升级的组织损伤,可能反映在LDAR的梯度升高上。因此,升高的LDAR精准识别了"严重损伤"和"储备不足"的高危临床组合。

相较于既往LDAR研究,本研究的进展包括:双队列设计(内部MIMIC-IV探索和独立外部验证)有效减少了过拟合和单中心偏倚;首次系统量化了LDAR加入六种广泛使用的严重程度评分系统的增量价值;联合四种机器学习算法进行变量筛选比传统逐步回归更为严谨透明;确定了最佳LDAR截断值(7.010)并提出了实用的两步策略(入院时先以LDAR快速风险分层,再以传统评分精确评估)。

局限性包括回顾性设计不能消除选择偏倚和未测量的混杂因素;LDAR敏感性仅51.0%,7变量模型内部AUC仅0.674–0.677,提示仍有重要预测因子未被识别;外部验证队列相对较小(n=370)且为单中心;仅使用基线LDH和ALB值,未探索动态变化;尽管多重插补假设随机缺失,但不能完全排除非随机缺失造成的偏倚。未来需要前瞻性、多中心、动态LDAR监测的研究来验证其临床效用,并评估LDAR指导的临床决策路径能否真正改善尿源性脓毒症患者的预后。

**研究结论翻译:** 采用内部探索队列和独立外部验证队列的双回顾性设计,本研究系统性地证明:升高的logLDAR是尿源性脓毒症危重患者28天ICU死亡率和住院死亡率的独立危险因素,呈线性剂量-反应关系;将logLDAR加入六种传统严重程度评分可中等程度改善其预测性能;基于包括logLDAR在内的七个核心变量、通过机器学习衍生的风险预测模型,展现出与传统评分相当或中等改善的预测能力,并具有可接受的跨队列稳定性。虽然LDAR作为独立工具的敏感性有限,但其简便、快速可得和可重复性为其作为现有评分系统的有用补充提供了实用价值,特别是在需要快速风险分层的资源有限环境中。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号