广州中医药大学用MIMIC数据库发1区，热乎的
广中医今年一区真不少！12月又见一篇，发表在8.8分Critical Care
文章标题：Lymphocyte count trajectories are associated with the prognosis of sepsis patients
⭕️研究背景：脓毒症（sepsis）是导致重症监护病房高入院率和死亡率的主要原因之一，其特征为免疫失调引起的多器官功能障碍。淋巴细胞在脓毒症期间的免疫反应中扮演着关键角色，淋巴细胞减少（lymphopenia）与二次感染的易感性增加、更严重的脓毒症病情及更高的死亡率有关。以往的研究通常只关注固定时间点的淋巴细胞计数，忽略了其动态变化及其与脓毒症预后的关系。由于淋巴细胞计数易于获取，因此它可能作为连续监测免疫状态的有价值指标。
⭕️研究方法（详见图2）
⭕️研究结果：研究确定了三类不同的淋巴细胞计数轨迹：1) “快速-缓慢下降”组（Rapid-slow decrease），包括16.7%的患者，在最初的三天内淋巴细胞计数迅速下降，随后缓慢降低；
2) “稳定”组（Stable），包括46.1%的患者，其淋巴细胞计数相对稳定；
3) “快速-缓慢上升”组（Rapid-slow increase），包括37.2%的患者，淋巴细胞计数在最初三天迅速增加，之后以较低水平缓慢上升。
患者的基线特征在这三个轨迹之间存在显著差异。轨迹3的患者表现出最长的住院时间、较高的APSIII、OASIS和MELD评分以及更多的共病情况，并且28天死亡率最高（22.9%）。
相比之下，轨迹1的患者虽然住院时间最短，但7天死亡率最高（12%）。
Cox回归分析和Kaplan-Meier生存曲线显示，与轨迹2相比，轨迹3与28天死亡率增加相关（HR 1.61, 95% CI 1.34–1.92, p< 0.001），而轨迹1与7天死亡率增加相关（HR 1.58, 95% CI 1.16–2.15, p= 0.004）。
调整混杂因素后，轨迹3仍然是7天和28天死亡率的独立风险因素，而轨迹1则不再显著。
⭕️文章总结：该研究利用MIMIC-IV数据库中的数据，通过基于群体的轨迹模型（GBTM）分析了3,152名脓毒症患者的淋巴细胞计数变化轨迹，揭示了三种不同的淋巴细胞计数模式，并发现这些模式与患者的预后密切相关。研究结果支持了针对不同脓毒症亚型的个性化治疗策略的发展，特别是对于具有炎症或免疫抑制特征的患者，可以考虑采用抗炎或免疫刺激疗法。
数据筛选与准备：
- 数据来源
从 MIMIC-IV v3.1 数据库中提取了 24,792 名成年脓毒症患者的数据，这些患者根据 Sepsis-3.0 标准（疑似感染和 SOFA 评分增加 ≥2）被诊断为脓毒症。 - 排除标准
排除了具有特定条件（如长期使用类固醇、移植状态、恶性肿瘤、风湿性疾病或血液系统疾病等）的患者，最终保留了 12,078 个病例。 - 研究对象选定
选择了在 ICU 入院后的 7 天内至少有两次淋巴细胞计数测量结果的 3,152 名患者作为研究对象。
基于群体的轨迹模型（GBTM）应用：
- 使用 GBTM 来识别淋巴细胞计数的异质性轨迹。GBTM 是一种能够处理不平衡面板数据和缺失值的统计方法。
- 通过 Akaike 信息准则（AIC）、贝叶斯信息准则（BIC）以及临床合理性选择最佳的轨迹模型。最终确定了三类淋巴细胞计数轨迹模型。
基线特征比较：
对三种轨迹组的基线特征进行了比较，包括年龄、性别、住院时间、ICU 停留时间、SOFA 评分、GCS 评分、APSI 评分、OASIS 评分、SIRS 评分、MELD 评分、Charlson 共病指数等。采用适当的统计检验（如 Kruskal-Wallis 检验、卡方检验等）来评估各组之间的差异。
生存分析：
- 使用 Cox 比例风险回归模型分析了不同淋巴细胞计数轨迹与死亡率之间的关系。首先进行了单变量分析，随后逐步调整了多个混杂因素，包括人口学特征、生理评分、共病情况等。
- 绘制了 Kaplan-Meier 生存曲线，直观地展示了不同轨迹组在 28 天内的生存差异，并通过对数秩检验（log-rank test）比较了各组间的生存分布。
亚组分析：
进行了按疾病情况进行分层的亚组分析，以评估共病是否影响淋巴细胞计数轨迹与患者预后之间的关联。结果显示，共病并未显著改变改变这种关联。
