最近发到1区的MIMIC研究工作量解读😁

⭕️文献标题

Joint association of the triglyceride-glucose index and stress hyperglycemia ratio with incidence and mortality risks of new-onset atrial fibrillation during sepsis: a retrospective cohort study（湘雅团队出品）

《脓毒症患者新发房颤的发病率及死亡率风险：甘油三酯-葡萄糖指数与应激性高血糖比率的联合预测作用》，2025年4月，Cardiovascular Diabetology，IF=8.5

⭕️研究背景

脓毒症常伴随心血管并发症，新发房颤（NOAF）显著增加患者死亡率。研究聚焦两个代谢指标：

TyG指数（甘油三酯-葡萄糖指数）：反映胰岛素抵抗，与慢性代谢紊乱相关。

SHR（应激性高血糖比率）：评估急性应激性高血糖，独立于基础血糖水平。

科学问题：二者单独或联合是否能预测脓毒症患者NOAF的发病率和长期死亡率？

⭕️关键统计过程（详见图2）

⭕️关键结果

NOAF发病率：

TyG最高组（>9.11）风险↑36%，SHR最高组（>1.09）风险↑35%。

联合效应：TyG+SHR均高组风险最高（OR=1.58）。

360天死亡率：

TyG最高组死亡风险↑59%，SHR最高组↑67%。

联合预测效能：TyG+SHR组合AUC=0.696，显著优于单一指标（p<0.05）。

机器学习验证：随机森林模型AUC最高（0.807），整合TyG+SHR提升预测准确性。

⭕️简要结论

TyG和SHR是脓毒症患者NOAF发病和长期死亡的独立预测因子。

联合应用可显著提高死亡风险分层能力，帮助临床优先管理高危患者。

⭕️本文思维分享

选题亮点：填补空白，首次探讨TyG+SHR联合预测脓毒症NOAF的长期预后。

多重校正策略：基础模型（年龄、心衰等）→扩展模型（SOFA评分、实验室指标）→IPTW平衡混杂。

非线性关系处理：限制性立方样条（RCS），揭示TyG与死亡风险的U型关联，避免线性假设偏差。

模型验证：校准曲线+DCA分析，不仅看AUC，还要评估临床实用性和预测一致性。

数据收集

数据来源：使用 Medical Information Mart for Intensive Care (MIMIC)-IV 数据库，涵盖 2008–2019 年间的数据。
数据提取：提取患者的人口统计学信息（年龄、性别）、生命体征（平均血压、呼吸频率、心率、体温、SOFA 评分）、合并症（心肌病、心内膜炎、冠心病、急性心肌梗死、慢性心力衰竭、高血压、糖尿病、慢性肝病、急性呼吸窘迫、急性肾损伤、肥胖等）、实验室指标（白细胞、红细胞、血小板、血红蛋白、糖化血红蛋白、肌酐、尿素氮、天门冬氨酸氨基转移酶、丙氨酸氨基转移酶、钠、钾、钙、镁、氯、磷、乳酸、总胆固醇、低密度脂蛋白、高密度脂蛋白等）以及在入院后 48 小时内使用升压药、糖皮质激素和血管活性药物以及机械通气的情况信息。

数据预处理

数据清洗：排除不符合纳入标准的患者，如 ICU 住院时间少于 24 小时、年龄小于 18 岁、数据缺失（空腹血糖、糖化血红蛋白、甘油三酯）等。
数据分组：根据 TyG 指数和 SHR 的值将患者分为不同的组别，以便进行分层分析。
数据值处理：对于缺失值，采用多重插补技术替换为均值等方法进行处理。

描述性统计分析

连续变量：以均值 ± 标准差表示，采用 Student’s t 检验或 Wilcoxon 秩和检验进行组间比较。
分类变量：以频数和百分比表示，采用卡方检验或 Fisher 精确检验进行组间比较。

指数计算

SHR 计算：公式为 \text{空腹血糖 (mg/dL)} / [28.7 \times \text{糖化血红蛋白 (\%)} - 46.7]
TyG 指数计算：公式为 \ln[\text{空腹甘油三酯 (mg/dL)} \times \text{空腹血糖 (mg/dL)}]/2

关联指标分析

发生率关联分析：

单变量逻辑回归模型：评估 TyG 指数和 SHR 与新发房颤发生率之间的关系。
多变量逻辑回归模型：在调整潜在混杂因素后，进一步评估这种关联。模型 1 调整了年龄、慢性心力衰竭、冠心病、糖尿病、高血压、高血脂、心率和体温；模型 2 在模型 1 的基础上增加了白细胞、红细胞、血小板、镁、钠、抗生素、血管活性药物和机械通气等因素。

死亡率关联分析：

单变量 Cox 比例风险模型：评估 TyG 指数和 SHR 与死亡率风险之间的关系。
多变量 Cox 比例风险模型：在调整潜在混杂因素后，进一步评估这种关联。模型 1 调整了心肌病、冠心病、急性心肌梗死、急性呼吸窘迫、急性肾损伤、心率、呼吸频率；模型 2 在模型 1 的基础上增加了 SOFA 评分、钠、钾、钙、天门冬氨酸氨基转移酶、肌酐、尿素氮、钙、钾、乳酸、氯、低密度脂蛋白、糖皮质激素使用和机械通气等因素。
联合评估：将 TyG 指数和 SHR 结合作为一个整体，评估其对死亡率风险的预测能力。

模型评估与验证

Kaplan-Meier 生存分析：评估不同组别患者的累积死亡率。
限制性立方样条 (RCS) 分析：评估 TyG 指数和 SHR 与死亡率风险之间的剂量反应关系。
受试者工作特征 (ROC) 曲线分析：评估 TyG 指数、SHR 以及联合指标的预测能力，计算曲线下面积 (AUC)。
校准曲线：评估预测概率与实际结果的匹配程度。
决策曲线分析 (DCA)：评估预测模型的临床效用。
机器学习模型：采用 Lasso 回归筛选变量，然后利用随机森林（RF）、XGBoost 和支持向量机（SVM）模型预测 360 天死亡风险，并通过 ROC 曲线评估模型性能。

敏感性分析

倾向得分加权 (IPTW)：用于进一步校正潜在混杂因素，增强结论的稳健性。