重症患者的肥胖悖论与低血糖
该研究基于四个大型国际重症数据库(n=259,177,5,544,366次血糖测量),分析BMI与血糖、低血糖及院内死亡率的关系。未调整分析显示BMI升高伴随平均血糖升高,但死亡率降低且低血糖率降低;多变量分析中,与正常BMI(18.5-25 kg/m2)相比,BMI 25-30、30-35 kg/m2的低血糖OR分别为0.72(95%CI 0.67-0.77)和0.65(95%CI 0.60-0.71),低BMI组OR 1.6(95%CI 1.43-1.79)。高BMI与死亡率降低的关联在糖尿病患者中不适用,但糖尿病患者高BMI仍与低血糖风险降低相关。低血糖风险降低可能部分解释肥胖悖论。
要点
- 多变量分析中,与正常BMI(18.5-25 kg/m2)相比,BMI 25-30、30-35 kg/m2的低血糖(血糖≤70 mg/dL)OR分别为0.72(95%CI 0.67-0.77)和0.65(95%CI 0.60-0.71),均p<0.001。
- 低BMI组(<18.5 kg/m2)低血糖风险显著升高,OR 1.6(95%CI 1.43-1.79,p<0.001)。
- 未调整分析中,BMI 25-30和30-35 kg/m2组平均血糖分别较正常BMI组升高5和10 mg/dL,但院内死亡率平均降低2%和3.25%,低血糖率平均降低2.5%和3.5%。
- 糖尿病患者中,高BMI与死亡率降低的关联不适用(pooled数据集p=0.81),但高BMI仍与低血糖风险降低相关(p<0.001)。
- 低血糖及其复发与糖尿病和非糖尿病患者死亡率增加相关,且该关系在不同BMI组间无显著改变。
适用人群与场景
- 四个国际重症数据库(AUMC、HiRID、MIMIC-III、eICU)中所有≥18岁、入住ICU时记录身高和体重的成人患者,n=259,177。
- 多变量分析队列n=85,074,排除了eICU中胰岛素使用率<20%的医院。
- 糖尿病亚组分析仅使用美国数据库(MIMIC-III和eICU),糖尿病诊断依据ICD-9编码。
- HbA1c亚组分析使用MIMIC-III中有记录HbA1c的4,202例患者。
诊断标准与关键阈值
- 低血糖定义:血糖≤70 mg/dL(≤3.9 mmol/L)。
- BMI分组采用WHO分类:underweight 0-18.5 kg/m2,normal 18.5-25 kg/m2,overweight 25-30 kg/m2,class I obese 30-35 kg/m2,class II obese 35-40 kg/m2,class III obese >40 kg/m2。
- 休克定义:平均动脉压<60 mmHg或使用血管升压药。
- HbA1c分组:非糖尿病<6.1%,糖尿病前期6.1-6.5%,中度控制糖尿病6.6-7.0%,控制不佳糖尿病>7.0%。
处置流程与药物剂量
- 原文未提及具体降糖药物剂量调整或低血糖处理方案;原文仅描述各数据库血糖目标范围:HiRID为81-180 mg/dL(4.5-10 mmol/L),AUMC使用GRIP系统时目标值为117 mg/dL(6.5 mmol/L),非计算机监测指南目标范围为110-160 mg/dL。
- 原文未提及基于BMI调整胰岛素或营养治疗的具体推荐。
红旗征与不能漏的情况
- 低血糖(血糖≤70 mg/dL)及其复发与糖尿病和非糖尿病患者死亡率增加相关,需警惕。
- 低BMI患者低血糖负荷更高(低血糖测量比例更高,p<0.001),且低血糖风险显著增加(OR 1.6)。
- 糖尿病患者总体低血糖率更高、血糖变异度更大(p<0.001),高BMI虽降低低血糖风险但不能消除该风险。
研究设计与关键结果
- 研究类型:多中心回顾性队列研究,基于四个大型重症电子健康记录数据库(AUMC、HiRID、MIMIC-III、eICU),共259,177例患者,5,544,366次血糖测量。
- 未调整分析:BMI升高与平均血糖升高、死亡率降低、低血糖率降低及血糖变异度升高相关(各p<0.001,HiRID死亡率p=0.047)。
- 多变量分析(n=85,074):与正常BMI相比,BMI 25-30、30-35、35-40 kg/m2的低血糖OR分别为0.72(95%CI 0.67-0.77)、0.65(95%CI 0.60-0.71)、0.61(95%CI 0.54-0.69),均p<0.001;低BMI组OR 1.6(95%CI 1.43-1.79,p<0.001);>40 kg/m2组OR 0.53(95%CI 0.46-0.61),但敏感性分析中不显著(O
- 糖尿病状态修饰关联:糖尿病患者中高BMI与死亡率降低的关联不适用(pooled数据集p=0.81),但MIMIC-III单库中仍显著(p<0.001);糖尿病患者高BMI仍与低血糖风险降低相关(p<0.001)。
- 非糖尿病患者中,平均血糖升高和血糖变异度升高与死亡率增加相关,且差异随BMI升高而减小;糖尿病患者中高血糖与死亡率降低相关。
证据类型、等级与局限
- 证据类型:多中心回顾性队列研究,基于四个大型重症数据库(AUMC、HiRID、MIMIC-III、eICU)。
- 局限:回顾性设计;BMI仅在入ICU时记录,未考虑住院期间变化;HiRID使用ICU死亡率替代院内死亡率;糖尿病诊断仅美国数据库有ICD-9编码;HbA1c亚组仅4,202例;>40 kg/m2组敏感性分析不显著可能因欧洲数据库病态肥胖患者数量少。
对床旁实践的改变
- 对低BMI(<18.5 kg/m2)重症患者应加强血糖监测,因其低血糖风险显著升高(OR 1.6)且低血糖负荷更高。
- 高BMI患者虽然平均血糖更高,但低血糖风险更低且死亡率更低,提示不应仅因高血糖而过度激进降糖,尤其需避免低血糖。
- 糖尿病患者高血糖与死亡率的关系不同于非糖尿病患者(高血糖不伴随死亡率增加),血糖管理策略需考虑糖尿病状态。
- 原文未提供基于BMI调整血糖目标或胰岛素剂量的前瞻性证据,不能据此改变具体降糖方案;关联性结论需前瞻性验证。
指南或共识出处
- 原文未提及指南或共识出处;研究数据来自AUMC、HiRID、MIMIC-III和eICU四个数据库。
全文中译16 节 · 点击展开
引言
超重和肥胖与多种合并症及危及生命的并发症危险因素相关[1–3]。它们还与长期死亡率增加密切相关[4, 5]。相反,多项研究发现,在心脏手术[6–11]和非心脏手术[12–17]后,超重和轻度肥胖患者的短期死亡率低于较瘦的患者。此外,在非手术人群中 también 观察到类似现象[18–20]。这种超重与短期死亡率之间违反直觉的关系被称为“肥胖悖论”[6–17],其确切解释尚未确立。然而,对该悖论的一种可能的部分解释可能与血糖控制有关。
脂肪组织在调节葡萄糖稳态中的作用已得到充分证实[21, 22]。测量多余脂肪组织最常用的替代指标是体重指数(BMI)。在这方面,利用一个国家健康数据库,最近对超过一百万韩国门诊2型糖尿病患者中BMI与严重低血糖关系的研究[23]发现,BMI与低血糖呈负相关。因此,较高的BMI似乎对低血糖具有保护作用。然而,BMI与低血糖在重症监护患者中的关联仍未得到探索。
因此,我们旨在探讨一组大型重症监护数据集中BMI与死亡率和血糖的关联。特别是,我们旨在研究以下假说:BMI升高的患者高血糖发生率增加,但低血糖和死亡率均降低。最后,我们试图了解糖尿病诊断如何影响这些关联。
方法
研究队列
我们研究了来自四个大型重症监护电子健康记录(EHR)数据库的患者:(a) 阿姆斯特丹大学医学中心数据库(AUMC)[24],来自阿姆斯特丹大学医学中心,收集于2003年至2016年;(b) 高时间分辨率重症监护数据库(HiRID)[25],来自伯尔尼大学医院重症医学科,收集于2008年至2016年;(c) 重症监护医学信息集市(MIMIC-III)[26]数据库,来自马萨诸塞州波士顿的贝斯以色列女执事医疗中心,收集于2001年至2012年;(d) eICU协作研究数据库[27],包含2014年和2015年从美国206家医院收集的数据。
四个数据库中所有在ICU入院时记录有身高和体重的成年患者(≥ 18岁)均纳入分析。体重指数(BMI)使用入院时的身高和体重计算,分析中未考虑住院期间BMI的变化。对于使用HbA1c水平的二次单变量分析,使用了MIMIC-III队列中记录有HbA1c值的子集。为减少胰岛素潜在的报告不足偏倚,对于多变量分析,eICU数据库中接受胰岛素治疗患者< 20%的所有医院被排除在分析之外(该阈值的选择与胰岛素患病率最低的MIMIC-III ICU中的胰岛素患病率相匹配)。我们将所得队列称为多变量队列。患者的研究流程图如图1所示。
主要结局是低血糖的发生(血糖 ≤ 70 mg/dL [≤ 3.9 mmol/L])。次要结局是院内死亡率。然而,对于 HiRID 数据集,未报告院内死亡率信息,因此该数据集使用 ICU 死亡率。HiRID 数据库中的血糖目标范围为 81–180 mg/dL(4.5–10 mmol/L)。在 AUMC 数据库中,对于使用血糖调节用于重症监护患者(GRIP)系统监测的患者,目标值为 117 mg/dL(6.5 mmol/L)[28],而在非计算机化监测的指南中,目标范围为 110–160 mg/dL,该指南在数据收集的最后一年使用。
我们获取了以下可能对低血糖发生具有重要意义的生理和治疗因素的数据:(a) 既往血糖水平,(b) 乳酸水平,(c) 是否存在休克(定义为平均动脉压 < 60 mmHg 或给予血管升压药),(d) 给予的胰岛素剂量(事件前 12 小时内最大每小时输注速率,单位为 U/h,包括间歇性推注给药(若有)),(e) 给予的葡萄糖剂量(每小时输注速率,单位为 mL/h,归一化为 10% 葡萄糖当量;不包括 5% 葡萄糖),(f) 是否存在肠外营养,(g) 是否存在肠内营养,以及 (h) 是否存在皮质类固醇给药。我们还使用所有患者中各组成部分的相关值估算了每小时序贯器官衰竭评估(SOFA)评分 [29]。我们报告了 ICU 入住 24 小时时考虑的关键变量的缺失情况。
我们分析中使用的所有数据均可公开获取。AUMC 数据库可通过 Amsterdam Medical Data Science 网站获取 [30]。HiRID、MIMIC-III 和 eICU 数据库可通过 PhysioNet 获取 [31]。
单变量分析
对于单变量分析,我们首先研究 BMI 是否与平均血糖水平相关。我们通过根据世界卫生组织分类将患者分为 BMI 组来完成这一点:体重不足(0–18.5 kg/m2)、正常(18.5–25 kg/m2)、超重(25–30 kg/m2)、I 级肥胖(30–35 kg/m2)、II 级肥胖(35–40 kg/m2)和 III 级肥胖(> 40 kg/m2)。对于每名患者,我们确定了 ICU 入住期间的时间加权平均血糖水平(不包括首次低血糖发生后的时间)。然后,对于每组,我们计算了时间加权平均血糖值的均值。此外,我们确定了每个 BMI 组的死亡率和在 ICU 入住期间发生低血糖事件的患者比例。我们还确定了每组血糖水平的平均变异系数。随后通过按入住类型分层重复这些分析,以确定入住类型之间是否存在重要差异。
此外,我们根据糖尿病诊断对分析进行了分层重复(此处仅使用美国数据库,其中糖尿病诊断通过ICD-9编码报告),以了解糖尿病对BMI与血糖结局及死亡率之间关联的影响。此外,在对糖尿病影响的二次分析中,使用MIMIC-III数据库中记录了HbA1c水平的子集,我们根据HbA1c水平将患者分为四组:非糖尿病(< 6.1%)、糖尿病前期(6.1–6.5%)、中度控制糖尿病(6.6–7.0%)、控制不佳糖尿病(> 7.0%)。
为探究血糖结局与死亡率的关联以及它们如何随BMI和糖尿病状态变化,我们进行了以下分析。对于时间加权平均血糖,我们将患者分为三组:70–140、140–180、> 180 mg/dL。对于每个时间加权平均血糖组,我们随后根据BMI分组和糖尿病诊断评估了死亡率(对ICU住院期间未发生低血糖的患者子集重复了该分析)。对血糖变异系数进行了类似分析,使用四组(< 10%、10–20%、20–30%、> 30%),对低血糖使用三组(0次、1次或> 1次低血糖发作)。
此外,我们评估了几项诊疗过程特征。对于每个BMI组,我们在上述相同时间窗内计算了血糖测量的平均每小时频率。仅使用血糖测量频率处于最高四分位数的患者,我们再次计算了每个BMI组中发生低血糖的患者比例,以确定监测频率是否影响了研究发现。此外,我们仅使用发生低血糖的患者计算了每个BMI组的死亡率。为探究低血糖的严重程度在不同BMI组之间是否存在差异,对于低血糖队列,我们为每位患者还计算了:(1) 最低血糖测量的平均值;(2) 总体低血糖负荷(定义为血糖测量值≤ 70 mg/dL的比例);(3) 低血糖发作次数(一次发作假定在低血糖测量后6小时结束,除非被非低血糖测量提前终止,或被随后的低血糖测量延长)。最后,在考虑用药方面,我们计算了平均最大胰岛素剂量(未调整和按患者体重调整)、平均平均葡萄糖剂量以及ICU住院期间肠外/肠内营养和糖皮质激素治疗的平均持续时间(排除低血糖发作后的时间)。所有点估计值均包含使用500次bootstrap重复获得的均值95%置信区间(CI)。对于每项分析,我们检验了BMI < 25 kg/m2患者与BMI ≥ 25 kg/m2患者之间是否存在数值分布差异。二分类变量使用χ2检验,连续变量使用Mann–Whitney U检验,并报告了获得的p值。
多因素分析
在建立BMI与低血糖之间的单变量关系后,我们在多变量模型中研究了BMI是否为低血糖的独立预测因子,该模型使用了上述关键变量。我们将BMI分类纳入多变量逻辑回归模型,并对每位患者纳入ICU入住6小时时的相关参数(既往血糖水平、乳酸水平、是否存在休克、给予的胰岛素剂量、葡萄糖剂量、肠外/肠内营养及皮质类固醇的使用情况)。然后我们确定该患者在随后6小时内(6至12小时之间)是否发生了低血糖事件。如果发生了低血糖事件,该结局标记为H = 1(表示低血糖),此后该患者的进一步数据不再纳入分析(即仅分析首次低血糖事件之前的数据)。如果ICU入住6至12小时之间未发生低血糖事件,则结局标记为H = 0,我们评估随后的6小时窗口(12至18小时之间),并以迭代方式重复该过程。
我们选择6小时的窗口时长,其短到足以进行准确预测,但又长到足以在未来临床实践中允许可能的预防性干预。对于测量频率较低的变量(肝功能检查),我们将其向前延续最多48小时,除非有新的测量值可用。对于测量频率较高的变量(血糖、乳酸、平均动脉压),向前延续时间始终≤ 24小时。如果向前延续期内没有后续测量值,则使用中位数插补直至下一个观测值。
上述多变量逻辑回归模型对所有数据联合拟合,其中我们将数据库作为额外预测因子纳入。我们报告了估计的优势比(OR)及其置信区间。使用χ2检验来检验BMI作为分类变量的显著性,并报告其p值。我们还检查了模型的广义方差膨胀因子(GVIF)[32],以检验多重共线性。此外,为了解决缺失程度的问题,我们在BMI和乳酸水平缺失率较低的数据子集上进行了敏感性分析(BMI缺失< 5%,乳酸缺失< 15%)。多变量模型也仅在美国数据库上进行了拟合,其中糖尿病诊断作为预测因子纳入。
苏黎世州伦理委员会豁免了本研究需要伦理批准的要求(Request-2021–00,618)。对于统计分析和数据加载,我们使用了ricu R包[33]和R统计软件[34] 4.1.0版本。分析中使用的所有代码可在Github https://github.com/eth-mds/bmi 上获取。
在全文范围内,凡相关数值也按数据库分别报告时,我们首先报告AUMC数据库的数值,随后依次报告HiRID、MIMIC-III和eICU的数值,除非另有明确说明。
结果
有BMI记录的成年患者比例为83.5%(各数据库分别为93.6%、92.5%、46.2%、90.7%),研究队列包含259,177名患者(各数据库分别为21,624、31,348、24,623、181,582名),共有5,544,366次血糖测量。
对于多因素分析,我们使用了多因素队列,该队列由85,074名患者组成。多因素分析考虑了507,977次乳酸测量值、7,397,330个MAP值、1,840,259小时的血管升压药给药、1,302,135小时的胰岛素给药、56,700小时的葡萄糖给药、215,463小时的肠外营养、760,157小时的肠内营养和59,064小时的糖皮质激素治疗。在调查HbA1c水平的二次分析中,我们使用了MIMIC-III队列中4202名有记录值的患者子集。
MIMIC-III患者的平均ICU和住院时间最长。所有队列的平均年龄约为65岁,男性比例略高(表1)。队列中的SOFA评分和死亡率也见表1。有BMI记录的患者与BMI缺失患者的特征比较报告于附加文件1。
36,731名(14.1%)患者发生了低血糖。按BMI组和数据集分组的ICU入住24小时生理标志物缺失情况报告于附加文件2和附加文件3。
按BMI进行的单因素比较
在对总体研究人群的单因素分析中,BMI值升高与较高的平均血糖水平(图2a,所有p < 0.001)、较低的死亡率(图2b,HiRID的p = 0.047,其他的p < 0.001)、较低的低血糖发生率(图2c,所有p < 0.001)和较高的血糖变异性(图2d,所有p < 0.001)相关。无论入院类型如何,均观察到相同的关联(图3,所有p < 0.001)。
糖尿病的影响
然而,对于糖尿病患者,时间加权平均血糖与BMI的关联发生了逆转,即低BMI患者的平均血糖水平更高(图4a,p < 0.001)。此外,高BMI与死亡率降低的关联在合并数据集中不适用于糖尿病患者(图4b,p = 0.81)。然而,仅在MIMIC-III数据集中,较高BMI的糖尿病患者与正常BMI患者相比,死亡率仍然较低(p < 0.001)。尽管糖尿病患者总体上低血糖发生率更高(图4c)且血糖变异性更大(图4d,p < 0.001),但较高的BMI水平也与低血糖风险降低相关(图4d,p < 0.001)。在考虑HbA1c水平时,我们发现对于< 6.1%组,BMI增加与较高的平均血糖相关(p = 0.001)、较低的死亡率相关(p = 0.04)和较低的低血糖发生率相关(p < 0.001),而对于其他三组,这些关联无统计学意义(图5a–c,所有p > 0.05)。在每个HbA1c组中,BMI水平升高与较低的血糖变异性相关(图5d,所有p < 0.05)。
血糖结局与死亡率的关联
在非糖尿病患者中,每个BMI组内平均血糖水平升高均与死亡率增加相关,尽管BMI值越高风险差异越小(图6)。对于糖尿病患者,血糖水平升高与死亡率降低相关(图6)。当考虑ICU住院期间未发生低血糖的患者亚组时,这些关联保持非常相似(图7)。与平均血糖水平类似,在非糖尿病人群中,每个BMI组内血糖变异性增加均与死亡率增加相关,但在糖尿病人群中并非如此(图8)。低血糖及其复发与糖尿病组和非糖尿病组的死亡率增加均相关,且这种关系似乎未受到BMI组的强烈调节(图9)。
诊疗过程特征
BMI较高的患者血糖监测更频繁(附加文件4面板a,所有p < 0.001),但当仅考虑所有BMI值中血糖测量频率最高四分位数的患者时,我们观察到低血糖发生率曲线形状相同(附加文件4面板b,所有p < 0.001)。在AUMC和eICU数据集的低血糖队列中,不存在肥胖悖论的零假设被拒绝(分别为p < 0.001,p = 0.024),而在HiRID和MIMIC-III数据集的低血糖队列中未被拒绝(分别为p = 0.83,p = 0.46,见附加文件4面板c)。低BMI患者的低血糖负荷更高(附加文件4面板e,所有p < 0.001)。低BMI患者低血糖是否更可能复发尚不确定(附加文件4面板f,AUMC的p = 0.01,其他p > 0.05)。最低血糖水平是否因BMI不同而不同也不确定(附加文件4面板d,p值分别为0.04、0.07、0.55和0.008)。
BMI较高的患者接受了更高的胰岛素剂量(附加文件5面板a,所有p < 0.001),即使按患者体重校正后亦然(附加文件5面板b,所有p < 0.001)。我们未观察到BMI与葡萄糖、肠外营养和肠内营养之间的一致关联(附加文件5面板c、d、f)。BMI较高的患者接受皮质类固醇治疗的可能性较低(所有p < 0.001),但该关联呈U形(附加文件5面板e)。对于每个BMI分组和每个数据库,所有诊疗过程特征和患者数量另见附加文件6。
多变量比较
表2列出了多变量分析中纳入变量的比值比(OR)及其置信区间(CI)。该模型的最大GVIF值为1.55,表明多重共线性对系数估计不构成问题。经调整后,与正常BMI组(18.5–25 kg/m2)相比,较高的BMI组25–30、30–35、35–40 kg/m2的降糖率显示出统计学显著降低,其OR(括号内为95% CI)分别为0.72(0.67–0.77)、0.65(0.60–0.71)和0.61(0.54–0.69)(所有p < 0.001)。此外,与正常体重组相比,低BMI组显示出低血糖发生率增加(OR 1.6,CI 1.43–1.79),而> 40 kg/m2组显示出低血糖发生率降低(OR 0.53,CI 0.46–0.61),尽管在敏感性分析中该发现无统计学显著性(OR 0.83,CI 0.48–1.41),可能是由于欧洲数据集中病态肥胖患者数量较少。在敏感性分析中考虑数据缺失率低的子集(2009至2016年的AUMC入院记录及所有HiRID入院记录,表2)时,总体发现一致。在美国数据库中将糖尿病诊断作为预测变量纳入时,发现也一致(表2)。
讨论
关键发现
在一项针对来自美国和欧洲的多个大型数据集的研究中,我们发现较高BMI的患者具有较高的平均血糖水平和更频繁的血糖测量,但尽管高血糖更为严重,与正常或低BMI患者相比,其死亡风险却降低。然而,我们还发现较高BMI患者的低血糖风险降低且血糖变异性较低。我们注意到这些发现受到糖尿病存在的影响。最后,在将几个主要的时间依赖性危险因素纳入logistic回归模型后,我们在多变量分析中证实了BMI增加与低血糖发生率降低之间的关联。
与既往文献的关系
本研究的许多发现似乎与其他几项涉及肥胖悖论的研究结果一致[6–11, 13–20]。然而,较高BMI既与高血糖相关又与死亡率降低相关的发现是新颖的。较高BMI似乎保护患者免于低血糖的发现同样如此。在这方面,较高的BMI,如同糖尿病的诊断[35],似乎消除了较高血糖与死亡率增加之间的联系。BMI对血糖与死亡率关联的影响也受糖尿病存在调节的发现是新颖的,并支持了以下观点:BMI和糖尿病对生化和临床结局存在重叠影响,且糖尿病患者代表一个独特的人群,在所有血糖及其要素和关联的评估中需要单独考虑[34]。
低血糖发生率曲线相对于BMI值的形状提示,超重和轻度肥胖患者发生低血糖的风险特别低。这一发现,连同风险曲线的形状,与一项关于2型糖尿病门诊管理期间严重低血糖的研究结果高度一致[23]。BMI可能影响低血糖风险的机制无法从我们的研究中推断。一种可能的解释与胰岛素抵抗有关,已知胰岛素抵抗与较高的BMI相关[36, 37]。由于低血糖是与死亡率增加相关的不良结局[38, 39],较高的BMI降低低血糖风险这一事实可能为BMI悖论提供部分解释。然而,我们承认还存在其他可能的解释或促成因素,例如脂肪组织和脂肪细胞在吸收和减轻炎症反应中的作用[40, 41]。
研究发现的意义
我们的发现意味着,高BMI患者与糖尿病患者一样,尽管高血糖更严重,但死亡率却降低。此外,它们意味着较高BMI患者的低血糖发生率较低,这一效应在糖尿病患者中也可观察到。尽管可能还有其他重要因素促成肥胖悖论,例如较高的BMI可能提示较高的瘦体重,但我们的发现意味着对血糖的差异性影响可能有助于解释肥胖在危重疾病中看似保护性的效应[38, 39, 42, 43]。此外,我们的发现意味着BMI与死亡率的关联受到糖尿病诊断的影响,表明糖尿病患者代表着一个独特的群体,能够可靠地改变大多数血糖方面与结局之间的联系。我们承认,我们的某些发现也可以被解释为意味着体重不足是更大的死亡风险,而不是超重具有保护作用。然而,风险的变化是与正常值相比较的,并且可以观察到即使在正常BMI值范围内,风险也随BMI的变化而进展。它们还为基于精准医学的血糖控制方法提供了依据,该方法将考虑BMI的意义和影响。
优势与局限性
本研究具有若干优势。它纳入了来自欧洲和美国四个大型国际队列的超过250,000例ICU患者住院记录。这些队列在外科和内科入院构成方面具有异质性(MIMIC-III以内科为主,AUMC以外科为主),赋予研究结果一定程度的外部效度。此外,在调整其他已知的低血糖患者和治疗危险因素后,BMI增加与低血糖率降低之间的关联仍然显著。在多变量分析中,时变危险因素仅分析至低血糖发生时间为止,这减弱了反向因果关系的风险。研究结果在所有四个异质性队列中的一致性以及与现有文献的一致性支持了以下假设:BMI增加对低血糖率具有生理性保护作用。因此,基于这一新发现,BMI可作为低血糖预测模型中的独立因素。
我们的研究也存在一些局限性。这是一项观察性研究,可能存在系统性抽样偏倚。此外,并非所有患者都有记录的BMI值。然而,为解决这一问题,我们在缺失水平较低的数据库子集上进行了敏感性分析,结果保持一致。体重不足和II/III级肥胖组的患者数量较少,这反映在这些组的置信区间较宽,限制了得出确定性结论的能力。然而,正常BMI患者相比超重患者在死亡率和低血糖方面风险更高的关联仍然存在,且这些组的患者数量较大。我们也承认BMI是一个不完美的人体测量指标。它没有考虑瘦体重与脂肪体重的比例,也没有考虑体脂分布,这两者可能在解释观察到的肥胖悖论中发挥作用。我们对糖尿病患者群体的评估提供了数据,提示糖尿病可能影响BMI调节血糖各方面与死亡率之间关联的方式,但本手稿中未进行多变量分析来证实这一发现。此外,此类发现仅限于能够识别糖尿病的美国数据库。另外,HbA1c水平仅对MIMIC-III患者的一个亚组可用,基于这些数据无法得出确定性结论。这些局限性存在问题,所获得的数据可能不够稳健,因为在MIMIC-III数据集中,血糖测量之间的平均时间间隔为9至10小时,反映出监测频率<每天3次。如此低的测量频率可能影响糖尿病和非糖尿病患者中血糖异常的检出率。最后,我们的分析未考虑口服降糖药的使用。AUMC数据库是唯一报告口服降糖药使用的数据库。它报告此类使用占患者总住院日的0.5%,表明其在该数据集中未被广泛使用。
结论
我们的发现提供了新的证据,表明与正常BMI相比,高于规范值的BMI是糖尿病患者和非糖尿病患者低血糖风险降低的独立预测因素,而低于正常值的BMI则预测风险增加。这些发现提示在评估低血糖作为死亡率预测指标的意义时以及在估计危重患者低血糖风险时需要考虑BMI。此外,我们的研究还证实了BMI值升高与死亡率之间的反向关系,这种关系似乎尽管随着BMI升高而出现更严重的高血糖(已知的死亡率预测因素)仍然存在,但也似乎受到糖尿病存在与否的修饰。综合来看,我们的发现意味着未来关于危重患者血糖的研究应控制糖尿病和BMI两者的影响。
补充信息
附加文件1。有记录BMI的患者与BMI缺失患者的特征比较。有记录BMI的患者与BMI缺失患者的人口学特征(年龄、性别)和重要结局(死亡率、低血糖、住院时间、SOFA评分)的表格摘要。
附加文件2。ICU入住第一天各BMI组关键生理参数的缺失情况(图)。肌酐、乳酸、胆红素、血小板、PaO2/FiO2比值、平均动脉压、GCS和葡萄糖缺失情况的可视化总结。
附加文件3。ICU入住第一天各BMI组关键生理参数的缺失情况(表)。肌酐、乳酸、胆红素、血小板、PaO2/FiO2比值、平均动脉压、GCS和葡萄糖缺失情况的表格总结。
附加文件4。诊疗过程分析。a 较高BMI患者更频繁地监测血糖水平;b 低血糖发生率降低与高BMI的关联同样出现在血糖测量频率位于最高四分位数的患者中;c 仅低血糖患者中死亡率与BMI的关联;d 各BMI组低血糖的严重程度;e 各BMI组低血糖负荷;f 各BMI组低血糖的复发情况。
附加文件5。BMI与血糖控制相关关键治疗变量的关联。所有四个数据库中BMI组与胰岛素速率、体重归一化胰岛素速率、肠外营养持续时间、肠内营养持续时间、皮质类固醇持续时间和葡萄糖输注速率关联的可视化总结。每个面板中数据库名称后的括号内报告了各数据库中接受治疗的患者比例。
附加文件6。诊疗过程特征。诊疗过程特征的表格总结,包括时间加权平均血糖、连续血糖测量之间的平均时间、平均最大胰岛素、平均体重归一化最大胰岛素、肠外营养平均持续时间、肠内营养平均持续时间、皮质类固醇治疗平均持续时间和平均葡萄糖输注速率。
参考来源
- Plečko, Bennett, Mårtensson, et al. The obesity paradox and hypoglycemia in critically ill patients. Crit Care. 2021. PMID: 34724956. doi:10.1186/s13054-021-03795-z
- 全文:PMC8559391(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8559391/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。