休克代谢组学分型:面向个体化重症治疗的病理生理洞察
本研究为ShockOmics前瞻性观察试验的辅助分析,纳入日内瓦大学医院与Erasme大学医院ICU收治的60例脓毒性或心源性休克患者,于入ICU 16小时内采集血浆行靶向代谢组学检测(130种代谢物),采用UMAP降维与DBSCAN聚类识别代谢表型并比较住院死亡率。共识别3个聚类:聚类1(n=13)APACHE II中位数29、死亡率54%,生物胺与糖类升高;聚类2(n=24)APACHE II中位数25、死亡率38%,甘油磷脂与鞘脂升高而生物胺与糖类不高;聚类3(n=23)APACHE II中位数22、死亡率9%,各代谢物家族普遍降低。多因素logistic回归校正APACHE II与器官衰竭数后,聚类1和2的住院死亡率仍显著高于聚类3,模型乐观校正c-index为0.84。作者认为代谢分型可揭示超越临床严重度的宿主反应异质性,但样本量小、观察性设计限制因果推断,需外部验证。
要点
- 聚类2患者初始APACHE II中位数25、与聚类3(22)相近,但住院死亡率38% vs 9%(p=0.007),呈现临床严重度低而预后差的高危亚组。
- 聚类1代谢上表现为生物胺与糖类升高(分别p=0.01、p<0.01),鞘脂亦高于聚类3(p=0.006),APACHE II中位数29、死亡率54%。
- 聚类3各代谢物家族普遍降低,APACHE II中位数22、死亡率9%,作者将其解释为适应良好的代谢静息表型。
- 聚类1与聚类2死亡率54% vs 38%差异未达统计学显著(p=0.34);校正APACHE II与器官衰竭数后,聚类1和2死亡率仍显著高于聚类3。
- 1000次bootstrap重采样聚类稳定性高(平均Jaccard指数0.964);排除6例Z-score>5的极端代谢谱患者后,聚类1和2归属不变,聚类3分裂为两个亚组。
适用人群与场景
- ShockOmics前瞻性观察试验的辅助分析,纳入2014年10月至2016年3月日内瓦大学医院与Erasme大学医院ICU收治的脓毒性或心源性休克患者。
- 纳入标准:年龄>18岁,SOFA评分>5,动脉乳酸≥2 mmol/l;脓毒性休克还需入院时记录感染源。
- 排除标准:入院24小时内死亡高风险、免疫抑制、血液系统疾病、转移性恶性肿瘤、既往透析、失代偿性肝硬化,或筛查前已输注>4单位红细胞或任何新鲜冰冻血浆。
诊断标准与关键阈值
- 脓毒性休克定义:脓毒症诱导的低血压,收缩压<90 mmHg或较基线下降>40 mmHg,或平均动脉压<65 mmHg,且充分液体复苏后持续存在。
- 心源性休克定义:低血压(收缩压<90 mmHg或较基线下降>40 mmHg,或平均动脉压<70 mmHg)在充分液体复苏后持续存在,且无支持时心脏指数<1.8 L/min/m2,或使用正性肌力药或心脏辅助装置时<2.0–2.2 L/min/m2。
- 代谢物于入ICU 16小时内采集血浆检测;采用AbsoluteIDQ® p180试剂盒定量186种代谢物,经质控后130种纳入分析。
- 聚类参数:UMAP默认设置降至二维,DBSCAN minPts=5、eps=0.7,得到3个聚类且无噪声点。
红旗征与不能漏的情况
- 聚类2患者初始APACHE II中位数25、与聚类3相近,但住院死亡率38%,作者称其为「临床欺骗性高危亚组」,提示临床严重度评分可能低估此类患者的死亡风险。
研究设计与关键结果
- 研究类型:ShockOmics前瞻性观察试验的辅助分析;样本量60例;两个中心(日内瓦大学医院与Erasme大学医院);人群为ICU收治的脓毒性或心源性休克患者;干预为入ICU 16小时内血浆靶向代谢组学检测(130种代谢物)联合UMAP+DBSCAN无监督聚类。
- 识别3个聚类:聚类1 n=13、APACHE II中位数29、住院死亡率54%;聚类2 n=24、APACHE II中位数25、死亡率38%;聚类3 n=23、APACHE II中位数22、死亡率9%。
- 死亡率比较:聚类1 vs 聚类2为54% vs 38%(p=0.34);聚类3死亡率9%(p=0.007)。
- 代谢物差异:生物胺与糖类在聚类1高于聚类2和3(p=0.01、p<0.01);鞘脂在聚类1和2高于聚类3(p=0.006);甘油磷脂在聚类2高于聚类1和3(p=0.03)。
- 多因素logistic回归校正APACHE II与入院器官衰竭数后,聚类1和2的住院死亡率仍显著高于聚类3;模型含3个预测因子、4个自由度,事件每变量比(EPV)为4.5。
- 内部验证(1000次bootstrap):乐观校正c-index为0.84,校准斜率0.76,最大校准误差(Emax)为0.077,g-index由表观3.3降至校正后0.95。
- 聚类稳定性:1000次bootstrap平均Jaccard指数0.964;排除6例Z-score>5的极端代谢谱患者后,聚类1和2归属不变,聚类3分裂为两个亚组。
证据类型、等级与局限
- 证据类型:前瞻性观察试验的辅助代谢组学分析。
- 局限:样本量相对较小(n=60)限制外推性,需独立多中心队列外部验证以确认代谢表型可重复性。
- 局限:观察性、探索性设计无法进行代谢谱与临床结局间的因果推断,需进一步机制研究阐明各表型的分子通路并评估治疗相关性。
- 局限:代谢物浓度可因技术、生物学和分析差异在不同研究间大幅变化。
- 局限:代谢组学复杂且成本高,目前限制其广泛临床使用,关键转化步骤是开发能由ICU入院时常规临床和实验室数据推断代谢表型的预测模型。
对床旁实践的改变
- 作者认为代谢分型可捕捉超越临床严重度或器官衰竭程度的个体生物学反应维度,支持将其整合入未来重症精准医学策略,用于识别高风险内型、指导个体化干预并进行纵向监测。
- 作者指出聚类2在临床严重度不高的情况下死亡率仍高,提示仅凭常规严重度评分可能低估部分休克患者的风险。
- 作者认为未来需在独立队列验证这些表型、阐明机制,并整合入连接复杂生物学与床旁适用性的预测模型。
提炼说明
- 原文未涉及「处置流程与药物剂量」「指南或共识出处」,故未列出这些栏目。
全文中译12 节 · 点击展开
背景
尽管重症医学取得了进展,休克仍然是重症监护病房(ICU)收治的主要原因,也是危重患者发病和死亡的首要原因[1]。这种危及生命的状况由多种潜在机制引起,但普遍以全身性炎症、血流动力学不稳定和严重的代谢紊乱为特征。休克的异质性使其临床管理变得复杂,因为传统的诊断和预后标志物往往无法考虑患者个体的差异[2]。因此,迫切需要个性化的治疗策略以改善预后。
代谢组学是一种高通量分析方法,可全面分析参与代谢过程的小分子,已成为理解危重疾病复杂病理生理学的有力工具[3, 4]。通过识别独特的代谢特征,代谢组学为疾病机制提供了新的见解,并使患者能够被分层为具有临床意义的亚组。这种分层可作为精准医学的基础,根据患者独特的代谢特征制定个体化干预措施[5]。降维技术(如均匀流形近似与投影(UMAP))和聚类算法(如基于密度的含噪声应用空间聚类(DBSCAN))的最新进展,使得对复杂代谢组学数据进行有效分类成为可能[6–8]。这些工具有助于识别具有共同代谢和临床特征的患者聚类,揭示重症监护场景中代谢适应与适应不良之间的相互作用[9]。
在本研究中,我们对ICU入院时患有休克的危重患者应用了代谢组学分析和先进的聚类方法。我们的主要目的是识别不同的代谢表型,并探讨其与临床严重程度和结局的关联。通过将代谢组学见解与临床数据相结合,本研究旨在加深对休克病理生理学的理解,并推动重症监护中个性化管理策略的发展。
方法
患者
本研究是前瞻性观察性试验ShockOmics的辅助研究,该试验是欧洲研究项目“鉴定休克诱导的急性心力衰竭中分子生物标志物的多尺度方法”(编号602706——ClinicalTrials.gov标识符NCT02141607)[10]。方案细节由Aletti等人描述[11]。
2014年10月至2016年3月期间入住日内瓦大学医院(瑞士日内瓦)和Erasme大学医院(比利时布鲁塞尔)ICU的心源性或脓毒性休克患者被筛选纳入。
纳入标准为诊断为脓毒性或心源性休克、年龄大于18岁、序贯器官衰竭评估(SOFA)评分大于5、动脉血乳酸水平为2 mmol/l或更高,且脓毒性休克患者在入院时有记录的感染来源。
感染性休克定义为脓毒症诱导的低血压,其特征为收缩压 < 90 mmHg 或较基线下降 > 40 mmHg,或平均动脉压 < 65 mmHg,且经充分液体复苏后仍持续存在。心源性休克(CS)定义为低血压(收缩压 < 90 mmHg 或较基线下降 > 40 mmHg 或平均动脉压 < 70 mmHg)经充分液体复苏后仍持续存在,同时心脏指数 < 1.8 L/min/m2(无支持)或 < 2.0–2.2 L/min/m2(使用正性肌力药物或心脏辅助装置)。
排除标准包括入住后最初 24 小时内死亡风险高的患者、免疫抑制、血液系统疾病、转移性恶性肿瘤、既往透析、失代偿性肝硬化,或在筛选前已接受超过 4 单位红细胞或任何新鲜冰冻血浆的患者。
数据收集
人口学、临床和实验室变量的数据在 ICU 入住时记录。ICU 和住院时间数据以及死亡率数据从病历中提取。
代谢物检测在 ICU 入住后 16 小时内于采集的血浆样本中完成。休克患者的模式根据其代谢组学特征进行定义。
代谢物的鉴定
靶向代谢组学分析使用 AbsoluteIDQ® p180 试剂盒(Biocrates,因斯布鲁克,奥地利)进行,该试剂盒可对 186 种代谢物进行绝对定量,包括 21 种氨基酸、19 种生物胺、40 种酰基肉碱和肉碱、90 种甘油磷脂、15 种鞘脂和 1 种单糖。有关方法学和数据预处理的详细信息已在既往研究中全面描述 [12, 13]。简言之,该经过验证的平台结合了流动注射分析和液相色谱串联质谱(LC–MS/MS)。使用同位素标记内标在多反应监测(MRM)模式下进行检测。该方法所需样本量低(10 µL),已证明具有较高的实验室间重现性(以 NIST SRM 1950 参考血浆为基准,> 85% 的代谢物变异系数 < 20%)[14],并广泛应用于重症监护和多组学研究 [15]。
为确保数据质量和分析稳健性,代谢物若符合以下任一标准,则从下游分析中排除:(1)在任何患者聚类中缺失值 > 20%,或(2)在所有样本中可检测浓度 < 50%(即在 > 50% 中低于检测下限)。基于这些标准,186 种可测代谢物中的 130 种被保留用于统计分析。可测代谢物的完整列表、其生化类别以及基于质量控制是否保留用于分析的信息见补充表 1。
主要结局
在各识别出的聚类之间比较总体院内死亡率。
统计分析
基线特征中,连续变量以中位数及四分位间距(第 25–75 百分位数)描述,分类变量以绝对频数和相对频率(%)描述。组间比较连续变量采用 Kruskal–Wallis 检验,分类变量采用 Fisher 精确检验。统计显著性定义为 p 值 < 0.05。所有分析均使用 R 软件进行。
对于死亡率分析,在单变量逻辑回归中与院内死亡相关的协变量(p < 0.1)被考虑纳入多变量模型。鉴于事件数量有限(n = 18),基于统计显著性(p < 0.05)和模型简约性考虑,采用后退消除法进一步筛选变量。为尽量减少过拟合,最终模型限制为三个预测因子、共四个自由度:聚类归属(分类变量,2个自由度)、入院时器官衰竭数量(连续变量)和APACHE II评分(连续变量), resulting in an event-per-variable (EPV) ratio of 4.5.
连续变量在模型拟合前进行标准化(z-score转换),以提高效应量的可解释性并增强数值稳定性[16]。最终模型的内部验证采用1000次迭代的Bootstrap重采样,遵循Austin和Steyerberg针对小样本逻辑回归模型推荐的方法[17]。模型性能通过乐观校正的区分度(c-index)、校准斜率、最大校准误差(Emax)和收缩一致性效应衰减(g-index)进行评估。
无监督聚类
以患者代谢物浓度的完整矩阵作为均匀流形逼近与投影(UMAP)的输入,使用umap R包的默认设置将数据投影到二维空间。随后使用基于密度的噪声应用空间聚类(DBSCAN)算法对所得嵌入进行聚类,通过dbscan R包实现。
我们将minPts参数设为默认值5,符合标准建议(即至少为维度数加一;此处为2 + 1 = 3)。eps参数通过k-距离图(k = 4,即minPts − 1)经验性确定,该图在约0.7处显示明显的拐点。因此我们选择eps = 0.7作为最终值,由此获得了稳定且可解释的三聚类解,无噪声点。
为评估聚类结果的稳定性和可重复性,我们执行了1000次迭代的Bootstrap重采样程序。每次迭代中,患者被有放回地随机抽样,并使用固定参数(eps = 0.7,minPts = 5)应用相同的UMAP + DBSCAN流程。每次迭代的聚类分配与原始聚类通过Jaccard相似性指数进行比较,计算基于Bootstrap集和原始集中共有的患者。
敏感性分析
为评估无监督聚类结果的稳健性,我们进行了敏感性分析,旨在识别并排除具有极端代谢组学特征的患者。对于每位患者,我们计算了所有测量代谢物中的最大绝对Z-score。至少有一种代谢物的Z-score大于5的患者被归类为离群值并从数据集中排除。随后在剩余患者的缩减队列上重复降维(UMAP)和聚类(DBSCAN)程序,使用与主要分析相同的参数(eps = 0.7,minPts = 5)。
为评估排除离群值前后聚类分配的一致性,我们生成了一个冲积图,比较原始分析和敏感性分析中个体的聚类归属。这允许对聚类稳定性以及可归因于极端特征谱的分类潜在变化进行视觉评估。
结果
从2014年10月至2016年3月,基于重症监护病房(ICU)入院时获得的代谢组学谱,对纳入ShockOmics欧洲研究项目的60例危重患者进行了分析。该数据集包含130种代谢物,使用均匀流形近似与投影(UMAP)进行降维,并通过基于密度的噪声应用空间聚类(DBSCAN)进行聚类。
识别出三个不同的患者聚类:聚类1(13例患者)、聚类2(24例患者)和聚类3(23例患者)(图1a)。聚类分配在1000次Bootstrap迭代中高度稳定(平均Jaccard指数 = 0.964;见补充图1)。各聚类的基线特征总结于表1,所有变量的详细两两p值见补充表2。聚类1的患者表现出更严重的临床指标,如较高的乳酸水平、较低的pH值和升高的APACHE II评分。相比之下,聚类2和聚类3的基线特征基本相似(补充图2)。为进一步评估聚类结果的稳健性,我们进行了一项敏感性分析,排除了6例具有极端代谢组学谱的患者,极端代谢组学谱定义为任何代谢物的Z分数 > 5。使用与主要分析相同的参数,对缩减后的54例患者数据集重新应用UMAP和DBSCAN聚类。聚类1和聚类2的聚类分配保持不变,证实了这些表型的稳定性。相比之下,聚类3分裂为两个较小的亚组(图1b),提示这些较低风险患者之间存在较大的内部异质性。这些发现支持聚类方法的整体稳健性,同时突出了聚类3内潜在的代谢多样性。
代谢物水平在各聚类间存在显著差异。具体而言,与聚类2和聚类3相比,聚类1中生物胺和糖类升高(分别为p = 0.01和p < 0.01)。与聚类3相比,聚类1和聚类2中鞘脂较高(p = 0.006)。与聚类1和聚类3相比,甘油磷脂主要在聚类2中升高(p = 0.03)(图2a)。
这些发现表明每个聚类具有不同的代谢谱:聚类1以高水平生物胺和糖类为特征,聚类2以甘油磷脂升高为特征,聚类3在所有分析的代谢物家族中水平相对较低(图2b)。
院内死亡率在各聚类间也存在显著差异。聚类1(54%)和聚类2(38%,p = 0.34)的死亡率无显著差异,而聚类3的死亡率最低(9%,p = 0.007),尽管聚类2和聚类3的基线严重程度相似(图3a)。
多因素logistic回归进一步支持了这些发现,显示即使在调整入院严重程度(APACHE II评分)和器官衰竭数量后,Cluster 1和Cluster 2患者的院内死亡率仍显著高于Cluster 3(图3b)。最终模型包含三个预测因子、共四个自由度,产生的事件每变量(EPV)比为4.5(图3b)。
使用1,000次bootstrap重采样的内部验证确认了模型的稳健性。乐观校正后的c指数为0.84,表明具有良好的区分性能。校准斜率为0.76,最大校准误差(Emax)为0.077,反映出预测结果与观察结果之间具有充分的一致性。收缩一致性g指数从表观值3.3降至校正后的0.95,提示存在中等程度的乐观偏倚且模型稳定性可接受。
讨论
我们的研究识别出三个不同的危重休克患者聚类,涵盖脓毒性和心源性病因。这些聚类以独特的代谢特征、不同程度的临床严重性和不同的结局为特征,支持急性休克中存在具有生物学意义的代谢内型的观点。
Cluster 1和Cluster 3代表了相反的代谢原型。Cluster 1包括临床严重程度和死亡率最高(47%)的患者。该组的特征为生物胺、糖类和鞘脂类水平显著升高,表明对应激和炎症存在明显的全身性反应。在生物胺中,犬尿氨酸——由IFN-γ诱导的吲哚胺-2,3-双加氧酶(IDO1)活性的下游产物——显著升高。犬尿氨酸与氧化应激[18]、免疫调节以及通过一氧化氮合成产生的血管舒张效应所致血流动力学失调[19, 20]有关。相反,牛磺酸水平降低,这与既往在危重症中的观察一致[21],可能反映线粒体功能障碍和氧化应激过程中细胞保护性渗透质的耗竭[22]。
Cluster 1中观察到的应激性高血糖提示糖异生和糖原分解增强,可能由胰岛素抵抗[23, 24]和反向调节激素(如儿茶酚胺、皮质醇和促炎细胞因子(例如IL-6、TNF-α))[25]驱动。持续性高血糖导致线粒体超负荷和氧化损伤,两者均与ICU环境中的不良结局相关[26]。
鞘脂类升高,尤其是神经酰胺,进一步凸显了Cluster 1的炎症和损伤表型。通过酸性鞘磷脂酶激活导致的神经酰胺蓄积破坏内皮完整性,促进细胞凋亡,并加剧血管通透性[27–29]。相比之下,较低的神经酰胺水平与脓毒症中内皮功能改善相关[30]。此外,持续性鞘磷脂酶活性和神经酰胺超载可能促进免疫麻痹和代谢停滞,即使在血流动力学稳定的患者中也是如此[31]。总之,这些发现将Cluster 1定位为一种代谢活跃且由损伤驱动的内型,与不良预后相一致。
在谱系的另一端,Cluster 3患者的临床严重程度和死亡率最低(8%),并表现出整体代谢物水平降低。这种代谢上“静息”的特征提示一种应激耐受或良好适应的生理反应,表明在危重疾病状态下线粒体功能和细胞稳态得以保持[32]。
相比之下,Cluster 2代表一种矛盾的表型。尽管该组患者的临床严重程度评分与Cluster 3相似,但其死亡率显著更高(30%),与高危Cluster 1相当。在代谢方面,Cluster 2呈现混合特征:鞘脂类升高,提示持续存在的全身性炎症,但生物胺和单糖仍处于低水平,表明全身性应激反应缺失或减弱。这种非典型模式可能反映一种“低反应性免疫代谢状态”,这一概念在文献中日益受到认可,即患者由于线粒体和能量储备不足而无法启动充分的代谢防御。这种状态与既往存在的免疫耗竭、低度慢性炎症、衰老和合并症相关,这些因素可能损害对急性生理打击的适应能力[33–38]。值得注意的是,Cluster 2是唯一甘油磷脂升高的组别,甘油磷脂对膜完整性和细胞信号传导至关重要。这可能反映适应性和适应不良性过程。一方面,甘油磷脂生物合成增加已被描述为对抗氧化应激和支持膜修复的早期代偿机制[39–41]。另一方面,持续升高可能导致过度的脂质周转和促炎性溶血磷脂的生成——尤其是通过磷脂酶A2激活——加剧内皮损伤、白细胞募集和中性粒细胞胞外诱捕网(NET)形成[42]。这种适应不良性脂质重塑可能压垮细胞修复机制,导致器官功能障碍并最终导致更差的结局。当与代谢应激反应不足(表现为生物胺和糖类水平持续偏低)相结合时,这可能有助于解释Cluster 2中尽管临床表现看似轻微但观察到的意外高死亡率。
总而言之,这些发现表明对休克的反应不仅由临床严重程度驱动,还受个体生物学变异的影响。Pandey等证明, underlying合并症如糖尿病、慢性肾脏病和心血管功能障碍可显著改变血浆代谢组,尤其是涉及氨基酸和脂质代谢的通路[35, 43]。这些内在因素可能损害应激适应、免疫激活和线粒体韧性。此外,脓毒症中基于性别的代谢差异已有报道,与男性相比,女性表现出更高浓度的β-氧化中间产物和更低水平的炎症代谢物,可能影响疾病进展和治疗反应性[44, 45]。
重要的是,这些个体宿主因素与器官特异性功能障碍的性质和程度相互作用,进一步调节代谢表型。不同类型的器官衰竭,包括急性肾损伤(AKI)、急性和慢加急性肝衰竭(ALF/ACLF)以及急性呼吸窘迫综合征(ARDS),在关键代谢类别中表现出不同的特征:生物胺、鞘脂、甘油磷脂和糖类。
在AKI中,观察到脂质代谢的深刻紊乱,尤其影响甘油磷脂和鞘脂。空间脂质组学揭示肾皮质和髓质中溶血磷脂酰胆碱(LysoPCs)如LysoPC 16:0/0:0和LysoPC 18:2的区域性增加,表明活跃的膜重塑和损伤。相反,鞘磷脂种类(如SM d18:0/16:0、d42:1)在肾皮质中显著减少,提示鞘脂生物合成受损。这些改变与酶失调相关,涉及LPC酰基转移酶降低和胆碱磷酸转移酶活性增加,可能驱动脂质毒性和肾小管损伤。关于生物胺,实验模型显示缺血性损伤后早期吲哚硫酸盐——一种已知的尿毒症毒素——升高,支持其作为肾小管应激和损伤标志物的作用[46, 47]。
在肝衰竭中,一项单一靶向代谢组学研究强调了脂质和能量代谢的显著改变。因戊型肝炎导致的严重急性肝衰竭患者显示甘油磷脂(如胆碱、磷酸胆碱)和酰基肉碱显著降低,后者对线粒体功能和免疫能力至关重要。这些缺陷与免疫抑制和更差的临床结局相关。同一研究报告结合胆汁酸水平升高以及生物胺和葡萄糖代谢紊乱,与肝衰竭和全身应激一致[48]。
在ARDS中,观察到若干关键代谢类别的深刻紊乱。甘油磷脂代谢持续改变,循环溶血磷脂乙醇胺(LysoPEs)和磷脂乙醇胺(PE缩醛磷脂)显著降低,尤其在非存活者中,反映膜分解和脂质重塑受损。鞘脂代谢也受到扰乱,特别是鞘氨醇-1-磷酸(S1P)水平降低,这是一种对内皮完整性至关重要的脂质介质;这种降低在间接ARDS中最为明显,并与血管通透性增加相关。虽然生物胺不是主要焦点,但色氨酸代谢——包括下游犬尿氨酸通路活性——出现显著改变,提示可能存在免疫代谢失调。最后,葡萄糖和能量代谢的变化也显著,糖酵解和丙酮酸代谢等通路 contributing to the ARDS代谢表型 [49, 50]。
这些器官特异性代谢特征,当叠加于个体宿主特征之上时,促成了危重患者中观察到的复杂生物学异质性。这种复杂性凸显了重症监护中一刀切策略的局限性。鉴于这种生物学异质性,对危重疾病的个性化方法变得越来越相关。既往研究表明,代谢组学分析可以揭示脓毒症患者中的不同亚组,对预后和治疗均有意义。无监督聚类方法已揭示与全身炎症、器官衰竭和死亡率相关的代谢亚表型 [18, 35, 40, 43, 44]。例如,Antcliffe等人使用两个独立随机试验队列(LeoPARDS,n = 470;VANISH,n = 173)在脓毒性休克中识别并外部验证了三种可重复的代谢内型 [40]。其中一种表型以持续低溶血磷脂浓度为特征,与死亡率显著增加独立相关(LeoPARDS中OR 3.66 [1.88–7.20],p < 0.001;VANISH中OR 4.13 [1.17–15.61],p = 0.03)。这些特征不仅具有预后相关性,而且随时间动态变化,密切跟踪器官功能障碍的演变。这突显了代谢组学聚类不仅可作为入院时静态风险分层工具,还可作为ICU住院期间纵向监测策略的潜力。同样,Rogers等人描述了与不同轨迹和器官功能障碍模式相关的脂质驱动亚型 [18]。这些发现支持脓毒症中时间代谢轨迹的概念,即患者可能保持或在不同表型之间转换,具有不同的临床意义 [40]。
综上所述,我们的发现和既往研究强调,代谢表型分析捕捉了超出临床严重程度或器官衰竭程度的个体生物学反应维度。这些见解支持将其整合到未来重症监护的精准医学策略中,在那里它可以帮助识别高风险内型、指导个性化干预,并实现动态生物学状态的纵向监测。
必须承认本研究存在若干局限性。第一,样本量相对较小(n = 60)限制了研究结果的普适性。尽管我们的无监督聚类方法表现出稳健的内部稳定性和生物学一致性,但在独立的多中心队列中进行外部验证对于确认所识别代谢表型的可重复性至关重要。第二,本研究的观察性和探索性设计无法推断代谢特征与临床结局之间的因果关系。虽然我们的主要目标是识别具有生物学意义的患者亚组,但仍需进一步的机制研究来阐明支撑每种表型的分子通路并评估其治疗相关性。第三,由于技术、生物学和分析方法的差异,代谢物浓度在不同研究之间可能存在显著变化[3]。然而,我们的目标并非关注单个代谢物水平,而是识别与预后相关的更广泛的代谢特征和模式。第四,尽管代谢组学提供了深刻的生物学见解,但其复杂性和成本目前限制了广泛的临床使用。一个关键的转化步骤将是开发预测模型,从ICU入院时可获得的标准临床和实验室数据中推断代谢表型。此类模型可实现早期风险分层、指导表型靶向干预,并允许对现有ICU队列进行回顾性再分析。
尽管存在这些局限性,我们的研究为休克的代谢异质性提供了重要见解,并为未来重症监护中的精准医学方法奠定了基础。
结论
在本研究中,我们在休克危重症患者中识别出三种代谢和临床上截然不同的表型,突显了超越传统严重程度评分或休克病因学的宿主反应异质性。这些代谢特征由个体生物学易感性和器官特异性功能障碍共同塑造,与结局密切相关,包括一个临床上具有欺骗性的高风险亚组。我们的发现强化了代谢组学聚类作为ICU个性化风险分层框架的潜力。未来工作应侧重于在独立队列中验证这些表型、揭示其机制基础,并将其整合到连接复杂生物学与床旁适用性的预测模型中。
补充信息
附加文件1。图1。1000次Bootstrap迭代中Jaccard相似性指数的分布,评估聚类分配的稳定性。每个条形代表重采样与原始聚类结果之间Jaccard评分的频率。虚线垂直线表示平均Jaccard指数。图2。入组时患者的严重程度特征。箱线图展示各聚类入组时严重程度变量的水平。表1。使用Biocrates Absolute IDQ p180试剂盒可检测的代谢物列表。表2。各代谢组学聚类之间基线特征的成对比较
参考来源
- Sangla F, Bendjelid K, Aletti F, et al. Metabolomic stratification of shock: pathophysiological insights for personalized critical care. Ann Intensive Care. 2025. PMID: 40745510. doi:10.1186/s13613-025-01532-1
- 全文:PMC12314137(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12314137/
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。