文献速递重症综合管理与镇静镇痛呼吸衰竭与机械通气消化、代谢与肾脏急症

代谢组学用于诊断重症COVID-19患者继发感染

Metabolomics for the Diagnosis of Secondary Infections in Critically Ill Patients With COVID-19.
PubMed 文献 · Crit Care Explor · 2025-11-06
一句话结论在重症COVID-19患者中,由肌酸、S-甲基-L-半胱氨酸和2-羟基异戊酰肉碱三种代谢物组成的 panel 诊断继发感染的AUC为0.83,优于白细胞计数、CRP和降钙素原。

这项多中心回顾性队列研究纳入苏格兰三个重症监护病房的105例重症COVID-19患者和49名健康志愿者,采集系列血样进行代谢组学分析。40例(38.1%)患者在研究期间发生继发感染。继发感染患者中肌酸和2-羟基异戊酰肉碱显著升高,S-甲基-L-半胱氨酸显著降低,三者组成的panel诊断继发感染的AUC为0.83(95%CI 0.68-0.97),优于白细胞计数(AUC 0.59)、CRP(AUC 0.48)和降钙素原(AUC 0.50)。另外6种代谢物可区分革兰阳性与革兰阴性感染,AUC为0.88(95%CI 0.68-1.0)。作者认为代谢组学在识别重症COVID-19继发感染生物标志物方面有前景,但需更大规模验证研究确认。

要点

  • 在105例重症COVID-19患者中,40例(38.1%)发生继发感染;继发感染患者中92.5%为接受有创机械通气者。
  • 三种代谢物panel(肌酸、S-甲基-L-半胱氨酸、2-羟基异戊酰肉碱)诊断继发感染的AUC为0.83(95%CI 0.68-0.97),优于白细胞计数(AUC 0.59)、CRP(AUC 0.48)和降钙素原(AUC 0.50)。
  • 六种代谢物panel(甜菜碱、N(6)-甲基赖氨酸、PC(36:4)、PC(38:4)、PC(38:6)、PC(40:6))区分革兰阳性与革兰阴性感染的AUC为0.88(95%CI 0.68-1.0)。
  • 继发感染患者重症监护住院时间和住院时间均长于无继发感染者;继发感染患者死亡42.5%,无继发感染患者死亡29.2%。
  • 作者指出代谢组学目前因样本处理和分析速度慢、结果解读复杂,尚不能用于实时临床决策,需外部队列验证后方可考虑临床应用。

适用人群与场景

  • 年龄18岁及以上、既往7天内SARS-CoV-2检测阳性并收入重症监护病房的患者;HDU需2级护理(需增强观察或干预以防止临床恶化,包括持续监测和支持两个或以上基础器官系统,或单一器官系统的高级支持,不包括呼吸支持),ICU需3级护理(需要有创机械通气或包括血管加压药和肾脏替代治疗在内的多器官系统高级支持)。
  • 排除孕妇和预计无法存活出院的患者。
  • 健康志愿者对照组:无既往病史、未服用任何常规药物、无既往SARS-CoV-2感染且未接种SARS-CoV-2疫苗。

诊断标准与关键阈值

  • 继发感染定义为:患者有阳性微生物培养,并符合改编自美国疾病控制与预防中心/国家医疗安全网络感染定义之一的诊断标准。
  • 诊断不确定时,由顾问临床微生物学家作为独立裁决者提供意见。

研究设计与关键结果

  • 研究类型:多中心回顾性队列研究;地点:苏格兰三个重症监护病房(格拉斯哥伊丽莎白女王大学医院、格拉斯哥皇家 Infirmary、佩斯利皇家亚历山德拉医院);时间:2020年11月至2021年10月;纳入105例重症COVID-19患者和49名健康志愿者。
  • 40/105例(38.1%)患者在研究期间发生继发感染;继发感染患者中92.5%为接受有创机械通气的患者。
  • 继发感染患者中肌酸和2-羟基异戊酰肉碱显著升高,S-甲基-L-半胱氨酸显著降低;三种代谢物panel诊断继发感染的AUC为0.83(95%CI 0.68-0.97)。
  • 该panel诊断性能优于白细胞计数(AUC 0.59;95%CI 0.37-0.80)、CRP(AUC 0.48;95%CI 0.25-0.70)和降钙素原(AUC 0.50;95%CI 0.28-0.72)。
  • 区分革兰阳性与革兰阴性感染的代谢物:甜菜碱在革兰阳性感染中升高,N(6)-甲基赖氨酸和四种磷脂酰胆碱PC(36:4)、PC(38:4)、PC(38:6)、PC(40:6)在革兰阴性感染中升高;六种代谢物panel的AUC为0.88(95%CI 0.68-1.0)。
  • 继发感染患者重症监护住院时间和住院时间均长于无继发感染者;继发感染患者死亡42.5%,无继发感染患者死亡29.2%。

证据类型、等级与局限

  • 证据类型:多中心回顾性队列研究(诊断性观察研究)。
  • 局限:样本量相对较小,可能限制了研究结果的普遍性。
  • 局限:因各医院和重症监护入院时间距COVID-19发病时间不同以及继发感染发生时间不同,缺乏标准化;时间差异可能妨碍了一致地捕捉代谢紊乱的峰值。
  • 局限:研究在COVID-19大流行早期阶段进行,当时治疗策略仍在演变;所有纳入患者均接受皮质类固醇,部分还接受白细胞介素-6或Janus激酶抑制剂,这些免疫调节药物可能减弱继发感染时的炎症反应,从而降低代谢紊乱的幅度。
  • 局限:本研究结果未经外部验证;在考虑任何临床应用之前,需要使用单独的外部队列进行验证。
  • 局限:本研究仅限于重症COVID-19患者,尚不清楚同一panel是否适用于非COVID-19人群;未来研究应探讨该panel在其他形式危重症(如多发伤、重症胰腺炎或大面积烧伤)中检测继发感染的价值。

对床旁实践的改变

  • 作者认为,代谢组学与机器学习和精准医学方法结合,作为重症患者继发感染诊断和管理工具具有显著前景。
  • 作者指出,代谢组学目前因样本处理和分析速度慢以及结果解读复杂,尚不能用于实时临床决策;临床即时应用目前不是现实可能。
  • 作者指出,一旦生物标志物panel在外部队列中得到验证,最终目标是开发可临床应用的诊断检测方法,以快速识别重症COVID-19队列中的继发感染,从而支持更早启动靶向治疗。
  • 作者认为,使用单一通用panel可能无法充分捕捉继发感染中观察到的显著异质性;精准医学方法可能揭示新的治疗通路,指导更靶向的治疗决策。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Crit Care Explor. 2025 Nov 6;7(11):e1336. doi: 10.1097/CCE.0000000000001336

关键要点

问题:代谢组学能否识别出能够识别危重症COVID-19患者继发感染的生物标志物?

发现:一组三种代谢物能够成功区分伴有继发感染的COVID-19患者与无继发感染者。另一组六种代谢物能够区分革兰阳性与革兰阴性感染。

意义:代谢组学能够识别危重症COVID-19继发感染患者的代谢物生物标志物,这可能有助于未来诊断。

COVID-19造成了全球大流行和规模空前的全球卫生紧急事件。自2019年底疫情暴发以来,已记录超过7.7亿例COVID-19病例,约700万例死亡归因于该疾病(1)。疫苗接种和既往感染带来的高免疫率已使COVID-19严重程度显著降低;然而,一部分患者仍可能进展为以严重低氧血症为特征、需要侵入性机械通气(IMV)的危重症(2)。老年、肥胖、妊娠患者,或患有糖尿病、高血压和活动性癌症等合并症的患者尤其面临重症风险(3, 4)。此外,已出现传播性增强且能够免疫逃逸的病毒变异株,导致疫苗突破性感染(5)。因此,COVID-19可能继续对重症监护病房构成持续负担。

COVID-19的一种潜在并发症是继发感染的发生。Calderon等人(6)的一项荟萃分析发现,在COVID-19住院患者的总体队列中,继发感染并不常见,发生率为12%。然而,该发生率在危重症患者中显著更高,并与更长的ICU住院时间和更高的死亡率相关(6, 7)。令人担忧的是,更大比例的危重症患者将接受抗生素作为治疗策略的一部分,86%的危重症COVID-19患者接受抗菌治疗(6)。

重症COVID-19与细菌性脓毒症共享许多相同的炎症通路(8)。细菌性脓毒症的生物标志物与用于重症COVID-19的生物标志物存在重叠,如白细胞计数、C反应蛋白(CRP)和降钙素原(9)。此外,重症COVID-19患者表现出与细菌性脓毒症患者许多相同的临床表现(10)。诊断评分系统如意识模糊、尿素、呼吸频率、血压和年龄大于或小于65岁评分以及快速序贯(脓毒症相关)器官衰竭评估评分已被证明在COVID-19患者中表现不佳(11)。因此,识别伴有继发感染的COVID-19患者是一项诊断挑战。培养和药敏试验是识别感染的金标准,但这是一个耗时且费力的过程。此外,假阳性频繁出现,尤其是在使用抗生素后采集样本时(12)。缺乏继发感染的快速诊断工具使得经验性治疗成为必要,通常使用广谱抗生素,而广谱抗生素可带来显著的副作用并增加多重耐药微生物的增殖。

脓毒症中出现的全身炎症反应会导致宿主代谢途径的严重失调。因此,患者的代谢型或代谢表型可能发生显著紊乱(13)。代谢组学是利用光谱技术检测和定量各种生物体液中的代谢物(分子< 1000 kDa)。这可以提供个体代谢状态的快照,因此可用作特定时间点细胞健康的指标(14)。细胞代谢过程的病理变化反映在血清代谢组的改变中。检测和定量代谢物浓度的变化可能提示COVID-19患者存在继发感染,并有助于生物标志物的发现。多项研究试图利用代谢组学来识别脓毒症的生物标志物;然而,缺乏 examining COVID-19继发感染生物标志物的研究。在本研究中,我们试图阐明因COVID-19入住重症监护的成年患者的代谢组学特征,以识别能够诊断继发感染的生物标志物。

材料与方法

研究设计与参与者

这是一项前瞻性、诊断性、观察性研究,于2020年11月至2021年10月在苏格兰三家医院(格拉斯哥伊丽莎白女王大学医院;格拉斯哥皇家 Infirmary;佩斯利皇家亚历山德拉医院)的高依赖病房(HDU)和ICU进行。伦理批准于2020年8月26日获得苏格兰研究伦理委员会批准(标题:代谢组学在脓毒症早期识别中的诊断应用,参考编号17/SS/0062)。HDU内的患者需要2级护理,定义为需要超出标准病房级护理的加强观察或干预以防止临床恶化的患者。这包括需要连续监测和两个或以上基础器官系统支持,或单个器官系统高级支持(不包括呼吸支持)的个体。ICU患者接受3级护理,定义为需要机械通气和/或多器官系统高级支持,包括血管加压药给药和肾脏替代治疗(15)。患者招募遵循《赫尔辛基宣言》。入住重症监护病房的18岁及以上患者,且在过去7天内严重急性呼吸综合征冠状病毒2(SARS-CoV-2)检测呈阳性,符合招募条件。孕妇和预期无法存活的患者被排除在入组之外。还招募了健康志愿者对照组,用于提供正常基线代谢谱。该组由无既往病史、未服用任何常规药物、无既往SARS-CoV-2感染且尚未接种SARS-CoV-2疫苗的个体组成。如果患者微生物培养阳性并符合改编自美国疾病控制与预防中心/国家医疗安全网络定义的感染定义之一(16)(补充表1,https://links.lww.com/CCX/B570),则视为存在继发感染。当存在诊断不确定性时,征求顾问临床微生物学家的意见,由其担任独立裁决者。

在招募时(第0天)从患者处采集血样,随后在第3天和第10天采集后续样本。对于出现继发感染证据(微生物培养阳性或归因于感染的临床恶化)的危重患者,在该时间点额外采集一份血样,每位患者最多可提供四份血样。在试验期间,每日收集每位患者的常规实验室和临床数据。

样本静置1小时使其凝固,然后以2000g离心15分钟。血清分装后储存于–80°C。代谢物提取通过将25 μL解冻血清加入1 mL氯仿:甲醇:水溶剂(比例1:3:1,v/v/v)中进行,随后以13,000g离心3分钟,收集200 μL等分试样用于代谢组学分析。

代谢组学分析

采用非靶向代谢组学分析,通过液相色谱-质谱联用在正离子和负离子两种电离模式下进行,使用Thermo Orbitrap QExactive系统(Thermo Fisher Scientific,德国不来梅)配合Dionex UltiMate 3000快速分离液相色谱平台(Thermo Fisher Scientific,英国赫默尔亨普斯特德),采用两性离子聚合物亲水相互作用色谱柱和碳酸铵水/乙腈梯度。数据使用XCMS(莱布尼茨植物生物化学研究所,德国哈雷)(17)和MZMatch(格罗宁根大学生物分子科学与生物技术研究所,荷兰格罗宁根)(18)计算工具进行处理。推定的代谢物鉴定通过将峰的质量电荷比(m/z)与数据库值进行比较来进行。代谢物身份通过将m/z和保留时间与已知真实标准品匹配,和/或通过串联质谱法将碎片谱与真实标准品或数据库中化合物的碎片谱进行比较来确认。

统计分析

最初使用主成分分析(PCA)寻找数据聚类并检测混杂因素。随后使用R limma软件包(沃尔特和伊丽莎·霍尔医学研究所,澳大利亚维多利亚州帕克维尔)识别组间差异峰(19)。所得p值使用R q-value软件包(普林斯顿大学,美国新泽西州普林斯顿)进行多重比较校正,校正方法为事后选择(20)。构建贝叶斯逻辑回归分类器以预测给定样本是否有继发感染,并区分革兰阳性和革兰阴性感染。这些使用了R caret (21)(辉瑞全球研发,美国康涅狄格州格罗顿)和arm (22)(哥伦比亚大学,美国纽约州纽约)软件包,并采用十折交叉验证程序,重复十次以评估验证性能。使用点图展示显著差异的代谢物,并生成受试者工作特征(ROC)曲线以通过曲线下面积(AUC)和95% CI展示测试性能。

结果

患者数据

2020年11月至2021年10月期间,共有105名患者被招募进入研究。此外,49名健康志愿者也同意参与。图1概述了患者招募情况。

表1提供了背景人口统计学和临床数据。在研究期间,105例危重患者中有40例(38.1%)发生继发感染(补充表2,https://links.lww.com/CCX/B570)。招募的男性患者数量更多;然而,女性患者继发感染更为频繁。最常见的合并症为高血压、糖尿病和哮喘。继发感染患者的重症监护时间和住院时间均长于无继发感染的患者。继发感染患者的死亡比例更高(42.5%),而无继发感染患者为29.2%。需要有创机械通气(IMV)的患者经常发生继发感染,92.5%的继发感染病例发生在通气患者中。

图1. 患者筛选流程图。 查看原图 ↗
表1. 有和无继发感染患者之间人口统计学和临床数据的比较 查看原表 ↗

识别继发感染的代谢物

对有无继发感染患者的样本以及健康志愿者样本进行了主成分分析(PCA)(补充图1,https://links.lww.com/CCX/B570)。这有助于过滤背景信号并校正提取日期、地点、镇静和肌松剂使用等协变量。初始代谢组学分析得到32个在有无继发感染患者之间存在显著差异的峰。在排除质量差的信号、同位素峰和未注释峰后,鉴定出5个峰,对应3种不同的代谢物(图2;表2;以及补充图2–6,https://links.lww.com/CCX/B570)。代谢物肌酸和2-羟基异戊酰肉碱在继发感染中显著升高,而S-甲基-L-半胱氨酸显著降低。

图3显示了ROC曲线,描绘了代谢组学组合诊断继发感染与传统感染标志物相比的敏感性和特异性。该生物标志物组合的检测性能优于总白细胞计数(WCC:AUC,0.59;95% CI,0.37–0.80)、CRP(AUC,0.48;95% CI,0.25–0.70)和降钙素原(AUC,0.50;95% CI,0.28–0.72)(AUC,0.83;95% CI,0.68–0.97)。

表2. 有和无继发感染患者之间存在显著差异的代谢物 查看原表 ↗
图2. 描绘有和无继发感染之间显著差异代谢物的点图。A,肌酸。B,S-甲基-L-半胱氨酸。C,2-羟基异戊酰肉碱。 查看原图 ↗
图3. 受试者工作特征曲线,展示识别继发感染的检测性能。曲线代表由三个已验证峰组成的代谢组学组合:肌酸、S-甲基-L-半胱氨酸和2-羟基异戊酰肉碱,以及炎症标志物,包括总白细胞计数(WCC)、C反应蛋白(CRP)和降钙素原(PCT)。红色加号代表临床医生基于抗生素使用对继发感染诊断的敏感性和特异性。 查看原图 ↗

区分革兰阳性菌和革兰阴性菌感染的代谢物

进行了额外分析,以识别能够区分革兰阳性与革兰阴性感染的代谢物。检测到七个峰,对应六种代谢物。甜菜碱在革兰阳性感染中升高,而N(6)-甲基赖氨酸和四种磷脂酰胆碱(PCs;36:4)、PC(38:4)、PC(38:6)和PC(40:6))在革兰阴性感染中升高(补充表3和补充图7–15,https://links.lww.com/CCX/B570)。图4描绘了ROC曲线,展示该代谢物组合区分革兰阳性与革兰阴性感染的检测性能,AUC为0.88(95% CI,0.68–1.0)。

图4。受试者工作特征曲线,展示由六个经验证峰组成的代谢组学组合区分革兰阳性与革兰阴性病原体的检测性能。 查看原图 ↗

讨论

在严重感染中观察到的代谢扰动反映了宿主基因表达、酶活性、器官功能障碍以及入侵病原体所产生的代谢物之间复杂的相互作用(23)。代谢组学通过能够对整个代谢组进行全面分析,为研究这些生化变化提供了强大的平台。代谢组学在ICU环境中的关键用途之一是识别具有临床相关性的生物标志物。迄今为止,大量研究探讨了与原发性脓毒症相关的代谢组学特征,并将其应用于诊断(24–30)和预后(31–35)。较少数研究试图利用代谢组学来表征不同病原体。据我们所知,本研究是首次在危重症COVID-19队列中探讨代谢组学对继发感染的诊断效用。代谢组学分析识别出一组三种代谢物(肌酸、S-甲基-L-半胱氨酸和2-羟基异戊酰肉碱),可显著区分有无继发感染的患者。此外,发现六种化合物(甜菜碱、N(6)-甲基赖氨酸、PC(36:4)、PC(38:4)、PC(38:6)和PC(40:6))可区分革兰阳性与革兰阴性感染。这些发现表明,代谢组学具有潜力帮助ICU内决策,以便尽早提供靶向抗菌治疗。值得注意的是,所识别的若干代谢物参与氨基酸和甘油磷脂代谢(补充图16,https://links.lww.com/CCX/B570)。这些通路在既往脓毒症代谢组学研究中已被显示存在失调(25, 26, 33, 34, 36–40)。

尽管代谢组学数据集通常比基因组学或蛋白质组学产生的数据集复杂度低,但脓毒症代谢组学研究仍会产生大量数据,这是由于感染病原体固有的异质性以及宿主反应的可变性所致。机器学习的应用使得对这些高维数据集进行复杂分析成为可能。通过利用迭代模式识别,人工智能算法可以不断优化其预测性能,提高诊断准确性,超越传统诊断方法所能达到的水平(41, 42)。此外,代谢组学数据可与常规临床检测指标整合,以开发感染的复合生物标志物。例如,Zheng等人(43)采用了一种机器学习模型,将代谢组学特征与乳酸、血小板计数和白细胞计数(WCC)等临床标志物相结合。他们的模型准确识别了感染患者,曲线下面积(AUC)达到0.94。此外,他们的模型还能区分革兰阳性与革兰阴性感染,AUC为0.80。在我们的研究中,代谢组学panel优于传统感染标志物WCC、C反应蛋白(CRP)和降钙素原。这可能反映了冗余性,即宿主炎症反应已被代谢组学特征所捕获,使得这些传统标志物显得多余。或者,这可能代表WCC、CRP和降钙素原的特异性有限,它们可能在多种情况下升高,包括重症COVID-19(9)。

代谢组学技术的最新进展显著提高了通量、降低了成本,并扩大了可检测代谢物的范围(44)。尽管有这些进步,代谢组学的临床实施仍受限于样本处理和分析速度缓慢以及结果解读的复杂性。在继发感染等需要快速识别以及时干预的情况下,代谢组学目前的局限性使其无法用于实时临床决策。因此,代谢组学的临床即时检测应用目前尚不现实。然而,更快的分析速度和便携式质谱平台等发展可能有助于在未来解决这些局限性(45)。

一旦生物标志物panel在外部队列中得到验证,最终目标将是开发一种临床上可应用的诊断检测方法。这种检测方法可以允许在重症COVID-19队列中快速识别继发感染,从而支持更早启动靶向治疗(46)。通过绕过质谱分析相关的漫长处理时间,快速实验室检测可以提供快速结果,从而实现更快的临床决策。

虽然经过验证的生物标志物组合可能提高诊断速度和准确性,但使用单一通用组合可能无法充分捕捉继发感染中观察到的显著异质性。采用一刀切的方法可能会忽视不同感染类型之间重要的生物学差异。虽然本研究旨在确定革兰阳性与革兰阴性感染之间的代谢组学差异,但其他因素如感染来源、病原体类型和不同宿主免疫反应也可能影响代谢组。精准医学在这一背景下的应用仍处于早期发展阶段;然而,未来旨在识别针对不同患者内型和亚表型的生物标志物组合的研究可能会提高代谢组学的诊断能力(47, 48)。精准医学方法可能揭示新的治疗通路,指导更有针对性的治疗决策。随着代谢组学技术的不断发展,药物代谢组学有望在ICU患者管理中发挥关键作用,实现治疗个体化、持续监测患者对治疗的反应以及早期发现潜在的治疗失败(49)。Antcliffe等(50)最近的一项研究表明,脓毒性休克患者中存在三种不同的代谢亚表型,而与脂质增加相关的亚表型持续存在与生存改善相关。对这些患者脂质代谢物的连续采样可以发现死亡风险较高的患者,从而触发启动特定的靶向代谢调节治疗。在继发感染的背景下,通过代谢组学组合识别特定病原体可以允许早期启动适当的抗生素治疗,绕过等待漫长且常常无结论的培养和药敏试验结果的需要。

多组学方法的使用可能通过整合互补的生物系统进一步增强ICU内的未来研究。这种多层次视角可以实现对上游调控机制(如遗传易感性)和下游代谢效应的表征,从而揭示继发感染和脓毒症病理生理学的机制性见解(49)。这种方法可以产生新的假设,并可能识别新的药物靶点。

本研究存在若干局限性。尽管招募的患者数量超过了其他类似的脓毒症代谢组学研究,但样本量仍然相对较小,这可能限制了研究结果的普适性。由于不同医院和重症监护室的入院时间在COVID-19发病后存在差异,以及继发感染发病时间的不同,缺乏标准化。时间上的差异可能妨碍了一致地捕捉代谢紊乱的峰值。本研究是在COVID-19大流行早期阶段进行的,当时治疗策略仍在不断演变。所有招募的患者均接受了皮质类固醇治疗,其中一部分还接受了白细胞介素-6或Janus激酶抑制剂。这些免疫调节药物可能减弱继发感染中观察到的炎症反应,从而降低代谢紊乱的程度。本研究呈现的结果尚未经过外部验证。在考虑任何临床应用之前,需要使用独立的外部队列进行验证。关键的是,本研究仅限于重症COVID-19患者,目前尚不清楚同一代谢物组合是否适用于非COVID-19人群。未来的研究应探讨该代谢物组合在检测其他形式危重症(如多发伤、重症胰腺炎或大面积烧伤)继发感染中的效用。

结论

本研究鉴定了一种潜在的代谢组学特征,可用于识别COVID-19危重症患者的继发感染。代谢组学结合机器学习和精准医学方法,作为危重症患者继发感染诊断和管理的工具具有重要前景。

致谢

我们感谢三个参与中心,包括研究人员和重症监护人员,对患者招募和样本收集所做的贡献。特别感谢Kathryn Puxty博士、Kevin Rooney、Arun Parajuli博士、Marcus McClean博士、Alex Phillips博士、Andrew Arnott博士、Maximillian Ralston博士、Sophie Kennedy-Hay女士、Steven Henderson先生、Susanne Cathcart女士和Gary Semple先生。我们感谢Patricia Rimbi女士和Nicky O'Boyle博士在样本处理方面的协助。Biorender.com用于制作补充图16(https://links.lww.com/CCX/B570)。最后,我们感谢所有自愿参与本研究的患者。

补充材料

参考来源

  1. McCreath G, Regnault C, Blackburn GJ, et al. Metabolomics for the Diagnosis of Secondary Infections in Critically Ill Patients With COVID-19. Crit Care Explor. 2025. PMID: 41195955. doi:10.1097/CCE.0000000000001336
  2. 全文:PMC12594302(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12594302/

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。