文献速递重症综合管理与镇静镇痛心脑血管急症

创伤性脑损伤脑损伤的血浆蛋白生物标志物:它们能否作为脑压力自动调节导向治疗的替代终点?

Proteomic blood-based biomarkers of brain damage in traumatic brain injury: are they suitable surrogate endpoints for cerebral pressure autoregulatory-guided therapy?
PubMed 文献 · Crit Care · 2026-06-13
一句话结论在151例重型TBI患者中,第1天血浆蛋白生物标志物升高与随后7天高ICP、PRx受损及ΔCPPopt负偏离负荷增大相关,提示其可能作为脑生理导向治疗的候选替代终点。

本研究为CENTER-TBI队列的回顾性、观察性多中心研究,纳入151例伤后7天内具备高频脑生理监测和系列血浆蛋白生物标志物(GFAP、NfL、NSE、S100B、t-Tau、UCH-L1)测定的TBI患者。结果显示,第1天生物标志物水平升高与随后7天高ICP、PRx>0.2及ΔCPPopt<-5 mmHg的累积负荷增大相关;监测期间中位生物标志物浓度与ICP升高及CPA受损相关,同日分析关联最强。多变量线性混合效应模型中,ICP与多数生物标志物的独立关联最稳健,PRx可放大ICP对部分生物标志物的效应。作者认为这些生物标志物可能反映继发性脑损伤负担,并可能作为未来脑生理导向试验的候选终点,但尚需前瞻性高分辨率研究验证。

要点

  • 第1天GFAP、NfL、NSE、S100B、t-Tau、UCH-L1水平升高与随后7天ICP>22 mmHg、PRx>0.2及ΔCPPopt<-5 mmHg的累积负荷增大相关。
  • 监测期间同日分析中,ICP升高与全部6种血浆蛋白生物标志物水平升高相关,PRx受损与GFAP、NSE、S100B、t-Tau、UCH-L1升高相关,CPP与生物标志物无显著相关。
  • 多变量线性混合效应模型中,ICP与每种生物标志物独立正相关,是最稳健的脑生理相关因素;PRx主要作为效应修饰因子放大ICP对部分生物标志物的影响。
  • NfL因释放和清除动力学较慢,与脑生理变量的关联较弱,作者认为其反应性不如GFAP、UCH-L1等细胞质蛋白。
  • 作者认为这些生物标志物可能补充多模态神经监测、追踪继发性损伤轨迹,并作为未来CPA导向试验的候选终点,但需前瞻性验证。

适用人群与场景

  • CENTER-TBI队列中151例中重度TBI患者,纳入标准为伤后7天内至少12小时ICP监测且有可用的血浆蛋白生物标志物样本。
  • 数据来自2014至2017年21个招募中心的前瞻性数据,本研究为回顾性观察分析。
  • 排除标准:ICP监测不足12小时或伤后7天内无可用生物标志物样本者。

诊断标准与关键阈值

  • ICP>22 mmHg定义为一次损伤事件(依据BTF指南)。
  • PRx>0.2为提示CPA受损开始的阈值。
  • CPP<60 mmHg、60–70 mmHg、>70 mmHg分别定义为低灌注、正常、潜在高灌注范围(依据BTF指南)。
  • ΔCPPopt<-5 mmHg、±5 mmHg内、>5 mmHg分别定义为低灌注、灌注充分、高灌注范围(从COGiTATE试验方案外推)。
  • 继发性生物标志物峰值探索性定义为:至少4次连续采样的患者中,连续样本间升高≥10%且之前有任意幅度下降。

研究设计与关键结果

  • 研究类型:回顾性、观察性多中心研究,使用CENTER-TBI队列前瞻性数据;样本量151例;中位年龄52岁(IQR 31–64);最常见致伤原因为道路交通事件(45%)和意外跌倒(34%)。
  • 6个月随访时71例(47%)预后良好(GOSE 5–8),32例(21%)死亡。
  • 第1天生物标志物水平升高与随后7天ICP>22 mmHg的%GMT增大相关;第1天GFAP、t-Tau、UCH-L1升高与PRx>0.2的%GMT增大及CPP 60–70 mmHg的%GMT降低相关;第1天全部生物标志物升高与ΔCPPopt<-5 mmHg的%GMT增大及ΔCPPopt>5 mmHg的%GMT降低相关(BH校正后除UCH-L1与PRx>0.2外均显著)。
  • 7天中位值Spearman相关:ICP升高与全部生物标志物升高显著相关;PRx升高与GFAP(p<0.001)、NSE(p=0.014)、S100B(p=0.001)、t-Tau(p<0.001)、UCH-L1(p<0.001)升高相关;CPP与生物标志物无显著相关;ΔCPPopt升高与全部生物标志物水平降低显著相关;NfL与ICP的相关在BH校正后未保持显著。
  • 交叉相关分析:全部生物标志物与脑生理变量的最强相关出现在 lag 0(同日采集);0.5、1、2、6小时较短时间窗内相关系数相对一致。
  • 多变量LMEM:ICP与每种生物标志物独立正相关(两个模型均如此);PRx升高与NfL降低相关;ΔCPPopt升高与NSE降低相关;ICP与PRx的正向交互作用在NSE(两个模型)、NfL(ΔCPPopt模型)和S100B(CPP模型)中显著;PRx与ΔCPPopt的正向交互作用在S100B模型中显著;年龄与GFAP、S100B、t-Tau、UCH-L1正相关,与NSE负相关;入院GCS运动评分与NfL和NSE负相关。
  • 继发性峰值分析:GFAP继发性峰值与较高中位ICP相关(p=0.016);t-Tau继发性峰值与CPP<60 mmHg的%GMT较高(p=0.028)、CPP>70 mmHg的%GMT较低(p=0.033)及较低中位CPP(p=0.044)相关;UCH-L1继发性峰值与较低中位CPPopt相关(p=0.026);BH校正后均未保持显著。
  • 效应量示例:GFAP对ICP的系数为0.022/mmHg,即每日中位ICP每增加10 mmHg,GFAP浓度约增加1.66倍(10^[0.022×10]≈1.66)。

证据类型、等级与局限

  • 证据类型:回顾性、观察性多中心队列研究(CENTER-TBI),使用前瞻性采集数据。
  • 作者指出观察性数据不能推断因果方向;关联可能为双向。
  • 局限:作者指出继发性峰值分析中10%阈值是任意的,未考虑生物标志物特异性清除动力学;要求≥4次连续采样可能引入选择偏倚,偏向ICU病程较简单的患者;该分析应视为纯探索性。
  • 局限:作者指出多变量结果需谨慎解读,因并非所有生物标志物均一致,且部分模型在BH校正后失去统计学显著性。
  • 局限:作者指出替代终点的严格验证需要证据表明生物标志物位于干预与临床结局之间的因果通路上,且治疗引起的变化能可靠预测临床获益,本观察性研究未解决这些标准。
  • 局限:作者指出研究结果需在前瞻性高分辨率研究中验证。

对床旁实践的改变

  • 作者认为这些生物标志物可能补充多模态神经监测,通过捕捉脑生理紊乱的生化影响来追踪继发性损伤轨迹。
  • 作者认为第1天生物标志物水平可能有助于识别ICU病程不利及可能需要及时干预以预防继发性损伤进展的患者。
  • 作者认为这些生物标志物可能作为未来CPA导向治疗试验的候选终点,但需前瞻性验证。
  • 原文未据此给出推荐。

指南或共识出处

  • CENTER-TBI(Collaborative European NeuroTrauma Effectiveness Research in TBI)队列
  • Brain Trauma Foundation(BTF)指南
  • COGiTATE试验方案

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」,故未列出这些栏目。
全文中译18 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. 2026 Jun 13;30:311. doi: 10.1186/s13054-026-06132-4

引言

中重度创伤性脑损伤(TBI)后的管理旨在通过神经监测和及时干预尽量减少继发性损伤,从而改善功能预后。该方法的核心重点是预防和治疗颅内压(ICP)升高,并维持脑灌注压(CPP)平衡,以避免缺血和过度灌注[1–3]。然而,目前已知这些脑生理指标并不能完全反映或体现TBI后导致神经元损伤的病理生理过程[4]。例如,许多TBI患者丧失维持脑压力自动调节(CPA)的能力,这意味着尽管CPP处于“通常可接受”的数值范围,仍可能发生缺血或过度灌注[5, 6]。为解决这一问题并指导治疗,已开发出衍生的CPA指标,如压力反应性指数(PRx)及其衍生的“最佳”CPP(CPPopt),用于量化CPA并实现CPP个体化管理[5–7]。最近一项II期试验显示,以CPPopt为指导的治疗既可行又安全,为未来的有效性和结局试验奠定了基础[8]。然而,长期功能结局是一个相当粗略且多维的指标,受到人口学特征、复杂损伤模式、临床病程、照护轨迹和神经康复等众多因素的影响。因此,仅通过改变这些众多变量中的一个来证明功能结局改善是一项挑战。 consequently,即将开展的CPA指导管理研究需要替代终点指标来评估任何潜在的生理效应和治疗效应。

另一种方法是评估下游生理监测变量,如有创脑组织氧合或通过微透析评估脑能量代谢[4, 9, 10]。然而,这些方法提供的是高度局灶性的测量,可能无法准确反映整体脑病理生理状态——尤其是在创伤性脑损伤(TBI)的背景下,其损伤模式常呈现空间异质性[4]。相比之下,中枢神经系统(CNS)损伤的蛋白质组学血液生物标志物(PBBMs)代表了脑损伤的整体指标,可能更适合作为继发性脑损伤的终点指标。研究最为广泛的PBBMs包括胶质纤维酸性蛋白(GFAP)、神经丝轻链(NfL)、神经元特异性烯醇化酶(NSE)、S100钙结合蛋白B(S100B)、总微管蛋白相关单元(t-Tau)和泛素C末端水解酶-L1(UCH-L1)[10, 11]。这些PBBMs反映了不同类型的脑损伤,包括星形胶质细胞损伤、血脑屏障破坏[12, 13]、神经元胞体坏死[14]和轴突断裂[13]。重要的是,更大规模的研究已证实,其中几种PBBMs与整个TBI严重程度谱系的长期预后独立相关[10–12, 15–21]。近期一个新颖的TBI分类框架将PBBMs作为分层原发疾病严重程度的关键支柱[22, 23]。由于PBBMs在细胞来源、特异性和清除率方面存在差异,临床解读必须考虑这些生物学区别。在既往研究中,GFAP和UCH-L1与动态脑生理学(颅内压升高、脑灌注压降低和脑压力自动调节受损)的关联强于NSE或S100B等传统PBBMs,后者的颅外表达降低了特异性,并可能在急性期削弱此类关联[12, 14–16]。值得注意的是,NfL从受损轴突中缓慢释放,血清半衰期长达数天至数周[13, 23–25],导致其逐渐蓄积的模式不同于GFAP和UCH-L1等胞质蛋白,后者在急性损伤后达峰更快。这种动力学异质性对本研究中所考察的时间关联具有直接影响。

脑生理紊乱与PBBM释放之间的关系可能是双向的,可能是双向的,尽管仅凭观察性数据无法确定这些关联的方向和幅度。严重的原发性脑损伤通常伴随PBBMs的早期激增,这反映的是损伤的总体负荷而非损伤类型,其后可能伴随更为不良的脑病理生理轨迹[26]。反之,显著的继发性打击,如脑压力自动调节受损和脑灌注压降低,可加剧神经元损伤并驱动进一步的PBBM释放。因此,PBBMs可能不仅指示原发性损伤严重程度和疾病轨迹,还捕获继发性损伤的累积影响,有望作为脑生理治疗效果的候选终点指标。除了作为试验终点的潜力外,PBBMs还可能在实时重症监护病房(ICU)中提供具有临床意义的信息,通过捕获脑生理紊乱的生化影响来补充脑生理监测。

利用多中心协作欧洲神经创伤有效性研究(CENTER-TBI)队列中前瞻性收集的数据,我们进行了一项回顾性分析,以探究脑损伤的基于外周血的生物标志物(PBBMs)与关键脑生理变量之间的关系。我们的目标是评估这些PBBMs是否可作为未来创伤性脑损伤(TBI)中脑灌注压(CPA)指导治疗试验的可行替代终点。我们还试图探索这些关联的时间动态变化和消退过程,以为最佳采样策略和PBBM选择提供依据。

材料与方法

材料

本研究使用了CENTER-TBI队列中回顾性观察性研究的前瞻性数据,该队列在2014年至2017年间从21个招募中心纳入了277例具有高频数据的患者。在这277例患者中,最终队列包括151例TBI病例,这些病例具有至少12小时的颅内压(ICP)监测,并在伤后前七天内可获得PBBM样本(补充图1)。

CENTER-TBI研究(欧盟资助编号602150)的开展符合所有直接适用或具有直接效力的欧盟相关法律,以及招募中心所在国家的所有相关法律,包括但不限于相关隐私和数据保护法律法规(“隐私法”)、有关人体材料使用的相关法律法规,以及所有不时生效的与临床研究相关的指导文件,包括但不限于ICH三方协调良好临床实践指南(CPMP/ICH/135/95)(“ICH GCP”)和世界医学协会赫尔辛基宣言——“涉及人类受试者的医学研究伦理原则”。根据当地法规,CENTER-TBI核心数据集中招募的所有患者均获得了患者和/或法定代理人/近亲属的知情同意,并记录在电子病例报告表(e-CRF)中。

伦理批准

各招募中心均获得了伦理批准。中心列表、伦理委员会、批准编号和批准日期可在以下网站查询:https://www.center-tbi.eu/project/ethical-approval。

临床数据管理

CENTER-TBI研究的数据通过Quesgen e-CRF(Quesgen Systems Inc,美国)收集,托管于INCF平台,并通过INCF Neurobot工具(INCF,瑞典)提取。在高分辨率数据库中的患者监测和数据收集使用了ICM+研究平台(Cambridge Enterprise Ltd,剑桥大学,英国)和/或Moberg神经监测系统(Moberg Research Inc.,美国)。

人口学和低分辨率数据于2024年3月17日通过Opal软件[4.6.28]获取,包括年龄、损伤机制、入院状态(格拉斯哥昏迷量表[GCS]和瞳孔状态)、Marshall计算机断层扫描(CT)评分、影像学数据(颅内出血类型和体积)、损伤严重程度评分(ISS)以及六个月格拉斯哥结局扩展量表(GOSE)。

基于血液的蛋白质组学生物标志物数据

用于测定PBBMs GFAP、NfL、NSE、S100B、t-Tau和UCH-L1的血液采样已在其他地方详细描述[27]。简言之,血液样本在损伤后24小时内获取,此后一般每天一次,使用凝胶分离管。在室温下凝血45±15分钟后,血液在采集后60分钟内离心并分装(8×0.5 mL)。随后,样本在-80℃下冷冻,之后运送至CENTER-TBI生物样本库(匈牙利佩奇)进行生化分析[23]。使用基于单分子阵列(SiMoA)的Human Neurology 4-Plex B检测法,在SR-X台式平台(Quanterix Corp.,美国马萨诸塞州列克星敦)上测量GFAP、NfL、t-Tau和UCH-L1[28, 29]。同时,NSE和S100B水平在Cobas 8000模块化分析仪的e602模块(Roche Diagnostics,德国曼海姆)上使用电化学发光免疫分析试剂盒(Elecsys S100和NSE检测)进行评估[30]。

脑生理数据

颅内压监测器采用脑实质内应变计探头(Codman ICP MicroSensor:Codman & Shurtleff Inc.,美国马萨诸塞州雷纳姆)或光纤压力传感器(Camino ICP Monitor,Integra Life Sciences,美国新泽西州普兰斯伯勒)。启动有创颅内压监测的决定通常依据国际TBI指南[31]作出,尽管当地管理方案可能导致实践中的一些差异。这也适用于一般TBI患者管理方案。

高频(100 Hz或更高)生理数据采集和处理,包括伪影去除和下采样为该队列的10秒平均时间序列,已在先前工作中详细描述[32]。数据处理采用ICM+研究软件平台[33]。总之,分析了10秒平均动脉血压(ABP)和ICP时间序列。PRx计算为10秒平均ICP与平均动脉压(MAP)之间在五分钟窗口内的移动Pearson相关性,按分钟更新[32, 34, 35]。CPP定义为MAP减去ICP[32]。CPPopt使用Beqiri等人[5]描述的方法逐分钟估算,该方法利用PRx-CPP关系在2至8小时时间跨度内的多窗口加权分析。总之,对于每个数据窗口,预处理后的CPP和Fisher变换的PRx值被分组到箱中,并对数据拟合二次多项式曲线以识别最低点(CPPopt)。最后,应用质量保证和平均化,所得估计值以加权平均结合,然后使用两小时指数加权滤波器平滑[5]。约85%的可用CPP数据可逐分钟计算CPPopt,与先前报告的产出值一致[5, 36]。ΔCPPopt定义为实际CPP与CPPopt之间的差值(ΔCPPopt = CPPactual – CPPopt)[7]。所有生理变量均按逐分钟尺度评估以供后续分析。

脑生理分析

在伤后前七天内进行了脑生理分析。当患者离开重症监护病房(ICU)时,例如因影像学检查或手术,数据采集偶尔会中断。在排除包括伪差时段在内的缺失数据后,剩余监测时间被定义为有效监测时间百分比(%GMT)。计算该期间ICP、PRx、CPP和CPPopt的中位数。此外,计算各变量在特定阈值内的%GMT作为损伤负荷的描述指标:ICP高于22 mmHg(根据脑创伤基金会(BTF)指南[31]归类为损伤)、PRx高于0.2(该阈值提示CPA损害开始的建议值[5, 37, 38])、CPP低于/处于/高于60–70 mmHg(分别对应BTF指南[31, 37]的低灌注/正常/潜在充血范围)、以及ΔCPPopt低于/处于/高于± 5 mmHg(分别对应从COGiTATE试验方案[6]外推的低灌注/充分灌注/过度灌注范围)。

临床结局

临床结局采用伤后六个月的GOSE进行评估,该量表将结局从死亡(1)到上等良好恢复(8)进行分类[39, 40],并二分分为有利/不利(GOSE 5–8/1–4)和死亡/存活(GOSE 1/2–8)。

统计分析

所有数据分析仅限于伤后前七天。人口学数据中连续变量以中位数(四分位距[IQR])表示,分类变量以数量(百分比[%])表示。使用自行编写的R脚本进行数据可视化,详细描述见补充方法。

为展示时间数据频率,生成了散点图,显示log10转换后的PBBM水平和脑生理变量的每日中位数,时间趋势以局部回归配合局部估计散点图平滑(LOESS)进行可视化。

为探索PBBM与脑生理变量之间的一般关联,生成了每对变量前七天中位数之间Spearman相关性的网格热图。此外,采用相同原理探索特定脑生理阈值外/内的%GMT与PBBM浓度的关联。我们还检验了第1天PBBM水平是否反映第1–7天脑生理紊乱的累积负荷。Spearman相关系数从负到正进行颜色编码,范围从− 0.5到0.5。此外,我们采用探索性定义评估继发性PBBM峰的存在,即在至少连续四次PBBM测量的患者中,连续样本间升高≥ 10%且之前有任意幅度的下降,以使用Mann-Whitney U检验观察其是否与有和无继发性峰患者之间脑生理损伤%GMT的差异相关。

为了捕捉PBBMs与脑生理变量之间的时间动态关系,构建了滞后24小时的交相关图。为获得单一数值,按每位患者、每天和每个滞后时间计算中位数。所有PBBM值(每位患者、每天)与相应的生理值(每位患者、每天和每个滞后时间)进行匹配。相关性计算采用Spearman相关分析,并通过1000次迭代的自举法确定每个时间滞后下相关系数的95%置信区间(CI)。24小时的时间滞后代表脑生理变量相对于PBBM采集的偏移。随后将Spearman相关系数及其95%CI跨时间滞后作图。同一原理应用于可视化PBBM采集前后更接近的时间窗口(0.5、1、2和6小时)内脑生理数据中位数与PBBM浓度的相关性。

为检验PBBMs与脑生理的相关性是否存在差异,对每个PBBM拟合单变量线性混合效应模型(LMEM),并 further 以患者作为随机截距以校正重复测量。使用伤后前七天收集的数据,计算每天每个脑生理变量的中位数。由此创建散点图,以log10转换的PBBM水平和脑生理变量作图,并叠加模型拟合和数据密度。采用多变量LMEM评估脑生理变量对每个PBBM的独立效应,以ICP、PRx、年龄、入院时GCS运动(GCS M)评分以及CPP或ΔCPPopt作为固定效应。根据既往研究[41],纳入PRx与CPP/ΔCPPopt或ICP之间的交互作用。由于ABP变异性理论上可减弱ΔCPPopt损伤,额外进行了包含ΔCPPoptnegative和ΔCPPoptpositive的多变量LMEM——分别反映低灌注和高灌注。对于ΔCPPoptnegative,所有ΔCPPopt > 0 mmHg的分钟值计为零,< 0 mmHg的值使用绝对值(例如,CPP为65 mmHg而CPPopt为75 mmHg时,ΔCPPoptnegative为10 mmHg)。类似地,对于ΔCPPoptpositive,所有ΔCPPopt < 0 mmHg的值计为零。在两个多变量LMEM中,患者和时间(天)建模为随机效应,患者作为随机效应的分组因子,同时包含随机截距和时间(天)的随机斜率,使每位患者在观察期内具有个体基线值和患者特异性轨迹。

采用Benjamini-Hochberg(BH)校正控制多次同时比较的错误发现率,校正后p值以q值报告。p值和q值 < 0.05视为具有统计学显著性。所有统计分析使用R软件4.3.2版本(R Core Team,R Foundation for Statistical Computing,维也纳,奥地利)进行。

结果

人口统计学数据

本研究纳入151例患者(表1),中位年龄为52岁(IQR 31–64)。最常见的损伤原因为道路交通事故(45%)和意外跌倒(34%)。中位GCS M为4(IQR 1–5),34例(23%)患者入院时有一侧或两侧瞳孔无反应。中位Marshall分级为3(IQR 2–6),中位ISS为34(IQR 25–45)。创伤性蛛网膜下腔出血(76%)、脑挫伤(63%)和急性硬膜下血肿(51%)为较常见的影像学表现,而脑室内出血(29%)和硬膜外血肿(21%)较少见。在六个月随访时,71例患者(47%)恢复良好,而32例患者(21%)死亡。

表1 人口学数据 查看原表 ↗

蛋白质组血液生物标志物与脑生理变量的时间动态

伤后前七天蛋白质组血液生物标志物(PBBMs)和脑生理变量的中位值(IQR),以及脑生理变量超出/处于预定义区间内的%GMT汇总于表2。PBBMs和脑生理变量的数据密度见补充图2。对于所有数据,第1天的数据密度最高。对于GFAP、NSE、S100B、t-Tau和UCH-L1,中位值呈下降趋势,而NfL则呈逐渐升高趋势(补充图2a)。脑生理变量的中位值在整个检查期间保持相对稳定(补充图2b)。

表2 伤后前七天蛋白质组血液生物标志物和脑生理数据 查看原表 ↗

蛋白质组血液生物标志物与脑生理变量之间的关联——七天中位值的探索性Spearman相关分析

第一项探索性分析研究了伤后前七天采集的PBBMs中位水平与脑生理变量之间的相关性,结果见图1。较高的ICP水平与所有PBBMs水平升高呈统计学显著相关。较高的PRx与较高水平的GFAP(p < 0.001)、NSE(p = 0.014)、S100B(p = 0.001)、t-Tau(p < 0.001)和UCH-L1(p < 0.001)显著相关。CPP与PBBMs未显示任何显著相关性。较高的ΔCPPopt与所有PBBMs较低水平呈显著相关。值得注意的是,经BH校正后,仅NfL与ICP的相关性不再具有统计学显著性。此外,脑生理变量处于预定义范围内的%GMT与伤后前七天PBBM浓度相关(补充图3)。第1天所有PBBMs水平较高与伤后前七天ICP > 22 mmHg insult的%GMT较高相关,而第1天GFAP、t-Tau和UCH-L1水平较高与PRx > 0.2 insult的%GMT较高相关,并与CPP 60–70 mmHg的%GMT较低呈负相关(补充图4)。第1天所有PBBMs水平升高与ΔCPPopt < -5 mmHg的%GMT较高相关,而第1天所有PBBMs水平较高与ΔCPPopt > 5 mmHg的%GMT较低相关。经BH校正后,除UCH-L1与PRx > 0.2的%GMT之间的相关性外,所有这些相关性均保持统计学显著。

还分析了在伤后最初七天内,有无继发性PBBM峰值(定义为连续样本间升高≥10%且之前有任意幅度的下降,并且连续采样天数≥4天;补充表1)的患者之间,%GMT损伤负担是否存在差异。GFAP的继发性峰值似乎与较高的中位ICP显著相关(p = 0.016)。有继发性t-Tau峰值的患者表现出较高比例的%GMT CPP < 60 mmHg(p = 0.028)和较低比例的%GMT CPP > 70 mmHg(p = 0.033),并与较低的中位CPP相关(p = 0.044)。UCH-L1的继发性峰值与较低的median CPPopt显著相关(p = 0.026)。重要的是,经BH校正后,没有相关性保持统计学显著。

图1 蛋白质组血液生物标志物与脑生理变量之间的关联——伤后最初七天所收集数据的Spearman相关矩阵。使用Spearman相关分析展示第一周内PBBM(GFAP、NfL、NSE、S100B、t-Tau和UCH-L1)与脑生理变量(ICP、PRx、CPP和ΔCPPopt)之间的相关矩阵。为说明相关系数,网格单元按从红色(负相关)到蓝色(正相关)进行颜色编码。具有统计学显著性的值(p和q < 0.05)以粗体显示。GFAP与ICP、PRx之间;NSE与ICP、PRx之间;S100B与ICP、PRx之间;t-Tau与ICP、PRx之间;UCH-L1与ICP、PRx之间可见正相关且具有统计学显著性;同时,所有PBBM与ΔCPPopt之间可见负相关 查看原图 ↗

伤后最初七天蛋白质组血液生物标志物与脑生理变量的交叉相关分析

在滞后24小时的交叉相关图中检验了PBBM与脑生理变量之间相关性的时间动态(图2)。这些与PBBM水平的相关性用于探讨生理性损伤与PBBM浓度之间关系的时间关联。总之,对于所有PBBM,与所有脑生理变量的最强相关性均为滞后0——即同日采集的数值。此外,还使用了PBBM采样前后0.5、1、2和6小时的较短时间窗,以在时间上更窄地检查相关性(补充图5)。总体而言,在所有较短时间窗中,相关系数相对一致。

图2 蛋白质组血液生物标志物与脑生理变量——24小时滞后交叉相关。交叉相关图展示PBBM浓度(GFAP、NfL、NSE、S100B、t-Tau和UCH-L1)与脑生理变量(ICP、PRx、CPP和ΔCPPopt)之间的Spearman相关系数及95% CI。滞后设置为脑生理变量相对于PBBM采集的24小时时间偏移。如图所示,对于所有PBBM,ICP和PRx均显示与滞后0的最高正相关。对于所有PBBM,CPP在负滞后时总体呈负相关,在正滞后时呈正相关。对于所有PBBM,ΔCPPopt在滞后0或1时显示最强的负相关 查看原图 ↗

蛋白质组血液生物标志物与脑生理变量——单变量线性混合效应模型分析

图3展示了所有PBBM与脑生理变量24小时中位数的线性混合效应模型(LMEM)。较高的ICP与所有PBBM水平升高呈统计学显著相关。对于PRx,除GFAP和NfL外,所有PBBM均呈正斜率。较高的CPP与较低的GFAP(p < 0.05)、NfL(p < 0.05)、NSE(p = 0.01)、S100B(p < 0.001)和t-Tau(p < 0.01)水平相关,具有统计学显著性。最后,ΔCPPopt正值与较低的NSE呈统计学显著相关(p < 0.001),但与其他任何PBBM均无显著相关。经BH校正后,所有相关性仍具有统计学显著性。

在多因素LMEM中(表3),每个PBBM分别在独立的LMEM中进行分析,模型包含ICP、PRx以及CPP或ΔCPPopt(分别在不同模型中),同时将年龄和入院时GCS M作为固定效应,并将患者和时间(天数)作为随机效应。在这些模型中还评估了PRx与ICP以及CPP/ΔCPPopt之间的交互作用。在两个多因素LMEM中,较高的ICP均与每个PBBM较高水平独立相关。较高的PRx在两个模型中均与较低的NfL相关。较高的ΔCPPopt与较低的NSE相关。在两个模型中均观察到ICP与PRx之间对NSE存在显著正交互作用,在ΔCPPopt模型中对NfL以及在CPP模型中对S100B也观察到显著正交互作用。此外,在S100B模型中,PRx与ΔCPPopt之间的交互作用为正向且显著。最后,年龄与GFAP、S100B、t-Tau和UCH-L1呈显著正相关,在两个模型中与NSE呈负相关。此外,入院时GCS M与NfL和NSE模型均呈显著负相关。经BH校正后,PRx在NfL模型中失去统计学显著性。在NSE模型中,ICP、年龄、ΔCPPopt以及ICP与PRx之间的交互作用也观察到同样情况。还检查了包含ΔCPPopt负值和ΔCPPopt正值的多因素LMEM(补充表2)。在两个模型中,较高的ICP均与每个PBBM较高水平显著相关。PRx在NfL模型(负向)和S100B模型(正向)中显著。ΔCPPopt负值在NSE模型中具有统计学显著性(正向)。ICP与PRx之间的交互作用在NfL和NSE模型中呈显著正相关,而PRx与ΔCPPopt负值之间的交互作用在S100B模型中显著(负向)。年龄除NfL模型外在所有模型中均显著(除NSE模型外在所有模型中均为正向),入院时GCS M在NfL和NSE模型中显著(两者均为负向)。经BH校正后,NSE模型与ΔCPPopt负值、年龄以及ICP与PRx之间的交互作用失去统计学显著性。S100B模型与PRx失去统计学显著性,t-Tau模型与年龄失去统计学显著性。

图3 基于血液的蛋白质组学生物标志物与脑生理变量——单变量线性混合效应模型。散点图包括线性混合效应模型(LMEM),使用单变量LMEM模型(红色虚线)可视化GFAP、NfL、NSE、S100B、t-Tau和UCH-L1与伤后前七天内ICP、PRx、CPP和ΔCPPopt的关系。使用Oob挤压函数在最外周可视化离群值。数据密度通过viridis色阶可视化,从蓝色(低)到黄色(高)。如图所示,以下组合可见统计学显著的单变量模型:GFAP与ICP和CPP;NfL与ICP和CPP;NSE与ICP、PRx、CPP和ΔCPPopt;S100B与ICP、PRx和CPP;t-Tau与ICP、PRx和CPP;UCH-L1与ICP和PRx。经Benjamini-Hochberg校正后,所有结果仍具有统计学显著性(q < 0.05)。 查看原图 ↗
表3 伤后前七天内基于血液的蛋白质组学生物标志物与脑生理变量——多变量线性混合效应模型分析 查看原表 ↗

讨论

在这项观察性CENTER-TBI研究中,纳入151例TBI患者,对广泛PBBM面板进行连续测量并进行高频脑生理监测,我们证实了研究假设,即PBBM水平与关键脑生理变量相关。第1天的PBBM浓度与伤后随后七天内ICP、PRx和ΔCPPopt所定义的损伤的后续趋势相关。整个监测期间PBBM水平的中位数与这些脑生理紊乱的更高累积负担相关。时间分析表明,当检查同日采集的脑生理变量和PBBM浓度时,这些关联的强度最强,且这些关联可能是双向的:早期PBBM升高反映易导致不良生理轨迹的原发性损伤负担,而继发性脑生理损伤又可能反过来驱动进一步的PBBM释放——尽管无法从这些观察性数据中推断因果方向性。在多变量LMEM中,若干脑生理变量与多种PBBM独立相关,其中ICP升高显示出最一致且最稳健的关联。其他脑生理参数显示出较弱的关系,但CPA受损(高PRx)倾向于增强ICP升高对PBBM的影响。最后,没有哪一种PBBM在反映脑生理或CPA紊乱方面明显优于其他标志物;相反,NfL似乎反应性较低,可能由于其不同的释放和清除动力学[13, 23–25]。

先前已有研究表明,第1天PBBM水平可反映原发性脑损伤的程度,与临床严重程度相关,并与TBI放射学成像上的结构损伤相对应[12, 42]。它们还已证明在不同严重程度分层(GCS分组)中对结局预测具有增量价值[22, 43]。在本研究中,我们证实较高的第1天PBBM水平与更高的ICP和PRx不良事件负担以及ΔCPPopt紊乱相关。这提示早期PBBM水平可能有助于识别处于不利重症监护病程风险中的患者,以及可能需要及时干预以防止额外继发性打击和损伤进展。我们进一步观察到,前七天的PBBM水平中位数与脑生理变量相应的7天中位数相关。尽管除NfL外大多数PBBM在第1天后下降,但清除延迟或继发性峰值可能反映持续或继发性脑损伤[44, 45]。因此,我们更详细地探讨了这些时间关系。

在单变量线性混合效应模型(LMEM)中,较高的颅内压(ICP)和压力反应指数(PRx),以及随时间推移较低的脑灌注压(CPP)和负的ΔCPPopt值,经常与所有原发性脑生物标志物(PBBM)的较高水平相关——但NfL与PRx的关系除外。为帮助临床解读LMEM效应量(表3),所有PBBM值均经log10转换,因此,ICP的GFAP系数(每mmHg 0.022)意味着每日中位ICP每升高10 mmHg,GFAP浓度约增加1.66倍(10[0.022 × 10] ≈ 1.66)。类似的换算适用于其他PBBM–脑生理变量配对(表3)。在考察脑生理变量与PBBM采样之间不同的时间偏移时,同一24小时期间采集的脑生理变量与PBBM的相关系数强度总体上更高。如前所述,未对这些关系的方向性或因果关系作出任何假设。 underlying primary brain injury(潜在原发性脑损伤)更广泛的患者通常释放更多PBBM,并且由于损伤而发展为更严重的脑水肿以及脑自动调节功能(CPA)受损的发作[10–12, 15–17, 19]。反过来,这些继发性生理损伤可能进一步加剧组织损伤和PBBM释放,形成有害的正反馈环路。不同时间窗之间相关强度的总体相似性可能反映了PBBM释放和清除的缓慢动力学。因此,这些数据与双向关联一致——但无法从这项探索性研究中得出方向性或因果性结论。我们明确不将时间滞后解读为因果关系的证据[44]。此外,尽管脑生理损伤可以是短暂的,但其潜在 contributing factors( contributing factors),如脑水肿、颅内出血范围和患者基线血压,通常在数小时内评估时保持相对稳定。因此,在PBBM采样前出现此类急性紊乱的患者很可能在此后继续经历这些紊乱,从而强化了所观察相关性的 certain temporal stability(一定时间稳定性)。对继发性峰值的额外分析——定义为两个后续PBBM值之间升高10%,且之前有任意幅度的下降,并需要≥ 4个连续采样日——显示了一些与更多脑生理损伤相关的具有统计学意义的结果,然而,在BH校正后,所观察到的显著结果均未持续存在。此外,继发性峰值这一术语对每种PBBM并未明确定义,不同的PBBM采样频率和清除时间使分析复杂化。10%的阈值是任意设定的,并未考虑PBBM特异性的清除动力学;对≥ 4个连续采样日的要求也可能引入选择偏倚,偏向于ICU病程较简单的患者。因此,该分析应被视为纯探索性分析。此外,一项近期研究表明,PBBM持续升高的轨迹而非继发性峰值与更差结局相关[45]。未来研究应着眼于调查每日多次采集的PBBM数据,并探索关于个体PBBM清除和轨迹的继发性峰值的不同解读。

在多变量分析中,颅内压(ICP)是最强的脑生理学相关指标,显示与大多数PBBM相关,但BH校正后NSE除外。我们的结果证实并扩展了既往研究[10, 11],表明ICP升高与TBI后星形胶质细胞损伤(GFAP、S100B)和神经元/轴索损伤(UCH-L1、NfL、t-Tau)均相关。尤其是ICP反映了潜在的损伤负荷本身,这可能解释其主导作用[46–48]。此外,已知危重性ICP升高对脑完整性和结局具有灾难性影响[46–48],进一步支持其与PBBM的强关联。关于CPA损伤,PRx主要作为修饰因素,放大ICP升高的有害效应,并在一定程度上放大ΔCPPopt损伤的有害效应。这种交互模式与以下概念一致:CPA受损本身并不构成损伤,而是增加损伤风险,这也得到既往结局研究的支持,这些研究显示高PRx缩小了与良好结局相关的ICP、CPP和ΔCPPopt的可耐受范围[41, 49]。然而,我们承认这些结果应谨慎解读,因为这并非与所有PBBM一致,且在某些模型中BH校正后统计学显著性丧失。此外,负向ΔCPPopt也与较高PBBM水平相关,强调CPA紊乱和低灌注对持续继发性损伤的贡献[50–52]。在这些分析中,CPP在多变量模型中显示较弱的独立效应,可能是由于ICP的主导影响,或许还因为它未考虑CPA功能的变化,这与CPA指导的目标可能对脑低灌注和高灌注更敏感相一致[5, 6, 37, 38]。总之,我们的发现进一步强调,PBBM既有望作为ICU中继发性脑损伤负荷的指标,也有望作为CPA指导试验的候选终点。我们强调其即时临床价值在于丰富多模态神经监测并支持个体化、CPA指导的诊疗。这些发现支持脑生理–生化密切耦合,提示这些PBBM有潜力作为ICU中治疗优化的候选终点。鉴于PBBM已确立的长期预后价值,其对急性脑生理应激的明显反应性进一步凸显其在这些用途上的潜在临床相关性[10–12, 15–17, 19]。应当注意,严格意义上的替代终点验证需要证据表明PBBM位于干预与临床结局之间的因果通路上,并且治疗引起的PBBM变化能够可靠预测临床获益[55]。本观察性研究未涉及这些标准。相反,我们的发现将PBBM定位为生物学上合理的候选终点,其有效性应在前瞻性CPA指导试验中检验。

在考察脑生理性损伤与个体PBBM之间的关系时,除NfL外,各PBBM之间未出现明显差异;NfL因其特定的释放和清除动力学而呈现出独特的模式,其水平随时间稳步升高[13, 23–25]。有趣的是,且原因尚不明确,在多因素分析中,较高的PRx反而与较低的NfL水平相关。对此应谨慎解读,并值得在未来的研究中进一步分析。S100B此前因在TBI中可能存在颅外污染而受到批评[17, 53, 54],NSE则因其易受溶血相关测量干扰而受到批评[18],而GFAP和UCH-L1被认为可能是更可靠的脑特异性标志物[14, 15]。然而,在我们的队列中,我们并未观察到任何单一PBBM具有明显优势。S100B在第一天之后颅外来源的影响有限,以及总体良好的样本处理使溶血降至最低,可能部分解释了这些发现。除这些分析方面的考量外,PBBM反映的是CNS损伤的不同细胞层面,即星形胶质细胞(GFAP、S100B)、神经元胞体(NSE、UCH-L1)和轴突(NfL、t-Tau)[12–14],但似乎没有任何特定细胞领域对脑生理性紊乱更为敏感。理想情况下,未来关于这些PBBM与脑生理变量影响的前瞻性研究应纳入整个广泛的标志物组合,或许可排除NfL,因其动力学延迟[13, 23–25]。然而,若受经济或后勤因素限制,S100B可能因其简便、可及且成本相对较低而成为一种务实的选择[54]。

总而言之,功能结局仍然是一种相对粗略且受多因素影响的衡量指标,但由于患者人口学特征、损伤复杂性、临床进展、诊疗路径和重新融入社会等多种因素,难以对其产生影响。相比之下,反映星形胶质细胞损伤、轴突变性和神经元胞体损伤的PBBM可能提供短期的机制性见解,并可能更敏感地捕捉以CPA为靶点的干预措施的即时下游效应。

方法学考量

这项回顾性观察性研究具有若干优势,主要优势在于其多中心设计,并且是首个采用详细变量和高频生理数据的研究,因为与单中心研究相比,这提供了更高的外部效度和更强的泛化能力。它提供了细胞对脑生理紊乱反应的全面视角,反之亦然。我们以更细粒度的图示推进探索性结果,使用了先进的统计建模,如单变量和多变量线性混合效应模型(LMEM),其中包含交互项并针对重复测量和混杂变量进行了调整,以及探索损伤后最急性期可能时间模式的互相关图。除先进统计建模外,所有多重同时比较的分析均使用BH方法进行校正。局限性也必须予以承认。第一,这是一项回顾性、观察性多中心研究,使用的是前瞻性收集的数据,这排除了因果推断。第二,尽管是多中心,队列规模中等。第三,PBBM的采集每日一次,这与逐分钟的脑生理数据存在根本性的时间分辨率不匹配,可能掩盖PBBM对短暂生理损伤的快速动态变化,限制了时间推断的强度。未来研究应探索更频繁的PBBM采样。第四,大多数患者有多个PBBM样本,但此类数据在第一周最后几天较为稀少。第五,为承认PBBM不同的清除时间(从数小时到数天不等),我们选择探索某些时间窗,但认识到未来研究应研究额外的时间窗。此外,CPPopt受过去长达8小时的ICP和ABP测量数据影响,使其对较短时间窗的响应性降低。第六,我们也承认总体和基线PBBM水平之间存在相互作用,以及继发性峰值和持续性PBBM升高可能影响与脑生理的可能相关性。缺乏能够分离这些成分的分析框架限制了因果解释,在评估PBBMs与脑生理变量之间的关联时应予以考虑,因此,应进一步研究。第七,使用Roche平台的临床PBBM分析用于NSE和S100B,其变异系数低于用于GFAP、NfL、t-Tau和UCH-L1的Quanterix平台。这可能潜在削弱了所分析PBBMs的相关性。最后,分析未按TBI亚型分层。鉴于TBI的异质性,观察到的PBBMs与脑生理变量之间的关联可能在不同损伤表型(局灶性与弥漫性、严重程度等)之间存在差异。CENTER-TBI队列涵盖了广泛的损伤严重程度、机制和影像学模式(包括局灶性与弥漫性损伤),这可能引入了稀释亚组特异性关联的异质性。本研究未具备探索此类差异的统计学效能,尽管GCS M作为固定效应纳入多变量LMEM分析,提供了对严重程度的部分调整。因此,未来具有充分统计学效能的前瞻性研究应调查PBBM-脑生理关系是否在不同TBI表型之间存在有意义的差异。

结论

在创伤性脑损伤(TBI)患者的重症监护过程中,PBBM水平与关键脑生理紊乱相关。早期PBBM浓度与随后颅内压(ICP)、压力反应性指数(PRx)和ΔCPPopt所定义损伤的负担相关,而第一周内PBBM水平的中位数也与这类脑生理损伤的累积负荷相关。时间分析表明,当脑生理与PBBM采样同时分析时,关联更强。颅内压升高在所有评估的PBBM中显示出最一致且最稳健的关联,而脑压自动调节(CPA)受损(高PRx)倾向于放大部分PBBM对颅内压升高的反应。在反映脑生理或CPA功能障碍方面,没有单一PBBM明显优于其他标志物,尽管神经丝轻链(NfL)似乎反应性较低,可能由于其独特的释放和清除动力学。总体而言,这些发现凸显了PBBM在未来以CPA为靶点的干预试验中作为替代性短期终点的潜力,但这些发现不应被视为结论性的,而需要在更大、最好是 multicenter 的队列中进一步验证,并在干预和/或损伤前后进行高频采样。重要的是,我们的结果凸显了PBBM通过追踪继发性损伤轨迹来补充多模态神经监测的潜力。

补充信息

以下是电子补充材料的链接。

补充材料1。

参考来源

  1. Kevci R, Hånell A, Aries M, et al. Proteomic blood-based biomarkers of brain damage in traumatic brain injury: are they suitable surrogate endpoints for cerebral pressure autoregulatory-guided therapy? Crit Care. 2026. PMID: 42288919. doi:10.1186/s13054-026-06132-4
  2. 全文:PMC13267589(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13267589/

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。