文献速递消化、代谢与肾脏急症重症综合管理与镇静镇痛

胆固醇水平与社区获得性脓毒症长期发生率的关系

Cholesterol levels and long-term rates of community-acquired sepsis.
PubMed 文献 · Crit Care · 2016-12-23
一句话结论在REGARDS前瞻性队列中,基线低密度脂蛋白胆固醇(LDL-C)处于最低四分位(3-89 mg/dl)与社区获得性脓毒症长期发生率升高相关(HR 1.30,95%CI 1.10-1.52),而高密度脂蛋白胆固醇(HDL-C)水平与脓毒症发生率无关联。

本研究利用REGARDS前瞻性队列(30,239名社区居住成人,纳入29,690名有基线HDL-C和LDL-C数据者),分析基线血脂四分位与首次脓毒症事件(因感染住院且住院前28小时内满足≥2项SIRS标准)的关联。中位随访6.6年(删失者),共发生1845次脓毒症事件(1526人)。多因素调整后,HDL-C四分位与脓毒症发生率无关;LDL-C最低四分位(3-89 mg/dl)与最高四分位相比,脓毒症发生率升高(HR 1.30,95%CI 1.10-1.52),第二四分位(90-111 mg/dl)HR 1.24(95%CI 1.06-1.47)。结论提示低LDL-C与社区获得性脓毒症长期发生率升高相关,HDL-C水平与长期脓毒症发生率无关。

要点

  • 在REGARDS前瞻性队列中,基线LDL-C最低四分位(3-89 mg/dl)与最高四分位相比,社区获得性脓毒症长期发生率升高(HR 1.30,95%CI 1.10-1.52)。
  • LDL-C第二四分位(90-111 mg/dl)与最高四分位相比,脓毒症发生率亦升高(HR 1.24,95%CI 1.06-1.47);第三四分位(112-135 mg/dl)HR 1.07(95%CI 0.91-1.26),未达统计学显著。
  • HDL-C各四分位与脓毒症长期发生率均无关联:Q1(5-40 mg/dl)HR 1.08(95%CI 0.91-1.28),Q2(41-49 mg/dl)HR 1.06(95%CI 0.90-1.26),Q3(50-61 mg/dl)HR 1.04(95%CI 0.89-1.23)。
  • 脓毒症事件定义为因感染住院且住院前28小时内满足≥2项SIRS标准(体温<36或>38°C、心率>90次/分、呼吸>20次/分或PaCO2<32 mmHg、白细胞<4000或>12,000 cell/mm3)。
  • 首次脓毒症事件最常见的感染类型为肺炎(39.4%)、肾脏和尿路感染(17.0%)、腹部感染(15.1%)。

适用人群与场景

  • REGARDS队列中社区居住的成人,年龄≥45岁,仅纳入黑人和白人参与者。
  • 纳入29,690名有基线HDL-C和LDL-C数据的参与者。
  • 脓毒症事件限于社区获得性脓毒症,不包括医院获得性脓毒症。

诊断标准与关键阈值

  • 脓毒症事件定义:因感染住院,且在住院前28小时内满足≥2项全身炎症反应综合征(SIRS)标准:体温<36或>38°C、心率>90次/分、呼吸频率>20次/分或PaCO2<32 mmHg、白细胞计数<4000或>12,000 cell/mm3。
  • 仅考虑住院前28小时内发生的脓毒症事件,不纳入住院后期发生的脓毒症事件。
  • SOFA评分升高定义为SOFA评分≥2分。

研究设计与关键结果

  • 研究类型:前瞻性队列研究,使用REGARDS全国人群为基础纵向队列数据。
  • 样本量:REGARDS总队列30,239人,纳入29,690名有基线HDL-C和LDL-C数据的参与者;中位随访时间:发生首次脓毒症事件者为3.6年(IQR 1.8-5.6),删失者为6.6年(IQR 5.2-8.1)。
  • 主要终点:首次脓毒症事件;共发生3423次严重感染住院,1845次脓毒症事件(1526人)。
  • HDL-C与脓毒症发生率:与最高四分位(Q4)相比,Q1(HDL-C 5-40 mg/dl)HR 1.08(95%CI 0.91-1.28),Q2(41-49 mg/dl)HR 1.06(95%CI 0.90-1.26),Q3(50-61 mg/dl)HR 1.04(95%CI 0.89-1.23),均无显著关联。
  • LDL-C与脓毒症发生率:与最高四分位(Q4)相比,Q1(LDL-C 3-89 mg/dl)HR 1.30(95%CI 1.10-1.52),Q2(90-111 mg/dl)HR 1.24(95%CI 1.06-1.47),Q3(112-135 mg/dl)HR 1.07(95%CI 0.91-1.26)。
  • 按他汀使用分层并重新定义四分位切点后结果相似;将BMI、hs-CRP、胱抑素C、ACR、eGFR作为连续变量调整后结果相似。
  • 感染类型分布:肺炎39.4%,肾脏和尿路感染17.0%,腹部感染15.1%。

证据类型、等级与局限

  • 证据类型:前瞻性队列研究(REGARDS队列)。
  • 局限:仅基線血脂水平可用,无重复测量或脓毒症事件前水平,血脂水平可能在脓毒症事件前随时间变化,但作者认为变化幅度不太可能改变结果。
  • 局限:REGARDS并非为研究脓毒症设计,可能漏诊部分脓毒症事件;但作者认为系统病历审查已最小化漏诊或错误识别。
  • 局限:REGARDS队列仅纳入黑人和白人、年龄≥45岁参与者,结果可能不适用于其他种族或年轻人群。
  • 局限:脓毒症事件限于社区获得性脓毒症,不包括医院获得性脓毒症。
  • 局限:尽管调整了多种潜在混杂因素,但疫苗接种或医疗可及性等未纳入变量可能影响结果。
  • 局限:作为观察性研究,残留混杂是潜在问题;作者在每个参与者REGARDS研究开始时通过综合风险调整策略考虑了广泛变量,但无法考虑这些模式随时间的变化。

对床旁实践的改变

  • 作者认为,识别风险因素并制定脓毒症预防策略可能是减少该致命且昂贵疾病社会负担的有价值努力。
  • 作者指出,较低的LDL-C(<130 mg/dl)在心血管文献中被认为对CAD有保护作用,但本研究结果显示较低LDL-C水平与脓毒症长期风险升高相关。
  • 作者提出,PCSK9抑制剂目前作为降脂药物正在研究中,因其促进LDL清除并降低LDL水平,但也可能在脓毒症中清除脂质病原体方面有应用前景;PCSK9抑制在脓毒症小鼠中减少炎症细胞因子产生和对内毒素的生理反应,PCSK9水平升高与内毒素清除减少和脓毒症器官衰竭相关。
  • 作者提出,由于HDL在脂质病原体清除中起关键中间步骤,研究脓毒症中HDL功能重要性增加;若HDL-C与脓毒症相关器官功能障碍的关联成立,基于HDL的治疗(包括载脂蛋白模拟肽和合成HDL)可能具有潜力。
  • 作者提到,他汀可能通过消退素(resolvins)等脂质介质介导保护作用,不同他汀间保护作用存在差异,阿托伐他汀最有前景;但作者团队近期在REGARDS队列中未发现基线他汀使用对长期脓毒症有保护作用,且他汀使用未显著影响基线血脂水平相关结果。
  • 作者引用两项仅纳入随机对照试验的荟萃分析,均未发现他汀用于脓毒症有获益。

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. 2016 Dec 23;20:408. doi: 10.1186/s13054-016-1579-8

背景

预防医学最重大的成就之一是认识到并治疗高脂血症以预防冠状动脉疾病(CAD)。其中最前沿的是采用HMG-CoA还原酶抑制剂(他汀类)药物治疗,将低密度脂蛋白胆固醇(LDL-C)降至目标水平,具有显著获益[1]。然而,更具争议的是较低水平的高密度脂蛋白胆固醇(HDL-C)与CAD风险增加之间的关联。当LDL-C颗粒被困在人动脉细胞壁的内皮下空间并吸引炎症细胞时,就会发生动脉粥样硬化。通常,HDL-C具有保护作用,因为它将LDL-C转运至肝脏和肾上腺,并促进其在肠道中的清除。HDL-C还具有多种抗氧化和抗炎特性,有助于防止LDL-C氧化和炎症细胞迁移。具有里程碑意义的Framingham研究表明,低HDL-C是男性和女性CAD死亡的危险因素[2]。然而,近期研究发现,在LDL-C已优化且正在接受他汀类药物治疗的患者中,通过药物升高血清HDL-C水平并无额外获益[3]。

除CAD外,胆固醇水平的调控还可能在对抗脓毒症中发挥重要作用,脓毒症是对微生物感染反应失调的综合征。脓毒症在美国每年导致约570,000次急诊科(ED)就诊[4]。每年近215,000名患者死于脓毒症[5],仅在美国,脓毒症每年的估计费用为167亿美元[6]。脂质在预防脓毒症中作用的最有力证据涉及HDL-C。HDL-C在脓毒症中具有保护作用的机制有多种,包括结合和清除细菌毒素[7, 8]、抑制单核细胞、巨噬细胞和树突状细胞迁移、释放炎症细胞因子[9, 10],以及抑制血管和细胞间黏附分子的表达[11]。所有这些过程均可导致炎症失调和内皮损伤,进而引起器官损伤和死亡的临床表现。低HDL-C水平也与脓毒症不良结局相关[12–14]。此外,LDL-C已被证明可促进脓毒症中细菌毒素的清除[15]。Lagrost等[16]证明,心脏手术后发生脓毒症的患者基线总胆固醇水平较低。

在既往研究中,我们已经证明心血管疾病是脓毒症事件发生的危险因素[17]。基线胆固醇与脓毒症发生率之间的关联仍不清楚。与CAD一样,胆固醇与脓毒症之间的关系可能为通过靶向特定脂质来潜在降低个体长期风险提供机会。在本研究中,我们旨在确定社区居住成年人中基线脂质水平与脓毒症长期发生率之间的关联,数据来自卒中地理和种族差异原因(REGARDS)队列。

方法

研究设计

我们使用REGARDS研究的数据进行了一项前瞻性队列研究,该研究是一个全国性基于人群的纵向队列。

数据来源

REGARDS是一项纳入30239名参与者的队列研究,研究对象为≥45岁的社区居民。该队列于2003年至2007年招募参与者[18]。队列中45%为男性,41%为非裔美国人,69%年龄>60岁。该研究对黑人和居住在美国东南部的人群进行了过度抽样,其中21%的队列来自北卡罗来纳州、南卡罗来纳州和佐治亚州的沿海平原(“卒中 buckle”),35%来自北卡罗来纳州、南卡罗来纳州和佐治亚州其余地区以及田纳西州、密西西比州、阿拉巴马州、路易斯安那州和阿肯色州(“卒中带”)。

参与者入组时获得的基线数据包括社会人口学特征、健康行为、慢性疾病状况,以及饮食、家族史、心理社会因素和既往居住地信息。此外,还采集了每名参与者的血液和尿液标本。该研究每6个月联系参与者一次,以确定所有住院的日期、地点和原因。

脓毒症事件的判定

我们判定了参与者归因于严重感染的所有住院;例如肺炎、肾盂肾炎、尿路感染、憩室炎、脑膜炎和蜂窝织炎等。两名经过培训的研究助理独立对所有检索到的医疗记录进行结构化审查,包括急诊科医师和护理记录、入院记录、病程记录和出院记录、实验室报告、生命体征表以及影像学报告。我们审查了住院最初28小时的记录,以涵盖急诊科治疗加一整天住院。脓毒症事件定义为因感染住院,且在住院最初28小时内存在≥2项全身炎症反应综合征(SIRS)标准(体温<36或>38 °C,心率>90次/分钟,呼吸频率>20次/分钟或PaCO2 < 32 mmHg,白细胞计数<4000或>12000个/mm3)。我们未考虑住院较晚时点发生的脓毒症事件。我们评估了2003年1月1日至2012年12月31日10年期间发生的脓毒症事件。

参与者和住院特征

参与者特征在初次访谈和家访时确定。人口学特征包括年龄、种族、性别、收入、教育程度和地理位置。种族定义为白人或不识/非裔美国人,且为自我报告。收入分为四类(<$20,000、$20,000–34,000、$35,000–74,000、≥$75,000)。教育类别包括高中以下、高中毕业、部分大学以及大学或以上。地理区域包括“卒中 buckle”(北卡罗来纳州、南卡罗来纳州和佐治亚州的沿海平原)、“卒中带”(北卡罗来纳州、南卡罗来纳州和佐治亚州其余地区以及田纳西州、密西西比州、阿拉巴马州、路易斯安那州和阿肯色州)和非卒中带。健康行为包括吸烟(当前、既往、从不)和饮酒(根据美国国家酒精滥用与酒精中毒研究所分类,适度饮酒(女性每天1杯或男性每天2杯)、大量饮酒(女性每天>1杯和男性每天>2杯))。

慢性疾病包括癌症、冠心病(CAD)、糖尿病、高血压、肥胖和卒中。参与者自我报告癌症、心肌梗死或卒中病史。冠心病包括心肌梗死病史或心电图提示既往心肌梗死的证据[19]。糖尿病的定义为空腹血糖≥126 mg/L(或非空腹者血糖≥200 mg/L)或使用胰岛素或口服降糖药。高血压包括收缩压≥140 mmHg、舒张压≥90 mmHg,或报告使用降压药。肥胖包括体重指数≥30 kg/m2,或男性腰围>102 cm、女性腰围>88 cm。

REGARDS未收集哮喘和慢性阻塞性肺疾病等肺部疾病的信息。因此,我们将参与者使用肺部药物定义为慢性肺病的替代指标。从每名参与者的药物清单中获取的肺部药物包括β-2肾上腺素能激动剂、白三烯抑制剂、吸入性糖皮质激素、复方吸入剂,以及其他肺部药物如异丙托溴铵、色甘酸钠、氨茶碱和茶碱。他汀类药物的使用以类似方式定义,受试者报告的具体他汀类药物包括阿托伐他汀、氟伐他汀、洛伐他汀、普伐他汀、瑞舒伐他汀和辛伐他汀。为了考虑药物依从性,我们还获取了参与者对四问题版Morisky药物依从性量表的回答,该量表提供个体用药依从性的测量(量表范围为0至4,0表示依从性好,4表示依从性差)[20]。

我们使用了为所有受试者获取的生物标志物数据,包括高敏C反应蛋白(hs-CRP)、胱抑素C、尿白蛋白与肌酐比值(ACR)以及估算肾小球滤过率(eGFR)。研究人员在受试者家中于禁食10–12小时后采集所有REGARDS参与者的血液和尿液样本。样本在采集后2小时内离心以分离血清或血浆,并用冰袋过夜运送至佛蒙特大学实验室。到达后,研究人员在30,000 × g和4 °C下离心样本。样本要么立即分析(常规生化),要么储存于−80 °C。

功能状态测量包括12项简表健康调查(SF-12)躯体综合评分(PCS),以及自我报告的体力活动和疲惫感。与既定定义一致,我们将身体虚弱定义为PCS < 75,将每周体力活动低定义为对问题“您每周进行多少次足以出汗的剧烈体力活动?”回答“几乎从不”或“从不”,将疲惫感定义为对问题“在过去4周中,您有多少时间感到有精力?”回答“少部分时间”或“完全没有”[21–23]。

在因脓毒症住院的参与者中,我们通过查阅可用临床数据的病历确定了若干住院特征。我们使用既定标准[24, 25]确定了序贯(脓毒症相关)器官衰竭评估(SOFA)评分升高(≥2分)的脓毒症事件。我们还确定了入院去向和院内死亡率。

主要暴露

血清总胆固醇、高密度脂蛋白胆固醇(HDL-C)和甘油三酯水平直接从血清样本中测定。低密度脂蛋白胆固醇(LDL-C)采用Friedewald公式由总胆固醇、HDL-C和甘油三酯计算得出[26]。我们的主要暴露变量为HDL-C和LDL-C四分位数。我们还使用已确立的临床 cutoff 值对血脂水平进行分类:HDL-C(<40、40–59和≥60 mg/dl)和LDL-C(<130、130–159和≥160 mg/dl)[1]。我们还将血脂值作为连续变量以及作为总胆固醇的百分比(每标准差增加)进行分析。

数据分析

我们分别使用Pearson卡方关联检验和等均值t检验比较了HDL-C和LDL-C四分位数间的基线参与者特征(分类变量和连续变量)。由于我们观察到生物标志物水平基于血脂四分位数存在视觉趋势,我们使用改良Poisson回归对共同结局指定线性趋势检验,以异常生物标志物为因变量,以HDL-C或LDL-C四分位数为自变量。

为了确定LDL-C和HDL-C与脓毒症发生率之间的关联,我们拟合了一系列Cox比例风险回归模型,以首次脓毒症事件时间为结局,以血脂四分位数为暴露变量。我们将风险人时定义为从首次访谈到首次脓毒症住院的天数。未发生脓毒症事件的参与者在最后一次随访访谈、死亡或2012年12月31日中最早发生者处进行删失。我们依次对模型进行调整:受试者人口学特征(年龄、性别、种族、教育、收入、地理区域)、健康行为(吸烟或饮酒)、慢性疾病(癌症、慢性肺病、冠心病、糖尿病、高血压、肥胖、卒中、他汀类药物使用、Morisky依从性指数)、生物标志物(hs-CRP、胱抑素C、ACR、eGFR)和功能状态(乏力、疲惫、低体力活动)。我们还使用相关临床 cutoff 值和标准化连续变量检查了HDL-C和LDL-C,包括其原始形式和作为总胆固醇的百分比。我们还按他汀类药物使用进行分层分析,相对于非使用者和使用者生成新的四分位数 cutoff 值。最后,我们进行了一项敏感性分析,将若干指标(体重指数、hs-CRP、胱抑素C、ACR和eGFR)作为连续变量纳入。

由于最终模型中纳入的特定变量存在大量缺失值(HDL-C 4.8%、LDL-C 6.1%、胱抑素C 6.8%、hs-CRP 6.4%、ACR 4.7%、eGFR 4.3%),我们使用多重插补进行所有建模。我们使用Stata ‘MI’套件通过链式方程实施多重插补,生成10个插补数据集并使用Rubin规则合并估计值[27, 28]。我们检查了缺失模式以确保满足随机性假设,插补模型纳入了最终分析模型中的所有变量,以及Nelson–Aalen累积风险函数(纳入结局指标的常用方法)[29]。我们最终报告了跨插补合并后的调整风险比和Kaplan–Meier失败函数。所有分析均使用Stata 13.1(Statacorp,College Station,TX,USA)进行。

结果

在REGARDS总计30,239名参与者中,我们纳入了29,690名具有完整随访信息者。在该组中,共有3423例因严重感染住院,1526名个体中共有1845起脓毒症事件。首次脓毒症事件参与者的中位随访时间为3.6年(IQR 1.8–5.6),删失参与者的中位随访时间为6.6年(IQR 5.2–8.1)。

按血脂水平四分位数分组的基线参与者特征见表1。与最高四分位数相比,最低HDL-C四分位数的参与者更可能为男性、白人、受教育程度低于高中、居住在卒中带、目前吸烟以及不饮酒。该组也更可能患有多种慢性疾病和生物标志物异常,包括CAD、糖尿病、高血压、肥胖、卒中、他汀类药物使用、hs-CRP/胱抑素C/ACR升高以及eGFR降低。同样,与最高四分位数相比,最低LDL-C四分位数的参与者更可能为男性和白人;也更多地伴有不成比例的CAD、糖尿病、高血压、卒中、他汀类药物使用、胱抑素C/ACR升高以及eGFR降低。与HDL-C相反,与最高四分位数相比,最低LDL-C四分位数的参与者hs-CRP升高的可能性较低。所检测的所有生物标志物在各四分位数间均观察到显著的线性趋势(p < 0.001)。

脓毒症发生率在HDL-C和LDL-C四分位数间差异显著,两种血脂类型均观察到最低四分位数发生率最高、最高四分位数发生率最低(表2)。与首次脓毒症发作相关的最常见感染类型为肺炎(39.4%)、肾脏和尿路感染(17.0%)以及腹腔感染(15.1%)。与最低四分位数相比,HDL-C最高四分位数的参与者肺炎更为常见,而腹腔感染在最低四分位数更为常见。对于LDL-C,与最高四分位数相比,肾脏和尿路感染在最低四分位数更为常见。与较高四分位数相比,HDL-C和LDL-C最低四分位数中SOFA评分升高的个体比例更高。

在未校正分析中,HDL-C和LDL-C的最低四分位数均与脓毒症发生率升高相关(表3和图1)。在调整人口学特征、健康行为和慢性疾病后,HDL-C四分位数仍与脓毒症长期风险相关。然而,在模型中加入生物标志物后,HDL-C不再与脓毒症发生率相关。同样,使用临床 cutoff 值或作为连续变量定义的HDL-C均未显示与脓毒症风险相关。然而,最低两个四分位数的LDL-C与调整后脓毒症发生率升高相关。我们观察到LDL-C四分位数间存在线性趋势(图1和图2)。当LDL-C被定义为连续变量或占总胆固醇的百分比时,我们获得了相似的推论。按他汀类药物使用进行分层并重新定义四分位数 cutoff 值时,我们观察到相似的结果(表4)。最后,当将BMI、hs-CRP、胱抑素C、ACR和eGFR作为连续变量进行调整时,我们观察到相似的关联。(附加文件1:表S1)

表1 按HDL-C和LDL-C四分位数分组的基线参与者特征 查看原表 ↗
表2 按HDL-C和LDL-C四分位数分组的脓毒症发生率和住院特征 查看原表 ↗
表3 HDL-C和LDL-C与脓毒症发生率的关联 查看原表 ↗
图1 按HDL-C和LDL-C四分位数(Q1=最低四分位数,Q4=最高四分位数)分组的脓毒症发生时间校正Kaplan–Meier(KM)失败曲线。共29,690名参与者。(a)高密度脂蛋白胆固醇(HDL-C)和(b)低密度脂蛋白胆固醇(LDL-C)。所有失败函数均在居住于非腰带地区、无合并症病史、生物标志物水平正常且无功能状态损害的白人、女性、不吸烟且不饮酒的参与者中估计(所有二分类变量设为零,所有分类变量设为参照组) 查看原图 ↗
图2 按HDL-C或LDL-C四分位数(Q1=最低四分位数,Q4=最高四分位数)分组的脓毒症风险。LDL-C低密度脂蛋白胆固醇,HDL-C高密度脂蛋白胆固醇,HR风险比,CI置信区间 查看原图 ↗
表4 按他汀类药物使用分层的HDL-C和LDL-C与脓毒症发生率的关联 查看原表 ↗

讨论

在这项大型前瞻性队列研究中,我们已证明基线胆固醇水平可能与脓毒症的长期风险相关。具体而言,我们发现较低的LDL-C值虽然通常被认为在心血管疾病风险和预防CAD方面是有利的,但似乎与脓毒症长期风险增加相关。与我们最初的假设相反,在调整潜在混杂因素后,我们发现低HDL-C与脓毒症风险之间没有关联。

近年来,脓毒症研究的主体集中在急性脓毒症的早期识别和诊疗上。但很少有研究将脓毒症概念化为一种可预防的疾病。识别危险因素并制定脓毒症预防策略,可能是减轻这种危及生命且费用高昂疾病的社会负担的一项有价值的工作。本研究结果对脓毒症预防具有重要但令人困惑的意义。在心血管文献中,较低的LDL-C(<130 mg/dl)和较高的HDL-C(>60 mg/dl)阈值被认为对CAD具有保护作用[1]。然而,我们的结果表明,较低的LDL-C水平与脓毒症长期风险增加相关。我们还证明了低LDL-C和HDL-C与SOFA评分升高之间的关联。

既往研究已证明低胆固醇水平是脓毒症的危险因素[16, 30, 31],并且也显示脂质水平在脓毒症早期迅速变化,并可能预测结局[12–14, 30, 31]。在感染情况下,胆固醇水平可能因LDL-C和HDL-C下降而急剧降低。其确切机制尚不清楚;然而,细菌内毒素、肿瘤坏死因子、白细胞介素-2和干扰素β在全身感染期间均可能存在,它们会降低血清胆固醇水平[32–37]。此外,LDL-C和HDL-C均已证实参与清除细菌毒素、革兰阴性菌脂多糖(LPS)以及革兰阳性菌脂磷壁酸。在体外将LPS加入人全血的研究中,LPS与HDL-C(60%)、LDL-C(25%)和极低密度脂蛋白(VLDL)胆固醇(12%)结合[38]。因此,低LDL-C导致脓毒症长期风险增加的一种可能解释是无法从血流中清除细菌毒素。

有趣的是,我们的研究并未证明低HDL-C与长期脓毒症风险之间存在关联。乍看之下,这些结果似乎与Chien等人的发现相反,即急性脓毒症中低HDL-C水平可预测30天死亡率增加、ICU住院时间延长(> 7天)以及医院获得性感染增加。然而,有两个原因可以说明这些结果不应完全令人意外。首先,近期证据表明HDL-C的功能可能比数量更为重要。例如,近期临床试验未能显示通过药物升高HDL-C以预防心肌梗死具有获益[3]。另一项近期的孟德尔随机化研究也未发现在一组具有特定单核苷酸多态性(该多态性易导致HDL-C升高)的患者中,心肌梗死风险降低[39]。这些研究来得很及时,因为一个新兴研究领域表明,HDL-C在某些慢性(代谢综合征、糖尿病、类风湿关节炎、CAD)和急性(脓毒症、心肌梗死、卒中)炎症状态下可变得功能失调并具有促炎作用[40–44]。鉴于REGARDS队列中慢性炎症状态的普遍存在,HDL-C功能或许可以解释本研究中缺乏保护效应的原因。另一种解释可能是,急性炎症状态下脂质水平的快速降低与疾病严重程度相关,而非HDL-C长期处于低水平——后者若功能失调,可能无法对脓毒症提供同样良好的保护。为了解决这一问题,未来需要开展旨在前瞻性测定功能失调HDL并监测脓毒症发生的研究。

本研究结果的潜在临床应用可能包括调节LDL清除。来自细菌的脂质病原体首先与结合蛋白结合,随后被HDL结合并转移至LDL或VLDL分子。LDL和VLDL随后通过LDL受体被肝细胞从血流中清除。前蛋白转化酶枯草溶菌素/kexin 9型(PCSK9)分子与肝细胞上的LDL受体结合,并促进该受体的内化和溶酶体降解,从而阻止LDL和VLDL从血液中清除[45]。PCSK9抑制剂目前正作为降脂药物进行研究,因为它们促进LDL清除从而降低LDL水平,但它们在脓毒症中清除脂质病原体方面也可能具有应用价值。在脓毒症小鼠中,PCSK9抑制可导致炎症细胞因子产生减少及对内毒素的生理反应减弱,而PCSK9水平升高与脓毒症中内毒素清除减少和器官衰竭相关[45, 46]。尽管这是一个新的研究领域,但它表明调节胆固醇代谢可能作为这些发现的未来应用具有潜力。此外,由于HDL在脂质病原体清除中发挥关键的中介步骤作用,研究脓毒症中HDL的功能愈发重要。如果HDL-C与脓毒症相关器官功能障碍之间的关联成立,那么包括载脂蛋白模拟肽和合成HDL在内的基于HDL的治疗研究可能具有潜力[47, 48]。

在我们的分析中,我们选择按基线他汀类药物使用情况进行分层,因为关于他汀类药物对脓毒症的保护作用,文献中已给予了显著关注。他汀类药物可能保护机体免受脓毒症影响的机制尚不清楚,尽管一类被称为消退素的新型脂质介质可能发挥作用[49]。此外,不同他汀类药物之间对脓毒症的保护作用存在差异,其中阿托伐他汀最具前景[50]。我们团队最近完成的一项研究未发现基线他汀类药物使用在REGARDS队列中对长期脓毒症具有保护作用[51]。此外,他汀类药物的使用并未显著影响我们关于基线血脂水平的结果。最近两项仅纳入随机对照试验的荟萃分析也未发现他汀类药物在脓毒症中具有益处[52, 53]。

本研究存在若干局限性。仅基线血脂水平可用于分析,没有重复水平或脓毒症事件前的水平。因此,血脂水平可能在脓毒症事件前随时间发生变化,尽管我们认为变化的幅度不太可能改变我们的结果。REGARDS并非为研究脓毒症而设计,因此可能遗漏了一些脓毒症事件。然而,鉴于对医院记录进行了系统性审查,我们认为已将遗漏或错误识别脓毒症病例的可能性降至最低。REGARDS队列仅纳入至少45岁的黑人和白人参与者,因此结果可能无法同样推广至其他族裔群体或更年轻的人群。脓毒症事件仅限于社区获得性脓毒症,不包括医院获得性脓毒症事件,因为医院脓毒症更可能受到与住院相关的多种因素影响。此外,尽管我们尽一切努力调整潜在混杂因素,但其他未纳入考虑的变量(如疫苗接种或医疗保健可及性)可能影响了结果。最后,与任何观察性研究一样,残余混杂是一个潜在问题。我们在REGARDS研究开始时通过针对每位参与者的风险调整策略考虑了广泛范围的变量,但无法考虑这些模式随时间的变化。

结论

在这项大型前瞻性队列研究中,低LDL-C与社区获得性脓毒症的长期发生率增加相关。HDL-C与长期脓毒症无关。未来研究应尝试阐明这些关联的病理生理学或机制基础。

参考来源

  1. Guirgis FW, Donnelly JP, Dodani S, et al. Cholesterol levels and long-term rates of community-acquired sepsis. Crit Care. 2016. PMID: 28010729. doi:10.1186/s13054-016-1579-8
  2. 全文:PMC5180408(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5180408/

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。