文献速递重症综合管理与镇静镇痛

新型尿液生物标志物预测ICU出院后1年死亡率

A novel urinary biomarker predicts 1-year mortality after discharge from intensive care.
PubMed 文献 · Crit Care · 2020-01-09
一句话结论在ICU入院时测定的尿液蛋白质组分类器ACM128可预测ICU出院后1年死亡,其判别能力优于Charlson合并症指数、SOFA评分及多种循环和尿液生物标志物。

本研究基于FROG-ICU队列(15所大学医院ICU,n=1243),在ICU入院时采集尿液,用毛细管电泳-质谱联用测定蛋白质组,构建了由128个肽段组成的分类器ACM128。在发现集(死亡/存活70/299)中AUC为0.755(95%CI 0.708-0.798),验证集(175/699)中AUC为0.688(95%CI 0.656-0.719)。校正中心、性别、年龄、平均动脉压、eGFRcys和糖尿病后,ACM128每增加1个标准差,死亡风险HR为2.41(95%CI 2.00-2.91)。将ACM128加入临床危险因素或其他生物标志物模型可显著提高IDI(≥+0.50)、NRI(≥+53.7)和AUC(≥+0.037)。

要点

  • 在1243例ICU患者中,入院时尿液分类器ACM128每升高1个标准差,校正后1年死亡风险HR为2.41(95%CI 2.00-2.91)。
  • ACM128在发现集AUC为0.755(95%CI 0.708-0.798),验证集AUC为0.688(95%CI 0.656-0.719)。
  • 将ACM128加入Charlson合并症指数或其他生物标志物模型,IDI提高≥+0.50、NRI提高≥+53.7、AUC提高≥+0.037(P≤0.0001)。
  • 按ACM128三分位分组,低三分位与高三分位的1年累积死亡率分别为6.7(95%CI 6.4-7.0)和36.2(95%CI 35.6-36.8)例/100患者年,校正Charlson指数后梯度仍存在。
  • ACM128主要由胶原蛋白片段组成,通路分析提示蛋白质消化与吸收、溶酶体活性和凋亡可能参与致命结局。

适用人群与场景

  • FROG-ICU研究纳入15所大学医院的内科、外科或混合ICU患者,纳入标准为机械通气或使用血管活性药物至少24小时。
  • 排除标准包括年龄小于18岁、严重颅脑损伤伴格拉斯哥昏迷评分低于8分、脑死亡或持续植物状态、妊娠或哺乳、过去12个月内接受移植、濒死状态及缺乏社会保障覆盖。
  • 研究场景为ICU入院时采集尿液样本,结局为ICU出院后1年全因死亡。

诊断标准与关键阈值

  • Charlson合并症指数按诊断编码分为19类,每类权重1至6分,总分用于合并症分级:无合并症(CCI=0)、中度合并症(CCI=1-5)、重度合并症(CCI≥6)。
  • SOFA评分基于呼吸、心血管、肝、凝血、肾和神经六个系统,每个系统0分表示未受累,多系统受累时取最高分,总分范围0-24分,死亡风险与评分成正比。
  • ACM128分类器由128个肽段组成,采用支持向量机建模,C和gamma参数分别设为10,240和0.0000002。

研究设计与关键结果

  • 研究为FROG-ICU前瞻性队列分析,纳入1243例ICU患者(998例存活,245例死亡),在ICU入院时采集尿液测定蛋白质组。
  • 发现集(死亡/存活70/299)识别出128个与1年死亡显著相关的肽段,组成ACM128;其中63个有序列信息的肽段中28个(44.4%)为胶原蛋白片段。
  • 发现集AUC为0.755(95%CI 0.708-0.798,P<0.0001),验证集(死亡/存活175/699)AUC为0.688(95%CI 0.656-0.719,P<0.0001)。
  • 在校正中心、性别、年龄、平均动脉压、eGFRcys和糖尿病的模型中,ACM128每增加1个标准差,死亡HR为2.41(95%CI 2.00-2.91);Charlson合并症指数每增加1分HR为1.24(95%CI 1.16-1.32);尿白蛋白每增加1个标准差HR为1.23(95%CI 1.07-1.42)。
  • 循环生物标志物每增加1个标准差的HR范围从sST2的1.09(95%CI 0.94-1.25)到ADM的1.39(95%CI 1.11-1.48)。
  • 将ACM128加入含中心、协变量及Charlson合并症指数或第二种生物标志物的模型,IDI提高≥+0.50、NRI提高≥+53.7、AUC提高≥+0.037(P≤0.0001)。
  • 以SOFA评分联合ICU住院时间替代ACM128未提高AUC(AUC 0.74,P=0.31)。
  • 单肽分析显示14个胶原α-1(I)片段(HR 1.20-1.50,P 0.0001-0.0050)、3个胶原α-1(III)片段(HR 1.19-1.28,P 0.00017-0.0049)和1个胶原α-1(V)链(HR 1.29,P=0.00014)与死亡风险升高相关,而纤维蛋白原α链片段与死亡风险降低相关(HR 0.80,P=0.0013)。

证据类型、等级与局限

  • 证据类型为前瞻性队列研究(FROG-ICU,NCT01367093),包含发现集和验证集。
  • 原文报告的局限包括:收集的是全因死亡而非病因特异性死亡;研究合并了因外科、内科或混合指征入住ICU的患者;尽管ACM128优于现有风险因素和评分,但成本效益分析仍有待完成。
  • 原文指出临床应用的路径漫长,需要确定和验证ACM128的诊断阈值、构建风险预测模型,并在前几步成功后开展遵循PRIORITY设计的随机临床试验。

对床旁实践的改变

  • 作者认为ACM128在ICU入院时测定可预测ICU出院后1年死亡,其判别能力优于Charlson合并症指数、SOFA评分及所测循环和尿液生物标志物。
  • 作者指出ACM128的临床应用仍需确定和验证诊断阈值、构建风险预测模型,并进行随机临床试验。
  • 原文未据此给出推荐。

指南或共识出处

  • FROG-ICU研究(NCT01367093)
  • 慢性肾脏病流行病学协作组方程(用于eGFR计算)
  • KEGG数据库(用于通路富集分析)
  • STRING数据库11.0版(用于蛋白质-蛋白质相互作用分析)

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19 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. 2020 Jan 9;24:10. doi: 10.1186/s13054-019-2686-0

引言

在高收入和中高收入国家,数以百万计的患者因重症监护病房(ICU)高度专业化的生命维持管理而在危重疾病中存活下来。然而,ICU出院后第一年的累积死亡率范围为26%至63% [1]。在加拿大 [2]、澳大利亚 [3] 和美国 [1] 开展的大型队列研究显示,随访3年 [1, 2] 至15年 [3] 的ICU存活者,其死亡率比性别和年龄匹配的人群对照高2至5倍。由于人口老龄化带来的人口结构转变 [4] 以及重症监护技术的不断进步导致ICU内病死率降低 [5–7],重症监护后存活的患者数量正在快速增长。多种危险因素决定了ICU出院后1年死亡风险。临床风险指标包括高龄、重症监护的适应证、合并症、衰竭器官数量、ICU监护时间以及新诊断的恶性肿瘤 [3]。死亡风险还与提示心肌、血管或肾脏应激的循环和尿液生物标志物相关 [8]。利益相关方会议建议优先研究ICU后功能障碍和死亡的可靠预测因素,以识别需要进一步诊断检查和靶向治疗的患者 [5, 7]。尿液蛋白质组学分析在过去15年中发展成为一项尖端技术,能够发现指示分子致病过程的疾病特异性多维生物标志物 [9, 10]。据此,本研究旨在开发一种可预测ICU存活者1年死亡率的尿液蛋白质组学分类器。法国和欧洲重症监护病房结局登记研究调查者(FROG-ICU;(NCT01367093))汇编了所分析的数据库 [8, 11]。

方法

患者

FROG-ICU涉及15所大学医院的内科、外科或混合ICU [11]。纳入标准包括机械通气或给予血管活性药物至少24小时。排除标准为年龄小于18岁、伴有格拉斯哥昏迷量表 [12] 低于8分的严重颅脑损伤、脑死亡或持续植物状态、妊娠或哺乳、过去12个月内接受移植、濒死状态以及缺乏社会保障覆盖 [11]。

测量

在ICU入院时记录人体测量学、临床和常规生化数据。关注的变量包括入住ICU的适应证、Charlson合并症指数(CCI)[13, 14]、序贯器官衰竭评估(SOFA)[15] 评分、血压、血清肌酐和胱抑素C以及血糖。入院时还收集了接受机械通气、体外膜氧合或肾脏替代治疗的信息。

CCI是一种基于行政数据中的国际疾病分类(ICD)诊断编码对患者合并症进行分类的方法。它包括19个类别(附加文件1:表S1)。每个合并症类别都有一个相关权重(从1到6),基于调整后的死亡风险或资源使用,所有4个权重的总和得出患者的单一合并症评分。每位患者入住ICU时计算CCI以对合并症进行分类,并分为无合并症(CCI = 0)、中度合并症(CCI = 1–5)或重度合并症(CCI ≥ 6)。SOFA评分有助于评估入住ICU时的器官功能障碍程度。该评分基于六个不同的评分,分别对应呼吸、心血管、肝脏、凝血、肾脏和神经系统。如果某个器官未受影响,则给予零分。如果某个器官系统以多种方式受影响,则使用最高评分构建SOFA分类。SOFA评分范围为0到24,死亡风险与评分成正比。

估算肾小球滤过率根据慢性肾脏病流行病学协作组方程[16],由血清肌酐(eGFRcrt)或胱抑素C(eGFRcys)推导得出。对新鲜尿液样本进行白蛋白浓度分析。

生物标志物

循环和尿液生物标志物在中心认证实验室对入住ICU时获取的样本进行检测。循环生物标志物指示左心室功能障碍(脑钠肽[BNP];Roche Diagnostics GmbH,曼海姆,德国)、左心室缺血和损伤(高敏肌钙蛋白T [hsTNT];Abbott,Abbott Park,IL)[17]、心肌缺血(高敏肌钙蛋白I [hsTnI];Abbott,Abbott Park,IL)[18]、血管功能障碍(生物活性肾上腺髓质素[ADM];Adrenomed GmbH,Hennigsdorf,德国)[19]、炎症和心脏应激(白细胞介素-1受体家族成员可溶性ST2 [sST2];Eurobio,Critical Diagnostics,圣地亚哥,CA)[20]或急性肾损伤(中性粒细胞明胶酶相关脂质运载蛋白[NGAL];ARCHITECT,Abbott Diagnostics,芝加哥,IL)[21]。尿液生物标志物包括白蛋白尿和NGAL [21]。

尿液蛋白质组已得到充分表征,且有参考标准可用[22]。尿液蛋白质组分析在入院时收集的尿液样本上进行,并生物样本库保存直至检测。关于尿液样本制备、毛细管电泳耦合质谱蛋白质组分析、数据处理以及尿液肽段测序以鉴定母体蛋白的详细信息可在既往发表文献[9]和在线补充材料的方法部分中获取。

结局

如既往所述[11],在ICU出院后3、6和12个月收集生命状态信息。经过培训的临床研究助理致电患者或其亲属。接触间隔较短(3至6个月),在研究团队、患者及其家属之间建立了牢固的信任关系。如果在随访期间失去这种直接联系,则通过国家卫生服务记录确定生命状态。在本研究中,纳入分析的所有患者的1年生命状态均已知晓。

统计学

使用SAS 9.4版、维护级别5(SAS Institute Inc.,Cary,NC)进行数据库管理和统计分析。采用Shapiro-Wilk检验评估分布偏离正态性的情况。除ACM128外,生物标志物分布通过将测量值从小到大排序后应用逆累积正态函数进行转换[23]。均值、中位数和比例分别采用大样本z检验或方差分析、Wilcoxon秩和检验和Fisher精确检验进行比较。我们按以下公式计算率的95%置信区间:,其中R和T分别为率和用于计算率的分母。

分类器的构建与初步验证

为发现与ICU出院后全因死亡率相关的新分类器,从所有入组患者(n = 1243)中随机选取30%的队列(299例存活者和70例非存活者)。为进行验证,对队列的剩余部分进行分析(699例存活者和175例非存活者)。在发现阶段,采用Wilcoxon检验评估死亡率与尿液肽段的关联,显著性水平设定为0.05。仍与1年死亡率相关的肽段通过支持向量机建模合并为单一多维分类器,使用MosaCluster软件1.7.0版实现,详细方法见在线补充材料的方法部分。

分类器的性能

在验证数据集纳入的患者中,使用比例风险回归评估新分类器的性能。对照指标为ICU患者不良健康结局的已确立临床预测因子,即Charlson合并症指数[13, 14]和SOFA[15]评分以及其他循环和尿液生物标志物。这些分析将中心效应作为随机变量、将危险因素作为固定效应纳入。中心按地点(n = 15)或其服务的患者群体(内科、外科或混合)进行分组。首先,按新分类器分布的三分位数绘制死亡的累积发生率,同时校正性别、年龄和Charlson合并症指数。其次,从校正性别、年龄、平均动脉压(舒张压加三分之一的脉压)、eGFR和糖尿病的Cox模型计算分类器三分位数与死亡风险的风险比。通过Kolmogorov型上确界检验以及检验随访时间与新分类器之间的交互作用来检查比例风险假设。最后,在多变量校正Cox模型中,将分类器区分存活者与非存活者的准确性分别与Charlson合并症指数[13]和其他生物标志物(逐一)进行比较。模型性能的改善通过综合判别改善指数(IDI)[24]、净重分类改善指数(NRI)[24]和曲线下面积变化(∆UC)进行评估。

单一尿液肽段分析

对于单一肽段分析,选取在超过70%参与者中具有可检测信号的已测序肽段。P值和置信区间使用基于所鉴定亲本蛋白数量的Bonferroni法进行多重检验校正。

Proteasix与通路分析

负责生成尿液肽片段的蛋白酶通过 Proteasix 进行计算机预测 [25, 26]。分析了在与 ICU 后死亡率相关的肽中映射到至少 10 个切割位点的蛋白水解酶。使用 STRING 数据库(STRING,版本 11.0;https://string-db.org)构建了蛋白质-蛋白质相互作用组。对应于测序尿液肽的蛋白质和计算机预测的蛋白水解酶被纳入相互作用组分析。通路富集分析针对京都基因与基因组百科全书(KEGG)数据库进行评估,错误发现率设定为 P < 0.01。

尿液胶原蛋白片段的变化可能反映蛋白酶活性的改变,但也可能是组织中胶原蛋白周转变化的结果,例如交联增加所致。基于尿液胶原蛋白片段方向性变化对蛋白酶活性的推断可能不正确。为解决这一潜在问题,我们还进行了 Proteasix 分析,排除了胶原蛋白片段。

结果

患者特征

分析纳入 998 例存活者和 245 例非存活者。与存活者相比,非存活者(表1)中合并糖尿病患者更多(26.5% vs. 14.5%),需要透析者更多(10.2 vs. 5.7%)。非存活者年龄更大(68.9 vs. 57.2 岁),舒张压更低(61.7 vs. 64.5 mmHg),平均动脉压更低(82.6 vs. 84.8 mmHg),eGFRcrt 更低(80.1 vs. 98.8 mL/min/1.73 m2),eGFRcys 更低(48.3 vs. 75.8 mL/min/1.73 m2),但 Charlson 合并症指数更高(5 vs. 2 分;表1)。

表1 按1年生存状态分组的基线临床特征 查看原表 ↗

发现与验证

发现集和验证集中存活与非存活患者的特征大致相似(见附加文件1:表S2和S3及图S1)。对发现集(死亡/存活人数,70/299)的分析鉴定出128个肽,这些肽与ICU后1年死亡率显著相关。在63个有序列信息的肽中,28个(44.4%)为胶原蛋白片段(附加文件1:表S5)。这128个肽被组合成一个多维分类器,命名为 ACM128(附加文件1:图S1)。在 C 和 gamma 参数分别设定为 10,240 和 0.0000002 的情况下,经过完整的留一法交叉验证后,AUC 为 0.755(95%置信区间[CI],0.708至0.798;P < 0.0001)。ACM128 每增加1个标准差的未校正风险比为4.55(CI,3.47–5.96;P < 0.0001)。在测试集(死亡/存活人数,175/699)中,AUC 为0.688(CI,0.656至0.719;P < 0.0001),风险比为2.27(CI,1.86–2.78;P < 0.0001)。

除尿白蛋白(P = 0.69)外,所有循环生物标志物(BNP、hsTnT、hsTnI、ADM、sSD2 和 NGAL)和尿液生物标志物(NGAL 和 ACM128)在非存活者中的水平均高于存活者(表2)。大多数循环和尿液生物标志物之间存在相关性(见附加文件1:表S2)。对于 ACM128,其与尿白蛋白的相关系数不显著(r = 0.038;P = 0.18);ACM128 与其他循环和尿液生物标志物的相关系数范围从 hsTnI 和 sST2 的0.19(P = 0.0083)到血浆 NGAL 的0.45(P < 0.0001)。

表2 按1年生存状态分组的基线生物标志物 查看原表 ↗

模型性能的改善

在整个研究样本(n = 1243)中,ICU出院后1年内发生245例死亡,死亡率为每100患者年19.7例(CI,19.5–19.9患者年)。在调整性别和年龄后,累计死亡率随ACM128分布三分位数的增加而升高(低三分位组与最高三分位组相比,分别为每100患者年6.7例[CI,6.4–7.0]与36.2例[CI,35.6–36.8])。进一步调整Charlson合并症指数并未消除这一梯度(图1)。

比例风险假定得到满足。在调整中心(n = 15)、性别、年龄、平均动脉压、eGFRcys和糖尿病(表3)后,死亡风险与ACM128(+ 1 SD)相关的风险比为2.41(CI,2.00–2.91)。在类似调整下,Charlson合并症指数(+ 1分)的风险比为1.24(CI,1.16–1.32),尿白蛋白(+ 1 SD)的风险比为1.23(CI,1.07–1.42)。循环生物标志物(+ 1 SD)的风险比范围为sST2的1.09(CI,0.94–1.25)至ADM的1.39(CI,1.11–1.48)(表3)。将eGFRcys协变量替换为eGFRcrt或将中心调整替换为ICU病房类型(内科、外科或混合)后,风险比的估计值高度一致。

基于表3所示结果,我们将Charlson合并症指数、循环生物标志物(除hsTnI和sST2外)以及尿白蛋白纳入进一步分析(表4)。我们通过将ACM128加入一个考虑中心、协变量并包括Charlson合并症指数或第二种生物标志物的模型,基于NRI、IDI和∆AUC评估模型性能(表5)。将这些模型中加入ADM128后,NRI、NDI和AUC一致增加(P ≤ 0.0001)(表5)。将ACM128替换为SOFA评分联合ICU住院时间作为衰弱指数并未增加AUC(AUC,0.74;P = 0.31)。

图1 1243名研究参与者按ACM128分布三分位数分组的1年累计死亡发生率,未调整(a)、调整性别和年龄(b)、并额外调整Charlson合并症指数(c)。P值表示ACM128分布低三分位组(≤ − 0.662)与最高三分位组(> − 0.091)之间差异的显著性。横轴上的数字表示每60天间隔处于风险中的患者数 查看原图 ↗
表3 1243名ICU幸存者中表达死亡风险与危险因素和生物标志物关系的风险比 查看原表 ↗
表4 在已确立的危险因素或生物标志物模型中加入ACM128后表达死亡风险的风险比 查看原表 ↗
表5 在1243名ICU幸存者中向已确立的危险因素或生物标志物加入ACM128后模型性能的改善 查看原表 ↗

单一尿液肽类

对153个具有已知氨基酸序列且在超过70%的患者中可检测到的单一尿肽进行分析,能够鉴定出19个肽段,这些肽段与死亡风险相关,分析中对性别、年龄、平均动脉压、eGFRcys和糖尿病进行了校正,并对多重检验进行了显著性水平校正(附加文件1:表S7)。死亡风险以标志物信号振幅每增加1个标准差表示,随着14个胶原α-1(I)片段(1.20 ≤ HR ≤ 1.50;0.0001 ≤ P ≤ 0.0050)、3个胶原α-1(III)片段(1.19 ≤ HR ≤ 1.28;0.00017 ≤ P ≤ 0.0049)和1个胶原α-1(V)链(HR,1.29;P = 0.00014)而增加。死亡风险随着一个纤维蛋白原α链片段而降低(HR,0.80;P = 0.0013)。

蛋白酶活性与通路分析

对测序尿肽片段的计算机分析,包括(n = 63)和不包括(n = 28)胶原蛋白,分别见附加文件1:表S6和表S7。纳入胶原片段时,非存活者与存活者比值≥1.5的蛋白酶包括组织蛋白酶E(1.98)、D(1.89)、G(1.70)、S(1.52)和L1(1.51)、激肽释放酶-6(1.77)和中性粒细胞弹性蛋白酶(1.67)。排除28个胶原片段的分析未鉴定出激肽释放酶-6,但在其他方面结果一致,并额外预测了基质金属蛋白酶7(1.51)、9(1.61)、14(1.90)和25(1.89)、组织蛋白酶B(1.82)、S(1.79)和K(1.60)以及meprin A α亚基(1.61)。

由ACM128分类器中包含的63个测序尿肽所鉴定出的30个亲本蛋白及计算机预测的蛋白酶(附加文件1:表S7)衍生的蛋白质-蛋白质相互作用组生成了一个由57个节点和295条边组成的网络(附加文件1:图S2),其蛋白质-蛋白质相互作用富集P为10–16。从Proteasix(附加文件1:表S8)和相互作用组分析中排除28个尿胶原片段后,产生了由37个节点和122条边组成的网络(附加文件1:图S3),富集P为10–16。两项分析均揭示顶级分子通路为蛋白质消化与吸收(hsa04974)、溶酶体活性(hsa04142)和细胞凋亡(hsa04210)。

讨论

根据利益相关者的建议[5, 7],本研究的目的是鉴定一种可能预测ICU后1年死亡率的尿液蛋白质组学生物标志物,从而揭示参与预后的分子通路。为实现这一目标,我们鉴定了多维尿液生物标志物ACM128,其由128个失调的肽片段组成。在多变量校正分析中,ICU入院时测定的ACM128预测ICU出院后1年内死亡的准确性高于临床标志物,如Charlson合并症指数和ICU护理时长,以及在ICU后预后背景下测试的其他生物标志物,包括循环BNP、hsTnT、活性ADM和NGAL以及尿白蛋白。值得注意的是,1年死亡率与循环hsTnI、sST2和尿NGAL无显著关联(表3)。

以检索词“Intensive Care” AND “Mortality” AND “Proteome” OR “Proteomics”在PubMed检索,得到15条结果,发表于2003年至2018年,均与本文无关。将“Proteome”替换为“Biomarker”后得到420条结果,其中少数关注表3所报告的生物标志物,没有任何一条关注多维蛋白质组学标志物。既往发表的研究报告了NGAL [27]、ADM [28, 29]、N末端B型利钠肽原(NT-proBNP)[30, 31]、hsTnT [32, 33]、hsTnI [34]或sST2与其他循环生物标志物联合使用[35]。在重大非心脏手术后的患者中,基于NGAL的早期即将发生急性肾损伤预测,随后实施KDIGO care bundle(https://kdigo.org/guidelines/acute-kidney-injury/),减轻了肾损伤的严重程度、术后肌酐升高以及ICU和住院时间[27]。与尿NGAL相比,血浆NGAL是不良结局更好的预测指标(表3)。我们的观察重复了110例体外循环心脏手术后入住重症监护病房患者[36]和50例因急性肾损伤入住重症监护病房患者[37]的发现。循环NGAL在肾小球中自由滤过,并在近端小管被重吸收[38, 39]。响应肾损伤,NGAL表达尤其在小管远端上调。然而,通过肾小球筛过并因近端小管重吸收受损的NGAL也促成尿NGAL水平[40, 41]。另一方面,NGAL从小管反漏入循环、NGAL的肾外合成以及肾小球滤过减少均影响血浆水平[40, 41]。因此,血浆和尿NGAL的动力学解释了为何两种生物标志物的预测价值可能存在差异。

在脓毒症手术患者中,ADM提示需要更高剂量的血管加压药治疗,并预测90天后的死亡率[28]。NT-proBNP在入住重症监护病房时通常升高,随疾病严重程度增加而升高,并且是死亡率的独立预测指标[42]。NT-proBNP和hsTnT表现出附加的预后潜力,超过其各自的价值。这可能归因于潜在病理生理机制的差异以及危险因素之间的协同作用[30]。此外,一项研究表明,hsTNT是休克患者1年死亡率的唯一独立预测指标,而BNP或超声心动图指标没有预后价值[32, 33]。在非创伤性蛛网膜下腔出血患者中,事件后24小时内测定的hsTnI预测了需要更高的吸入氧浓度[34]。HsTnI也是心肌梗死的敏感但非特异性标志物。我们目前的发现推动了该领域的发展,因为ACM128可预测ICU出院后1年死亡率,独立于需要重症监护的潜在疾病。此外,与上述生物标志物相比,ACM128是更好的死亡预后指标,IDI、NRI和∆AUC证明了这一点。IDI和NRI因此提供了互补信息。事实上,如果向模型添加生物标志物增加了病例的预测概率,这反映为IDI的显著增加。NRI表明生物标志物提高诊断准确性的程度[24]。

在生理条件下,约70%的尿液蛋白质组来源于肾脏和泌尿道,而30%来源于血浆[43]。尿液肽和蛋白质总质量中约60%由胶原蛋白片段组成[44]。利用从ACM128中所含测序肽鉴定出的亲本蛋白以及计算机预测的蛋白酶进行相互作用组图谱分析,揭示出排名最靠前的失调通路为蛋白质消化与吸收、溶酶体活性和细胞凋亡。此外,构成ACM128生物标志物的肽段片段与已知与慢性肾脏病相关的片段(CKD273组合)[45]或与冠心病相关的片段(CAD238组合)[46]之间重叠有限。因此,ACM128不仅仅反映微血管或大血管损伤。

对测序肽的分析是胶原驱动的,这反映在预测的蛋白酶和归属于富集通路的蛋白质上。虽然肽数量的减少如预期那样导致通路覆盖度下降,但我们观察到无论是否纳入胶原片段,相互作用组结果均具有高度一致性,支持了该方法的有效性。

尿液蛋白质组分析正逐步进入临床应用,用于对伴有沉默性肾功能异常的2型糖尿病患者[47, 48]以及有左心室功能障碍风险的患者[49, 50]进行检测、预防和早期干预。多维蛋白质组生物标志物CKD273(灵敏度/特异度>90%)比微量白蛋白尿(70%/45%)提前2年预测3年肾脏病风险,并带来可观的成本节约[51],有待今年晚些时候发表的PRIORITY结果予以确认[52, 53]。HF1包含85种尿液肽,可比超声心动图提前5年预测亚临床舒张性左心室功能障碍,而NT-proBNP或BNP对有心力衰竭风险的无症状患者不具诊断价值[49, 50]。我们目前的发现凸显了进一步研究尿液蛋白质组分析在ICU患者中临床应用的必要性,以识别需要进一步诊断和治疗检查的患者。尿液蛋白质组分析可能分别替代磁共振成像[54]或肾活检来诊断心肌纤维化和肾纤维化。此外,从治疗角度而言,强化危险因素管理和抗纤维化药物治疗——使用醛固酮受体抑制剂如螺内酯或依普利酮,或新型非甾体抗盐皮质激素非奈利酮[55],或新型沙库巴曲/缬沙坦[56]——均为可选方案。

优点与局限性

本研究的优势在于其前瞻性设计,证实了“先验”假设,即多维尿液生物标志物在风险分层中具有临床实用性,无需对尿量或肌酐浓度进行标准化。随机分配至发现集和验证集的患者(附加文件1:表S3)具有相似的特征。我们的结果重复了文献中关于心房利钠肽[30, 31]、高敏肌钙蛋白T(hsTnT)[32, 33]、活性肾上腺髓质素(ADM)[28, 29]以及中性粒细胞明胶酶相关脂质运载蛋白(NGAL)[27]和尿白蛋白作为ICU患者结局预测因子的发现,但显示ACM128在预测ICU出院后1年死亡率方面优于所有这些标志物。尽管有这些优势,本研究也必须在其局限性的背景下进行解读。首先,我们收集的是全因死亡率而非病因特异性死亡率。然而,全因死亡率的优势在于该结局不需要像病因特异性死亡率那样进行任何裁定。其次,我们的研究合并了因外科、内科或混合指征入住ICU的患者数据。虽然这可能被视为一个弱点,但它也促进了我们结果的普适性。最后,尽管ACM128优于已确立的风险因素和广泛使用的风险评分(包括Charlson合并症指数和SOFA评分)以及循环和尿液生物标志物,但仍需进行成本效益分析,作为进一步研究的先导,为ACM128的临床应用铺平道路。

结论与展望

尿液蛋白质组学分类器ACM128在临床风险因素和其他生物标志物之外预测ICU出院后1年死亡率,并揭示了可能导致致命结局的顶级分子通路:蛋白质消化与吸收、溶酶体活性和细胞凋亡。通往临床应用的道路将是漫长的,涉及确定和验证ACM128的诊断阈值、构建风险预测模型,最后但同样重要的是,如果前述步骤成功完成,将进行一项遵循PRIORITY设计[52, 53]的随机临床试验。

补充信息

附加文件1. 补充方法。样本制备与毛细管电泳-质谱(CE-MS)分析。质量控制。质谱数据处理。支持向量建模。多肽测序。参考文献。表S1. Charlson合并症指数中合并症的权重。表S2. 生物标志物之间的相关系数。表S3. 按研究组和生存状态分组的基线临床特征。表S4. 按研究组和生存状态分组的基线生物标志物。表S5. 全因死亡率预测因子肽组合中包含的测序肽。表S6. 死亡与单个测序尿液肽的关联。表S7. 包括胶原碎片的Proteasix分析。表S8. 排除胶原碎片的Proteasix分析。图S1. 发现集和验证集中幸存者(A、C)和非幸存者(B、D)多维尿液ACM128的分布。图S2. 源自63个测序尿液肽(包括胶原碎片)的蛋白质-蛋白质相互作用组及计算机Proteasix分析。图S3. 源自35个测序尿液肽(排除胶原碎片)的蛋白质-蛋白质相互作用组及计算机Proteasix分析。

参考来源

  1. Nkuipou-Kenfack E, Latosinska A, Yang WY, et al. A novel urinary biomarker predicts 1-year mortality after discharge from intensive care. Crit Care. 2020. PMID: 31918764. doi:10.1186/s13054-019-2686-0
  2. 全文:PMC6953276(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6953276/

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。