文献速递复苏、休克与脓毒症重症综合管理与镇静镇痛

全身铁稳态改变与脓毒症患者结局的关联:一项前瞻性研究

Linkage of alterations in systemic iron homeostasis to patients' outcome in sepsis: a prospective study.
PubMed 文献 · J Intensive Care · 2020-10-01
一句话结论在脓毒症ICU患者中,转铁蛋白饱和度(TF-Sat)是独立于SOFA的生存预测因子,与SOFA联合可提高预测准确性。

这项单中心前瞻性队列研究纳入61例符合Sepsis-3标准的脓毒症ICU患者(77.1%为脓毒性休克),在入ICU 24小时内检测血清铁、铁蛋白、转铁蛋白及TF-Sat,随访28天或至ICU出院。结果发现,幸存者较非幸存者的血清铁、铁蛋白和TF-Sat显著更低,转铁蛋白显著更高;TF-Sat单独预测ICU死亡的AUC为0.74(95%CI 0.61–0.87),SOFA为0.84(95%CI 0.74–0.95),SOFA-TF-Sat联合模型AUC为0.86(95%CI 0.75–0.96)。作者结论认为TF-Sat是脓毒症生存的独立预测因子,与SOFA联合可能改善预测能力。

要点

  • 在61例脓毒症ICU患者中,幸存者较非幸存者的血清铁(p=0.041)、铁蛋白(p=0.0083)和TF-Sat(p=0.021)显著更低,转铁蛋白显著更高(p=0.034)。
  • TF-Sat单独预测ICU死亡的AUC为0.74(95%CI 0.61–0.87),低于SOFA的AUC 0.84(95%CI 0.74–0.95)。
  • SOFA-TF-Sat联合模型AUC为0.86(95%CI 0.75–0.96),较SOFA单独模型减少假阳性病例(联合模型9例假预测 vs SOFA单独12例假预测,共61例预测)。
  • 在SOFA模型中,TF-Sat保留与死亡率的显著正相关(p=0.047,Wald Z检验),提示TF-Sat是独立于SOFA的预测因子。
  • 入ICU前3个月内接受红细胞输注与更高的死亡风险相关(p=0.0067),且将红细胞输注纳入SOFA-TF-Sat模型后TF-Sat的效应被中和(pTF-Sat=0.27)。

适用人群与场景

  • 年龄>18岁、入ICU 24小时内筛查、非心脏骤停后14天内入ICU、有至少一个确诊或高度怀疑感染灶且qSOFA≥2(意识改变、收缩压≤100 mmHg或呼吸频率增快)的脓毒症患者,按Sepsis-3标准(疑似或确诊感染且SOFA增加至少2分)纳入。
  • 排除标准:妊娠或哺乳、拒绝参与、入ICU时预计寿命<24小时、以心源性休克为主要入院原因、本次住院期间已有≥24小时脓毒症诊断病史者。
  • 研究在奥地利因斯布鲁克医科大学内科重症及中间监护病房进行,为单中心前瞻性队列,2018年2月至2019年12月连续纳入。

诊断标准与关键阈值

  • 脓毒症按Sepsis-3标准定义:疑似或确诊感染且SOFA评分较基线增加至少2分。
  • qSOFA≥2作为进一步筛查器官衰竭的标志:意识改变、收缩压≤100 mmHg或呼吸频率增快。
  • TF-Sat正常水平上限为45%;TF-Sat高于45%时SOFA和SAPS II单独模型均能正确识别所有非幸存者。

研究设计与关键结果

  • 单中心前瞻性队列研究,纳入61例脓毒症ICU患者(37男、24女),平均年龄63岁,47例(77.1%)为脓毒性休克,入ICU时平均SOFA 11分(±4),平均SAPS II 54分(±19),ICU死亡率31.2%。
  • 肺炎为最常见感染源(37.7%),其次为尿路感染(12.8%);18%患者有血液系统恶性肿瘤。
  • 入ICU时铁参数:血清铁中位数3.9 μmol/l(2.3–7.4 μmol/l),转铁蛋白均值127.9 mg/dl(±54.2),TF-Sat中位数11%(7–33%),铁蛋白中位数567.5 μg/l(254.5–1381 μg/l)。
  • 幸存者较非幸存者:血清铁更低(p=0.041)、铁蛋白更低(p=0.0083)、TF-Sat更低(p=0.021)、转铁蛋白更高(p=0.034)。
  • SOFA和SAPS II在幸存者与非幸存者间均有显著差异(SOFA p=0.00025,SAPS II p=0.00019)。
  • logistic回归(校正年龄和性别)显示TF-Sat(p=0.022)、转铁蛋白(p=0.048)、SOFA(p=0.00073)、血清铁(p=0.046)、铁蛋白(p=0.011)、SAPS II(p=0.00064)均与ICU死亡风险显著相关,血细胞比容无显著相关(p=0.19)。
  • SOFA-TF-Sat联合模型较SOFA单独模型在似然比检验中预测力更优(p=0.034),TF-Sat在SOFA纳入后仍保留显著正相关(p=0.047,Wald Z检验);SOFA-铁蛋白联合模型亦更优(p=0.043)。
  • ROC分析:TF-Sat单独AUC 0.74(95%CI 0.61–0.87),SOFA单独AUC 0.84(95%CI 0.74–0.95),SOFA-TF-Sat联合AUC 0.86(95%CI 0.75–0.96);联合模型假预测9例 vs SOFA单独12例(共61例预测)。

证据类型、等级与局限

  • 证据类型:单中心前瞻性队列研究,数据来自2018年2月至2019年12月连续入ICU患者,铁参数在纳入后24小时内检测,结局随访28天或至ICU出院;按STROBE声明报告。
  • 局限:原文未报告局限性。

对床旁实践的改变

  • 作者认为TF-Sat是脓毒症生存的独立预测因子,并可作为铁代谢参数与SOFA联合改善预测能力。
  • 作者提出TF-Sat单独预测ICU死亡的AUC为0.74(95%CI 0.61–0.87),低于SOFA的0.84(95%CI 0.74–0.95),联合模型仅轻度提高预测准确性(AUC 0.86,95%CI 0.75–0.96)。
  • 作者指出红细胞输注是独立于SOFA的预后因素,且将红细胞输注纳入SOFA-TF-Sat模型后TF-Sat的效应被中和,提示TF-Sat是SOFA独立但红细胞输注依赖的预后因子。

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11 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:J Intensive Care. 2020 Oct 1;8:76. doi: 10.1186/s40560-020-00495-8

背景

脓毒症是感染的一种表现,其特征被认为是宿主反应失调所致危及生命的器官功能障碍[1]。每年有1900万人被诊断为脓毒症。超过三分之二的患者存活,但三分之一的脓毒症患者在第一年内死亡,40%需要在出院后90天内再次住院[2]。多种生理和病理生理过程的复杂相互作用导致了器官功能障碍,这是该综合征的核心特征。其中,铁代谢是受严重炎症严重影响最大的系统之一[3, 4]。

铁是血红蛋白和肌红蛋白的核心组成成分,负责氧的结合。铁在线粒体呼吸、柠檬酸循环、DNA合成或激素生成等过程中的电子供体和受体功能至关重要。平衡的体内铁稳态对基本代谢功能必不可少[1, 5]。巨噬细胞吞噬红细胞并降解血红素后,铁通过唯一已知的铁输出蛋白铁转运蛋白-1(Fpn-1)离开细胞质,该蛋白受激素铁调素的严格调控[6]。铁在循环中与转铁蛋白(Tf)结合后运输,并通过转铁蛋白受体(TfR-1)被代谢活跃的细胞摄取[5]。过量的铁储存在铁蛋白(Ft)中,以避免促氧化性不稳定铁的毒性(附加文件1)。

铁调素响应炎症过程而上调,阻断巨噬细胞的铁循环和十二指肠的膳食铁摄取,从而导致循环铁水平降低[7]。总体而言,这些过程是功能性缺铁的标志。由于宿主和多种入侵微生物都高度依赖铁的可用性,因此在感染过程中循环铁水平的这种降低被认为是宿主防御的重要组成部分,作为限制病原体生长的策略[8, 9](附加文件1)。此外,铁对免疫功能具有多种调节作用,其中包括阻断抗微生物免疫通路或刺激抗炎细胞因子IL-10的产生[10]。因此,这种功能性缺铁导致炎症性贫血(AI)或慢性病贫血(ACD),后者也见于危重患者[11, 12](附加文件1)。ACD的诊断依据为血红蛋白水平降低、炎症标志物浓度升高、循环铁水平低、转铁蛋白饱和度降低,同时铁蛋白浓度正常或升高[13]。在危重患者中,血清铁蛋白水平由细胞因子上调,且独立于铁的可用性,因此在炎症期间不是可靠的标志物[14]。近年来,可溶性TfR(sTfR)被讨论作为铁可用性的指标,但研究表明sTfR值在炎症期间也会发生变化[15]。因此,对患有炎症性疾病的患者进行铁稳态评估存在局限性。此外,铁代谢标志物变化的功​​能关联与脓毒症患者的预后仍不完全清楚。多项报告显示,铁代谢参数是ICU患者结局的预测因子[16–19]。尽管如此,仍需要更可靠的生物标志物来预测ICU患者的生存率,并将其与已建立的临床评分相结合。

在本报告中,我们旨在研究血清铁参数在ICU治疗的脓毒症患者前瞻性队列中预测脓毒症死亡率的效力。我们确定了一个将TF-Sat纳入脓毒症预后评分(如SOFA或SAPS II)的模型,作为一个实际适用且具有高度预测性的模型,以提高评估脓毒症死亡风险的准确性。

方法

研究设计与设置

这是一项单中心前瞻性队列研究,在奥地利因斯布鲁克医科大学的内科重症监护及中间监护病房进行。数据取自2018年2月至2019年12月期间连续入院的患者。患者为前瞻性招募,铁参数为回顾性分析。

本研究按照《赫尔辛基宣言》关于生物医学研究的建议进行。研究经因斯布鲁克医科大学机构伦理审查委员会批准(研究编号AN2013-0006)。铁代谢参数在纳入研究后24小时内进行分析。患者结局监测28天或直至ICU出院。手稿按照加强流行病学观察性研究报告(STROBE)声明[20]编写。

参与者

患者在入住ICU后24小时内接受筛查。年龄大于18岁、过去14天内未因心脏复苏后状态入住ICU、且至少有一个确诊或高度疑似感染灶、同时表现出精神状态改变、收缩压下降(即收缩压≤100 mmHg)或呼吸频率增高的患者(qSOFA≥2)进一步接受器官衰竭征象筛查。本研究的主要纳入标准为依据Sepsis-3标准定义的脓毒症:疑似或确诊感染且SOFA评分增加至少2分的患者[21]。排除标准为:(i) 患者妊娠或哺乳,(ii) 患者拒绝参与研究,(iii) 入院时估计患者预期寿命不足24小时,(iv) 入住主要原因心源性休克,或(v) 患者病史提示同次住院期间已有脓毒症诊断≥24小时。参与者在纳入研究前或事后给予书面知情同意。患者样本以匿名形式储存和分析以确保数据保密。

变量与测量

入组后24小时内获取以下参数:年龄、性别、病史、合并用药(尤其是免疫抑制药物)、入组前3个月内红细胞(RBC)输注的应用、序贯器官衰竭评估评分(SOFA)和简化急性生理学评分(SAPS II)。所有实验室参数包括血清铁、铁蛋白、转铁蛋白和TF-Sat均在入院后24小时内于因斯布鲁克大学医院中央医学和化学实验室诊断研究所完成。免疫抑制治疗定义为入住ICU前3个月内治疗性应用氢化可的松(≥ 20 mg/天)、他克莫司、霉酚酸酯、环孢素和/或雷帕霉素。RBC输注定义为入住ICU前3个月内输注至少一个单位的RBC。记录的临床数据包括体温、血压、心率、呼吸频率和血管升压药的使用。此外,从动脉管路采集枸橼酸抗凝血样,并按既往报道[22]制备无血小板血浆。无血小板血浆样本储存于– 80 °C。主要结局变量为ICU死亡率。

统计学

统计分析使用R编程套件和tidyverse包集合进行数据转换。连续变量采用Shapiro-Wilk检验进行正态分布检验,分别以均数和标准差或中位数和四分位距(第25-75百分位数)表示。双变量相关性和两组间差异的统计学显著性分别采用序数线性回归和双尾t检验(附加文件3和附加文件8)、单因素方差分析(附加文件2)以及混合效应线性模型(lme4包和lmerTest包;固定效应:目标变量,随机效应:按二十年分层年龄和性别;图2和附加文件4)进行分析。给定变量与ICU死亡率的采用Logistic回归评估,纳入年龄和性别混杂因素(广义线性模型,响应变量logit转换,Wald Z检验用于估计值显著性;图3、附加文件5、9和10)。两个嵌套模型预测能力的显著性通过似然比检验(LRT)确定。受试者工作特征曲线分析和可视化使用OptimalCutpoints和plotROC R包进行,所分析模型的最佳截断值通过约登法确定(图4、附加文件6和7)。检验p值采用Benjamini-Hochberg方法进行多重比较校正。

绘图使用ggplot2包完成。相关性结果以点图呈现,每个点代表单次观测值,蓝线代表拟合线性趋势,灰色区域描绘95%置信区间。两组比较结果以条形图(均数±标准误)叠加散点呈现,每个点代表单次观测值。生存建模结果以森林图呈现,点代表指数化模型估计值,须线代表95%置信区间,标签显示指数化估计值、置信区间和p值。

结果

研究人群特征

在研究期间,共筛选了118名入住因斯布鲁克医科大学ICU的患者,最终纳入61名脓毒症患者(图1),其中47名(77.1%)患有脓毒性休克。纳入患者的平均年龄为63岁,60.7%为男性。入院时,平均SOFA评分为11(±4),平均SAPS II评分为54(±19)。肺炎被确定为最常见的原发感染源,占37.7%,其次为尿路感染(12.8%)。ICU死亡率为31.2%。血液系统恶性肿瘤发生率为18%。白细胞计数中位数为13.6 G/l(6.5–20.8 G/l),CRP平均浓度为25 mg/dl(±12 mg/dl)。脓毒症患者血清铁参数严重改变,与炎症介导的铁稳态改变相符[4](附加文件1)。观察到血清铁水平降低(中位数3.9 μmol/l,2.3–7.4 μmol/l)、转铁蛋白降低(平均127.9 mg/dl ± 54.2)以及转铁蛋白饱和度降低(中位数11%,7–33%),而铁蛋白水平高于正常(中位数567.5 μg/l,254.5–1381 μg/l)。详细患者特征见表1。入院时实验室参数见表2。

图1 入住ICU患者筛选与纳入流程图 查看原图 ↗
表1 患者特征 查看原表 ↗
表2 入院时实验室参数 查看原表 ↗

铁参数与死亡率

当按感染来源对患者进行分层时(附加文件2),或将肺炎组与其他感染进行比较时(附加文件3),未观察到铁参数分布的差异。然而,尿路感染患者的SOFA评分显著低于其他感染灶的受试者(附加文件2)。血清铁蛋白水平与入院时SOFA评分显著相关(p = 0.044)(图2a),并且发现血清铁和铁蛋白水平与另一预后评分SAPS II存在显著正相关(附加文件4AB)。与未存活者亚组相比,存活者的血清铁显著较低(p = 0.041)、血清铁蛋白较低(p = 0.0083)、转铁蛋白饱和度(TF-Sat)较低(p = 0.021),而血清转铁蛋白较高(p = 0.034)(图2b,表2)。

基于这一观察,我们提出疑问:特定的铁参数单独或与其他人口学参数或危险因素(包括初始SOFA评分(ICU幸存者与非幸存者之间p = 0.00025,图2b)和SAPS II评分(幸存者与非幸存者之间p = 0.00019,附加文件4A))联合是否能预测脓毒症患者的结局。最初,通过单独的logistic回归模型分析每个研究参数与ICU死亡率的相关性,并将年龄和性别作为混杂因素纳入。SOFA和SAPS II以及ICU入院时测定的所有铁参数(除血细胞比容外)均与较高的ICU死亡风险显著相关(图3a,附加文件5A,表3;TF-Sat p = 0.022,TF p = 0.048,SOFA p = 0.00073,血清铁 p = 0.046,血清铁蛋白 p = 0.011,血细胞比容 p = 0.19,SAPS II p = 0.00064)。接下来,检验了SOFA和所研究的铁参数作为死亡风险标志物的独立性。因此,创建了一组由SOFA评分和1–3个铁参数组合构成的SOFA扩展模型,并通过纳入年龄和性别作为混杂因素的logistic回归研究了它们对ICU死亡率的预测潜力。如图3b和表3所示,这些模型中每一个均表现出比单独SOFA更高的预测能力,表现为更高的一致性指数(C-index)。此外,8个模型(包括SOFA、转铁蛋白、TF-Sat、铁及其组合)表现出比单独SOFA更好的数据拟合,表现为更低的AIC(赤池信息准则)值。两个模型——SOFA联合血清铁蛋白(p = 0.043)和SOFA联合TF-Sat(p = 0.034)——在LRT检验中也显示出与单独使用SOFA相比更优越的预测能力(表3)。在这两个模型中,尽管纳入了SOFA,只有TF-Sat保留了与死亡率的显著正相关(p = 0.047,Wald Z检验),提示TF-Sat可被视为SOFA独立的死亡预测因子(图3c)。累积来看,这些结果提示复合SOFA–TF-Sat模型可能比单独SOFA更好地区分脓毒症幸存者与非幸存者。我们接下来试图检验TF-Sat是否也可作为SAPS II独立的预后因素。纳入TF-Sat大幅提高了SAPS II预测ICU死亡率的准确性,并在C-index、AIC方面改善了模型拟合(附加文件5B,表3),且在LRT检验中表现更好(附加文件5C,表3)。然而,在模型中纳入SAPS II后,TF-Sat项未保留统计学显著性(p = 0.060,Wald Z检验),因此不能被视为SAPS II独立的预后标志物(附加文件5C)。

最后,我们在受试者工作特征曲线(ROC)分析中比较了单独TF-Sat、单独SOFA、单独SAPS II以及SOFA-TF-Sat和SAPS II-TF-Sat复合评分对ICU死亡率的预测特异性和敏感性。单独TF-Sat显示出显著的预测能力(AUC 0.74,95% CI 0.61–0.87),但低于SOFA评分(AUC 0.84,95% CI 0.74–0.95)。与单独SOFA模型相比,SOFA-TF-Sat复合评分的预测准确性仅略有改善(AUC 0.86,95% CI 0.75–0.96)(图4)。然而,纳入TF-Sat显著改善了单独SOFA模型的总体预测能力(附加文件7A,复合模型中有9例错误预测,而单独SOFA模型中有12例错误预测,共61例预测)和阳性预测能力,从而消除了假阳性病例(图4)。重要的是,使用单独SAPS II和SAPS II–TF-Sat模型进行的类似ROC分析揭示了相当相似的趋势,包括改善的阳性预测值(SAPS II–TF-Sat模型识别出4例假阳性病例,而单独SAPS II模型识别出9例,附加文件6)和总体预测值(SAPS II–TF-Sat模型有10例错误预测,而单独SAPS II模型有13例错误预测,共61例预测,附加文件7B)。有趣的是,尽管单独SOFA和单独SAPS II模型均正确识别了TF-Sat高于正常水平45%的患者中的所有非存活者,但在模型中纳入TF-Sat参数显著改善了TF-Sat水平低于45%亚组的预测准确性(SOFA–TF-Sat模型有9例错误预测,而单独SOFA模型有12例错误预测,共51例预测,附加图7B)。特别是,SAPS II值较高(高于50)对应估计死亡率超过40% [23, 24]且TF-Sat值正常至偏低的受试者,其生存机会往往高于单独SAPS II评分所推断的结果(SAPS II–TF-Sat模型有8例错误预测,而单独SAPS II模型有11例错误预测,共33例预测,附加文件7B)。综上所述,我们提出TF-Sat既可作为脓毒症生存的独立预测因子,也可作为一种铁参数,通过降低假阳性病例率来提高SOFA和SAPS II的预测能力。

图2 铁参数与脓毒症患者的SOFA及生命状态相关。铁参数和血液学标志物:血清铁、铁蛋白、血细胞比容、血清转铁蛋白以及转铁蛋白饱和度(TF-Sat)和SOFA评分在患者入住ICU时常规测定。a 铁参数与SOFA的相关性。SOFA评分值以混合效应线性模型建模为这些参数的函数(固定效应:所研究的参数,随机效应:性别和年龄)。对于呈强非正态分布的铁蛋白和铁浓度,建模时使用log10值。每个点代表一次单一观测,蓝色实线表示拟合回归线。图中呈现了回归斜率β估计值及95%CI、斜率显著性p值(双尾t检验,β ≠ 0)以及观测次数n。b 存活者与ICU死亡脓毒症患者中铁参数的差异调控。每个点代表一次单一观测,柱和须表示均值及SEM。统计学显著性采用混合效应线性模型确定(固定效应:生命状态,随机效应:性别和年龄)。对于呈强非正态分布的铁蛋白和铁浓度,建模时使用log10值。图中呈现了存活者和死亡参与者的n数以及p值(双尾t检验,β ≠ 0) 查看原图 ↗
图3 转铁蛋白饱和度是独立于SOFA的生存预测因子。a 经年龄和性别校正的血清铁浓度、铁蛋白、转铁蛋白(TF)、TF饱和度(TF-Sat)、血细胞比容(HT)和SOFA的预测效能。每个所研究参数与ICU死亡率的关联均采用单独的logistic回归模型分析,并纳入年龄和性别作为混杂因素。回归β估计值的显著性采用Wald Z检验确定。结果以森林图呈现。点表示β估计值的指数化值,须表示95%CI。点标注有指数化估计值、CI和p值。存活者:n = 41,死亡者:n = 20。b SOFA模型与复合SOFA-铁参数模型预测效能的比较。生成了一系列logistic回归模型,将SOFA、a中关联的铁/血液学参数的0–3种组合以及年龄和性别作为混杂因素与ICU死亡率相关联。对每个模型计算估计值p值(采用Wald Z检验确定)、赤池信息准则(AIC)和一致性指数(C-index)。表现最佳的模型,即具有显著的非混杂因素估计值且AIC和C-index优于单独SOFA模型的模型,标注有非混杂因素变量名称。存活者:n = 41,死亡者:n = 20。c (B中识别的)表现最佳的SOFA复合模型(SOFA + TF-Sat)的非混杂因素参数估计值以森林图呈现。回归β估计值的显著性采用Wald Z检验确定。点表示β估计值的指数化值,须表示95%CI。点标注有指数化估计值、CI和p值。纳入TF-Sat项的显著性采用似然比检验评估(pLRT,复合模型与单独SOFA模型比较)。存活者:n = 41,死亡者:n = 20 查看原图 ↗
表3 图3b中呈现的SOFA模型及SOFA扩展logistic回归模型的特征 查看原表 ↗
图4 转铁蛋白饱和度在受试者工作特征曲线(ROC)分析中的预测能力。研究参与者的理论生存概率使用年龄和性别校正的SOFA、年龄和性别校正的TF-Sat以及图3b中确定的年龄和性别校正的SOFA复合模型(SOFA + TF-Sat)计算。该图显示了各模型的ROC曲线,并标注了最佳截断值。表格列出了计算得出的最佳截断值、最佳截断值处的阳性和阴性预测值(PPV和NPV)、最佳截断值处的假阳性和假阴性病例数(FP和FN),以及ROC曲线下面积(AUC)及其95% CI。 查看原图 ↗

红细胞输注和免疫抑制联合用药对SOFA–TF-Sat复合模型预测能力的影响

部分研究参与者在入住ICU前的最后3个月内接受了红细胞输注(n = 18,29.5%)或正在使用免疫抑制联合用药(n = 26,41.0%)。因此,我们探讨这两个因素是否影响铁参数的水平和其与死亡率的相关性,包括和不包括SOFA的情况。红细胞输注可被视为一种铁补充形式。一单位人红细胞含220至250 mg铁[25],高循环铁或血红素水平可能促进血管内氧化应激和炎症,但也可作为病原体的来源[26]。在我们的队列中,与未输血的脓毒症患者相比,入住ICU前最后3个月内接受过红细胞输注的个体在初次入住ICU时表现出更高的血清铁、铁蛋白和TF-Sat值以及显著较低的红细胞压积水平。值得注意的是,既往红细胞输注与更高的SOFA评分无关(附加文件8A)。我们队列中ICU死亡率的逻辑回归建模结果表明,在分别校正年龄和性别效应的独立模型中分析时,红细胞输注(p = 0.0067,Wald Z检验)但与免疫抑制无关,与更高的死亡风险相关(附加文件9A)。在此类模型中纳入SOFA评分表明,红细胞输注(pLRT = 0.0028 vs 单纯SOFA模型,LRT检验;红细胞输注项的pRBC = 0.0073,Wald Z检验,附加文件9B)但非免疫抑制治疗(pLRT = 0.53 vs 单纯SOFA模型,LRT;免疫抑制项的pImmunosuppression = 0.53,Wald Z检验,附加文件9C),可被视为SOFA独立的预后因素。

接下来,我们研究了红细胞输注或免疫抑制是否影响表现最佳的SOFA–TF-Sat复合模型的预后能力。虽然纳入免疫抑制联合用药(PLRT = 0.85)未改变SOFA–TF-Sat的预测能力,但将红细胞输注纳入SOFA–TF-Sat模型基本上中和了TF-Sat对死亡率的影响(PLRT = 0.017,TF-Sat项的pTF-Sat = 0.27,Wald Z检验)(附加文件10)。累积来看,这表明TF-Sat是ICU死亡风险的SOFA独立但红细胞输注依赖的预后因素。

讨论

本研究旨在在一个在ICU接受治疗的脓毒症患者的前瞻性队列中研究血清铁参数预测脓毒症死亡率的效力,并确定TF-Sat作为额外的实验室参数以增加SOFA评分的预测能力,从而得出我们的SOFA - TF-Sat模型。

铁代谢对ICU患者以及特别是脓毒症患者全因死亡率的重要性此前已有描述。脓毒症背景下铁稳态的改变由细胞因子和急性期蛋白驱动,并伴随它们对红细胞生成和红细胞损伤的影响。虽然这些细微改变被视为机体抵御入侵微生物的防御策略,但铁稳态的改变可能对细胞的代谢过程产生负面影响,包括线粒体呼吸、免疫功能或组织氧供 [27, 28]。

因此,我们队列中的患者表现出炎症和感染驱动改变所典型的铁稳态参数变化,即血清铁水平和转铁蛋白饱和度(TF-Sat)降低、血清转铁蛋白水平降低以及铁蛋白浓度升高 [3, 29]。

转铁蛋白是一种负性急性期蛋白,因为IL-6抑制肝实质对其的产生 [30]。尽管转铁蛋白以高亲和力结合铁,但转铁蛋白结合铁仍可能被微生物获取。许多微生物包括革兰阴性肠杆菌科细菌产生铁载体,其对铁的亲和力比转铁蛋白高出数个数量级 [31]。因此,这些微生物可能能够从转铁蛋白上剥离铁并将其用于自身的生长和增殖。血清铁蛋白升高既是组织铁储存的指标,也是炎症的指标。所有有核细胞类型均表达铁蛋白以储存铁 [14]。在细胞内,铁蛋白对于避免铁诱导的活性氧形成及由此产生的细胞毒性至关重要,并可限制微生物获取铁 [32]。巨噬细胞具有在铁蛋白中储存铁或通过非经典途径分泌铁蛋白的高能力,因此被认为是血清铁蛋白的主要来源 [33]。因此,非存活者中观察到的高血清铁蛋白水平可能是巨噬细胞活化增加而非铁储存增加的标志 [34]。

红细胞输注对TF-Sat–SOFA复合模型预测效能的影响以及红细胞输注对我们研究中脓毒症患者生存的影响,与以下报道一致:接受红细胞输注的术后患者感染和脓毒症发生率增加 [35]、儿科烧伤患者脓毒症风险增加 [36],以及危重症患者ICU获得性感染风险增加 [37]。

在输血前及输血过程中,红细胞(RBC)裂解时会释放大量游离血红素和铁。此外,红细胞输血后可能短暂出现非转铁蛋白结合铁。因此,各种形式的铁可能因其促氧化特性而产生毒性作用,并可能损害宿主免疫力或作为微生物的铁来源[26, 38]。然而,在一项纳入3000多名脓毒症患者的多中心观察性研究中,未观察到红细胞输血与死亡率之间存在明确关联[39]。与我们单中心前瞻性研究一致,既往红细胞输血给药与更高的SOFA评分无关。相反,我们发现高转铁蛋白饱和度(TF-Sat)和低转铁蛋白浓度与生存率降低相关。这可能是由于某些患者能够处理浓缩红细胞中所含的铁,因为其巨噬细胞可将铁储存于细胞内或持续释放,从而满足红细胞系的需求。然而,在其他患者中,巨噬细胞的储存或受调控的再循环能力可能不堪重负,以致输出铁的峰值量导致TF-Sat过高。因此,TF-Sat升高可能提示脓毒症期间巨噬细胞系统功能障碍。这一观点与其他研究一致,这些研究表明高血清铁和TF-Sat[14, 16]以及血清铁蛋白[15]与脓毒症死亡率相关。另一方面,根据低铁调素水平诊断的铁缺乏可预测ICU出院后1年死亡率[17]。这些研究之间的差异有几种可能解释。第一,高血清铁、TF-Sat和铁蛋白的组合可能主要归因于免疫驱动的铁代谢改变,而铁调素受抑制则是绝对铁缺乏的明确但尚未充分标准化的指标。第二,患者结局高度依赖于基础疾病,并且在同时研究非脓毒症ICU患者的研究中,脓毒症患者亚组可能代表性不足[17]。第三,研究危重症患者铁参数的研究设计各不相同。

我们研究的优势在于其前瞻性设计以及对脓毒症患者的关注。尽管我们的样本量有限,但我们确定了在入住重症监护室24小时内测定的TF-Sat作为额外的实验室参数,以提高SOFA评分的预测能力。这两个值在脓毒症患者中均常规评估,因此无需额外的临床参数。统计分析证明TF-Sat是SOFA的独立变量,并且几乎是SAPS II的独立变量。两项拟合优度指标显示,SOFA评分与TF-Sat的组合比单独使用SOFA评分能更好地识别存活者和非存活者。此外,当应用似然比检验时,SOFA评分与TF-Sat的组合具有显著更低的残差方差数,这意味着当在SOFA之外加入TF-Sat时,未解释的ICU死亡和存活者数量预计会更低。此外,ROC分析显示,复合模型大幅减少了错误预测的数量,并在最佳截断值处几乎消除了假阳性病例。总之,将TF-Sat纳入广泛使用的脓毒症预后评分如SOFA以及程度较轻的SAPS II中,可能提高其准确性并增强预测能力,特别是对于评分值高但TF-Sat低的患者。

然而,我们的研究存在若干局限性。首先,它是一项单中心研究,仅限于在内科ICU接受治疗的患者。其次,腹腔或尿路感染的患者很少,而这些感染已被发现与较低的院内死亡率相关[40]。然而,脓毒症病灶的分布与其他研究一致,且血清铁参数与感染部位无关,证实了我们的发现具有代表性。第三,我们研究队列的样本量有限。

尽管如此,本研究提供了SOFA + TF-Sat的组合模型作为一种实际适用且具有高度预测性的模型来评估脓毒症的死亡风险。这支持了铁参数与疾病结局之间新关联的发现,这些关联可能对高风险患者的临床管理具有重要意义。

然而,在更大规模的前瞻性多中心研究中验证这些发现将很重要。

结论

观察到入住ICU时血清铁和铁蛋白浓度升高与SOFA评分及死亡率呈正相关。此外,高TF-Sat和低转铁蛋白浓度与生存率降低相关。由SOFA和TF-Sat组成的逻辑回归模型对脓毒症ICU患者的生存具有最佳预测能力。该研究揭示了先前被低估的全身铁稳态与脓毒症临床病程之间的相互作用,这可能与铁介导的对微生物生长、免疫功能或自由基形成的影响有关。

补充信息

附加文件1。稳态及感染或炎症期间全身铁周转概述。在稳态(上图)下,铁调素(ferroportin-1(FPN1)介导的细胞铁输出的抑制剂)水平较低。这使得十二指肠中膳食铁的吸收以及巨噬细胞中衰老和受损红细胞(RBC)来源铁的回收得以高效进行。因此,循环转铁蛋白(TF)的铁饱和度保持在生理水平,骨髓红细胞生成和身体其他器官可获得充足的铁。过量的铁储存于肝脏和脾脏。在感染或炎症期间(下图),铁调素水平升高,从而阻断FPN1介导的膳食铁吸收和巨噬细胞中的铁回收。此外,循环铁被巨噬细胞、肝脏和脾脏广泛捕获并储存。累积而言,TF饱和度下降,红细胞生成、身体其他细胞以及潜在病原体(如细菌、病毒或真菌)可获得的铁非常低。如果为慢性,炎症或感染可能导致RBC血红蛋白化减少和细胞数量减少,表现为慢性病贫血(ACD)。

附加文件2。按原发感染灶分层的研究参与者中铁周转标志物的调节。每个点代表一次单独观察,柱和须线表示均值及SEM。统计显著性采用单因素ANOVA和Benjamini-Hochberg事后双尾T检验确定。呈强非正态分布的铁蛋白和铁浓度经log10转换。图中呈现了各感染灶分层中的患者n数以及显著的事后检验p值。ANOVA统计量:血清铁:F5, 55 = 0.81,ns;血清铁蛋白:F5, 55 = 0.12,ns;血细胞比容:F5, 55 = 0.46,ns;转铁蛋白:F5, 55 = 0.31,ns;转铁蛋白饱和度(TF-Sat):F5, 55 = 0.12,ns;SOFA:F5, 55 = 3.0,p = 0.018。

附加文件3。患有肺炎和其他感染的研究参与者中铁周转标志物的调节。肺炎患者和患有其他感染的参与者中铁周转标志物及SOFA的调节。每个点代表一次单独观察,柱和须线表示均值及SEM。统计显著性采用双尾T检验确定。呈强非正态分布的铁蛋白和铁浓度经log10转换。图中呈现了肺炎和其他感染个体的n数以及p值(双尾T检验)。

附加文件4。铁周转参数与SAPS II的相关性。(A) 存活者和ICU死亡脓毒症患者中SAPS II的值。每个点代表一次单独观察,柱和须线表示均值及标准误(SEM)。统计学显著性采用混合效应线性模型确定(固定效应:生命状态,随机效应:性别和年龄)。图中呈现了存活者和死亡参与者的n数以及p值(双尾T检验,β ≠ 0)。(B) 铁参数与SAPS II的相关性。SAPS II评分值以铁周转参数为函数,采用混合效应线性模型建模(固定效应:所研究的参数,随机效应:性别和年龄)。对于呈强非正态分布的铁蛋白和铁浓度,建模时使用log10值。每个点代表一次单独观察,蓝色实线表示拟合回归线。图中呈现了回归斜率β估计值及95% CI、斜率显著性p值(双尾T检验,β ≠ 0)以及观察例数n。

附加文件5。转铁蛋白饱和度对SAPS II预测ICU生存的依赖性。(A) 年龄和性别校正后血清铁浓度、铁蛋白、转铁蛋白(TF)、TF饱和度(TF-Sat)、血细胞比容(HT)和SAPS II的预测效能。对每个所研究参数与ICU死亡率的相关性分别采用独立的logistic回归模型分析,并将年龄和性别作为混杂因素纳入。回归β估计值的显著性采用Wald Z检验确定。结果以森林图呈现。点代表指数化β估计值,须线代表95% CI。点上标注了指数化估计值、CI和p值。存活者:n = 41,死亡者:n = 20。(B) SAPS II与SAPS II-铁参数复合模型预测效能的比较。生成了一系列logistic回归模型,将SAPS II、(A)中关联的铁/血液学参数的0-3种组合以及年龄和性别作为混杂因素与ICU死亡率进行相关性分析。对每个模型计算了估计p值(采用Wald Z检验确定)、赤池信息准则(AIC)和一致性指数(C-index)。图中标注了单独SAPS II模型和SAPS II - TF-Sat复合模型。存活者:n = 41,死亡者:n = 20。(C) SAPS II - TF-Sat复合模型的估计值以森林图呈现。回归β估计值的显著性采用Wald Z检验确定。点代表指数化β估计值,须线代表95% CI。点上标注了指数化估计值、CI和p值。纳入TF-Sat项的显著性采用似然比检验评估(pLRT,复合模型与单独SAPS II模型比较)。存活者:n = 41,死亡者:n = 20。

附加文件6。转铁蛋白饱和度在受试者工作特征曲线(ROC)分析中的预测效能。使用年龄和性别校正的SAPS II、年龄和性别校正的TF-Sat以及图S5B中呈现的年龄和性别校正的SAPS II复合模型(SAPS II - TF-Sat)计算研究参与者的理论生存概率。图中展示了各模型的ROC曲线,并标注了最佳截断值。表中呈现了计算出的最佳截断值、最佳截断值处的阳性和阴性预测值(PPV和NPV)、最佳截断值处的假阳性和假阴性例数(FP和FN)以及ROC曲线下面积(AUC)及其95% CI。

附加文件7。SOFA-TF-Sat和SAPS II-TF-Sat复合模型对ICU死亡率的预测准确性。研究参与者的理论生存概率使用以下模型计算:(A) 图S5B中展示的年龄和性别校正的SOFA、年龄和性别校正的TF-Sat以及年龄和性别校正的SOFA复合模型(SOFA + TF-Sat),以及(B) 图S5B中展示的年龄和性别校正的SAPS II、年龄和性别校正的TF-Sat以及年龄和性别校正的SAPS II复合模型(SAPS II + TF-Sat)。对于每个模型,通过如图3和图S6所示的ROC分析确定最佳截断值,并将患者分层为预测存活者和预测死亡者,并将预测生存率与实际ICU死亡率进行比较(正确或错误预测)。点图描绘了(A) TF-Sat和SOFA以及(B) TF-Sat和SAPS II值,点的填充编码表示实际生命状态,点的形状表示模型预测质量。图中标注了正确和错误生存预测的绝对数量。

附加文件8。ICU入院前接受红细胞输注和免疫抑制治疗的患者中铁周转参数的调节。研究参与者被分层为在ICU入院前最后3个月内接受过红细胞(RBC)输注或免疫抑制联合用药治疗的组。 (A) 接受RBC输注和未接受输注的研究参与者中铁参数的调节。每个点代表一次单独观察,柱和须线表示均值及SEM。统计显著性通过双尾T检验确定。强烈非正态分布的铁蛋白和铁浓度经log10转换。图中展示了输血和未输血个体的n数及p值(双尾T检验)。(B) 接受免疫抑制治疗(Sup)和未接受免疫抑制治疗(No Sup)的研究参与者中铁参数标志物的调节。每个点代表一次单独观察,柱和须线表示均值及SEM。统计显著性通过双尾T检验确定。强烈非正态分布的铁蛋白和铁浓度经log10转换。图中展示了接受免疫抑制治疗和未接受免疫抑制治疗个体的n数及p值(双尾T检验)。

附加文件9。红细胞输注和免疫抑制对ICU生存的预测能力及SOFA依赖性。研究参与者按ICU入住前最后3个月内是否接受过红细胞(RBC)输注或免疫抑制联合用药进行分层。SOFA评分在ICU入住时常规测定。(A)年龄和性别校正后红细胞输注、免疫抑制治疗和SOFA的预测能力。每个研究参数与ICU死亡率的关联分别用独立的逻辑回归模型分析,纳入年龄和性别作为混杂因素。回归β估计值的显著性用Wald Z检验确定。结果以森林图呈现。点代表β估计值的指数化值,须线表示95% CI。点标注有指数化估计值、CI和p值。存活者:n = 41,死亡者:n = 20,输注红细胞者n = 18,接受免疫抑制治疗者:n = 26。(B、C)红细胞输注和免疫抑制混杂的SOFA评分对ICU死亡率的预测能力。SOFA与红细胞输注状态(B)以及SOFA与免疫抑制(C)和ICU死亡率的关联分别用独立的逻辑回归模型分析,纳入年龄和性别作为混杂因素。回归β估计值的显著性用Wald Z检验确定。结果以森林图呈现。点代表β估计值的指数化值,须线表示95% CI。点标注有指数化估计值、CI和p值。纳入红细胞输注项和免疫抑制项的显著性用似然比检验评估(pLRT,SOFA - 红细胞输注 vs SOFA,以及SOFA - 免疫抑制 vs SOFA)。存活者:n = 41,死亡者:n = 20,输注红细胞者n = 18,接受免疫抑制治疗者:n = 26。

附加文件10。纳入红细胞和免疫抑制效应对复合SOFA模型预测值的影响。(A、B)纳入红细胞输注项(A)和免疫抑制项(B)对复合SOFA模型预测值的影响。在图2B中确定的表现最佳的SOFA - TF-Sat复合模型上附加编码红细胞输注状态(A)和免疫抑制用药(B)的项。回归β估计值的显著性用Wald Z检验确定。结果以森林图呈现。点代表β估计值的指数化值,须线表示95% CI。点标注有指数化估计值、CI和p值。纳入红细胞输注项和免疫抑制项的显著性用似然比检验评估(pLRT,SOFA - TF-Sat + 红细胞输注 vs SOFA - TF-Sat,SOFA - TF-Sat + 免疫抑制 vs SOFA + TF-Sat)。存活者:n = 41,死亡者:n = 20,输注红细胞者n = 18,接受免疫抑制治疗者:n = 25。

参考来源

  1. Brandtner A, Tymoszuk P, Nairz M, et al. Linkage of alterations in systemic iron homeostasis to patients' outcome in sepsis: a prospective study. J Intensive Care. 2020. PMID: 33014378. doi:10.1186/s40560-020-00495-8
  2. 全文:PMC7528491(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7528491/

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。