文献速递复苏、休克与脓毒症重症综合管理与镇静镇痛

基于有限混合模型与动态治疗方案的脓毒性休克个体化复苏策略

Individualized resuscitation strategy for septic shock formalized by finite mixture modeling and dynamic treatment regimen.
PubMed 文献 · Crit Care · 2021-07-12
一句话结论脓毒性休克可稳定分为5个表型,不同表型对液体和去甲肾上腺素的反应不同,DTR模型可个体化推荐液体量和去甲肾上腺素剂量。

该回顾性多中心研究纳入中国25家三级教学医院1437例脓毒性休克患者,用有限混合模型和K-means聚类识别出5个表型:基线型、危重型、肾功能障碍型、呼吸衰竭型和轻型。用动态治疗方案模型估计个体化最佳液体量和去甲肾上腺素剂量,发现最佳液体策略符合先复苏后去复苏模式,但各表型去复苏时机不同(1型第3天、3型第1天)。1型和3型可能受益于早期使用去甲肾上腺素,2型需等待充分液体复苏后延迟使用。模型在eICU-CRD数据集得到验证。

要点

  • 脓毒性休克可稳定分为5型:1型基线型、2型危重型(乳酸11.10 mmol/L,病死率41%)、3型肾功能障碍型、4型呼吸衰竭型(PaCO2 60 mmHg,P/F 169 mmHg)、5型轻型(年轻,病死率21%)。
  • 总体液体入量增加与死亡风险升高相关(HR 1.15,95%CI 1.04–1.29,P=0.009),但2型危重型更多液体与死亡风险降低相关(HR 0.81,95%CI 0.69–0.95,P=0.009)。
  • 总体去甲肾上腺素剂量增大与死亡风险升高相关(HR 3.17,95%CI 2.06–4.89,P<0.001),但3型肾功能障碍型与去甲肾上腺素剂量存在显著交互(HR 0.28,95%CI 0.14–0.58,P<0.001)。
  • DTR模型显示最佳液体策略为先大剂量复苏后限制性去复苏,1型第3天转入去复苏,3型第1天转入去复苏,2型需延长复苏至7天。
  • 1型和3型可能受益于早期使用去甲肾上腺素,2型需等待充分液体复苏后延迟使用;实际与最佳剂量差异越小,死亡风险越低。

适用人群与场景

  • 中国25家三级教学医院ICU中脓毒性休克患者,2016年1月至2017年12月回顾性纳入,中位年龄67岁(IQR 54–78),男性63%(912/1437),中位APACHE II 22(IQR 16–27)。
  • 排除标准:妊娠、年龄<18岁、终末期疾病或恶性肿瘤且有不复苏医嘱、伴血流动力学不稳定的急性心肌梗死或肺栓塞、免疫缺陷状态(血液恶性肿瘤、中性粒细胞减少、器官移植)、手术感染源未控制。
  • 感染部位:胸部48%、腹部38%、尿路7%、软组织3%;患者类型:内科56%、急诊手术32%、择期手术12%。

诊断标准与关键阈值

  • 脓毒症定义:疑似或确诊感染加SOFA评分较基线增加≥2分;基线SOFA从既往病史提取,无已知合并症或基线实验室检查者假定为0。
  • 脓毒性休克定义:需要血管升压药维持平均动脉压≥65 mmHg且血清乳酸>2 mmol/L(>18 mg/dL),且无低血容量(由各中心CRC根据临床发现如心率增快、低CVP、血压降低、皮肤苍白湿冷判断)。
  • 表型分类:有限混合模型基于17个特征(年龄、体重、心率、APACHE II、收缩压、体温、pH、HCO3、乳酸、碱剩余、P/F比、PaCO2、红细胞压积、血小板、RDWCV、肌酐、尿量)识别5类,要求最小类占比>4%、最小归属概率>0.8,K-means聚类确认。

处置流程与药物剂量

  • 第一步:入ICU后第0、1、2、3、7天用常规临床变量(17项特征)判定脓毒性休克表型(1型基线型、2型危重型、3型肾功能障碍型、4型呼吸衰竭型、5型轻型)。
  • 第二步:按DTR模型估计的个体化最佳液体量进行复苏,最佳模式为初始2天大剂量液体复苏后转为限制性液体去复苏;1型第3天转入去复苏,3型第1天转入去复苏,2型需延长复苏至7天。
  • 第三步:按表型调整去甲肾上腺素使用时机——1型和3型可能受益于早期使用,2型需等待充分液体复苏后延迟使用;DTR模型估计个体化最佳去甲肾上腺素剂量(μg/kg/min)。
  • 液体过负荷定义:实际液体量超过最佳量>1000 mL/天;去甲肾上腺素过量定义:实际剂量超过最佳剂量>0.1 μg/kg/min。
  • 实际与最佳剂量差异越小,死亡风险越低(原文结果)。

红旗征与不能漏的情况

  • 2型危重型:乳酸高(11.10 mmol/L,IQR 9.05–14.25),病死率最高(41%),需延长复苏并等待充分液体复苏后再用去甲肾上腺素。
  • 4型呼吸衰竭型:PaCO2最高(60 mmHg,IQR 50–77),P/F比低(169 mmHg,IQR 118–232),更多液体摄入与死亡风险增加相关。
  • 3型肾功能障碍型:血肌酐最高伴代谢性酸中毒,第1天即应转入去复苏,且可能受益于早期去甲肾上腺素。
  • 从其他型转为2型者死亡风险更高;转为1型者出院存活可能性更大。

研究设计与关键结果

  • 研究类型:多中心回顾性队列研究,中国25家三级教学医院,2016年1月至2017年12月,纳入1437例脓毒性休克患者,病死率29%。
  • 表型识别:有限混合模型和K-means聚类稳定识别5类;5类模型熵0.849;PCA前三个主成分解释15.6%、10.3%、8.7%方差。
  • 多变量Cox回归(时变协变量):液体入量主效应与死亡风险升高相关(HR 1.15,95%CI 1.04–1.29,P=0.009);2型与液体量交互HR 0.81(95%CI 0.69–0.95,P=0.009),提示2型更多液体与死亡风险降低相关。
  • 去甲肾上腺素主效应与死亡风险升高相关(HR 3.17,95%CI 2.06–4.89,P<0.001);3型与去甲肾上腺素剂量交互HR 0.28(95%CI 0.14–0.58,P<0.001)。
  • DTR模型blip函数中表型2、3、4、5的系数分别为0.0575(95%CI 0.0234–0.0876)、0.0453(95%CI 0.0241–0.0761)、−0.0115(95%CI −0.0761至−0.0034)、−0.0126(95%CI −0.0616至−0.0021)。
  • 外部验证:DTR模型在eICU-CRD数据集(美国多中心ICU数据库,>200,000次ICU入住)中验证,最佳策略与最低死亡率相关。

证据类型、等级与局限

  • 证据类型:多中心回顾性队列研究,非随机干预,使用有限混合模型、K-means聚类和动态治疗方案模型进行表型识别和个体化治疗策略估计。
  • 局限:回顾性研究设计,数据来自电子病历回顾性收集;表型分类和DTR模型为数据驱动,需前瞻性验证;外部验证为回顾性数据库eICU-CRD;排除标准较多可能限制外推性;原文未报告证据等级或推荐强度。

对床旁实践的改变

  • 可在床旁用常规临床变量(17项特征)将脓毒性休克患者分为5个表型,辅助个体化液体和去甲肾上腺素决策,而非对所有患者采用统一策略。
  • 2型危重型患者可能需要延长液体复苏(至7天)并延迟去甲肾上腺素使用;1型和3型可能受益于早期去甲肾上腺素,3型第1天即应开始去复苏。
  • 4型呼吸衰竭型患者更多液体摄入与死亡风险增加相关,应避免液体过负荷。
  • 常见陷阱:不能将DTR模型估计的最佳剂量直接作为通用推荐剂量;实际与最佳剂量差异>1000 mL/天(液体)或>0.1 μg/kg/min(去甲肾上腺素)定义为过负荷/过量,需结合床旁评估。
  • 不适用人群:妊娠、<18岁、终末期疾病或不复苏医嘱、伴血流动力学不稳定的急性心肌梗死或肺栓塞、免疫缺陷状态、手术感染源未控制者(原文排除标准)。

指南或共识出处

  • 原文未提及具体指南或共识名称;文中引用Surviving Sepsis Campaign指南作为背景(参考文献6、7),但未给出具体推荐等级。
全文中译16 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. 2021 Jul 12;25:243. doi: 10.1186/s13054-021-03682-7

引言

脓毒性休克是重症监护病房(ICU)中死亡和发病的主要原因。应尽快纠正休克状态,以防止随后发生多器官功能障碍[1–3]。脓毒性休克初始阶段的复苏包括液体输注和使用血管活性药物,如去甲肾上腺素、多巴胺和多巴酚丁胺[4, 5]。尽管拯救脓毒症运动指南推荐了若干目标(即尿量、平均血压和ScvO2)来指导复苏[6, 7],但具体策略必须个体化,因为脓毒性休克患者对特定干预的反应可能差异很大。例如,一些脓毒症诱导的急性肾损伤患者可能对液体复苏反应良好,而另一些患者可能在液体复苏后进一步发展为肾衰竭[8, 9]。在临床实践和临床试验设计中都必须考虑这种临床异质性。由于脓毒症和/或脓毒性休克是一种异质性临床综合征,许多针对脓毒症人群的临床试验通常得出中性结果[2, 10, 11]。在这些试验中,一些患者可能从某种干预中获益,但另一些患者会因该干预而受到损害,导致总体人群中出现中性效应。因此,人们做出了大量努力来探索脓毒症的异质性。

已发现脓毒症由若干表型组成,尽管各研究之间的具体类别归属不同[12–18]。Gårdlund B及其同事利用1696名患者的临床试验数据,确定了六类脓毒性休克[19]。另外,使用体温轨迹能够识别出四类脓毒症[20]。研究者对所识别出的类别对不同治疗的反应进行了研究。我们之前的结果显示,这些临床亚类对液体输注量的反应不同[14]。利用随机临床试验数据,报告获益、损害或无效应的RCT比例随着亚类比例的变化而发生显著变化[21]。这些结果表明,在设计临床试验时应考虑脓毒症的亚类,因为它们对液体策略的反应不同。然而,既往研究主要使用横断面数据探索脓毒症的亚类,忽略了类别的转换模式和序贯治疗决策。在真实临床实践中,脓毒性休克是通过序贯治疗决策来管理的。换言之,当前阶段的治疗决策不仅应考虑当前状态,还应考虑既往对治疗的反应。遗憾的是,这种临床实践模式尚未通过数学建模加以形式化。

既往研究已探索利用高粒度数据集制定脓毒性休克复苏序贯决策规则的可行性。例如,Komorowski M及其同事开发了一种强化学习算法以确定治疗策略的序贯规则[22]。我们的研究组利用动态治疗方案(DTR)模型开发了一种序贯治疗策略[23]。然而,这些模型粒度较高,可解释性有限。为使模型更具可解释性,本研究首先采用无监督学习算法将脓毒性休克分为若干类别。随后,将该分类系统整合入DTR模型,以制定液体量和血管加压药给药的序贯治疗规则[24]。通过第0–7天比较了最优治疗策略与实际策略,并探讨了液体超负荷和去甲肾上腺素过量的危险因素。我们假设能够稳健地识别出若干类脓毒性休克,且DTR模型能够为这些类别确定最优治疗策略。实际治疗策略与最优治疗策略之间的差异在不同类别间存在差异。

方法

研究设计与设置

本研究于2016年1月至2017年12月在中国25家三级甲等教学医院开展。通过查阅电子病历回顾性纳入参与者,并在住院期间对患者进行随访。每个ICU由一名站点研究者负责本研究。此外,每家医院指派一名临床研究协调员(CRC)以确保数据收集质量。本研究经中国人民解放军总医院第八医学中心伦理委员会批准(批准号309201906171117)。由于本研究不涉及任何干预,伦理委员会豁免书面知情同意。数据经去标识化处理并存储在加密计算机中。本研究已在中国临床试验注册中心注册(注册号ChiCTR1900024418)。

参与者

脓毒症定义为疑似或确诊感染加上序贯[脓毒症相关]器官衰竭评估(SOFA)评分增加2分或以上。基线SOFA评分从既往病史中提取。若受试者无已知合并症或基线实验室测量值,则假定SOFA评分为0。脓毒性休克患者的判定标准为:需要血管加压药维持平均动脉压≥65 mmHg,且在无低血容量(例如,由参与中心的CRC根据临床发现如心率增快、中心静脉压低、血压下降及皮肤苍白、湿冷确定)的情况下血清乳酸水平>2 mmol/L(>18 mg/dL)[25]。患者在入住ICU时存在脓毒性休克即纳入。排除标准包括妊娠、年龄小于18岁、终末期疾病或恶性肿瘤伴放弃复苏医嘱、合并急性心肌梗死或肺栓塞伴血流动力学障碍、免疫缺陷状态(即血液系统恶性肿瘤、中性粒细胞减少、器官移植)以及手术感染源未控制。

变量

在入住ICU后第0、1、2、3和7天收集临床和实验室变量。对于数值变量,收集每天的最小值和最大值。人口学和基线临床数据包括年龄、性别、患者类型(择期手术、急诊手术、非手术)、入院时体重、合并症和感染部位(腹部、胸部、脑、血流、软组织和尿路感染)。记录体温、动脉血压、心率和呼吸频率等生命体征。急性生理与慢性健康评估(APACHE)II评分在入住ICU后24小时内计算。实验室变量包括pH、HCO3、血清乳酸、血红蛋白(HB)、血细胞比容(HCT)、PaCO2、P/F比、碱剩余(BE)、血小板计数、红细胞分布宽度(RDWCV)、血清肌酐和总胆红素。液体入量通过汇总所有晶体液、胶体液、血制品、鼻胃(NG)水、NG喂养、肠外营养以及与静脉给药相关的液体入量来计算。液体入量和出量按日测量。记录血管升压药包括去甲肾上腺素、肾上腺素、多巴胺和多巴酚丁胺。血管升压药通过以下公式转换为去甲肾上腺素等效剂量(除血管加压素单位为单位/分钟外,其余均为mcg/kg/min)[26]:缺失值达20%或以上的患者被排除在分析之外。对于有其他缺失值的患者,纵向数据首先应用末次观测值结转(LOCF)法、然后应用下次观测值反向结转(NOCB)法进行填补[27]。

感染性休克的分类

通过假设特征变量服从高斯分布,使用有限混合模型(FMM)探索脓毒性休克的分类,方差约束为各类别间相等,协方差固定为0(图1)。使用Pearson相关分析检验特征变量之间的相关性。我们根据领域知识剔除了高度相关的变量。选取代表若干关键病理生理领域的候选变量纳入FMM,如基线人口学特征(年龄、体重)、疾病严重程度(APACHE II)、生命体征(SBP、DBP、HR、体温、RR)、组织灌注(乳酸)、内环境(BE、pH、HCO3)、呼吸(PaCO2、PaO2、PF)、炎症反应(CRP、RDWCV)、血液学(血小板)和肾功能(尿量、肌酐)。PaO2、CRP和DBP因与其他变量的相关系数>0.7而被剔除。FMM拟合于所有患者第0、1、2、3和7天特征向量的合并数据集,同时允许类别在ICU住院日之间发生转换。最佳类别数由统计学指标和临床重要性共同确定。AIC和SABIC值越低、熵值越高被认为模型拟合越好。采用Bootstrap似然比检验比较k类模型是否优于(k−1)类模型[28]。每类最少患者数应超过整个研究人群的4%。分配至某一类别的最小概率应超过0.8;否则该类别归属被认为不稳定。最佳类别数还通过k-means聚类分析加以确认。报告了立方聚类准则(CCC)、Calinski和Harabasz(CH)指数、Davies和Bouldin(DB)指数、Hartigan、Krzanowski和Lai(KL)指数、Marriot、Rubin和TraceW等统计量,因为这些统计量在NbClust(V3.0)软件包中易于实现[29]。PCA也用于可视化所识别出的类别,以表明脓毒性休克的类别可以在低维空间中可视化呈现。

各分类的特征比较采用Kruskal–Wallis秩和检验或方差分析(ANOVA)对数值数据进行检验,分类数据采用卡方检验或Fisher精确检验[30]。在两个含时变协变量的多变量Cox回归模型中探索类别归属与液体量( )或去甲肾上腺素使用( )之间的交互作用。对其他协变量包括合并症、APACHE II、尿量、肌酐和年龄进行了校正。具有统计学显著性的交互作用可能提示干预措施(液体量或去甲肾上腺素等效剂量)对不同类别的生存结局具有潜在的不同效应量。

图1 患者入组流程图及分析流程示意图。共分析1437例脓毒性休克患者。第一步是通过有限混合模型和K均值聚类识别脓毒性休克的类别。比较各类别的临床特征。在多变量Cox模型中以时变协变量探讨类别归属与液体量或肾上腺素剂量之间的交互作用。交互作用显著意味着不同类别间治疗效果不同。我们分析的另一条主线是使用动态治疗方案估计最佳液体量和去甲肾上腺素剂量。建模的关键是构建一个blip函数,该函数有助于根据当前患者状态和对干预的历史反应来定制最佳给药策略。它返回一个序贯决策策略以优化最终结局。然后将最佳液体量或肾上腺素剂量与实际策略进行比较,并可探讨液体超负荷或去甲肾上腺素过量给药的相关危险因素 查看原图 ↗

动态治疗方案建模

可使用强化学习算法从观察性医学数据中推断最佳动态治疗方案[31, 32]。另外,动态治疗方案(DTR)也可用于估计多个治疗阶段的最佳治疗策略,从而优化最终临床结局[33, 34]。在本研究中,治疗为连续变量,包括液体摄入量和去甲肾上腺素剂量。采用基于回归的方法估计ICU入住后第0、1、2、3和7天的最佳给药策略。更具体地说,死亡结局以无治疗模型和blip函数进行建模:,其中是协变量向量,是治疗策略。和是观察到的协变量向量的子集。blip函数以和参数化,并刻画治疗效果。DTR模型还需要指定治疗模型,即接受治疗的概率评分:。参数估计的目标是以序贯方式优化最终结局。估计通过动态加权普通最小二乘法进行[33, 34]。DTR模型的结果将返回第0、1、2、3和7天液体量和去甲肾上腺素剂量的个体化最佳给药策略。然后,将实际治疗策略与最佳治疗策略进行比较。液体超负荷定义为接受量比最佳液体量> 1000 mL/天,去甲肾上腺素过量给药定义为接受量比最佳剂量> 0.1 mcg/kg/min。使用逐步后退消除法和前进选择法及AIC的逻辑回归模型探讨液体和去甲肾上腺素过量给药的危险因素。(更多细节见附加文件1。)所有分析均使用R(版本4.0.1)进行,代码见附加文件2。

在eICU-CRD数据集中的外部验证

eICU协作研究数据库(eICU-CRD)是一个多中心重症监护病房(ICU)数据库,包含美国各地eICU项目监测的超过20万例ICU入住患者的高粒度数据,本研究使用该数据库进行模型验证[35]。感染性休克患者定义为入院诊断为脓毒症且使用血管加压药(包括去甲肾上腺素、多巴胺和肾上腺素)的患者。FMM和DTR建模使用相同的特征变量。感染性休克的分类在eICU-CRD数据库中进行了验证。eICU-CRD中新样本的聚类归属由类别归属的最高后验概率确定。FMM还可有助于将我们的模型应用于外部数据集。下游DTR验证通过预测eICU-CRD中患者的最佳治疗策略来进行。然后,通过该最佳策略与最低死亡率相关这一事实对其进行验证。

结果

参与者

研究期间共筛查4024例感染性休克患者。应用排除标准后,1459例患者被纳入研究。然而,由于预设的缺失值比例,进一步排除了22例患者。最终,我们纳入1437例患者进行后续分析(图1)。研究人群的中位年龄为67岁(IQR 54至78岁)。男性患者(912/1437,63%)多于女性患者。中位APACHE II为22(IQR 16–27)。原发感染部位包括胸部(48%)、腹部(38%)、尿路感染(7%)和软组织(3%)。内科患者占所有患者的56%,其次为急诊手术(32%)和择期手术患者(12%)。

感染性休克的分类

共纳入17个特征(年龄、体重、心率、APACHE II评分、收缩压、体温、pH、HCO3、乳酸、碱剩余、氧合指数、PaCO2、红细胞压积、血小板、红细胞分布宽度变异系数、肌酐、尿量)用于FMM。AIC和SABIC值从2类模型到8类模型逐渐下降,但从6类模型到8类模型的最小类别包含不到3%的患者(图2B)。因此,5类模型被认为是最佳模型。此外,5类模型的熵为0.849,属于最大值之一。5类模型经k-means聚类分析得到确认(图2A)。类别归属转移如图2C所示,显示患者在ICU住院期间可在不同类别间转移。转移至第1类的患者更有可能在出院时存活。五个类别在前三个主成分中可良好分离(分别解释总方差的15.6%、10.3%和8.7%,图2D)。五个类别的特征可视化见图2E,统计比较见表1。第1类在所有研究日中为最大的类别(如表1所示,在第0天并非最大类别),其所有临床特征均接近人群均值(基线类别)。第2类的特征为组织灌注不良(高血清乳酸水平:11.10;IQR 9.05–14.25 mmol/L)和最高死亡率(41%),可称为危重类别。第3类的特征为最高血清肌酐和代谢性酸中毒,可称为肾功能障碍类别(图2E)。第4类的特征为最高PaCO2(60;IQR 50–77 mmHg)和低氧合指数(169;IQR 118–232 mmHg),可指定为呼吸衰竭类别。第5类的特征为年轻年龄(42;IQR 30–51岁)和低死亡率(21%),可视为轻度类别。

图2 感染性休克的类别。A 通过K-means聚类确定的最佳聚类数。统计量经过缩放以便更好地可视化。CCC、CH和KL等统计量在五个聚类时显示最高值;DB值越低表示拟合越好,这也支持五个聚类的存在。一些统计量利用肘点来识别最佳聚类数,如Hartigan、Marriot和TraceW。这些统计量一致表明在5类处存在肘关节。B 为FMM选择最佳类别数的指标。C 第0、1、2、3和7天的类别归属转移。值得注意的是,第0天大多数处于第2类(危重类)的患者会转移到其他类别,表明这些危重病例有所改善。转移到第2类的患者更可能死亡。D PCA显示五个类别可以通过前三个主成分在视觉上分开。一个点代表一个样本(每位患者每天一个数据点)。E FMM识别的五个类别的特征。所有数值均经过缩放(即以均值为中心并除以标准差),以便在纵轴上更好地可视化。FMM训练使用了十七个变量,但显示了29个变量以全面呈现这些类别的临床特征。第1类是所有研究日中最大的类别,所有变量均处于平均值(基线类)。第2类的特征为组织灌注不良和多器官衰竭,可称为危重类。第3类的特征为血清肌酐最高和代谢性酸中毒,可称为肾功能障碍类。第4类的特征为PaCO2最高(60;IQR 50–77 mmHg)和PF比值低(169;IQR 118–232 mmHg),可指定为呼吸衰竭类。第5类的特征为年轻、低死亡率和肾功能保持良好,可视为轻度类。FMM 有限混合模型,CCC 立方聚类准则,CH Calinski和Harabasz指数,DB Davies和Bouldin指数,KL Krzanowski和Lai指数。****< 0.001 查看原图 ↗
表1 第0天各类别间临床和实验室变量的比较 查看原表 ↗

感染性休克不同类别的治疗效果差异

在包含时变协变量的多变量Cox回归模型中,我们纳入了类别归属与液体摄入量或去甲肾上腺素剂量之间的交互项。结果显示,液体摄入量的主效应与死亡风险增加呈正相关(HR 1.15;95% CI 1.04–1.29;p = 0.009)。类别归属与液体摄入量之间存在显著交互作用。在第4类中,更多液体摄入与死亡风险增加相关,而在第2类中,更多液体摄入与死亡风险降低相关(HR 0.81;95% CI 0.69–0.95;p = 0.009)。液体量对生存结局的影响在其他类别中较不显著(图3A、C)。较大剂量的去甲肾上腺素一致地与死亡风险增加相关(HR 3.17;95% CI 2.06–4.89;p < 0.001),且第3类与去甲肾上腺素剂量之间存在显著交互作用(HR 0.28;95% CI 0.14–0.58;p < 0.001;图3B、D)。

图3 含时变协变量的多变量Cox回归模型。相对风险可能随时间变化,我们的模型报告了给定剂量下的平均值。A 按类别归属分层的液体量与死亡风险。在类别2(危重类别)中,更多液体给药与死亡风险降低相关。B 去甲肾上腺素每日最大剂量与风险比。虽然在总体人群中更多去甲肾上腺素与死亡风险增加相关,但在类别3(呼吸衰竭类别)中,更大剂量的去甲肾上腺素与死亡风险降低相关。灰色区域表示95%置信区间,横轴上的小竖线表示样本点。C 多变量回归模型显示类别归属与液体量之间存在显著交互作用。液体摄入量与类别2(危重类别)归属之间存在显著交互作用(HR 0.81;95% CI 0.69–0.95)。D 较大剂量的去甲肾上腺素与主效应中瞬时风险增加相关(HR 3.17;95% CI 2.06–4.89)。类别3与去甲肾上腺素剂量之间存在显著交互作用(交互作用HR:0.28;95% CI 0.14–0.58;p < 0.001)。合并症的风险比以无合并症为参照报告。HR 风险比,CI 置信区间,CRF 慢性肾功能衰竭,CAD 冠状动脉疾病,NorepiEq 去甲肾上腺素等效剂量,单位为mcg/kg/min,Cre 肌酐,单位为mg/dl,APACHEII 急性生理与慢性健康评估II,Intake Vol 每日摄入量,单位为升 查看原图 ↗

由DTR估计的最优治疗策略

使用DTR模型估计最优液体量和去甲肾上腺素给药剂量。FMM预测的聚类标签被纳入DTR的blip函数中。比较了实际治疗策略与最优治疗策略(图4A)。blip函数中聚类标签2、3、4和5(独热编码)的系数分别为0.0575(95% CI 0.0234–0.0876)、0.0453(95% CI 0.0241–0.0761)、− 0.0115(95% CI:− 0.0761至− 0.0034)和− 0.0126(95% CI − 0.0616至− 0.0021)。有趣的是,由DTR模型估计的最优液体量呈现出最初2天液体量较大、随后液体需求量减少的模式。这一模式与脓毒性休克管理中复苏和去复苏的概念一致。然而,这些类别之间存在很大差异。类别2显示出更长的复苏期,前7天所需液体量显著大于其他类别。类别2在第0天去甲肾上腺素更可能过量,而类别1和类别3更可能剂量不足(图4E)。对原始数据集的分析显示,实际剂量与最优剂量之间的差异越小,死亡风险越低(图4B、D、F、H)。

图4 由DTR估计的最优复苏策略。A 数天内实际液体量与最优液体量的比较。最优液体策略与复苏/去复苏模型的概念一致,尤其是在1类(基线类)和3类(肾功能障碍类)中。然而,3类较1类更早实施去复苏(第1天 vs. 第3天)。对于1至4类,第0天可给予更多液体,表明临床实践中初始复苏通常不充分。B 通过在验证集上拟合逻辑回归模型估计的液体摄入差值对死亡率的影响。液体摄入差值按患者-天水平计算为实际液体摄入量与最优液体摄入量之间的差值,并分为五个水平:极低(<−1000 mL)、低(−1000至−500 mL)、最优(−500至500 mL)、高(500至1000 mL)和极高(>1000 mL)。比值比以最优水平为参照报告。C 液体过负荷的危险因素。D 通过检验液体摄入差值与死亡率结局之间的关系对DTR进行内部验证。训练后的DTR模型为来自中国多中心队列数据集中的每位受试者估计最优液体摄入量,并通过纳入液体摄入差值的二次项训练逻辑回归模型。抛物线曲线表明,在最优液体策略下可获得最低死亡率。E 按类别分层,数天内实际去甲肾上腺素剂量与最优剂量的比较。对于1、3、4和5类,第0天的最优剂量大于实际剂量,表明早期启动去甲肾上腺素可能对大多数类别有益。然而,2类(危重类)显示较低/延迟的初始剂量可能有益。结合液体摄入结果,可推断初始给予大剂量充足液体并延迟使用去甲肾上腺素可能对2类有益。F 通过探索不同水平去甲肾上腺素剂量差值的死亡相对风险,在验证集中验证DTR模型。G 探索去甲肾上腺素过量危险因素的多变量回归模型。H 通过检验去甲肾上腺素剂量差值与死亡率结局之间的关系验证DTR模型 查看原图 ↗

液体和去甲肾上腺素过量的危险因素

为探讨液体过负荷或去甲肾上腺素过量的危险因素,构建了逻辑回归模型。结果显示,较高的心率值(每增加10次/分钟 OR:4.38;95% CI 2.85–6.73;p < 0.001)、3类(OR:1.93;95% CI 1.49–2.50;p < 0.001)和5类(OR 1.71;95% CI 1.27–2.31;p < 0.001)与液体过负荷风险增加相关(图4C)。3类(OR 0.27;95% CI 0.21–0.34;p < 0.001)、体重(每增加10 kg OR:0.62;95% CI 0.44–0.87;p = 0.007)和尿量(每增加100 mL OR:0.82;95% CI 0.72–0.93;p = 0.001)与去甲肾上腺素过量风险降低相关(图4G)。

逻辑回归模型要求因变量与结局之间存在单调关系这一假设,而该假设在实际中常被违反。因此,我们进一步使用XGboost来识别液体超负荷或去甲肾上腺素过量的危险因素[36]。通过SHapley加性解释(SHAP)探索变量对模型的贡献,其中Shapley值通过比较模型在有和没有该特征时的预测结果来计算特征的重要性[37]。ICU天数是预测液体超负荷的最重要变量。第3类患者更可能发生液体超负荷(紫色表示第3类患者,其通过x轴上的正值表示对液体超负荷风险增加的贡献;图5A)。单个特征在预测去甲肾上腺素过量风险中的SHAP值(图中显示前20个特征)。较高的心率(紫色)被发现与去甲肾上腺素过量风险增加(x轴上的正SHAP值)相关(图5B)。

图5 使用XGboost探索的液体和肾上腺素过量的危险因素。渐变色表示该变量的原始值。每个点代表原始数据集中的一行。A 单个特征在预测液体超负荷风险中的SHAP值(图中显示前20个特征)。ICU天数是预测液体超负荷的最重要变量。第3类患者更可能发生液体超负荷(紫色表示第3类患者,其通过x轴上的正值表示对液体超负荷风险增加的贡献)。B 单个特征在预测去甲肾上腺素过量风险中的SHAP值(图中显示前20个特征)。较高的心率(紫色)被发现与去甲肾上腺素过量风险增加(x轴上的正SHAP值)相关 查看原图 ↗

eICU-CRD数据库中的外部验证

从eICU-CRD数据库中共识别出5856例入住ICU时诊断为脓毒性休克的患者。死亡率为26.7%(1582/5865)。FMM模型识别出五类脓毒性休克。eICU-CRD数据集中的类别归属也使用FMM方法进行预测,结果显示eICU-CRD中具有相似的类别分布(图6A、B)。此外,使用DTR模型在eICU数据库中预测液体和去甲肾上腺素的最佳剂量。计算了实际剂量与最佳剂量之间的差异。结果表明,实际剂量与最佳剂量之间差异的绝对值越大,与住院死亡率增加相关(图6C–F)。

图6 eICU-CRD数据库中的外部验证。A 训练数据集中的分类。数据点的凸包被分配到不同的聚类,并通过主成分分析投影到二维空间。B eICU-CRD数据集中的分类。新患者的类别归属由FMM预测的最高概率确定。C–E 实际与最佳液体量之间的差异与住院死亡率的关系。模型使用实际与最佳液体量之间差异的二次项进行训练。F 住院死亡率与实际与最佳去甲肾上腺素剂量之间差异的关系 查看原图 ↗

讨论

该研究通过有限混合模型识别出五类感染性休克,其表现出不同的临床特征,并通过k均值聚类进一步证实。采用动态治疗回归(DTR)模型,通过估计最佳液体量和去甲肾上腺素剂量,来定制个体化的序贯治疗决策。这五类在临床上是相关的,因为(1)它们可通过常规临床变量轻松识别,且预测概率稳定(最小类别归属概率>0.80);(2)最佳复苏策略在五个类别间存在差异,并在独立数据集中得到证实;(3)从复苏到去复苏阶段的过渡应在各类别间有所不同,以实现理想的临床结局;以及(4)这些类别显示出不同的液体过负荷和去甲肾上腺素过量风险。该系统具有重要的临床意义,即异质性感染性休克人群可被分类为亚表型,复苏策略可通过考虑亚表型及其在ICU住院期间的变化来定制。

本研究证实了先前的发现,即感染性休克是一种异质性综合征,可分为几个稳定的亚类[14, 19, 20]。该分类在我们的多中心队列中是稳定的,因为有限混合模型和k均值聚类均得出相同的类别数。最小类别归属概率大于0.80。本研究与先前研究的不同之处在于我们仅关注感染性休克,因为我们认为该人群需要紧急复苏,并能从个体化治疗方案中获益最大。Seymour CW及其同事利用多中心临床数据,识别出四种脓毒症类型,即、、、表型[21]。感染性休克主要属于该表型,该表型也与最高死亡率相关。从免疫反应的角度,另一项研究将感染性休克分为三个亚类,但样本量小限制了更精细的分类[38]。Gårdlund及其同事报告了类似的感染性休克类别。例如,“无并发症感染性休克”特征对应于我们研究中的第5类(轻度类),而“严重感染性休克”特征对应于第2类(危重类)[19]。

在DTR框架[3439, 4041]中,估计了最优序贯复苏规则。第0–3天被视为复苏阶段,第7天被视为去复苏阶段。与液体治疗“四个D”的概念[42, 43]一致,我们的DTR模型显示,在早期通常需要较大的液体输注和适当剂量的去甲肾上腺素以实现更好的临床结局,而在晚期较少的液体输注是有益的。我们的研究还显示,特定给药策略在不同类别之间有所不同。例如,去复苏阶段在类别1从第3天开始,但在类别3(肾衰竭类别)从第1天开始。类别3的液体超负荷风险增加,因为受损的肾脏无法有效维持液体平衡。因此,该类别患者对液体治疗更敏感,这得到了最优液体量从第0天到第1天快速下降的支持。此外,类别3更可能转换为其他类别,因为它在第0天是最大的类别,但其规模随时间快速减小(图2C)。类别4(呼吸衰竭类别)的实际液体量相对较低,提示医生已意识到液体超负荷对受损肺的潜在危害效应[44–47]。

临床实践中有众多评估液体超负荷的工具,如体格检查、胸部X线摄影、利钠肽、胸部超声和生物电阻抗分析[48]。但这些方法不准确且存在个体间变异。本研究在DTR框架内估计了最优液体量,该框架整合了许多相关临床变量用于模型训练,从而允许个体化液体治疗策略。DTR模型还在独立数据集中得到了良好验证。一些有趣的风险因素如体重、尿量和PaCO2被识别为液体超负荷的相关因素。体重可能不是确定液体剂量的良好标志物,因为液体潴留在危重患者中很常见。体重增加是液体超负荷的征象,但在现实中,医生可能根据计算液体需要量的公式开具过多液体。此外,高PaCO2患者更可能出现液体超负荷,因为PaCO2潴留可能是严重ARDS和保护性通气的后果,在这种情况下最优液体通常采用保守策略以改善临床结局。

在液体输注后通常需要使用去甲肾上腺素来维持血压。然而,去甲肾上腺素的使用时机和剂量在很大程度上基于主观判断。与我们参与医院的实际临床实践相比,在第0天对2类患者可给予更少的去甲肾上腺素和更多的液体,以获得更好的临床结局。这与一些观察结果一致,即在0–6小时采用更多液体量和更低血管升压药剂量的治疗策略与死亡率结局改善相关[49, 50]。2类患者的特征是严重低血压和组织灌注不良。当液体输注不充分时,使用去甲肾上腺素可能进一步降低组织灌注。有趣的是,第1天实际策略与最优策略之间的去甲肾上腺素剂量相似,这支持了被广泛接受的概念,即在考虑使用血管升压药之前应给予充分的液体输注。观察性研究结果显示,早期使用去甲肾上腺素与死亡率结局改善相关[51–54],一项小型随机对照试验(RCT)进一步支持了这一结果[55]。这与我们的结果并不矛盾。在我们的研究中,1类和3类患者在第0天和第1天的实际去甲肾上腺素剂量不足。换言之,在这两个类别中早期使用较大剂量的去甲肾上腺素可能有助于改善结局。由于1类和3类构成了脓毒性休克人群的大多数,因此那些试验中纳入的未区分类型的脓毒性休克患者能够从早期使用血管升压药中获益并不令人意外。

本研究必须承认若干局限性。尽管我们尝试将脓毒性休克患者分为五个亚类,但其粒度可能不够高,无法完全实施个体化复苏策略。脓毒症是一种高度异质性和动态变化的综合征,每个聚类内的不同患者很可能需要不同的复苏方案。然而,更高的粒度意味着需要大样本量,并使模型的可解释性更具挑战性。我们需要在粒度、样本量需求和可解释性之间取得平衡。其次,由于研究设计的观察性性质,Cox回归和DTR模型可能存在残余混杂效应。例如,研究显示较大剂量的去甲肾上腺素始终与死亡率风险增加相关,这可以用需要较大剂量去甲肾上腺素的患者病情更为危重来解释。第三,预先定义了最小患者数量以确保每个聚类包含具有临床意义的规模,从而能够在每个聚类内探索最优治疗策略。然而,通过将患者强制归入较大/较少的聚类,有可能将治疗反应可能不同的患者混在一起。这实际上是高粒度与模型可解释性之间的权衡。最后,理想情况下应在同一模型中探索液体和去甲肾上腺素剂量。然而,治疗方案的独特组合可能导致大量干预措施,这在样本量有限的情况下是不允许的。

结论

总之,我们的研究识别出五种不同的脓毒性休克类别。这些类别有助于指导个体化复苏策略以及设计未来涉及脓毒性休克的试验。通过比较实际治疗策略与最优治疗策略,探讨了液体过负荷和去甲肾上腺素过量的危险因素。我们的结果支持既往发现,即早期启动去甲肾上腺素对大多数脓毒性休克患者有益,但同时补充了这一发现,即延迟使用去甲肾上腺素对某一脓毒性休克亚类有益。

补充信息

附加文件1。用于《通过有限混合模型和动态治疗方案形式化的脓毒性休克个体化复苏策略》的补充数字内容。

附加文件2。用于数据分析的R代码。

参考来源

  1. Ma P, Liu J, Shen F, et al. Individualized resuscitation strategy for septic shock formalized by finite mixture modeling and dynamic treatment regimen. Crit Care. 2021. PMID: 34253228. doi:10.1186/s13054-021-03682-7
  2. 全文:PMC8273991(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8273991/

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。