引言
冠心病（CHD）是全球首要死因，当其与糖尿病（DM）共存时，短期死亡率显著增加，其核心机制在于慢性低度炎症。高血糖激活AGE–RAGE–NF-κB轴，上调内皮黏附分子，放大氧化应激并募集单核/巨噬细胞，而胰岛素抵抗则维持交感-炎症循环，使白细胞和血小板处于“启动”状态。这些过程共同导致动脉粥样硬化斑块不稳定、损伤冠状动脉微循环，并为缺血-再灌注损伤和恶性心律失常提供“炎性基质”。基于血常规（CBC）的炎症指标整合了中性粒细胞、淋巴细胞、单核细胞和血小板的动态相互作用，比单一细胞谱系更能敏感地反映全身炎症负荷、免疫失衡和血栓形成倾向。然而，这些指标在CHD-DM这一特定共病人群中的预后价值及剂量-反应关系尚不明确。本研究利用MIMIC-IV重症监护数据库，开展了一项大规模回顾性队列研究，旨在确定这六种廉价CBC衍生的炎症指标是否能独立预测CHD-DM重症患者的28天全因死亡率，并识别潜在的风险分层阈值。
方法
数据来源与伦理
本研究使用MIMIC-IV数据库3.1版本，这是一个在2008年至2022年间收集的去识别化公开电子健康记录数据库。研究遵循STROBE指南，并将数据按时间划分为训练集（2017-2022年，n=1607）和验证集（2008-2016年，n=1145）。
研究人群
我们使用ICD-10代码从MIMIC-IV数据库中识别成年（≥18岁）CHD患者。为减少非心血管代谢性炎症的混杂，进一步排除了患有活动性全身炎症性疾病的患者。最终，训练集和验证集分别纳入了1607名和1145名同时患有CHD和DM的ICU患者。患者纳入流程如所示。
变量与结局
基线人口统计学特征、BMI及实验室参数被提取（训练集基线特征见表1）。研究计算了六种炎症指标：中性粒细胞-淋巴细胞比值（NLR）、单核细胞-淋巴细胞比值（MLR）、血小板-淋巴细胞比值（PLR）、全身免疫-炎症指数（SII = 血小板 × 中性粒细胞/淋巴细胞）、全身炎症反应指数（SIRI = 中性粒细胞 × 单核细胞/淋巴细胞）和全身炎症综合指数（AISI = 血小板 × 中性粒细胞 × 单核细胞/淋巴细胞）。训练集的主要分析指标来源于ICU入院后1小时内的首次CBC，敏感性分析则使用了ICU入院后48小时内CBC的平均值重新计算。主要结局是28天全因死亡率。
统计方法
对缺失值≥50%的变量进行多重插补。统计分析包括：使用多变量Cox回归估计风险比（HR）和95%置信区间（CI）；使用限制性立方样条（RCS）探索非线性关联和阈值；绘制Kaplan-Meier生存曲线并进行log-rank检验；使用受试者工作特征（ROC）曲线评估判别能力；绘制校准曲线评估预测概率与观察死亡率的一致性；使用Spearman秩相关系数分析指标间关系；以及结合随机生存森林（RSF）和SHAP分析量化各指标的相对预测重要性。
结果
患者特征
插补后，训练集患者平均年龄为69.2±10.7岁，男性占73.2%，28天死亡率为10.6%。非幸存者的合并症负担更重（如心肌梗死、心力衰竭、肾脏疾病），且所有炎症指标均显著高于幸存者（p<0.001）。验证集（n=1145）也观察到类似的基线差异。
多变量Cox回归分析
在完全校正后，所有六项指标在两个队列中均是28天死亡率的独立预测因子。在训练集中，每增加1个标准差，调整后的风险比（HR）分别为：NLR=1.03，MLR=1.49，PLR=1.003，SII=1.0007，SIRI=1.01，AISI=1.0007（所有p<0.01），均显示出清晰的剂量-反应关系（例如，MLR第四四分位与第一四分位相比，HR=4.77，95%CI 2.91-7.84）。验证集成功复制了这些关联。使用48小时CBC平均值进行的敏感性分析证实了结果的稳健性。
Kaplan-Meier生存分析
Kaplan-Meier曲线显示，在两个队列中，随着所有指标四分位数的升高，28天生存率呈阶梯式下降，log-rank检验结果均显著（p<0.001）。各指标生存曲线如、、、、、所示。
非线性阈值效应
限制性立方样条（RCS）分析在两个队列中发现了一致的风险阈值：NLR=4.02，PLR=71.02，SII=576.00，AISI=285.00。在训练集中，当指标值超过这些阈值时，死亡风险急剧上升（所有非线性检验p<0.001）。验证集复制了这种非线性模式。各指标与死亡风险的非线性关系如、、、、、所示。
ROC曲线分析
在训练集中，六项指标联合预测28天死亡率的曲线下面积（AUC）为0.767（95%CI 0.730–0.803），一致性指数（C-index）为0.752。在验证集中，AUC为0.755（95%CI 0.715–0.796），C-index为0.746，表明模型具有良好的判别能力。、展示了训练集和验证集的ROC曲线。
校准曲线分析
校准曲线显示，在两个队列中，基于炎症指标预测的死亡概率与实际观察到的死亡率高度一致，表明模型具有良好的校准度。、展示了训练集和验证集的校准曲线。
指标间相关性及预测价值排序
Spearman相关性分析显示，六个炎症指标之间存在中度到强相关性（例如，MLR与SIRI的相关系数r=0.84，AISI与SII的r=0.85，SII与PLR的r=0.85）。基于SHAP分析的变量重要性排序表明，在预测28天死亡率方面，PLR和MLR的权重最高，是区分死亡风险最重要的指标。
结论
这项来自MIMIC-IV数据库的大型回顾性队列研究表明，六种基于血常规（CBC）的廉价炎症指标（NLR、MLR、PLR、SII、SIRI、AISI）均能独立且以剂量依赖的方式，有效预测重症冠心病合并糖尿病（CHD-DM）患者的28天全因死亡风险。研究不仅验证了这些指标在训练集和独立验证集中的稳健性，还通过限制性立方样条（RCS）识别了关键的预测阈值（如NLR=4.02，PLR=71.02），为风险分层提供了明确的临界点。综合来看，PLR和MLR在SHAP分析中显示出最高的预测权重。这些发现为临床医生提供了一种快速、无成本且易获取的床旁风险分层工具，有助于在ICU入院早期识别高危患者，从而可能指导更积极的炎症干预和个性化治疗策略，改善CHD-DM这一高死亡率共病人群的临床预后。
