引言
脓毒症是一种由宿主对感染反应失调引起的危及生命的器官功能障碍，是重症监护医学的重大挑战。每年流行病学统计显示，脓毒症在全球感染相关死因中名列前茅。尤其值得关注的是老年人群，他们承受着不成比例的疾病负担，在中国等地区，老年患者占脓毒症患者的三分之二以上。蛋白质-能量营养不良和微量营养素缺乏在这一人群中普遍存在，这不仅损害免疫功能，还加速骨骼肌流失。这种既存的营养脆弱性，结合与衰老相关的免疫抑制风险，在超高龄(超过85岁)患者中尤为突出。与此同时，肌少症——一种进行性、全身性的肌肉质量、力量和功能消耗综合征，也越来越多地被视为危重患者的独立预后因素。据估算，近半数重症监护病房(ICU)患者会发展为肌少症或营养不良，导致免疫功能显著下降、恢复延迟、机械通气时间和住院时间延长，从而增加死亡风险。
根据Kashani等人的研究，肌少症指数(SI)是一种便捷、无创的估算肌肉质量的方法。SI通过计算血清肌酐(肌肉代谢产物)与胱抑素C(肾功能标志物)的比值，校正了肾功能不全的混杂效应，提供了机体肌肉储存的特异性指标。这对于超高龄卧床患者尤其有益，因为更传统的功能测量方法(如握力、步态速度)通常难以实施。然而，入院时单一的、固定的SI测量无法捕捉脓毒症期间由全身炎症反应和泛素-蛋白酶体通路(脓毒症高分解代谢状态的特征)驱动的肌肉质量的急剧消耗。这种急性肌肉萎缩代表了一个关键的知识缺口，因为肌肉消耗的轨迹，而非仅仅是其初始水平，可能具有更优的预后价值。
组基轨迹建模(GBTM)是一种复杂的统计模型，能够识别具有不同纵向模式的潜在亚群，为理解预后异质性提供了新方法。目前尚未有系统研究应用GBTM追踪超高龄脓毒症患者SI的动态变化。因此，本研究旨在：(1) 应用GBTM描绘脓毒症发作后肌少症指数的独特动态演变路径；(2) 确定动态轨迹中的特定模式是否与180天死亡率相关；(3) 评估动态轨迹数据是否能增加对现有知识的补充，从而有助于在这一最脆弱人群中预测结局。
方法
本研究是一项在西战区总医院老年科进行的回顾性观察性研究，时间跨度为2018年1月至2023年12月。研究严格遵循《赫尔辛基宣言》的伦理原则，并获得西战区总医院伦理委员会的正式批准。研究纳入了210名超高龄(年龄>85岁)脓毒症住院患者。脓毒症根据Sepsis-3.0共识标准定义。为确保研究人群的同质性和SI计算的可靠性，应用了严格的排除标准。
研究人员从电子病历系统中回顾性提取了全面的临床数据。基线人口统计学信息、合并症、脓毒症发作时的生命体征、实验室参数以及临床严重程度评分(APACHE II、SOFA、Barthel指数)均被记录。肌少症指数(SI)使用经验证的公式计算：SI = (血清肌酐 [mg/dL] / 胱抑素C [mg/L]) × 100。为捕捉纵向动态变化，在脓毒症发作后24小时内(基线)及第7、15、30(1个月)和60天(2个月)五个特定时间点测量了SI。
组基轨迹建模(GBTM)被用于识别肌肉质量演变的潜在亚群。该方法能够识别具有相似纵向模式的人群，而无需对轨迹形式做先验假设。采用临床可解释性和统计标准相结合的方法选择最佳模型，以贝叶斯信息准则(BIC)作为模型拟合的主要指标，并通过平均后验概率(AvePP)进一步评估模型充分性。
统计方面，连续变量根据分布情况以均值±标准差或中位数[四分位距]表示，分类变量以数字和百分比表示。采用适当的统计检验进行组间比较。通过Kaplan–Meier法和Log-rank检验进行生存分析。建立单变量和多变量Cox比例风险回归模型以确定180天死亡率的独立预测因子。通过Harrell’s一致性指数(C-index)、净重分类改善指数(NRI)和综合判别改善指数(IDI)评估将SI轨迹加入基线临床模型后的增量预测价值，并使用ROC曲线、校准图和决策曲线分析可视化模型性能。
结果
SI动态轨迹的识别
通过GBTM识别出两条不同的三次轨迹。第一条轨迹被称为“低水平组”(n=122)，其特征是基线SI显著受抑制(约43.5)，并在60天内呈持续下降趋势，至60天时降至36.2。第二条轨迹被称为“高水平组”(n=88)，其基线肌肉质量保留较多，初始SI为67.3，但在60天的观察期内也呈下降趋势，降至50.3。模型拟合统计证实了该分类的稳健性，各组的平均后验概率均高于推荐阈值0.7，表明分类准确性高。尽管存在预期的因死亡或出院导致的数据丢失，但在随访期间纵向数据足以进行轨迹估计。
按轨迹分层的基线特征
基线特征比较显示，研究人群平均年龄92.82岁。两个轨迹组在年龄、性别分布以及高血压、冠心病、活动性癌症等常见合并症的患病率上均无统计学显著差异，表明SI轨迹的差异并非主要由既存慢性疾病状况导致。
然而，两组在生理储备和功能状态上存在显著对比。低水平组表现出严重功能障碍，其Barthel指数中位数显著低于高水平组(10.0 vs. 25.0, p<0.001)，且长期卧床的比例显著更高(84.4% vs. 54.5%, p<0.001)。低水平组的疾病严重程度评分(APACHE II)也略高。实验室检查方面，两组在炎症标志物(如C反应蛋白、降钙素原、D-二聚体)上无显著差异，但低水平组的血红蛋白浓度显著较低，提示肌肉消耗与贫血之间存在特定关联。与轨迹分类一致，低水平组基线(Day 1)的SI中位数显著低于高水平组(46.00 vs. 72.00, p<0.001)。相关性热图进一步证实，基线SI与功能标志物(Barthel指数)、营养状况(血红蛋白)呈正相关，与年龄和APACHE II评分呈负相关，表明存在一个复杂的衰弱-贫血-疾病复合体。
SI轨迹与180天死亡率的关联
Kaplan–Meier生存分析显示，在180天随访期内，两组的累积生存率存在差异，低水平组的生存率下降速度更快(Log-rank p=0.05)。累积风险曲线也显示，低水平轨迹组的死亡风险随时间的推移而增加。分层分析表明，在非COVID-19感染患者和长期卧床患者等特定高危临床亚组中，轨迹的预后区分作用尤为明显。排除7天内早期死亡的里程碑分析也证实了这种长期生存劣势的稳健性。
Cox比例风险回归分析在调整了年龄、性别、APACHE II评分、活动性癌症、COVID-19感染和卧床状态等协变量后，分配至低水平组被确定为180天死亡率的独立预测因子，与死亡风险增加64%相关(校正后HR=1.64, 95% CI: 1.08–2.48, p=0.020)。多变量模型也证实了活动性癌症和COVID-19感染是死亡的强烈预测因子。
加入SI轨迹的增量预测价值
为确定动态SI轨迹是否提供超越标准临床参数的预后效用，研究人员比较了基线临床模型(模型1)和轨迹增强模型(模型3)的预测性能。包含年龄、APACHE II评分和活动性癌症状态的基础模型一致性指数(C-index)为0.631。引入SI轨迹后(模型3)，C-index增加至0.643。虽然区分度提升有限，但风险分类的改善具有统计学显著性。净重分类改善指数(NRI)为0.020(p<0.05)，综合判别改善指数(IDI)为0.150(p=0.078)。这些指标表明，轨迹信息显著改善了分类准确性(NRI)，但综合判别能力的改善未达到统计学显著性。ROC曲线显示，组合模型(临床模型+SI轨迹)的曲线下面积始终大于临床模型。决策曲线分析表明，轨迹增强模型在广泛的阈值概率范围内具有更好的净效益，提示更高的临床实用性。校准曲线显示预测概率与观测值之间具有良好的一致性。
亚组分析和敏感性分析
亚组分析评估了低水平SI轨迹与180天死亡率之间关联在不同临床分层中的一致性。森林图显示，在大多数预设亚组中，低水平组的风险比(HR)倾向于增加死亡风险(HR>1.00)，表明SI轨迹的预后价值普遍稳健。值得注意的是，在长期卧床患者中，低水平轨迹的死亡风险高出两倍以上(HR=2.17, 95% CI: 1.29–3.67, p=0.004)。在没有活动性癌症和非COVID-19感染的患者中，关联也显著。然而，在非卧床、女性和COVID-19阳性亚组中未达到统计学显著性，这可能是由于这些亚组样本量有限所致，而非真正的效应修饰。基于Kaplan–Meier曲线的敏感性分析证实，即使在排除COVID-19患者、活动性癌症患者以及14天内早期死亡患者后，低水平组的生存劣势仍然存在，表明主要发现并非由这些特定混杂因素或早期死亡事件驱动。
讨论
本研究成功应用GBTM阐明了超高龄脓毒症队列中SI的纵向演变。区分出两种不同的动态表型：“高水平组”和“低水平组”。本研究的一个主要发现是，分配至低水平轨迹构成了180天死亡率的有效独立预测因子。此外，将SI轨迹数据整合到常规临床风险模型中，在风险分层方面产生了适度的改善。研究结果支持“脓毒症-肌少症”恶性循环的概念。值得注意的是，在本队列中，两组间的炎症标志物(CRP、降钙素原)无显著差异，而分歧主要体现在功能状态和营养储备上。这表明，在这一超高龄队列中，预后可能更少取决于急性炎症反应的强度，而更多取决于患者的基线生理储备，这一概念与衰弱表型密切相关。有趣的是，即使在“高水平组”中，SI也呈现下降趋势。这种普遍下降证实了先前的研究，即脓毒症会导致高分解代谢状态，并通过泛素-蛋白酶体通路和细胞因子风暴导致严重的骨骼肌萎缩。这表明没有患者能完全免受脓毒症诱导的肌肉消耗影响。然而，较高的基线肌肉质量(如高水平组所见)似乎仍能带来显著的生存优势。本研究结果与基于影像学的研究结果一致。定量上，本研究中低水平组观察到的风险比与CT定义的肌少症队列中报告的死亡风险增加(HR范围1.5-2.2)一致。值得注意的是，本多变量模型提示长期卧床状态具有保护作用(HR 0.58)。这一看似矛盾的结果可能反映了选择偏倚，即只有生理上较为强健的卧床患者才能在最初的脓毒症打击中幸存并入院。或者，一旦控制了疾病严重程度(APACHE II)和肌肉质量(SI)，卧床患者与之前活动自如但突然经历分解代谢崩溃的患者相比，其急性代谢消耗可能较低。
在亚组分析的背景下，低水平轨迹与死亡率之间的关系在大多数临床分层中仍然显著，尤其是在长期卧床患者中。但在女性和COVID-19亚组中，统计学显著性被稀释。这些亚组中观察到的宽置信区间可能归因于有限的样本量，而非真正的生物学关联缺失。尽管未达到统计学显著性，但这些亚组中风险比的点估计值仍倾向于低水平组风险增加，这表明局限性可能源于统计效能不足，而非真正的效应修饰。需要更大样本量的进一步研究来验证这些特定的交互作用。
本研究存在一些局限性。首先，该研究是回顾性、单中心的，这可能限制结果外推到不同人群或医疗环境。其次，SI虽然是肌肉质量的验证替代指标，但本研究队列中未包含直接的金标准测量(如CT或MRI肌肉面积量化)。第三，GBTM提供了一种处理纵向数据的复杂方法，其分类是概率性的而非确定性的，且适中的样本量可能限制了识别更微妙轨迹亚组的能力。此外，要求至少三次SI测量可能引入了生存者偏倚，因为入院后迅速死亡的患者被排除在外。这可能导致对肌肉消耗与死亡率之间关联的估计不足。最后，混杂因素(无论是否测量)可能影响了SI的变化。此外，仅依赖SI过度简化了衰老的复杂生物学。未来的研究应致力于将SI轨迹与炎症标志物(如IL-6)和全面的老年综合评估相结合，以创建多维预后模型，更好地捕捉超高龄人群的异质性。总而言之，本研究发现，低且下降的肌少症指数轨迹与超高龄脓毒症患者的不良预后密切相关。SI轨迹是一种有用且易于获取的生物标志物，同时反映了衰弱与急性疾病之间的动态关系，为风险分层提供了新选择，并可能成为未来营养或康复干预的基础。从更广泛的角度看，本研究结果强调了“生理储备”在决定抵抗脓毒症打击的生存率方面的关键作用。本文用于绘制肌肉丢失图谱的GBTM方法，同样可应用于重症监护中其他动态器官功能的研究，如肾功能恢复轨迹或认知功能下降模式。理解这些动态表型有助于从静态风险评估转向个性化、随时间变化的生理监测。
结论
本研究应用组基轨迹建模(GBTM)成功识别了超高龄脓毒症患者肌少症指数(SI)的两条不同动态轨迹。低水平轨迹，其特征是深刻且持续的肌肉丢失，被发现是180天死亡率的重要独立预测因子。此外，结合SI轨迹信息显著增强了已知临床风险模型的预测能力。这些结果表明，在老年急症护理中，动态SI监测是一种可行、可获取的衡量生理储备的替代指标。及早识别出处于这一高风险轨迹的患者，可能有助于进一步的风险分层和实施特定的营养与康复方案，从而减轻脓毒症相关肌少症的负面预后影响。
打赏
