脓毒症精准预后：应激高血糖和血糖变异性如何定义不同代谢谱的死亡风险

亮点

• 应激高血糖比值（SHR）和血糖变异性（GV）的组合在预测脓毒症28天死亡率方面优于单一指标。
• 死亡风险模式高度依赖于基础代谢状态：高SHR/高GV在正常血糖调节（NGR）患者中最为致命，而在糖尿病前期（Pre-DM）患者中，低SHR/高GV的风险最高。
• 机器学习模型，特别是随机森林和支持向量机，预测临床结果的AUC达到了0.776。
• 不同患者表型对血糖波动的影响不同，需要个性化的血糖管理策略。

背景：脓毒症中的急性糖代谢紊乱双重威胁

脓毒症仍然是全球重症监护病房（ICU）的主要死亡原因之一，其特征是感染引起的宿主反应失调，常导致严重的代谢紊乱。其中，应激性高血糖是急性病期的标志，由抗胰岛素激素和促炎细胞因子的释放驱动。然而，绝对血糖水平往往无法提供完整的信息，因为它们没有考虑到患者的基础血糖状态或ICU住院期间的波动程度。

为了弥补这些不足，两个关键指标应运而生：应激高血糖比值（SHR），通过HbA1c估算的慢性血糖控制调整急性血糖水平；血糖变异性（GV），反映血糖水平随时间的不稳定性。尽管这两个指标各自与不良结局有关，但它们联合的预后价值——特别是在考虑预先存在的代谢状况如糖尿病前期（Pre-DM）和糖尿病（DM）时——尚未得到充分探索。本研究旨在利用大规模真实世界数据和可解释的机器学习来填补这一知识空白。

研究设计：深入探讨MIMIC-IV队列

这项观察性队列研究使用了医学信息学重症监护数据库IV（MIMIC-IV）的数据，这是一个包含去识别化电子健康记录的综合存储库。研究人员筛选了数千名脓毒症患者，最终纳入了4,838名中位年龄为68岁的患者。根据患者的基础血糖代谢状态，队列被分为三组：正常血糖调节（NGR）、糖尿病前期（Pre-DM）和糖尿病（DM）。

主要终点是28天全因死亡率，ICU死亡率为次要终点。研究人员计算了SHR作为入院血糖与HbA1c估算平均血糖的比值。GV基于ICU入院后前24至48小时的血糖测量值的变异系数确定。为了解读这些变量之间的复杂相互作用，研究团队采用了五种机器学习（ML）算法，包括XGBoost、随机森林和逻辑回归，并利用SHapley加性解释（SHAP）确保模型透明且具有临床可解释性。

关键结果：不同代谢状态下的风险差异

研究结果强调了对血糖监测采取细致方法的必要性。总体而言，13.2%的患者在ICU内死亡，19.3%的患者在28天内死亡。然而，SHR和GV的影响在不同的代谢亚组中差异巨大。

NGR表型：极端波动的危险

在基础血糖调节正常的患者中，高SHR（>1.23）和高GV（>28.56）的组合导致最高的死亡风险。这些患者的28天死亡风险比（HR）为2.06（95% CI: 1.40-3.04）。这表明，在先前健康的代谢系统中，突然出现的高应激性血糖升高加上剧烈的波动特别难以耐受。

Pre-DM表型：低SHR的意外脆弱性

有趣的是，Pre-DM组表现出不同的模式。低SHR（28.56）的患者死亡风险最高（HR = 2.45，95% CI: 1.73-3.48）。这表明，对于糖尿病前期患者，维持稳定的血糖水平（高变异性）比应激性高血糖的绝对峰值更具威胁。

DM表型：慢性适应和高SHR

对于已确诊的糖尿病患者，高SHR（>1.23）和低GV（<28.56）的组合风险最高（HR = 1.46，95% CI: 1.06-2.01）。糖尿病患者可能由于长期暴露而对血糖变异性有更高的生理耐受性，但相对于已经升高的基线水平的显著升高（高SHR）仍然是死亡率的有力预测因素。

可解释机器学习的力量

机器学习的整合为验证这些临床观察提供了强大的框架。在测试的五种模型中，随机森林和逻辑回归表现最佳，均达到0.776的曲线下面积（AUC）。XGBoost模型紧随其后，AUC为0.746。

使用SHAP值使研究人员能够“打开机器学习模型的黑箱”，确定SHR和GV为顶级预测因子，与传统的年龄和SOFA（序贯器官衰竭评估）评分等标记物并驾齐驱。这证实了代谢不稳定不仅是脓毒症的旁观者，而是疾病病理生理的核心组成部分。

专家评论：迈向个性化血糖目标

本研究的结果挑战了ICU血糖控制的“一刀切”方法。数十年来，医学界一直在争论危重病患者的最佳血糖目标。这些发现表明，目标应该是动态的，需要考虑患者之前的代谢历史。

这些发现的生物学合理性在于“葡萄糖毒性”与“代谢适应”的概念。糖尿病患者可能已经适应了较高的血糖水平，因此比率（SHR）比变异性更重要。相反，在NGR患者中，血糖稳态的突然丧失（高GV）可能会更急剧地触发氧化应激和线粒体功能障碍。研究的局限性包括其回顾性性质以及依赖MIMIC-IV数据库，该数据库可能无法捕捉所有混杂变量，如营养支持或研究期间使用的特定胰岛素方案。

结论：总结与未来方向

这项观察性队列研究表明，同时评估SHR和GV为脓毒症患者的死亡风险分层提供了复杂的工具。通过确定不同代谢群体对应激性高血糖和血糖不稳定的独特反应，本研究为个性化血糖管理策略铺平了道路。临床医生在管理脓毒症患者时，应考虑应激反应的幅度（SHR）和代谢状态的稳定性（GV）。进一步的前瞻性、随机对照试验是必要的，以确定专门针对这些指标的干预措施是否可以提高ICU的生存率。

参考文献

Wang F, Guo Y, Jiao C, Zhao S, Sui L, Mao Z, Lu R, Hou R, Zhu X. 同时评估应激高血糖比值和血糖变异性以预测不同血糖代谢状态脓毒症患者的全因死亡率：一项基于可解释机器学习方法的观察性队列研究。Int J Surg. 2026 Jan 1;112(1):1219-1232. doi: 10.1097/JS9.0000000000003525. Epub 2025 Sep 23. PMID: 40990680; PMCID: PMC12825658。