Med-MIMIC，持续分享MIMIC临床生信文献与思路解读，捕捉当下热点思路，感兴趣的老师可以点点关注~需要定制化分析的老师欢迎扫码联系~
文章标题：Association between a four-parameter inflammatory index and all-cause mortality in critical ill patients with non-traumatic subarachnoid hemorrhage: a retrospective analysis of the MIMIC-IV database (2012-2019)
中文标题：非创伤性蛛网膜下腔出血危重患者四参数炎症指数与全因死亡率之间的关联：MIMIC-IV 数据库的回顾性分析 （2012-2019）
发表期刊：Front Immunol .
发表时间：2023年10月
影响因子：5.7/Q1
非创伤性蛛网膜下腔出血 （SAH） 主要是由于颅内动脉瘤破裂引起的，对全球中风人群有重大贡献。一种新的生物标志物，泛免疫炎症值 （PIV） 或称为全身炎症聚合指数 （AISI），与非小细胞肺癌的无进展生存期和总生存期以及 2019 年冠状病毒病 （COVID-19） 患者的死亡率有关，最近浮出水面。然而，它在非创伤性 SAH 患者中的作用仍未得到充分研究。本研究旨在确定 PIV 与非创伤性 SAH 患者全因死亡率之间的关系。
纳入与排除标准
纳入标准：MIMIC-IV 数据库包含 180,733 年至 2012 年间共收治 ICU 的 2019 人的数据。其中，2,937 例患者根据 ICD-9 和 ICD-10 代码（ICD-9 代码 430 和 ICD-10 代码 I60、I600 至 I6012、I6000 至 I6002、I6020 至 I6022、I6030 至 I6032 和 I6050 至 I6052）确定为非创伤性蛛网膜下腔出血 （SAH）。
排除标准：最初仅考虑 18 岁及以上的患者，并收集了他们最初入住 ICU 的数据。排除标准包括入住 ICU 后中性粒细胞、血小板、单核细胞或淋巴细胞缺失的患者、ICU 住院时间少于 24 小时的患者以及生存时间为负的患者。随后，共有 774 名患者符合纳入标准并被纳入最终分析。
数据提取
本研究中感兴趣的主要变量是入住 ICU 后获得的第一次血常规，这被视为主要暴露因素。使用结构化查询语言 （SQL） 和 PostgreSQL 从 MIMIC-IV 数据库中提取所有变量。提取过程包括五个主要组成部分：人口统计学变量、入院时的临床严重程度、生命体征、合并症和实验室变量。
统计方法
使用来自重症监护医疗信息市场 （MIMIC-IV） 数据库的数据进行回顾性分析，以检查 PIV 与非创伤性 SAH 危重患者全因死亡率之间的关联。在重症监护病房 （ICU） 入院时收集 PIV 测量值，并检查了几项死亡率测量值。为了控制潜在的混杂效应，应用了 1：1 倾向得分匹配 （PSM） 方法。使用 X-tile 软件确定最佳 PIV 临界值为 1362.45，该软件通常用于计算生存分析和医学或流行病学研究的连续数据中的最佳临界值。使用多变量 Cox 比例风险回归模型和 Kaplan-Meier （K-M） 生存曲线分析分析 PIV 与短期和长期全因死亡率之间的关系。还进行了交互作用和亚组分析。
结果分析
1. 基线特征
该研究共包括 774 名接受 ICU 治疗的非创伤性 SAH 患者中的 2937 名。有 401 名 （51.8%） 男性和 373 名 （48.2%） 女性。整个队列的中位年龄为 62 岁 （IQR，51-76）。
2. 倾向评分匹配前非创伤性 SAH 患者死亡率的单因素和多因素 Cox 回归模型
在多变量模型 1 中调整年龄、性别和种族等混杂变量时，PIV ≥ 1362.45 的患者组在上述时间点持续显示死亡风险升高。另一个多变量模型（模型 2）包含表 2 中确定的进一步潜在混杂因素 （P < 0.05） ，进一步确定 PIV 升高与上述时间间隔内死亡风险增加独立相关。
3. 生存曲线
与 PIV <值为 1362.45 的患者相比，PIV ≥值为 1362.45 的患者在 90 天、ICU、住院、30 天和 1 年间隔的死亡率更高（31.1% 对 16.1%，P < 0.001;18.3% 对 8.4%，P < 0.001;25.3% 对 12.8%，P < 0.001;24.9% 对 11.4%， P < 0.001;36.9% 对 20.8%，P < 0.001）。
4. 倾向评分匹配后非创伤性 SAH 患者 PIV 与全因死亡率的关系
为了使 PIV 低和高 PIV 患者组之间的基线特征差异正常化，执行了 1：1 PSM 分析，从而形成 241 对匹配的患者。人口统计学、合并症、大多数实验室参数、指标和治疗在 PSM 后两个队列之间表现出平衡，如 表 4 所示。然而，直接影响 PIV 的中性粒细胞计数、单核细胞计数、血小板计数和淋巴细胞计数等元素不被视为匹配变量。通过确定 PSM 之前和之后的绝对标准化差异 （ASD） 来评估匹配过程的有效性，如图 3 所示。
5. 倾向评分匹配后非创伤性 SAH 患者死亡率的单变量和多变量 Cox 回归模型
PSM 后患者的多变量 Cox 回归分析结果显示，PIV ≥ 1362.45 保留了其作为 ICU 死亡率增加独立预后指标的地位 （HR = 2.33,95% CI：1.11-4.91，P = 0.016）、住院期间 （HR = 2.06,95% CI：1.10-3.84，P = 0.034）、30 天 （HR = 1.66,95% CI：1.11-2.97，P = 0.047）， 90 天 （HR = 1.58,95% CI：1.14-2.67，P = 0.042） 和 1 年 （HR = 1.56,95% CI：1.10-2.53，P = 0.044） 时间点。
6. PIV 对非创伤性 SAH 患者临床结局的亚组分析
进行亚组分析，根据年龄 （< 70 岁和 ≥ 70 岁）、性别、高血压、糖尿病、肝病、恶性肿瘤和 RF 检查 SIRI 与 AIS 患者 90 天全因死亡率之间的相关性。结果显示，在所有亚组中，增加 PIV 与较高的 90 天全因死亡率之间存在一致的关系（图 5）。所有分层因素均未显著影响 PIV 与 90 天全因死亡率之间的关系。
文章小结
在患有非创伤性 SAH 的危重患者中，入院时 PIV 升高与各个阶段全因死亡率的增加相关，包括 ICU、住院、30 天、90 天和 1 年死亡率，巩固了其作为独立死亡风险决定因素的地位。这项研究代表了弥合当前知识差距的尝试，并对基于炎症的生物标志物在非创伤性 SAH 中的作用提供更细致的理解。然而，为了支持 PIV 对非创伤性 SAH 患者预后预测的预测价值，认为有必要进行额外的前瞻性病例对照研究。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
