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：Low lymphocyte to high-density lipoprotein ratio predicts mortality in sepsis patients
中文标题：低淋巴细胞与高密度脂蛋白比值可预测脓毒症患者的死亡率
发表期刊：Front Immunol .
发表时间：2023年10月
影响因子：5.7/Q1
淋巴细胞与高密度脂蛋白 （HDL） 比值 （LHR） 与炎症和免疫力相关，可能具有预测脓毒症预后的潜力。我们的研究旨在评估 LHR 与脓毒症相关死亡率之间的关系。
统计方法
我们通过靶向符合脓毒症 3 标准的患者，从重症监护医学信息市场 IV （MIMIC-IV，2.2 版） 数据库中收集数据，并记录入院后淋巴细胞和 HDL 的绝对值。然后，我们使用基于 logistic 回归的限制三次样条来模拟 LHR 与 90 天死亡率之间的关系。随后，根据死亡率曲线得出危险阈值，并使用不同的方法和数据源对危险阈值进行进一步评估。
结果分析
1. 基线特征
共纳入 1027 例脓毒症患者，具有来自 MIMIC-IV 数据库的完整绝对淋巴细胞值和 HDL 记录，如 表 1 所示。人群的中位年龄为 67 岁，60.3% 的患者为男性。关于短期预后指标，ICU 的中位住院时间 （LOS） 为 5.8 天，90 天死亡率为 29.2%。两个验证集之间的人口统计数据略有不同。阿姆斯特丹 UMCdb 验证集的中位人口年龄为 65 岁，其中 78.4% 的样本为男性，平均 LOS 为 0.9 天。SICdb 验证集人群的中位年龄为 70 岁，男性占 69.3%，90 天死亡率为 17.9%。
2. LHR 分布与 90 天死亡率之间的关系
在三个数据集中比较了生存组和死亡组的 LHR 分布。有趣的是，虽然在三个数据集中生存组和死亡组之间的 LHR 差异不显著，但它们适度高于死亡组。
3. 非线性关系
结果表明，当 LHR 过低或过高时，死亡率显着增加。然而，当 LHR 过高时，死亡率会出现显着波动。采用多元调整 logistic 回归构建受限三次样条图，准确可视化 LHR 与死亡率之间的关系。图 3 显示了脓毒症患者 LHR 与死亡率之间的显著非线性关系 （P = 0.001）。考虑到高 LHR 的影响、人群分布密度和临床应用的实用性，我们最终将 LHR 值为 ≤ 0.6 的患者定义为低 LHR 阈值。
4. 低 LHR 阈值的敏感性分析和亚组分析
在低 LHR 阈值的脓毒症患者中观察到 90 天死亡率增加（图 4）。然而，短期死亡率的差异，例如 7 天死亡率，在验证集中并不稳定，而随着时间的推移，较低 LHR 组的死亡率逐渐增加。
文章小结
LHR 对脓毒症患者具有预后价值，LHR ≤ 0.6 是一种增加死亡率的有害负荷。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！
