胸科之窗
摘 要
目的：综合评价营养状况和免疫功能与肺结核（PTB）严重程度的关联及影响。
方法：这项描述性横断面研究涉及952名被诊断为活动性PTB的住院患者。根据胸部X线检查结果，将严重PTB定义为涉及3个或更多肺野感染。采用多种指标评估营养状况，包括体重指数（BMI）、营养风险筛查评分（NRS-2002）、总蛋白（TP）、前白蛋白（PA）、转铁蛋白（TRF）和血清白蛋白（ALB）水平以及预后营养指数（PNI）。免疫功能障碍定义为CD4+计数<500个细胞/μl或CD4+/CD8+比值< 1。并计算中性粒细胞与淋巴细胞比值（NLR）和血小板与淋巴细胞比值（PLR）。采用多变量logistic和广义线性回归评估营养状况、免疫功能、PTB严重程度和感染肺野数量之间的关联，调整年龄、性别和糖尿病患病情况。采用中介分析评估免疫功能介导的营养状况对PTB严重程度影响。使用敏感性分析以提高结果的稳健性。
结果：与一般PTB组相比，重度PTB组的患者往往是患有糖尿病的老年男性。在重症组中观察到较高的营养风险、较高的免疫功能障碍比例和较低的淋巴细胞计数。BMI和PNI被发现是保护因素，而PLR被确定为疾病严重程度的危险因素。免疫功能障碍和PLR营养状况与PTB严重程度之间关系的中介指标。当BMI、PNI和PLR与传统临床指标结合应用时，这些参数显示出有潜力的诊断价值，AUC可达到0.701（95% CI：0.668-0.734）。
结论：研究结果表明，营养状况与PTB的严重程度显著相关，免疫功能介导营养状况对PTB严重程度的影响。保持足够的BMI、PNI水平和免疫功能或降低PLR水平有助于降低严重PTB的发生风险。
背 景
结核病是人类历史上一种古老的传染病，造成了全球严重的公共卫生问题。世界卫生组织于2023年发布的全球结核病报告显示，2022年全球有1060万结核病新病例，发病率为133/10万。在2022年，结核病成为全球仅次于COVID-19的第二大传染病死亡原因，有130万人死于结核病。肺结核（PTB）占结核病病例的大部分，研究发现与大多数普通PTB患者相比，PTB严重患者的死亡率明显升高。因此，提高PTB严重症患者的预后对于降低结核相关死亡至关重要。
研究表明，免疫和营养状况是影响结核病患者临床预后的重要因素。来自于先天性免疫系统和适应性免疫系统的多种炎症细胞因子参与机体对结核分枝杆菌感染的免疫反应，而营养干预与家庭结核病发病率的大幅降低有关。中性粒细胞与淋巴细胞比值（NLR）、血小板与淋巴细胞比值（PLR）、T淋巴细胞亚群等参数是免疫状态的关键指标，反映了机体的炎症反应和免疫平衡。除了传统的营养评估指标如身体质量指数（BMI）、总蛋白（TP）、前白蛋白（PA）和转铁蛋白（TRF），血清白蛋白和营养风险筛查评分（NRS-2002）外，预后营养指数（PNI）是评估营养和免疫状态的关键指标。现已有研究深入探讨了营养状况、免疫功能和结核病严重程度之间的联系，但是探索营养和免疫对结核病严重程度的联合影响的大样本量人群研究仍然有限。关于营养和免疫如何影响PTB严重程度的综合研究仍然缺乏。
因此，本研究旨在1）研究营养、免疫和PTB严重程度之间的关系，2）确定与早期识别PTB严重程度相关的营养和免疫功能指标及其识别能力。
方 法
一、研究对象
本研究包括了2023年1月至12月期间在广州胸科医院被诊断为活动性PTB的952名住院患者。患者的纳入标准如下：1）符合PTB的诊断标准，2）符合活动性PTB的诊断标准。排除标准为：1）恶性肿瘤患者，2）系统性红斑狼疮等免疫性疾病患者或HIV阳性患者。收集患者的一般信息，包括性别、年龄、BMI、吸烟情况、基本疾病状况、病程、治疗史、肺影像学特征、全血计数、淋巴细胞亚群、生化检测结果等。本研究经广州胸科医院医学伦理委员会（2022-90年）批准，并获得每个患者的书面知情同意。
二、严重肺结核的定义
PTB患者的肺部感染严重程度、血红蛋白水平、年龄和共病情况是影响PTB严重程度的关键因素。此外，既往研究发现血清ALB浓度随着肺野感染面积百分比的增加而显著降低，感染肺野的数量≥3是结核性肺破坏患者生存时间较短的唯一独立预测因子。因此，本研究将严重PTB定义为感染肺野数≥3患者。所有患者根据影像学结果分为严重PTB组（感染肺野数≥3）（n=519）和非严重PTB组（感染肺野数<3）（n=433）。
三、患者营养和免疫状况的评估
本研究中所有受试者在住院期间均使用NRS-2002进行了营养风险筛查。NRS-2002评分为≥3的个体被认为有营养风险，<3的人被认为没有营养风险。同时，还收集了体重指数（BMI）、总蛋白（TP）、前白蛋白（PA）、转铁蛋白（TRF）和血清白蛋白（ALB）水平。
免疫指标中，CD4+计数<500个细胞/µl或CD4+/CD8+比值<1被认为有免疫功能障碍，而CD4+计数≥500个细胞/µl和CD4+/CD8+比值≥1被认为免疫功能正常。此外，计算了中性粒细胞与淋巴细胞比值（NLR）和血小板与淋巴细胞比值（PLR）。营养预后指数（PNI）的计算方法如下：PNI =血清白蛋白（g/L）+ 5×外周血淋巴细胞计数(×109/L)。
四、统计分析
主要使用R4.0.3版进行统计分析。非正态分布的连续数据用中位数(M)和四分位数范围（P25、P75）表示，并采用Mann-Whitney U检验进行分析。分类数据以频率（百分比）表示，并用卡方检验进行分析。采用多因素Logistic回归和广义线性模型分析与严重PTB和感染肺野数相关的危险因素。模型的R平方用于表示PTB严重程度的变化百分比，或由营养或免疫功能指标共同解释的肺结核感染结核病的肺野数量。使用中介分析评估免疫状态是否介导营养状况对结核病的严重程度或感染结核病的肺野数量的影响。
此外，构建了随机森林模型以探索有助于严重结核病受试者分类的重要指标，并将受试者以3：1的比例随机分割，进行模型训练和验证。采用受试者工作特征（ROC）曲线评价单项指标和联合试验的诊断性能。P<为0.05认为差异有统计学意义。
结 果
一、研究人群的基线特征
研究对象年龄在34-64岁之间，中位年龄为52岁。其中67.8%的患者为男性，其中519例患者为严重PTB，约占总人口的54.52%。根据PTB严重程度进行分组比较，与一般PTB组的个体相比，严重PTB组的个体更有可能是老年男性糖尿病患者，无论他们既往吸烟状况如何，PTB严重组痰菌阳性的比例更高，病程更长，细菌的负荷更大。在营养状况相关指标方面，重度PTB组的营养风险患者比例较高，NRS-2002评分较高，BMI、PNI、ALB、PA、TRF评分较低。免疫状态相关的指标方面，严重PTB组中存在免疫功能障碍的个体比例更高，特别是CD4患者的比例明显更高CD4+T细胞计数<500细胞/µl比一般PTB组的个体多。此外，重症PTB组患者的CD4+、CD8+、CD3+，以及淋巴细胞计数水平较低，而NLR和PLRs水平较高。这些结果提示，与一般PTB组相比，重度PTB组患者营养状况较差，免疫功能较弱，炎症较严重（见表1）。
表1调查对象的基本情况
二、营养或免疫状况与结核病严重程度之间的关系
首先，通过Spearman相关分析（图1），我们发现营养和免疫状态指标之间存在多个显著相关性。例如，营养风险与免疫功能障碍(CD4+<500cells/µl)、NLR和PLR显著正相关，而与CD4+、CD8+、CD3+和LYM计数呈显著负相关。免疫功能障碍(CD4+<500cells/µl)与BMI、PNI、TP、ALB、PA、TRF呈负相关。此外，除了CD4+/CD8+<1, CD4+/CD8+其余营养和免疫状态指标与PTB的严重程度和感染肺野的数量无显著差异。
图1营养状况和免疫状况指数与结核病严重程度之间的Spearman相关系数热图。红色和蓝色分别表示正相关和负相关。
多因素Logistic回归分析探索与PTB相关的营养和免疫状态指标（表2）。结果显示BMI和PNI是严重PTB的保护因素，而PLR是独立危险因素。进一步根据广义线性模型分析，以感染肺野数作为因变量，发现BMI和PNI是感染肺野数的保护因素，而PLR是危险因素。在调整了年龄、性别、BMI、糖尿病和疾病病程后，BMI、PNI和PLR与PTB症状的严重程度和感染肺野数量的相关性仍具有统计学意义。
表2营养或免疫状态与结核病严重程度之间的关系
此外，我们发现一种整合营养和免疫指标的机器学习算法可以区分重症PTB患者和普通PTB患者。无论是将营养和免疫指标单独纳入模型还是一起纳入模型，对该分类器贡献最大的信息特征包括BMI、PNI和PLR（图2A-C）。因此，通过结合多个线性模型和随机森林机器学习算法，我们认为BMI、PNI和PLR是在营养和免疫状态方面与PTB严重程度相关的重要指标。
图2营养和免疫状况在诊断肺结核严重程度中的作用。营养状态(A)或免疫状态(B)的指标。(C)有助于对患有或不患有严重结核病的受试者进行分类的营养状况或免疫状况指标。
三、营养状况通过影响免疫功能而加重了结核病的严重程度
随后，我们发现当营养风险和免疫功能障碍以及营养和免疫状态指标同时纳入模型时，PTB严重程度的变化解释程度更高（R2有营养风险的+免疫功能障碍：0.027，R2使用BMI + PNI + PLR：0.058；图3A-B）。这一结果提示，营养和免疫状态可能相互作用，相互影响对PTB严重程度的影响。然而，我们没有发现营养风险与免疫功能障碍之间，或BMI或PNI与PLR之间的相互作用。为了进一步探讨营养和免疫状态如何共同影响PTB的严重程度，我们在营养风险和免疫功能障碍之间的中介分析，以及BMI和PNI与PLR之间的中介分析。我们发现，免疫功能障碍介导了营养风险对PTB严重程度的影响，其介导比例为13.03%（图3C）。此外，PLR介导了BMI（图3D-E）和PNI（图3F-G）对PTB的严重程度和感染肺野数量的影响。虽然没有交互作用，但中介作用表明，营养状况可能通过调节免疫功能来影响PTB的严重程度和受感染的肺野的数量。
图3营养状况通过影响免疫功能而加重结核病的严重程度。(A)当PTB的严重性用作模型中的因变量时，营养风险和免疫功能障碍(CD4+<500)模型的R平方分别或同时用作自变量。(B)当PTB的严重性用作模型中的因变量时，营养指数(身体质量指数+ PNI)和免疫指数(PLR)的模型的R平方分别或同时用作自变量。(C)营养风险和结核病免疫之间的中介联系。身体质量指数和PLR之间的关系以及PTB严重程度(D)和受感染肺野数量(E)之间的关系。PNI和PLR之间的关系以及PTB严重程度(F)和受感染肺野数量(G)之间的关系。间接影响，P的中介作用，以及每种代谢物的中介作用。*P<0.05，**P<0.01，***P<0.001。
四、营养和免疫指标对肺结核严重程度的区分度
为了探讨营养和免疫状态是否能提高基于常用临床指标对重症PTB患者和一般PTB患者的区分能力，我们采用ROC曲线分析了BMI、PNI、PLR和重症PTB常见临床指标的诊断性能。仅使用常用临床指标(a)的模型的敏感性和特异性分别为63.2%和57.7%，曲线下面积（AUC）值为0.622（95% CI：0.587-0.658）。使用BMI和PNI诊断重症PTB的AUC为0.653（95% CI：0.619-0.688），而使用PLR诊断重症PTB的敏感性和特异性分别为36.8%和81.5%，AUC为0.629（95% CI：0.593-0.664）。两种模型的AUC值均高于单独使用常用临床指标的模型，说明所选营养和免疫状态指标对重度PTB患者和一般PTB患者的区分能力优于普通临床指标。此外，在共同临床指标的基础上分别添加营养和免疫状态指标，可以不同程度地提高患者的区分能力，AUC值分别达到0.687（95% CI：0.653-0.721）和0.677（95% CI：0.643-0.711）。当BMI、PNI、PLR和常用临床指标共同使用对患者进行鉴别时，AUC达到0.701（95% CI：0.668-0.734），在临床实践中对重症肺结核具有一定的初步诊断价值。
图4重症肺结核诊断能力的ROC曲线。(A)分别使用临床指标、营养指标和免疫状态指标计算ROC曲线。(B)在临床指标的基础上，依次加入营养和免疫状态指标，计算ROC曲线。临床指标:性别+年龄+糖尿病+当前吸烟+复治。
五、敏感性分析
我们进行了多项敏感性分析来对本研究结果的稳健性进行探讨。（1）为了避免临床数据缺失导致的结论错误，我们剔除临床数据缺失的患者后重复了所有分析。（2）目前PTB的严重程度没有明确的标准，PTB是否并发空洞也是结核病严重程度的重要指标，因此我们根据有无空洞将人群重新分组，分为空洞组和非空洞组以探讨使用不同指标评估PTB的严重程度是否会影响结论。（3）细菌负荷也是结核病严重程度的一个重要指标，因此我们也根据痰培养结果对人群进行了重新分组，并将其分为痰涂片阳性组和痰涂片阴性组以进一步探讨使用X线图像以外的指标评估PTB的严重程度是否影响结论。（4）由于结核病病程可能会影响PTB的严重程度，我们进一步根据患者是否初治进行了分层分析。此外，也根据性别进行了分层分析。所有结论均与原分析一致，表明结论是稳健的。
结 论
本研究表明营养状况与PTB的严重程度显著相关，而免疫功能介导了营养状况对PTB的严重程度的影响。维持足够的BMI、PNI水平和免疫功能或降低PLR水平有助于降低严重PTB的风险。这一结果提示在PTB患者的诊断和治疗中注意营养状况的重要性，积极的营养治疗有助于改善患者的预后和严重程度。与此同时，营养和免疫状态指标有望成为结核病严重程度的早期诊断指标。
参考文献
1. World Health Organization. Global tuberculosis report 2023. Geneva: World Health Organization (2023).
2. Galvin J, Tiberi S, Akkerman O, Kerstjens HAM, Kunst H, Kurhasani X, et al. Pulmonary tuberculosis in intensive care setting, with a focus on the use of severity scores, a multinational collaborative systematic review. Pulmonology. (2022) 28:297-309. doi: 10.1016/j.pulmoe.2022.01.016
3. Thomas L, Chacko B, Jupudi S, Mathuram A, George T, Gunasekaran K, et al. Clinical profile and outcome of critically ill patients with tuberculosis. Indian J Crit Care Med. (2021) 25:21-8. doi: 10.5005/jp-journals-10071-23503
4. Bastos HN, Osório NS, Castro AG, Ramos A, Carvalho T, Meira L, et al. Correction: A prediction rule to stratify mortality risk of patients with pulmonary tuberculosis. PloS One. (2020) 15:e0242455. doi: 10.1371/journal.pone.0242455
5. Shimizu K, Okita R, Saisho S, Maeda A, Nojima Y, Nakata M. Preoperative neutrophil/lymphocyte ratio and prognostic nutritional index predict survival in patients with non-small cell lung cancer. World J Surg Oncol. (2015) 13:291. doi: 10.1186/s12957-015-0710-7
6. Chandrasekaran P, Saravanan N, Bethunaickan R, Tripathy S. Malnutrition: modulator of immune responses in tuberculosis. Front Immunol. (2017) 8:1316. doi: 10.3389/fimmu.2017.01316
7. Bhargava A, Bhargava M, Meher A, Benedetti A, Velayutham B, Sai Teja G, et al. Nutritional supplementation to prevent tuberculosis incidence in household contacts of patients with pulmonary tuberculosis in India (RATIONS): a field-based, open-label, cluster-randomised, controlled trial. Lancet (London England). (2023) 402:627–40. doi: 10.1016/S0140-6736(23)01231-X
8. Murthy SE, Chatterjee F, Crook A, Dawson R, Mendel C, Murphy ME, et al. Pretreatment chest x-ray severity and its relation to bacterial burden in smear positive pulmonary tuberculosis. BMC Med. (2018) 16:73. doi: 10.1186/s12916-018-1053-3
9. Hersberger L, Bargetzi L, Bargetzi A, Tribolet P, Fehr R, Baechli V, et al. Nutritional risk screening (NRS 2002) is a strong and modifiable predictor risk score for short-term and long-term clinical outcomes: secondary analysis of a prospective randomised trial. Clin Nutr (Edinburgh Scotland). (2020) 39:2720–9. doi: 10.1016/j.clnu.2019.11.041
10. Efthymiou A, Hersberger L, Reber E, Schönenberger KA, Kägi-Braun N, Tribolet P, et al. Nutritional risk is a predictor for long-term mortality: 5-Year follow-up of the EFFORT trial. Clin Nutr (Edinburgh Scotland). (2021) 40:1546–54. doi: 10.1016/j.clnu.2021.02.032
11. Ghosh R, Das N, Mondal P. Explanation of major determinants of poverty using multivariate statistical approach and spatial technology: a case study on Birbhum district, West Bengal, India. GeoJournal. (2022), 1–27. doi: 10.1007/s10708-022-10774-6
12. Zhang X, Zhang WC, Wu W, Liu HB. Horizontal and vertical variation of soil clay content and its controlling factors in China. Sci total Environ. (2023) 864:161141. doi: 10.1016/j.scitotenv.2022.161141
13. Urbanowski ME, Ordonez AA, Ruiz-Bedoya CA, Jain SK, Bishai WR. Cavitary tuberculosis: the gateway of disease transmission. Lancet Infect Dis. (2020) 20:e117–28. doi: 10.1016/S1473-3099(20)30148-1
14. Kant S, Gupta H, Ahluwalia S. Significance of nutrition in pulmonary tuberculosis. Crit Rev Food Sci Nutr. (2015) 55:955–63. doi: 10.1080/10408398.2012.679500
15. Hasan T, Au E, Chen S, Tong A, Wong G. Screening and prevention for latent tuberculosis in immunosuppressed patients at risk for tuberculosis: a systematic review of clinical practice guidelines. BMJ Open. (2018) 8:e022445. doi: 10.1136/bmjopen-2018-022445
16. Liu QX, Tang DY, Xiang X, He JQ. Associations between nutritional and immune status and clinicopathologic factors in patients with tuberculosis: A comprehensive analysis. Front Cell infection Microbiol. (2022) 12:1013751. doi: 10.3389/fcimb.2022.1013751
17. Kaller R, Arbănasi EM, Muresan AV, Voidăzan S, Arbănasi EM, Horváth E, et al. The predictive value of systemic inflammatory markers, the prognostic nutritional index, and measured vessels' Diameters in arteriovenous fistula maturation failure. Life (Basel Switzerland). (2022) 12(9):1447. doi: 10.3390/life12091447
18. Mureşan AV, Russu E, Arbănasi EM, Kaller R, Hosu I, Arbănasi EM, et al. The predictive value of NLR, MLR, and PLR in the outcome of end-stage kidney disease patients. Biomedicines. (2022) 10(6):1272. doi: 10.3390/biomedicines10061272
19. Russu E, Muresan AV, Arbănasi EM, Kaller R, Hosu I, Voidăzan S, et al. The predictive role of NLR and PLR in outcome and patency of lower limb revascularization in patients with femoropopliteal disease. J Clin Med. (2022) 11(9):2620. doi: 10.3390/jcm11092620
20. Lönnroth K, Williams BG, Cegielski P, Dye C. A consistent log-linear relationship between tuberculosis incidence and body mass index. Int J Epidemiol. (2010) 39:149–55. doi: 10.1093/ije/dyp308
21. Anuradha R, Munisankar S, Bhootra Y, Kumar NP, Dolla C, Kumaran P, et al. Coexistent malnutrition is associated with perturbations in systemic and antigen-specific cytokine responses in latent tuberculosis infection. Clin Vaccine Immunol CVI. (2016) 23:339–45. doi: 10.1128/CVI.00009-16
22. Anuradha R, Munisankar S, Bhootra Y, Dolla C, Kumaran P, Babu S. High body mass index is associated with heightened systemic and mycobacterial antigen-Specific pro-inflammatory cytokines in latent tuberculosis. Tuberculosis (Edinburgh Scotland). (2016) 101:56–61. doi: 10.1016/j.tube.2016.08.004
23. Kassa D, de Jager W, Gebremichael G, Alemayehu Y, Ran L, Fransen J, et al. The effect of HIV coinfection, HAART and TB treatment on cytokine/chemokine responses to Mycobacterium tuberculosis (Mtb) antigens in active TB patients and latently Mtb infected individuals. Tuberculosis (Edinburgh Scotland). (2016) 96:131–40. doi: 10.1016/j.tube.2015.05.015
24. Villamor E, Mugusi F, Urassa W, Bosch RJ, Saathoff E, Matsumoto K, et al. A trial of the effect of micronutrient supplementation on treatment outcome, T cell counts, morbidity, and mortality in adults with pulmonary tuberculosis. J Infect Dis. (2008) 197:1499–505. doi: 10.1086/587846
25. Seyedrezazadeh E, Ostadrahimi A, Mahboob S, Assadi Y, Ghaemmagami J, Pourmogaddam M. Effect of vitamin E and selenium supplementation on oxidative stress status in pulmonary tuberculosis patients. Respirol (Carlton Vic.). (2008) 13:294–8. doi: 10.1111/j.1440-1843.2007.01200.x
26. Isanaka S, Aboud S, Mugusi F, Bosch RJ, Willett WC, Spiegelman D, et al. Iron status predicts treatment failure and mortality in tuberculosis patients: a prospective cohort study from Dar es Salaam, Tanzania. PloS One. (2012) 7:e37350. doi: 10.1371/journal.pone.0037350
27. Pakasi TA, Karyadi E, Suratih NM, Salean M, Darmawidjaja N, Bor H, et al. Zinc and vitamin A supplementation fails to reduce sputum conversion time in severely malnourished pulmonary tuberculosis patients in Indonesia. Nutr J. (2010) 9:41. doi: 10.1186/1475-2891-9-41
28. Schön T, Idh J, Westman A, Elias D, Abate E, Diro E, et al. Effects of a food supplement rich in arginine in patients with smear positive pulmonary tuberculosis–a randomised trial. Tuberculosis (Edinburgh Scotland). (2011) 91:370–7. doi: 10.1016/j.tube.2011.06.002
29. PrayGod G, Range N, Faurholt-Jepsen D, Jeremiah K, Faurholt-Jepsen M, Aabye MG, et al. The effect of energy-protein supplementation on weight, body composition and handgrip strength among pulmonary tuberculosis HIV-co-infected patients: randomised controlled trial in Mwanza, Tanzania. Br J Nutr. (2012) 107:263–71. doi: 10.1017/S0007114511002832
30. Kawai K, Meydani SN, Urassa W, Wu D, Mugusi FM, Saathoff E, et al. Micronutrient supplementation and T cell-mediated immune responses in patients with tuberculosis in Tanzania. Epidemiol infection. (2014) 142:1505–9. doi: 10.1017/S0950268813002495
31. Range N, Changalucha J, Krarup H, Magnussen P, Andersen AB, Friis H. The effect of multi-vitamin/mineral supplementation on mortality during treatment of pulmonary tuberculosis: a randomised two-by-two factorial trial in Mwanza, Tanzania. Br J Nutr. (2006) 95:762–70. doi: 10.1079/BJN20051684
32. Abe M, Akbar F, Matsuura B, Horiike N, Onji M. Defective antigen-presenting capacity of murine dendritic cells during starvation. Nutr (Burbank Los Angeles County Calif.). (2003) 19:265–9. doi: 10.1016/S0899-9007(02)00854-7
END
点击左下角“阅读原文”，查看本文原文或参与讨论。登陆胸科之窗网站（www.tbwindow.com）或下载胸科之窗APP，获取海量胸科学术素材，胸科之窗的大家庭欢迎您的加入。
