Association between atherogenic index of plasma and mortality of patients with sepsis: Evidence from a large population-based study based on the MIMIC-IV database and EICU-CRD database

技術要約：血漿動脈硬化指数と敗血症における死亡率との関連性

問題提起
敗血症は、集中治療室（ICU）における主要な死因であり続けており、敗血症では20%から30%、敗血症性ショックでは最大50%の死亡率を記録している。敗血症の予後に関するバイオマーカーとして特定された100以上の指標があるにもかかわらず、その臨床的な応用は限定的である。同時に、脂質代謝の調節不全は、敗血症の病態生理における重要な構成要素として認識されている。低HDLコレステロールや高トリグリセリド（TG）といった個別の指標は不良な転帰に関連しているが、大規模かつマルチセンターの敗血症コホートにおいて、これらを組み合わせた予後予測ツールとしての有用性は十分に確立されていない。本研究は、新たな強固な予測因子として、血漿動脈硬化指数（AIP）の妥当性を検証するという空白を埋めるものである。

方法論
本研究は、2つの大規模で公開されているICUデータベース、すなわちMedical Information Mart for Intensive Care-IV (MIMIC-IV V2.2) および eICU Collaborative Research Database (eICU-CRD V2.0) のデータを用いた、後ろ向き観察コホート研究である。

• 研究対象: MIMIC-IVから3,585名、eICU-CRDから12,594名の敗血症患者（すべて年齢18歳以上）を最終的なコホートとした。敗血症の特定には、特定のICD-9およびICD-10コードを用いた。
• 曝露変数: 血漿動脈硬化指数（AIP）。$\log_{10}(\text{TG} / \text{HDL})$ として算出される。
• アウトカム: 168時間（7日間）の院内死亡。
• 統計解析:
  • 予測性能: 様々なタイムスパン（0–24時間、0–48時間、0–168時間）において、従来の生理学的指標（FiO2、HR、MAP、PaCO2、RR）と比較したAIPのAUROC（受信者動作特性曲線下面積）を算出した。
  • 関連性分析: 年齢、性別、併存疾患、およびその他の検査値（LDL、Hb、RDWなど）の共変量を調整した上で、AIPと死亡率との関連を評価するために、多変量重み付きロジスティック回帰分析を用いた。
  • 非線形性: AIPと死亡率の間の用量反応関係を評価するために、制限付き立方スプライン（RCS）回帰を用いた。
  • 特徴量の重要度: 短期的なAIPの変化に影響を与える要因を特定するために、Extreme Gradient Boosting (XGBoost) モデルおよびShapley Additive Explanations (SHAP) を活用した。
  • メカニズムの探索: 代謝および臓器機能不全の指標（乳酸、総ビリルビン、クレアチニンなど）が、AIPと死亡率との関係をどの程度媒介しているかを定量化するために、媒介分析を実施した。

主な結果

• 独立した関連性: AIPは、両方のデータベースにおいて、上昇した168時間死亡リスクと独立して関連していた。
  • MIMIC-IV: OR = 1.242 (95% CI: 1.193–1.294, P < 0.001)。
  • eICU-CRD: OR = 1.198 (95% CI: 1.118–1.285, P < 0.001)。
  • AIPが最も高い四分位数（Q4）にある患者は、すべての調整済みモデルにおいて、最も低い四分位数（Q1）と比較して有意に高い死亡リスクを示した。
• 予測性能: AIPは、従来の生理学的パラメータと比較して優れた予測精度を示した。
  • MIMIC-IVにおいて、AIPはピーク時AUROC 0.746（0–48時間）を達成し、FiO2、HR、MAP、PaCO2、RRを上回った。MIMIC-IVにおける168時間死亡の最適カットオフ値は1.405であった（感度: 69.4%、特異度: 65.3%）。
  • eICU-CRDにおいて、AIPはAUROC 0.653（0–168時間）およびカットオフ値1.527を示し、安定した予測能を示した。
• 非線形関係: RCS解析により、両方のコホートにおいてAIPと死亡率の間に統計的に有意な非線形関係（P non-linear < 0.001）が確認され、閾値効果が存在することが示された。
• 媒介分析: 媒介分析により、AIPと死亡率の関連を媒介する特定の代謝および臓器機能不全マーカーが特定された。
  • MIMIC-IV: 乳酸（Lac）が最強の媒介因子であり、関連の63.6%を説明した。総ビリルビン（TBIL）およびクレアチニン（Cr）は、それぞれ22%および17.6%を媒介した。
  • eICU-CRD: 乳酸が37.1%を媒介し、次いでBUN（25.8%）、TBIL（20.9%）であった。

意義および主張
著者らは、本研究がAIPを敗血症死亡率の予後マーカーとして検証した最初の、大規模かつマルチセンターによる検証であると主張している。研究の意義は、以下の主要な点に集約される。

1. 従来のマーカーに対する優位性: AIPは、標準的な生理学的スコアや個別の脂質マーカーと比較して、早期の死亡リスク層別化における予測精度と安定性が高い。
2. メカニズムへの洞察: 媒介分析は、AIPの予後価値が主に組織低酸素（上昇した乳酸によって示される）および臓器不全（肝不全および腎不全）との関連によって駆動されていることを示唆している。これは、AIPが高トリグリセリド血症とHDL欠乏の両方のリスクを包含し、それらが共同して微小循環障害やミトコンドリア機能不全を促進するという仮説を支持している。
3. 臨床的有用性: 通常の脂質パネルから算出可能であるため、AIPは、高リスクな「代謝表現型」の敗血症患者（具体的にはAIP ≥ 1.405の患者）を特定するための、実用的かつ容易に導入可能なツールとして提示されている。著者らは、既存のスコアリングシステムにAIPを組み込むことで、臓器機能の厳密なモニタリングや早期介入を必要とする患者の認識を向上させることができると示唆している。
4. 治療への示唆: 本知見は、脂質代謝異常が敗血症の進行の中心にあることを示唆しており、AIPが高い患者に対する脂質標的介入（スタチン、HDL模倣薬など）の探索に向けた将来の研究を促すものである。

著者らは、後ろ向き設計であることや潜在的な残留交絡（例：スタチン使用）などの限界を認め、因果関係については控えめなトーンを維持している。彼らは、本研究が強固な関連性を確立し、潜在的なメカニズムを解明したものの、因果関係および脂質標的介入の有効性を検証するためには、前向きランダム化比較試験が必要であることを強調している。