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

기술 요약: 혈장 동맥경화 지수(AIP)와 패혈증 사망률 간의 연관성

문제 제기
패혈증은 중환자실(ICU) 사망의 주요 원인으로 남아 있으며, 사망률은 패혈증의 경우 20%~30%, 패틱성 쇼크의 경우 최대 50%에 달한다. 100개 이상의 식별된 패혈증 예후 바이오마커들에 대한 광범위한 연구에도 불구하고, 이들의 임상적 적용은 여전히 제한적이다. 이와 동시에, 지질 대사 조절 장애는 패혈증 병태생리의 핵심 요소로 인식되고 있다. 저밀도 고밀도 지질단백질 콜레스테롤(HDL) 저하 및 고중성지방혈증(TG)과 같은 개별 지표들이 불량한 결과와 연관이 있다는 점은 알려져 있으나, 대규모 다기관 패혈증 코호트에서 예후 도구로서 이들의 결합된 유용성이 완전히 확립되지는 않았다. 본 연구는 새로운 강력한 예측 인자로서 혈장 동맥경화 지수(AIP)를 검증하여 이러한 공백을 메우고자 한다.

연구 방법론
본 연구는 두 개의 대규모 공개 ICU 데이터베이스인 MIMIC-IV(Medical Information Mart for Intensive Care-IV V2.2)와 eICU(eICU Collaborative Research Database V2.0)를 활용한 후향적 관찰 코호트 연구이다.

• 연구 대상: 최종 코호트는 MIMIC-IV에서 3,585명, eICU-CRD에서 12,594명의 18세 이상 패혈증 환자를 포함하였다. 패혈증은 특정 ICD-9 및 ICD-10 코드를 사용하여 식별되었다.
• 노출 변수: 혈장 동맥경화 지수(AIP), 즉 $\log_{10}(\text{TG} / \text{HDL})$로 계산되었다.
• 결과 변수: 168시간(7일) 내 병원 내 사망률.
• 통계 분석:
  • 예측 성능: 다양한 시간대(0–24h, 0–48h, 0–168h)에 걸쳐 전통적인 생리학적 지표(FiO2, HR, MAP, PaCO2, RR)와 비교하여 AIP의 AUROC(Area Under the Receiver Operating Characteristic Curve)를 산출하였다.
  • 연관성 분석: 연령, 성별, 동반 질환 및 기타 실험실 수치(LDL, Hb, RDW 등)를 보정한 다변량 가중 이항 로지스틱 회귀 분석을 사용하여 AIP와 사망률 간의 연관성을 평가하였다.
  • 비선형성: 제한적 삼차 스플라인(Restricted Cubic Spline, RCS) 회귀를 사용하여 AIP와 사망률 사이의 용량-반응 관계를 평가하였다.
  • 특성 중요도: XGBoost 모델과 SHAP(Shapley Additive Explanations)를 활용하여 단기적인 AIP 변화에 영향을 미치는 요인을 식별하였다.
  • 기전 탐색: 대사 및 장기 기능 부전 지표(예: 젖산, 총 빌리루빈, 크레아티닌)가 AIP와 사망률 사이의 관계를 얼마나 매개하는지 정량화하기 위해 매개 분석을 수행하였다.

주요 결과

• 독립적 연관성: AIP는 두 데이터베이스 모두에서 사망 위험 증가와 독립적으로 연관되어 있었다.
  • MIMIC-IV: OR = 1.242 (95% CI: 1.193–1.293, P < 0.001).
  • eICU-CRD: OR = 1.198 (95% CI: 1.118–1.285, P < 0.001).
  • AIP의 상위 사분위(Q4)에 속하는 환자들은 모든 보정 모델에서 하위 사분위(Q1)에 비해 유의하게 높은 사망 위험을 보였다.
• 예측 성능: AIP는 전통적인 생리학적 파라미터보다 우수한 예측 정확도를 나타냈다.
  • MIMIC-IV에서 AIP는 피크 AUROC 0.746(0–48시간)을 달성하며 FiO2, HR, MAP, PaCO2, RR보다 뛰어난 성능을 보였다. MIMIC-IV의 168시간 사망률에 대한 최적 컷오프 값은 1.405(민감도: 69.4%, 특이도: 65.3%)였다.
  • eICU-CRD에서 AIP는 AUROC 0.653(0–168시간)과 컷오프 1.527을 기록하며 안정적인 예측 능력을 보여주었다.
• 비선형 관계: RCS 분석은 두 코호트 모두에서 AIP와 사망률 사이의 통계적으로 유의한 비선형 관계(P non-linear < 0.001)를 확인하였으며, 이는 임계값 효과(threshold effect)가 존재함을 시사한다.
• 매개 분석: 연구는 AIP-사망률 연관성을 매개하는 특정 대사 및 장기 기능 부전 지표를 식별하였다.
  • MIMIC-IV: 젖산(Lactate)이 가장 강력한 매개체였으며, 전체 연관성의 63.6%를 설명하였다. 총 빌리루빈(TBIL)과 크레아티닌(Cr)은 각각 22%와 17.6%를 매개하였다.
  • eICU-CRD: 젖산이 37.1%를 매개하였고, 이어서 BUN(25.8%)과 총 빌리루빈(20.9%) 순이었다.

의의 및 주장
저자들은 본 연구가 AIP를 패혈증 사망률의 예후 마커로서 대규모 다기관 검증을 수행한 첫 사례라고 주장한다. 연구 결과의 의의는 다음과 같은 핵심 사항을 중심으로 구성된다:

1. 전통적 지표 대비 우월성: AIP는 표준 생리학적 점수 및 개별 지질 지표와 비교하여 조기 사망 위험 계층화에 있어 더 나은 예측 정확도와 안정성을 제공한다.
2. 기전적 통찰: 매개 분석은 AIP의 예후적 가치가 주로 조직 저산소증(높은 젖산으로 표시됨) 및 장기 기능 부전(간 및 신부전)과의 연관성에 의해 구동된다는 것을 시사한다. 이는 AIP가 고중성지방혈증과 HDL 결핍의 이중 위험을 통합적으로 나타내며, 이들이 공동으로 미세순환 장애와 미토콘드리아 기능 장애를 촉진한다는 가설을 뒷받침한다.
3. 임상적 유용성: 일상적인 지질 패널을 통해 계산할 수 있다는 점 덕분에, AIP는 고위험 "대사 표현형" 패혈증 환자(특히 AIP ≥ 1.405인 환자)를 식별하기 위한 실용적이고 쉽게 배포 가능한 도구로 제시된다. 저자들은 AIP를 기존 점수 체계에 통합함으로써 장기 기능에 대한 집중 모니터링 및 조기 개입이 필요한 환자를 더 잘 인식할 수 있다고 제안한다.
4. 치료적 함의: 본 연구 결과는 지질 대사 장애가 패혈증 진행의 중심에 있음을 암시하며, 향에 따라 AIP가 높은 환자들을 대상으로 지질 표적 중재(예: 스타틴, HDL 모방체)를 탐구하는 연구가 필요함을 시사한다.

저자들은 후향적 설계와 잠재적 잔류 혼란 변수(예: 스타틴 사용)를 한계점으로 인정하며 인과관계에 대해 신중한 어조를 유지한다. 그들은 본 연구가 강력한 연관성을 확립하고 잠재적 기전을 규명했음에도 불구하고, 인과관계와 지질 표적 중재의 효능을 검증하기 위해서는 전향적 무작위 대조 시험이 반드시 필요함을 강조한다.