Dynamic Trajectory of the Neutrophil-to-Lymphocyte Ratio and Coagulation-Immune Crosstalk in Sepsis: A Latent Class Mixed Model Analysis of the MIMIC-IV Cohort
这项回顾性 MIMIC-IV 队列研究表明，虽然基线中性粒细胞与淋巴细胞比值具有有限的独立预后价值，但动态血小板轨迹——特别是下降趋势结合白细胞计数上升的模式——是脓毒症死亡率最强健的预测因子，凸显了凝血-免疫交互作用在风险分层中的关键作用。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
脓毒症是一种生命威胁性的反应，即人体自身的防御机制转而攻击自身，导致器官衰竭并往往导致死亡。这是一种混乱的事件，但在这种混乱之中，两大系统正在进行一场注定失败的战斗：一是免疫系统，它派出白细胞来对抗感染；二是凝血系统，它试图封堵损伤并阻止出血。在健康的人体内，这些系统处于平衡状态，但在脓毒症中，它们变得纠缠不清。免疫细胞可能触发过度的凝血，而凝血过程又会进一步加剧免疫炎症。长期以来，医生们都知道，仅仅测量这些系统的单一快照——比如患者到达医院时进行的一次血液检测——往往无法预测谁能生存下来。人体的变化太快，以至于单一时刻无法说明全貌。真正的问题不仅在于某一时刻的数值是多少，而在于这些数值随时间是如何变化的。
西安三院的研究团队决定观察这种动态变化，而非仅仅关注单一的快照。他们转向了一个来自美国大型医院的海量医疗记录数字档案，其中包含了超过5000名因脓毒症入住重症监护室的成年患者数据。他们的目标是观察在患者住院的第一周内，特定的血液指标是如何逐日变化的。他们重点关注了两件事：中性粒细胞与淋巴细胞的比值（这两种白细胞作为衡量炎症程度程度的指标），以及血小板计数（用于衡量血液的凝血能力）。通过追踪从第一天到第七天的这些数值，他们希望找到能够区分康复者与非康复者的独特模式。
研究人员发现，观察单日的测试结果不足以做出明确的预测。虽然第一天较高的中性粒细胞与淋巴细胞比值似乎与较高的死亡风险相关，但当考虑到年龄和病情严重程度等其他因素时，这种联系就消失了。这个单一的数字由于噪声过多，本身无法成为可靠的指南。然而，当他们观察这些数值在几天内的移动轨迹时，一个更加清晰的图景浮现了出来。最强有力的信号来自于血小板。那些在最初几天内血小板计数持续下降的患者，与那些计数保持稳定或开始上升的患者相比，面临着显著更高的死亡风险。事实上，血小板计数下降的患者总死亡率接近42%，而血小板计数上升的患者死亡率仅为20%左右。
研究显示，当研究人员将免疫系统和凝血系统放在一起观察时，故事变得更加戏剧化。他们根据血小板是上升还是下降，以及白细胞计数是上升还是下降对患者进行了分组。他们发现了一个特定的高风险组合：血小板正在减少而白细胞计数正在增加的患者。这一群体代表了凝血系统未能恢复且免疫系统未能平息的双重失败，面临着最高的危险。相比之下，血小板上升且白细胞下降的患者风险最低，死亡率低于17%。这种鲜明的差异表明，这两个系统的变化方向比任何单日内的绝对数值更为重要。
研究人员还检查了这两个系统是如何相互作用的。他们发现，较高的炎症水平（由中性粒细胞与淋巴细胞比值表示）与较高的凝血因子水平和血小板活性之间存在微弱但持续的联系。这支持了这样一个观点：在脓毒症中，免疫系统和凝血系统是深度交织在一起的；当其中一个过度活跃时，会带动另一个也随之活跃。研究并未发现初始白细胞比例在考虑其他因素后仍是死亡的独立预测因子，但它确实证实了血小板计数的轨迹是生存情况的稳健标志。研究结果表明，医生不应仅仅将患者的血液检查视为一份静态报告，而应监测其趋势。即使一个人的数值处于“正常”范围内，但如果其数值正朝着错误的方向移动，那么他可能比那些数值虽然偏低但正朝着正确方向移动的人面临更大的危险。
虽然这项研究为看待这些患者提供了一种新视角，但作者也谨慎地指出了其局限性。由于数据来自单一医院，且依赖于有时存在缺失天数的记录，他们发现的模式需要在未来使用更完整数据的研究中得到证实。他们还指出，他们对患者进行分组的方法是一种处理记录间隙的实用手段，而非完美的统计模型。尽管如此，研究结果指向了一个理解脓毒症的双轴框架，即必须将免疫系统和凝血系统作为一个整体来观察其演变过程。这项研究并不声称已经解开了脓毒症之谜，但它提供了一张更清晰的地形图，表明患者在病发第一周内的发展路径是理解其命运的关键。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。