A three-axis burden score and in-hospital mortality in ICU patients with heart failure and atrial fibrillation: limited incremental discrimination and transportability in a retrospective cohort study
这项回顾性队列研究得出结论，虽然基于营养状态、炎症和乳酸清除率的三轴负担评分在推导数据集中的心房颤动心力衰竭患者住院死亡率方面显示出描述性关联，但在外部 ICU 队列中进行验证时，未能证明其具有可迁移的预测价值或显著的增量判别能力。
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
在重症监护室（ICU）这种高强度、高风险的环境中，医生们不断寻找可能预示患者能否在住院期间存活下来的线索。当一名患者同时出现两种严重疾病时——心力衰竭（心脏难以有效地泵血）和房颤（一种破坏这种泵血功能的混乱节律）——死亡风险会显著上升。为了应对这一危险，临床医生通常依赖于综合衡量许多因素（从血压到器官功能）的标准严重程度评分。然而，研究人员长期以来一直想知道，由三种特定血液检测结果组成的简单组合，是否能提供更清晰的图景。这三个指标代表了身体挣扎的不同方面：营养储备，通过结合蛋白质水平和白细胞计数得出的评分来衡量；全身性炎症水平，通过两种抗感染细胞的比率来表示；以及身体清除乳酸（一种在组织缺氧时堆积的代谢废物）的能力。问题在于，统计这三个指标中有多少个是“糟糕”的，是否可以作为一种快速、可靠的预警系统供医生使用。
一组研究人员试图利用来自美国两个大规模、匿名化的重症监护患者数据库的数据来测试这个想法。他们专门针对被收治入 ICU 且同时患有心力衰竭和房颤的成年人。研究团队定义了一个范围从零到三的简单“负担评分”。如果患者的三个指标中有任何一个落入高风险类别，则计一分：低营养评分、高炎症比率或较差的乳酸清除率。研究人员首先利用一个数据库中的数据确定了什么是“高风险”的阈值，然后将这些完全相同的规则应用于第二个完全独立的数据库，以观察这种模式是否成立。他们的目标是确定这种简单的计数是否能比医生目前使用的复杂标准模型更好地预测死亡，以及它是否能在不同患者群体中保持一致的效果。
结果显示，该评分确实讲述了一个故事，但并不是研究人员希望其作为独立工具所呈现的那种故事。在第一个包含超过 7,500 名患者的数据库中，随着评分的增加，住院死亡风险明显上升。评分评分为零的患者死亡率约为 11%，而评分达到 3 分的患者面临近 25% 的风险。这种趋势在第二个数据库中也清晰可见，这表明拥有更多负面指标确实与更差的结果相关。然而，当研究人员尝试使用该评分来改进现有的详细医学模型时，结果却不尽如人意。标准模型已经包含了白蛋白水平、白细胞计数和乳酸等信息，且在预测风险方面已经做得相当出色。将这个简单的三点计数法加入到这些模型中，对准确性的提升微乎其微，几乎可以忽略不计。
当研究人员更仔细地观察第二个数据库时，情况变得更加复杂。虽然得分越高与死亡率上升相关的总体趋势仍然存在，但特定风险等级的排序变得混乱。在第二组数据中，评分实际为 1 分的患者死亡风险似乎比评分实际为 2 分的患者更高，打破了第一组中观察到的平滑且可预测的模式。此外，当研究人员根据标准模型中已包含的许多其他因素进行调整后，该评分在第二个数据库中的统计效力消失了。它不再显示出与死亡率之间明确的独立联系。这表明，这三种血液检测所提供的信息，很大程度上已被医生已经在收集的其他数据点所捕捉。该评分并未揭示标准模型错过的隐藏危险；相反，它似乎只是对已经被更精确方式测量的风险进行的一种粗略总结。
这项研究还强调了该评分在现实医院中使用时面临的一个实际障碍。为了计算评分的第三部分，即身体清除乳酸的能力，医生需要在不同时间进行两次单独的血液检测。在第二个数据库中，绝大多数患者都缺失了第二次检测，导致无法为大多数人计算该评分。即使在第一个数据库中，也有相当一部分患者缺失了这项检测。这意味着，虽然该评分在拥有数据的患者中理论上可行，但它无法广泛应用于数据并不完整、节奏繁忙的医院环境。研究人员得出结论，虽然这三种指标的计数在研究背景下是描述患者病情严重程度的一种有用方法，但它并不能作为一个经过验证且可靠的工具，用于预测新医院中个体的预后。它并没有提供一种能够改进医生目前用于护理危重患者的复杂既定方法的捷径。
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。