一种新的分类方法,旨在根据灌注指数和中心静脉氧饱和度的联合变化轨迹来对脓毒症亚表型进行分类

《Science of Traditional Chinese Medicine》:A new proposed approach to categorize sepsis sub-phenotypes based on combined trajectories of perfusion index and central venous oxygen saturation

【字体: 大 中 小 】 时间:2026年01月03日 来源:Science of Traditional Chinese Medicine

编辑推荐:

  本研究通过回顾性队列分析发现,结合外周灌注指数(PI)和中心静脉氧饱和度(ScvO?)构建的PISO指数可识别脓毒症患者3种亚表型,其中持续下降型(33%)预后最差,机器学习模型能有效区分亚表型。12小时累积液体≤0ml与亚表型1和2患者28天生存率改善相关(p=0.038, 0.033)。结论:PISO指数可用于早期识别高风险亚表型,指导个体化液体管理策略。

  

背景:

败血症中的循环障碍具有异质性,但在临床上通常表现为外周灌注与组织氧合之间的不匹配。外周灌注指数(PI)和中心静脉氧饱和度(ScvO?)已被独立验证为败血症的预后标志物;然而,它们联合使用的有效性尚未得到系统研究。

方法:

这项回顾性队列研究纳入了2015年1月1日至2021年12月31日期间入住三个重症监护病房(ICU)的患者。在败血症发作后的前72小时内,每6小时计算一个新指数PISO = (PI – 1.1) × ScvO?。对72小时的PISO变化轨迹应用动态时间弯曲和层次聚类方法来识别亚型,并进行了内部验证和敏感性分析。使用机器学习算法根据早期临床特征预测这些亚型。生存结局通过Kaplan–Meier分析和log-rank检验进行评估,特别关注12小时累积液体平衡与28天院内生存率之间的关联。

结果:

在12,975名患者中,有5,205名(40.1%)发生了败血症。其中,720名患者的6小时PI和ScvO?数据完整。研究确定了三种不同的PISO亚型。亚型3(n = 190,33.0%)的特征是从基线开始持续下降的轨迹,与最差的临床结局相关。随机森林分类器表现最佳,识别出了区分各亚型的关键早期临床特征。Kaplan–Meier分析显示,亚型1和亚型2中,12小时累积液体平衡≤0 mL与28天生存率改善显著相关(p = 0.038和p = 0.033)。

结论:

在败血症发作后的前72小时内,PISO指数持续为负值且呈下降趋势,可识别出与不良结局相关的潜在高风险亚型。此外,败血症发作后12小时累积液体平衡为非阳性与某些亚型的生存率改善有关。

通俗语言总结:这项研究探讨了一个新的指数PISO,该指数结合了外周灌注指数(PI)和中心静脉氧饱和度(ScvO?)来识别ICU患者的败血症亚型。通过对720名患者的数据进行分析,研究人员发现了三种不同的亚型。其中一种亚型的特征是PISO轨迹持续下降,与较差的临床结局相关。利用机器学习技术,研究人员识别出了预测这些亚型的早期临床特征。此外,败血症发作后12小时累积液体平衡为非阳性与两种亚型的28天生存率改善有关。这表明PISO有助于识别高风险患者并指导液体管理策略。

文本由机器生成,可能存在不准确之处。常见问题解答

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号