应激性高血糖比率对接受静脉溶栓治疗的缺血性中风患者功能预后的影响:一项基于人群的研究
《Frontiers in Neurology》:Impacts of stress hyperglycemia ratio on functional outcomes of ischemic stroke patients treated with intravenous thrombolysis: a population-based study
【字体:
大
中
小
】
时间:2026年03月23日
来源:Frontiers in Neurology 2.8
编辑推荐:
摘要
背景:应激性高血糖比率(SHR)与急性缺血性中风患者的不良预后相关,但SHR对接受静脉溶栓治疗的中风患者功能预后的影响仍不清楚。本研究旨在探讨SHR在中风患者功能预后中的预测价值。
方法:回顾性纳入了36家医院接受静脉溶栓治疗的缺血性中风患者。SHR通过血糖/糖化血红蛋
摘要
背景:应激性高血糖比率(SHR)与急性缺血性中风患者的不良预后相关,但SHR对接受静脉溶栓治疗的中风患者功能预后的影响仍不清楚。本研究旨在探讨SHR在中风患者功能预后中的预测价值。
方法:回顾性纳入了36家医院接受静脉溶栓治疗的缺血性中风患者。SHR通过血糖/糖化血红蛋白计算得出。良好的功能预后定义为中风发作后90天的改良Rankin量表评分为0-2分。多变量逻辑回归模型评估了SHR与预后的关系,并调整了人口统计学、临床和实验室参数。分段线性回归结合递归算法识别潜在的阈值效应,并根据关键的人口统计学和临床因素进行了分层分析。在非糖尿病患者以及BMI<25 kg/m2和HbA1c<6.5%的患者中进行了敏感性分析。
结果:检测到SHR与功能预后之间存在非线性关系,拐点为SHR=1.09。在该阈值以下,SHR每增加0.1个单位,不良预后的风险增加33%(OR=1.33,95% CI:1.16–1.57,p<0.001);而在该阈值以上,这种关联不再显著(OR=0.91,95% CI:0.79–1.06,p=0.201)。
结论:SHR在接受溶栓治疗的急性缺血性中风患者中表现出阈值效应,表明其作为风险分层指标的潜在预后价值。这些发现需要在前瞻性研究中进一步验证,才能应用于临床实践。
引言
中风是全球第二大死亡原因和第三大导致残疾调整生命年(DALY)的原因(1, 2)。缺血性中风约占所有中风病例的85%,其特征是由于动脉阻塞导致脑血流减少(3)。缺血性中风的急性期(急性缺血性中风,AIS)——通常定义为症状出现后的最初几小时到几天——是治疗干预和预后评估的最关键时期。预计到2030年,年龄标准化发病率将上升至每10万人89.32例(4)。在中国,缺血性中风的发病率持续增加,最近的数据表明中国占全球中风病例的约30%,是全球负担最重的国家(5)。虽然静脉溶栓仍然是急性缺血性中风的标准一线治疗方法,但其有效性依赖于时间,早期治疗与更好的功能预后相关(6)。静脉溶栓的使用显著增加,最近的数据表明22.9%的患者在症状出现后4.5小时内接受了治疗(7)。即使进行了积极的静脉溶栓治疗,一些AIS患者在溶栓后仍会出现功能恶化,其病理机制复杂(8, 9)。目前,临床上没有可靠的预测指标来预测接受静脉溶栓治疗的中风患者的功能预后。因此,筛查临床预测指标对于不断提高中风患者的再通治疗效果是必要的。
应激性高血糖比率(SHR),定义为入院血糖与从糖化血红蛋白推算出的平均血糖的比率,已成为一种新的临床指标(10)。该指标准确反映了急性应激引起的血糖升高,同时考虑了慢性血糖状态。研究表明,应激性高血糖是对炎症反应和神经内分泌紊乱的短暂反应(11)。除了在AIS中的重要性外,SHR在各种危重疾病中也显示出预后价值(12, 13)。
多项研究探讨了SHR与接受静脉溶栓治疗的AIS患者功能预后之间的关联,但由于样本量小和方法学缺陷,结果并不一致。虽然研究表明SHR与不良预后呈正相关,但关于最佳临界值和预测性能的结论仍存在争议。最近的研究探讨了SHR在急性缺血性中风患者中的预后价值,但存在显著的限制和不一致性。Jiang等人(11)的一项系统回顾和荟萃分析包括11项研究(1,759名患者),发现升高的SHR与AIS后的不良预后显著相关(SMD:0.53,95% CI:0.35–0.71,p<0.001),但研究间的异质性较大(I2=88%)。个别研究报道了不同的效应大小:Dai等人(14)在559名EVT患者中发现高SHR(临界值1.07)预测了早期神经功能恶化(OR=4.78,95% CI:1.38–16.60,p=0.014)和不良的90天预后(OR=0.20,95% CI:0.08–0.50,p=0.001)(14)。Xiao等人(15)在两家中国中心的1,255名患者中观察到与90天不良功能预后显著相关(15)。然而,这些研究存在关键限制:(1)样本量较小(通常为200-600名患者),限制了检测非线性关系的能力;(2)SHR阈值和临界值方法不一致(范围从0.89到1.10或使用三分位数);(3)所有研究均采用线性模型,未系统测试非线性或阈值效应;(4)异质性较大(I2=88%),表明存在重要的未测量效应修饰因素;(5)关于糖尿病与非糖尿病亚组的预测价值结果存在冲突。
鉴于这些争议,我们进行了一项回顾性队列研究,以评估SHR与接受静脉溶栓治疗的缺血性中风患者90天不良预后之间的关联。我们的发现可能为未来的预后研究提供基础,并在获得前瞻性验证后,可能有助于该患者群体的风险分层。此外,这项研究提供了观察性证据,可能支持未来为中国人群开发预后模型。
方法
研究人群
这项回顾性队列研究于2023年1月1日至2023年12月31日在中国深圳的医院进行。通过连续抽样,我们纳入了1,321名接受静脉溶栓治疗的急性缺血性中风患者。纳入标准如下:(1)年龄18岁或以上;(2)被诊断为急性缺血性中风;(3)在中风发作后4.5小时内接受静脉溶栓治疗。由于本研究的回顾性质以及参与医院电子病历系统的异质性,我们的数据库中没有系统收集后续血管内取栓术(EVT)或其他介入手术的信息。因此,我们的研究结果主要反映了接受静脉溶栓作为主要再灌注策略的患者的情况。排除标准如下:(1)在静脉溶栓前未进行血糖和HbA1c检测;(2)未在90天随访时进行改良Rankin量表(mRS)评分。临床数据通过标准化的电子病历系统收集,由两名经过培训的研究人员独立录入,并由第三名研究人员进行验证以确保数据一致性。
伦理声明
本研究方案获得了深圳市第二人民医院医学伦理委员会的批准(批准号:2024-314-02PJ)。由于这是一项使用匿名患者数据的回顾性研究,根据《赫尔辛基宣言》和国际医学研究伦理指南,无需获得知情同意。研究严格遵守医学伦理原则,确保患者隐私和数据安全。所有研究数据存储在仅授权研究人员可访问的加密数据库中。结果的发布将严格保护患者隐私,不会披露个人身份信息。
基线评估
本研究使用的数据来自深圳市第二人民医院管理的深圳市中风中心数据库,该数据库也是指定的深圳市中风质量控制中心。该数据库包含来自深圳36家医疗中心的数据,涉及数百万中风患者,旨在建立连续的中风登记系统,以帮助减轻该地区的中风负担。为确保中心间的数据一致性,实施了以下标准化机制:(1)统一的数据录入平台:所有36家中心的患者数据通过一个共同的基于网络的数据收集界面录入,确保变量定义、数据格式和必填字段的一致性;(2)标准化的人员培训:每个中心的数据录入人员接受关于所有临床变量(包括中风诊断标准、TOAST分类、实验室参考范围和mRS评估程序)的统一培训;(3)集中式数据审查和质量控制:深圳市中风中心集中收集并整合所有36家中心的数据,定期进行数据审计、一致性检查和质量控制会议以识别和纠正差异;(4)地理同质性:所有参与中心位于同一大都市区(深圳),具有相似的患者人口统计学特征、医疗基础设施和临床治疗方案,减少了中心间的背景差异。
变量
应激性高血糖比率
暴露变量SHR定义为入院血糖与糖化血红蛋白的比率(13, 16)。入院血糖是在急诊科到达后立即测量的随机(非空腹)值,在tPA给药前进行,符合标准的急性中风护理实践和之前的SHR研究(15-17)。血糖使用Roche Cobas 8000自动生化分析仪的己糖激酶方法测量。在急性中风情况下,随机血糖测量对于SHR计算是生理上合适的,因为入院血糖主要反映了急性神经内分泌应激引起的升高(由儿茶酚胺和皮质醇释放介导),而不是营养状态,因为应激相关的血糖升高幅度(通常为5-10 mmol/L)远超过正常的餐后波动(2-3 mmol/L)。HbA1c在所有36家参与中心使用高效液相色谱法(HPLC)测定,遵循深圳市中风中心的统一协议。SHR作为连续变量和分类变量(四分位数)进行分析,以探索剂量-反应关系。SHR根据四分位数转换为分类变量:Q1(≤0.82)、Q2(>0.82至≤0.97)、Q3(>0.97至≤1.15)和Q4(>1.15)。
结局指标
主要结局是90天的不良功能预后,定义为改良Rankin量表(mRS)评分为3-6分。mRS是一个经过验证的量表,范围从0(无症状)到6(死亡),评分为3-6表示中度至重度残疾或死亡,代表功能依赖和不良预后。90天的mRS通过训练有素的神经科医生在中风发作后90天进行的标准化结构化电话访谈进行评估。电话访谈遵循结构化评估协议,神经科医生系统地询问每位患者的功能状态和日常生活活动,使用与每个mRS等级相对应的标准化问题。基于电话的mRS评估已被验证为90天中风结局评估的可靠方法,与面对面评估结果一致(18, 19)。由于这是一项回顾性观察性研究,因此不适用正式的前瞻性盲法评估;90天的mRS数据作为常规登记数据的一部分记录在深圳市中风中心数据库中,独立于研究人员对SHR-预后关系的分析,从而最小化了评估者偏倚的风险。作为参考,mRS评分0-2通常被认为是良好的结局,表示功能独立(20)。
协变量
在我们的研究中,我们根据先前的研究和我们的临床经验选择了协变量(21-23)。协变量包括:(i)分类变量:性别、教育程度、吸烟、饮酒、糖尿病(DM)、高血压、冠心病、血脂异常、中风/TIA、心房颤动(AF)、住院期间使用的抗凝药物(抗血小板剂和/或抗凝剂)和TOAST分类;(ii)连续变量:年龄、体重、体质指数(BMI)、收缩压(SBP)、舒张压(DBP)、从入院到穿刺时间(NDT)、白细胞计数(WBC)、高灵敏度C反应蛋白(Hs-CRP)、丙氨酸氨基转移酶(ALT)、全身血流动力学反应(SHR)、糖化血红蛋白(HbA1C)、动脉血气(ABG)、低密度脂蛋白胆固醇(LDL)、胱氨酸C(Cys-C)、尿酸(UA)、血尿素氮(BUN)和同型半胱氨酸(HCY)。
这些协变量的选择基于先前的预后因素和临床专家共识。数据收集基于患者的住院病例,实验室信息来自电子病历。入院血糖是在急诊科到达后立即测量的随机(非空腹)样本,在tPA给药前使用己糖激酶方法(Roche Cobas 8000自动生化分析仪)进行。与标准的急性中风护理实践一致,无论空腹状态如何,都进行了血糖测量。这种测量方法反映了急性中风管理中的实际临床实践,其中立即评估和溶栓治疗是优先考虑的。其他实验室参数(HbA1c、血脂谱和肾功能)在临床可行的情况下,在入院后24小时内空腹条件下测量。HbA1c在所有参与中心使用高效液相色谱法(HPLC)测定。BMI计算为体重(千克)除以身高(平方米)(kg/m2)。
缺失数据处理
在我们的研究中,多个变量存在缺失数据。具有WBC、BUN、LDC-C、ALT、UA、HCY、Hs-CRP和Cys C数据缺失的参与者数量分别为8人(0.61%)、17人(1.29%)、27人(2.04%)、41人(3.10%)、48人(3.63%)、50人(3.78%)、154人(11.66%)和177人(13.40%)。为了减少缺失协变量引起的偏差,并在建模过程中保持目标样本的统计效率,我们采用了多重插补方法来处理缺失数据。插补模型(线性回归类型,迭代10次)包括了年龄、性别、身高、体重、BMI、WBC、BUN、FIB、LDC-C、ALT、UA、HCY、Hs-CRP、Cys C以及住院期间的主要治疗方法(包括抗高血压药物、抗血小板药物、抗凝剂和他汀类药物)。缺失数据分析过程使用了“随机缺失”(MAR)假设。
**统计分析**
连续变量以均值±标准差(正态分布)或中位数(四分位数范围)表示,而分类变量则以频率或百分比表示。组间比较使用卡方检验(分类变量)、学生t检验(正态分布的连续变量)或Mann–Whitney U检验(偏态连续变量)进行。应激性高血糖比率与不良结果之间的关联分析分为三个步骤:首先,我们构建了多层回归模型。模型1未进行调整;模型2仅调整了人口统计特征;模型3进一步调整了表1中列出的其他协变量。通过检查不同调整策略下的效应大小变化来评估结果的稳健性。其次,我们使用广义加性模型和平滑曲线拟合(惩罚样条方法)来评估应激性高血糖比率与不良结果之间的潜在非线性关系。当检测到非线性时,我们使用递归算法计算拐点,并在拐点两侧构建了分段线性模型。对数似然比检验用于比较标准线性回归模型和分段模型,以确定哪种模型更能解释真实的关联。第三,我们进行了分层分析。对于连续的分层变量,在进行交互作用检验之前,我们根据临床切点将其转换为分类变量。使用似然比检验评估效应修饰。为了进行敏感性分析,我们将应激性高血糖比率转换为分类变量,并计算趋势的p值,以验证连续变量分析结果并检查潜在的非线性。在记录所有发现时遵循了STROBE声明。所有分析均使用R统计软件进行。双侧p值<0.05被认为具有统计学意义。模型区分能力使用C统计量(接收者操作特征曲线的AUC)进行评估。临床效用通过决策曲线分析(DCA)进行评估,该分析量化了基于SHR的风险分层的净效益相对于“全部治疗”和“不治疗”参考策略在一系列阈值概率下的效益。
**表1** 变量
描述性统计
OR(95% CI) p值
年龄(岁) 59.31 ± 13.11 1.06 (1.04, 1.07) <0.001*
性别 男性 928 (70.25%) 1.0 (参考)– 女性 393 (29.75%) 1.51 (1.10, 2.08) 0.011*
教育程度 文盲 45 (3.41%) 1.0 (参考)– 小学或初中 763 (57.76%) 1.16 (0.51, 2.65) 0.731 高中或大专 349 (26.42%) 0.70 (0.29, 1.68) 0.427 学士学位或以上 164 (12.41%) 0.39 (0.14, 1.07) 0.068
吸烟 现在 368 (27.86%) 1.0 (参考)– 曾经 100 (7.57%) 1.68 (0.91, 3.11) 0.099 从未 853 (64.57%) 1.54 (1.06, 2.25) 0.024*
饮酒 现在 173 (13.10%) 1.0 (参考)– 曾经 100 (7.57%) 0.89 (0.42, 1.88) 0.758 从未 998 (75.55%) 1.15 (0.72, 1.85) 0.553 未知 50 (3.79%) 1.06 (0.43, 2.64) 0.898
SBP(毫米汞柱) 153.37 ± 24.08 1.00 (1.00, 1.01) 0.372
DBP(毫米汞柱) 90.93 ± 14.94 0.99 (0.98, 1.00) 0.253
BMI(千克/平方米) 24.06 (22.38–26.03) 1.00 (1.00, 1.00) 0.580
高血压 否 587 (44.44%) 1.0 (参考)– 是 734 (55.56%) 1.11 (0.82, 1.52) 0.498
糖尿病 否 1,095 (82.89%) 1.0 (参考)– 是 226 (17.11%) 1.33 (0.91, 1.96) 0.139
冠心病 否 1,265 (95.76%) 1.0 (参考)– 是 56 (4.24%) 1.46 (0.74, 2.88) 0.270
中风/短暂性脑缺血发作 否 1,096 (82.97%) 1.0 (参考)– 是 225 (17.03%) 1.92 (1.34, 2.75) <0.001*
心房颤动 否 1,279 (96.82%) 1.0 (参考)– 是 42 (3.18%) 2.75 (1.41, 5.40) 0.003*
血脂异常 否 1,286 (97.35%) 1.0 (参考)– 是 35 (2.65%) 0.54 (0.17, 1.79) 0.318
抗血小板治疗 否 169 (12.97) 1.0 (参考)– 是 1,152 (87.21) 0.40 (0.27,0.59) <0.001*
抗凝治疗 否 1,218 (92.20) 1.0 (参考)– 是 103 (7.80) 0.92 (0.51,1.65) 0.778
FBG(毫米摩尔/升) 6.64 ± 2.87 1.12 (1.07, 1.18) <0.001*
HbA1c(%) 6.40 ± 1.55 1.18 (1.08, 1.28) <0.001*
WBC(*10^9/升) 8.14 ± 2.89 1.06 (1.01, 1.11) 0.021*
Hs-CRP(毫克/升) 4.47 ± 10.21 1.03 (1.02, 1.05) <0.001*
ALT(U/升) 21.00 (15.30–29.00) 0.99 (0.98, 1.00) 0.127
LDL-C(毫米摩尔/升) 3.03 ± 1.04 0.86 (0.74, 1.01) 0.073
Cys-C(毫克/升) 1.20 (0.80–2.14) 0.99 (0.92, 1.06) 0.727
UA(微摩尔/升) 357.20 (296.00–432.85) 1.00 (1.00, 1.00) 0.066
BUN(毫米摩尔/升) 5.50 (4.40–6.89) 1.00 (0.99, 1.01) 0.851
HCY(微摩尔/升) 12.01 (9.69–16.17) 1.00 (0.98, 1.01) 0.567
DNT(分钟) 32.00 (24.00–45.00) 1.00 (1.00, 1.00) 0.751
NIHSS 4.00 (2.00–7.00) 1.16 (1.13, 1.19) <0.001*
TOAST 大动脉粥样硬化 505 (38.29%) 1.0 (参考)– 小血管闭塞 579 (43.90%) 0.49 (0.34, 0.70) <0.001*
心源性栓塞 98 (7.43%) 1.46 (0.87, 2.43) 0.151
其他确定原因的中风 69 (5.23%) 0.76 (0.38, 1.54) 0.449
原因不明的中风 68 (5.16%) 0.60 (0.28, 1.29) 0.192
**AIS 90天结局的相关因素的单变量分析**
TIA(短暂性脑缺血发作);BMI(身体质量指数);SBP(收缩压);DBP(舒张压);DNT(从入院到穿刺时间);WBC(白细胞);Hs-CRP(高敏感C反应蛋白);ALT(丙氨酸转氨酶);SHR(应激性高血糖比率);HbA1C(血红蛋白A1c);ABG(入院血糖);LDL(低密度脂蛋白);Cys-C(胱氨酸C);UA(尿酸);BUN(血尿素氮);HCY(同型半胱氨酸);TOAST(急性中风治疗试验10,172);NIHSS(美国国立卫生研究院中风量表);mRS(改良Rankin量表)。
**数据呈现方式**
连续变量以均值±标准差表示,分类变量以n(%)表示。*表示统计学上显著的关联(p < 0.05)。
**未测量混杂因素的敏感性分析**
为了评估我们的发现对潜在未测量混杂因素(如回顾性研究中未系统收集的卒中前糖尿病用药)的稳健性,我们计算了模型III中识别出的主要关联的E值(26)。E值表示在测量到的协变量条件下,未测量混杂因素需要与暴露(SHR)和结局(不良功能结局)具有多大的关联强度,才能完全解释观察到的暴露-结局关联。E值的计算公式为:E值 = OR + √[OR × (OR – 1)],其中OR是完全调整模型中的比值比。较高的E值表示对潜在未测量混杂因素的更大稳健性。
**结果**
共有1,327名AIS患者来自深圳中风中心数据库;其中6人被排除。研究的纳入和排除过程如图1所示。
**图1** 研究样本流程图。
共有1,321名急性缺血性中风患者根据90天mRS评分进行分类,其中1,129人(85.5%)结局良好(mRS 0–2),192人(14.5%)结局不良(mRS 3–6)。患者的基线特征显示,结局不良的患者年龄显著更大(66.72 ± 12.87岁 vs 58.05 ± 12.74岁,p < 0.001),女性比例更高(37.50% vs 28.43%,p = 0.011),教育程度较低(p < 0.001)。病史分析显示,结局不良组中既往中风/TIA的发生率更高(26.04% vs 15.50%,p < 0.001)和心房颤动的发生率更高(6.77% vs 2.57%,p = 0.002),而糖尿病、高血压、冠心病和血脂异常没有显著差异。结局不良组的实验室参数显示炎症标志物升高,包括WBC(8.60 ± 2.98 × 10^9/L vs 8.06 ± 2.87 × 10^9/L,p = 0.023)和hs-CRP(8.29 ± 18.01 mg/L vs 3.82 ± 8.01 mg/L,p < 0.001),代谢指标也升高,包括HbA1c(6.81 ± 1.86% vs 6.33 ± 1.47%,p < 0.001)和入院血糖(7.70 ± 3.57 mg/L vs 6.47 ± 2.70 mg/L,p < 0.001),但ALT较低[19.42 (15.00–25.00) U/L vs 21.20 (15.60–30.00) U/L,p = 0.006],LDL-C(2.90 ± 0.96 mg/L vs 3.05 ± 1.06 mg/L,p = 0.043)和尿酸[342.10 (262.55–411.40) μmol/L vs 358.40 (298.75–437.70) μmol/L,p = 0.034]。结局不良组的应激性高血糖比率更高(1.05 ± 0.25 vs 0.99 ± 0.26,p = 0.001)。结局不良组的初始中风严重程度更高[NIHSS:9.00 (4.75–15.00) vs 4.00 (2.00–6.00)]。TOAST分类在两组间有显著差异(p < 0.001),结局不良组的大动脉粥样硬化(48.17% vs 36.61%)和心源性栓塞(12.57% vs 6.56%)比例更高,而结局良好组则以小血管闭塞为主(46.28% vs 29.84%)。BMI、血压、从入院到穿刺时间、胱氨酸C、BUN或同型半胱氨酸水平没有显著差异。
**表2** 结局不良(mRS 3–6) 结局良好(mRS 0–2)
p值
参与者 192 1,129
性别 0.011 男性 120 (62.50) 80 8 (71.57) 女性 72 (37.50) 32
年龄(岁) 66.72 ± 12.87 58.05 ± 12.74 <0.001
教育程度 <0.001 文盲 7 (3.65) 38 (3.37) 小学或初中 134 (69.79) 629 (55.71)
高中或大专 40 (20.83) 309 (27.37)
学士学位或以上 11 (5.73) 153 (13.55)
吸烟 0.060 现在 40 (20.83) 328 (29.05) 曾经 17 (8.85) 83 (7.35) 从未 135 (70.31) 71
饮酒 0.816 现在 23 (11.98) 150 (13.29) 曾经 12 (6.25) 88 (7.79) 从未 150 (78.12) 84
84 (75.11) 未知 7 (3.65) 43 (3.81)
糖尿病 40 (20.83) 186 (16.47) 0.138
高血压 111 (57.81) 623 (55.18) 0.498
冠心病 11 (5.73) 45 (3.99) 0.268
血脂异常 3 (1.56) 32 (2.83) 0.310
中风/TIA 50 (26.04) 175 (15.50) <0.001
心房颤动 13 (6.77) 29 (2.57) 0.002
抗血小板治疗 147 (76.56) 1,005 (89.02) <0.001
抗凝治疗 14 (7.29) 89 (7.88) 0.778
BMI(千克/平方米) 23.61 (21.47–25.77) 24.11 (22.49–26.06) 0.430
SBP(毫米汞柱) 154.81 ± 24.00 153.13 ± 24.10 0.312
DBP(毫米汞柱) 89.79 ± 16.05 91.12 ± 14.75 0.328
DNT(分钟) 31.00 (24.00–44.00) 32.00 (24.00–45.00) 0.553
WBC(*10^9/升) 8.60 ± 2.98 8.06 ± 2.87 0.023
Hs-CRP(毫克/升) 8.29 ± 18.01 3.82 ± 8.01 <0.001
ALT(U/升) 19.42 (15.00–25.00) 21.20 (15.60–30.00) 0.006
SHR 1.05 ± 0.25 0.99 ± 0.26 0.001
HbA1C(%) 6.81 ± 1.86 6.33 ± 1.47 <0.001
ABG(毫米摩尔/升) 7.70 ± 3.57 6.47 ± 2.70 <0.001
LDL(毫米摩尔/升) 2.90 ± 0.96 3.05 ± 1.06 0.043
Cys-C(毫克/升) 1.29 (0.86–2.20) 1.20 (0.79–2.14) 0.522
UA(微摩尔/升) 342.10 (262.55–411.40) 358.40 (298.75–437.70) 0.034
BUN(IU/升) 5.75 (4.48–7.70) 5.45 (4.40–6.72) 0.087
HCY(微摩尔/升) 12.12 (9.80–16.06) 12.00 (9.60–16.20) 0.937
TOAST 92 (48.17) 413 (36.61) 小血管闭塞 57 (29.84)
心源性栓塞 24 (12.57) 74 (6.56)
其他确定原因的中风 10 (5.24) 59 (5.23)
原因不明的中风 8 (4.19) 60 (5.32)
NIHSS 9.00 (4.75–15.00) 4.00 (2.00–6.00) 0.107
mRS 3.59 ± 1.33 2.17 ± 1.41 <0.001
**参与者基线特征(n = 1,321)**
值以均值±标准差、中位数(四分位数)或数量(%)表示。
**多变量分析**
单变量分析显示,多个因素与AIS患者的90天结局显著相关(表1)。在人口统计特征中,高龄(OR 1.06,95% CI 1.04–1.07,p < 0.001)和女性(OR 1.51,95% CI 1.10–2.08,p = 0.011)与不良预后风险增加相关。既往中风/TIA史(OR 1.92,95% CI 1.34–2.75,p < 0.001)和心房颤动(OR 2.75,95% CI 1.41–5.40,p = 0.003)是不利结局的显著预测因素。对于实验室参数,SHR(OR 2.35,95% CI 1.33–4.15,p = 0.003)、FBG(OR 1.12,95% CI 1.07–1.18,p < 0.001)、HbA1c(OR 1.18,95% CI 1.08–1.28,p < 0.001)、WBC(OR 1.06,95% CI 1.01–1.11,p = 0.021)和Hs-CRP(OR 1.03,95% CI 1.02–1.05,p < 0.001)水平都与不良结局相关。
**应激性高血糖比率对功能结局的预测价值**
我们使用多元逻辑回归模型评估了SHR与90天功能结局之间的关联(表3)。在完全调整了人口统计、临床和实验室指标后(模型III),连续SHR变量分析显示,SHR每增加0.1单位,90天不良功能结局的比值比(OR)增加1.11(95% CI,1.03–1.20,p = 0.007)。这表明SHR是90天功能预后的独立风险因素,具有明确的剂量-反应关系。四分位数分析进一步证实了这些发现。与参考组(Q1)相比,第三四分位数(Q3)的患者功能损伤风险显著增加,调整后的OR为2.83(95% CI,1.63,4.89,p < 0.001)。第四四分位数(Q4)的患者风险也显著增加,OR为2.08(95% CI,1.18,0.67,p = 0.012)。
**图2** 平滑曲线拟合
**未测量混杂因素的敏感性分析**
E值分析用于评估未测量混杂因素对我们主要发现的潜在影响。对于SHR(每增加0.1单位)与90天不良功能结局之间的完全调整关联(模型III:OR = 1.11,95% CI:1.03–1.20,相当于OR = 2.86,95% CI:1.36–6.00,p = 0.006),E值为5.17,其中较低的置信限E值为2.06。这表明,要完全消除观察到的关联,未测量混杂因素需要与SHR和不良功能结局的风险比至少分别增加5.17倍,超出了我们多变量模型中已经调整的广泛协变量集。作为临床背景,典型的糖尿病药物对中风结局的保护作用范围为OR 0.6–0.9(相当于RR 1.1–1.7,取倒数后),远低于消除我们观察到的关联所需的阈值(RR ≥ 5.17),表明对潜在未测量混杂因素的稳健性很强。在阈值效应分析(表4)中,分段线性回归模型确定了一个拐点,即SHR = 1.09。在这个阈值以下,SHR每增加0.1个单位,不良结局的风险显著增加(OR = 1.33,95% CI:(1.16, 1.57),p < 0.001),相当于每增加1个单位,风险增加22.38倍(95% CI:5.18–96.73,p < 0.001)。这一关联的E值为44.26(置信下限E值:9.83),表明在这一关键的预后范围内,即使存在未测量的混杂因素,该关联也非常稳健。任何未测量的混杂因素需要表现出与暴露和结局之间难以置信的强关联(RR ≥ 44.26),才能抵消这一效应,这远远超过了文献中报告的任何合理的药物效应。在拐点以上(SHR > 1.09),这种关联减弱且不再具有统计学意义(SHR每增加0.1个单位,OR = 0.91,95% CI:0.79–1.06,p = 0.201;相当于每增加1个单位,风险增加0.30倍,95% CI:0.06–1.47,p = 0.138),因此,这部分数据没有计算E值。
对于阈值效应分析(表4),分段线性回归模型识别出一个拐点,即SHR = 1.09。在该阈值以下,SHR每增加0.1个单位,不良结局的风险显著增加(OR = 1.33,95% CI:(1.16, 1.57),p < 0.001),相当于每增加1个单位,风险增加22.38倍(95% CI:5.18–96.73,p < 0.001)。这一关联的E值为44.26(置信下限E值:9.83),表明在这一关键的预后范围内,即使存在未测量的混杂因素,该关联也非常稳健。任何未测量的混杂因素需要表现出与暴露和结局之间难以置信的强关联(RR ≥ 44.26),才能抵消这一效应,这远远超过了文献中报告的任何合理的药物效应。在拐点以上(SHR > 1.09),这种关联减弱且不再具有统计学意义(SHR每增加0.1个单位,OR = 0.91,95% CI:0.79–1.06,p = 0.201;相当于每增加1个单位,风险增加0.30倍,95% CI:0.06–1.47,p = 0.138),因此,这部分数据没有计算E值。
表4:SHR每增加0.1个单位时不良结局的发生率及OR(95% CI)和p值
模型I:线性效应
1.11 (1.03, 1.20) 0.007
模型II:拐点(SHR)
1.09 1.33 (1.16, 1.57) < 0.001
拐点以上
0.91 (0.79, 1.06) 0.201
p值(对数似然比检验):0.002
使用分段线性回归对SHR和90天功能结局进行阈值效应分析(SHR每增加0.1个单位时的OR)。
效应:90天功能结局;原因:SHR。
我们调整了性别、年龄、教育程度、吸烟情况、BMI、糖尿病、中风/TIA、心房颤动、血脂异常、SBP、Hs-CRP、DNT、胱氨酸C、TOAST、NIHSS、pre-mRS、抗血小板治疗和抗凝治疗等因素。
敏感性分析
敏感性分析(表5)表明,首先针对BMI < 25 kg/m2的参与者(n = 844)进行的分析一致支持了初步发现,即SHR每增加0.1个单位,不良结局的风险增加1.14倍(95%置信区间:1.04–1.25,p = 0.006),四分位数分析中也显示了类似的模式,其中Q3和Q4组继续显示出与不良结局的显著关联。第二项敏感性分析针对HbA1c < 6.5%的参与者(n = 917),进一步验证了这些发现,显示SHR每增加0.1个单位,不良结局的风险增加1.17倍(95%置信区间:1.06–1.29,p = 0.002),四分位数分析也继续显示出显著相关性,特别是在Q3组中,比值比为4.38(95%置信区间:2.09–0.15,p < 0.001)。
表5:不同敏感性分析中SHR与90天功能结局之间的关系(SHR每增加0.1个单位时的OR)
模型I是对BMI < 25 kg/m2的参与者(n = 844)进行的敏感性分析。我们调整了性别、年龄、教育程度、吸烟情况、糖尿病、中风/TIA、心房颤动、血脂异常、SBP、Hs-CRP、DNT、胱氨酸C、TOAST、NIHSS、pre-mRS、抗血小板治疗和抗凝治疗等因素。
模型II是对HbA1c < 6.5%的参与者(n = 917)进行的敏感性分析。我们调整了性别、年龄、教育程度、吸烟情况、BMI、糖尿病、中风/TIA、心房颤动、血脂异常、SBP、Hs-CRP、DNT、胱氨酸C、TOAST、NIHSS、pre-mRS、抗血小板治疗和抗凝治疗等因素。
连续SHR变量的比值比按每增加0.1个单位报告。四分位数分析代表分类比较。
为了更好地描述SHR与90天功能结局之间的关系,我们进行了线性和分段线性回归分析(表4)。结果显示,在模型I中,SHR具有显著的线性效应,比值比为1.11(95% CI:1.03–1.20,p = 0.007),表明SHR每增加0.1个单位,不良功能结局的风险增加11%。进一步分析在模型II中发现了一个拐点(对数似然比检验,p = 0.002)。在该阈值以下,SHR每增加0.1个单位,风险显著升高,OR为1.33(95% CI:(1.16, 1.57),p < 0.001),表明每增加0.1个单位,不良结局的风险增加33%。相比之下,当SHR超过1.09时,这种关联不再具有统计学意义,OR为0.91(95% CI:0.79–1.06,p = 0.201),表明应激性高血糖对功能结局的负面影响主要在这个阈值以下观察到,尽管这种趋势并不具有统计学意义。对数似然比检验的p值为0.002,证实了模型的拟合度良好以及SHR与功能结局之间的非线性关系。这些发现表明,SHR可能是一个值得进一步研究的预后指标,所确定的阈值效应为未来探讨急性缺血性中风中血糖管理策略的前瞻性研究提供了假设。
在所有预先指定的或探索性的亚组评估中(表6),年龄、性别、吸烟状况、糖尿病和中风/TIA与SHR之间没有显著交互作用。这些因素没有改变AIS患者中SHR与90天功能结局之间的关系。
表6:特征与SHR的关系
特征 患者数量 效应大小(95% CI) p值 交互作用的p值
性别 0.516 男性 928 2.01 (0.78, 5.19) 0.147 女性 393 4.61 (1.27, 16.78) 0.021
年龄(岁) 0.193 <65 889 1.15 (0.37, 3.58) 0.804 ≥65 432 8.40 (2.57, 27.47) <0.001
吸烟 0.747 现在吸烟 368 1.54 (0.24, 9.81) 0.645 曾经吸烟 100 1.33 (0.05, 37.73) 0.868 从未吸烟 85 33.13 (1.29, 7.62) 0.012
糖尿病 0.308 无 1,095 3.43 (1.48, 7.98) 0.004 有 226 2.71 (0.38, 19.38) 0.320
中风 0.942 无 1,096 3.01 (1.2, 6.84) 0.009 有 225 3.34 (0.37, 30.48) 0.285
上述模型调整了性别、年龄、教育程度、吸烟情况、BMI、糖尿病、中风/TIA、心房颤动、血脂异常、SBP、Hs-CRP、DNT、胱氨酸C、TOAST、NIHSS、pre-mRS、抗血小板治疗和抗凝治疗等因素。
在每种情况下,模型均未调整分层变量。
讨论
在这项涉及1,321名连续急性缺血性中风患者的回顾性队列研究中,我们调查了应激性高血糖比率(SHR)与90天功能结局之间的关联。在全面调整了人口统计特征、心血管风险因素和临床参数后,我们发现SHR与不良结局之间存在显著的非线性关系。值得注意的是,对于SHR值低于1.09的情况,SHR每增加0.1个单位,不良结局的风险显著增加(OR = 1.33,95% CI:(1.16, 1.57),p < 0.001)。这种关联在超过1.09的阈值后显著减弱,此时SHR每增加0.1个单位,不再具有显著关联(OR = 0.91,95% CI:0.79–1.06,p = 0.201),表明SHR具有明显的预后阈值效应。
SHR在反映生理应激期间的急性血糖反应中起着关键作用,独立于慢性血糖状态。它是不良临床结局的重要预测因子,并为危重患者提供了有价值的预后信息。我们的发现与几项近期研究结果一致。Shen等人(17)在341名接受静脉溶栓治疗的急性缺血性中风患者的研究中展示了SHR与临床结局之间的显著关联。同样,Liu等人(5)的研究(n = 819)也证实了SHR与中风预后之间的关系。然而,这些研究主要使用了传统的线性回归模型,未能发现我们发现的阈值效应。我们的研究通过分段线性回归分析首次确定了SHR的临界预后阈值1.09,为临床风险分层提供了更精确的参考。Huang等人的一项近期多中心研究表明,SHR可能通过其对炎症反应和氧化应激的影响来影响中风结局(28)。有趣的是,虽然我们的研究确定了一个具体的拐点,但一些近期研究表明SHR与某些临床结局可能存在U形关系。这种潜在的非线性模式需要进一步研究,以确定我们确定的阈值是否代表了SHR与中风结局之间更复杂关系的一个组成部分。关于潜在机制,多项研究证实SHR可能通过其对炎症反应和氧化应激的影响来影响中风结局,其中应激性高血糖与增强的炎症反应和升高的氧化应激水平有关,这可能是SHR影响中风预后的重要机制(29)。此外,与以往的研究相比,我们的研究进行了更全面的混杂因素调整,包括教育水平、病史和实验室参数等重要协变量,提高了我们发现的可靠性。
为了说明我们发现的意义,我们注意到,在我们的队列中,当SHR低于1.09时,SHR每增加0.1个单位,不良功能结局的风险增加33%。这种关联为量化应激性高血糖与功能预后之间的关系提供了基础。然而,我们强调这些是从回顾性研究中得出的观察性关联,不应直接作为临床决策的阈值。分段模型所暗示的累积关系(OR累积 = 1.33^n,对于SHR < 1.09的每个0.1单位增量)提供了我们数据集中剂量-反应模式的统计特征,并可能为未来探讨急性缺血性中风中血糖管理的前瞻性研究或干预试验的设计提供信息。任何基于SHR的风险分层方法的正式临床应用都需要在独立队列中进行前瞻性验证,评估其临床效用(包括净重新分类改善和决策曲线分析),并在随机试验中展示SHR指导干预的好处。我们研究中的一个重要方法学考虑是,入院时的血糖测量是在急诊情况下随机(非空腹)获得的样本。我们认为这种方法不仅在实践中是必要的,而且在急性中风的背景下也是生理上合适的,原因如下:首先,在急性缺血性中风中,入院血糖升高的主要驱动因素是神经内分泌应激反应:HPA轴和交感肾上腺系统的激活导致儿茶酚胺和皮质醇的释放,促进肝脏糖异生和糖原分解以及外周胰岛素抵抗(30, 31)。这种应激介导的血糖升高(通常比个体基线高5–10 mmol/L)远远超过了非糖尿病个体的正常餐后波动(2–3 mmol/L),并且不受空腹状态的影响。因此,急性中风中的入院血糖主要反映了病理性的应激性高血糖,而不是营养状态。其次,SHR指标的设计将急性随机血糖标准化为基于HbA1c估计的平均血糖,后者反映了个体在过去2–3个月内的空腹和餐后血糖水平——从而提供了一个个性化的、不受空腹状态影响的基线调整。第三,使用随机入院血糖来计算SHR的方法是公认的,并且与之前发表的急性缺血性中风中的SHR研究一致。值得注意的是,Chen等人(16)直接比较了IVT治疗的AIS患者中基于随机血糖与基于空腹血糖的SHR,表明基于随机血糖的SHR(SHR1)是非糖尿病患者90天功能结局的显著独立预测因子(OR = 1.246,95% CI:1.041–1.492,p = 0.016)。随后采用相同方法的多项研究也报告了一致的预后关联(10, 15, 17),证实了使用随机入院血糖时SHR-结局关系的稳健性。第四,我们研究中发现的显著阈值效应(SHR < 1.09时每增加0.1个单位,OR = 1.33)完全符合与应激相关的生理机制,如果随机血糖的变异性是主导因素,则这种效应是不合理的。然而,我们承认,作为一项回顾性研究,餐食时间和血糖测量的时间没有系统记录,因此无法直接量化这种潜在的变异性来源。未来的前瞻性研究应系统记录餐食时间和采样时间,以提供更明确的证据。我们在“局限性”部分明确指出了这一点。具体来说,未来的前瞻性研究应正式评估SHR的增量预测价值,包括NIHSS评分、年龄和中风亚型等已知预测因子之外的因素,通过净重新分类改善(NRI)和综合区分改善(IDI)分析来确定SHR是否提供了超出当前风险分层工具的临床意义。我们的发现对未来的预后研究具有潜在意义。首先,确定的SHR阈值(1.09)代表了一个基于关联的预后信号,如果得到前瞻性验证,可能为接受静脉溶栓治疗的急性缺血性中风患者的风险分层方法提供信息。然而,我们强调,我们的回顾性发现不应被解释为建立了临床行动阈值;在任何基于SHR的标准被考虑用于临床之前,都需要进行前瞻性验证。其次,我们观察到的非线性关联提出了关于血糖管理策略的假设,这些策略需要在未来的干预研究中进行探讨:具体来说,SHR低于1.09的患者是否可以从加强的血糖监测中受益,以及降低血糖的治疗在不同SHR范围内的风险-收益概况是否不同。这些问题只能通过前瞻性随机试验来明确回答。此外,这些发现提供了探索性的观察证据,可能有助于确定未来临床研究的方向,但并不构成当前临床实践指南的基于证据的依据。然而,仍需要大规模的多中心随机对照试验来验证这些发现,特别是关于SHR阈值在不同种族群体和中风亚型中的适用性,以及基于该阈值的临床干预措施的有效性。我们研究的几个优点值得强调。首先,我们的回顾性多中心设计,得益于深圳市中风质量控制中心的集中管理结构,大大提高了研究结果的可靠性和普遍性。统一的基于网络的数据录入平台、标准化的人员培训、集中式的数据审核,以及所有36个中心集中在一个都市医疗网络中,共同实现了强大的跨中心数据标准化——这种质量控制水平超过了通常在跨越异质医疗系统的回顾性登记研究中所能达到的水平。其次,我们采用了全面的统计方法,包括传统的回归分析和先进的阈值效应建模,以更深入地了解SHR与中风结果之间的复杂关系。第三,我们的分析考虑了人口统计学、临床和实验室领域的广泛潜在混杂因素(模型III包括性别、年龄、教育程度、吸烟、BMI、糖尿病、中风/TIA病史、心房颤动、血脂异常、收缩压、Hs-CRP、从入院到穿刺的时间、胱抑素C、TOAST分类、NIHSS评分、中风前的mRS、抗血小板治疗和抗凝治疗)。关键的是,我们进行了预先指定的E值敏感性分析((26),以定量评估对潜在未测量混杂因素的鲁棒性。主要关联的E值为5.17(下限CI:2.06),低于SHR的阈值效应的E值为44.26(下限CI:9.83),这两个值都远远超过了任何可能的未测量混杂因素(包括降糖药物(典型RR:1.1–1.7)、饮食习惯或基因变异)所能解释的关联强度,从而提供了我们的发现对残余未测量混杂因素具有鲁棒性的定量证据。第四,90天的功能结果是通过训练有素的神经科医生进行的标准化结构化电话访谈来评估的,这是常规登记数据收集的一部分,独立于研究人员对SHR-结果关联的分析。这种结果确定与暴露分析之间的程序独立性最小化了回顾性观察研究中固有的评估者偏差风险。此外,电话mRS评估遵循了经过验证的结构化访谈协议(18, 19),确保了所有参与中心的结果测量的一致性和可靠性。最后,我们的大样本量连续接受静脉溶栓治疗的患者提供了足够的统计能力来检测具有临床意义的关联,并使得亚组分析成为可能。
然而,也应承认几个局限性。首先,我们的数据库没有系统地记录静脉溶栓后进行的内血管取栓术(EVT)信息。这一限制使我们无法确定是否有患者接受了介入手术,分析取栓术对患者预后的影响,或评估仅接受IVT的患者与接受桥接治疗的患者之间的SHR-结果关系是否有所不同。然而,在我们的研究期间(2017–2022年),我们地区的EVT使用率相对较低,我们用基线NIHSS评分作为中风严重程度的代理指标进行了调整。未来需要具有全面EVT数据收集的前瞻性研究来验证所确定的SHR阈值是否在不同再灌注策略中保持一致。其次,尽管入院时的血糖是一个随机(非空腹)测量值——这在急性中风急诊环境中是标准且生理上合适的——但我们的回顾性数据库中没有系统记录餐食时间和血糖采样的时间,因此无法直接量化营养因素对血糖变异的贡献。这一限制通过多个因素得到了缓解:(1)SHR设计将随机血糖与HbA1c衍生的平均血糖进行了标准化,反映了过去2-3个月的空腹和餐后状态;(2)在急性中风中,应激介导的血糖升高(5-10 mmol/L)比典型的餐后波动(2-3 mmol/L)更为常见;(3)我们的发现与使用相同测量方法的先前SHR研究结果一致,包括一项直接比较随机血糖与空腹血糖基SHR的研究(16)。具有系统餐食时间记录的前瞻性研究将更明确地描述这一变异来源。第三,我们排除了已有糖尿病、严重器官功能障碍和正在接受降糖药物治疗的患者,这可能限制了我们的发现对这些人群的普遍性。第四,作为一项观察性研究,我们只能证明关联,而不能确定SHR与功能结果之间的因果关系。第五,尽管我们调整了一组广泛的可测量混杂因素(模型III),但我们的回顾性数据库中缺少几个重要变量,这些变量可能是潜在的未测量混杂因素:(1)中风前的降糖药物使用——所有36个中心都没有系统收集抗糖尿病药物(二甲双胍、磺酰脲类、DPP-4抑制剂、GLP-1受体激动剂、SGLT-2抑制剂和胰岛素)的类型和剂量,因为数据库中的药物核对没有标准化;某些具有多重神经保护作用的药物(例如GLP-1受体激动剂和SGLT-2抑制剂)理论上可能同时影响SHR水平和功能结果;(2)梗死体积和再通状态——神经影像学定量和系统再通数据在不同中心之间并不统一;(3)饮食习惯、体力活动和生活方式因素;(4)药物基因组学和血糖调节相关的基因变异。然而,E值分析提供了强有力的定量证据,表明这些未测量混杂因素不太可能完全解释我们的发现:一个未测量的混杂因素需要与SHR和不良结果之间的风险比至少为5.17倍(主要关联)或44.26倍(低于SHR的阈值效应)——远超过文献中报告的任何可能未测量混杂因素的效果大小。未来具有系统餐食时间记录的前瞻性研究将更明确地描述这一变异来源。第三,我们排除了已有糖尿病、严重器官功能障碍和正在接受降糖药物治疗的患者,这可能限制了我们的发现对这些人群的普遍性。第四,作为一项观察性研究,我们只能证明关联,而不能确定因果关系。第五,虽然我们调整了一组广泛的可测量混杂因素(模型III),但有几个重要变量在我们的回顾性数据库中不可用,代表了潜在的未测量混杂因素:(1)中风前的降糖药物使用——所有36个中心都没有系统收集抗糖尿病药物(二甲双胍、磺酰脲类、DPP-4抑制剂、GLP-1受体激动剂、SGLT-2抑制剂和胰岛素)的类型和剂量,因为数据库中的药物核对没有标准化;某些具有多重神经保护作用的药物(例如GLP-1受体激动剂和SGLT-2抑制剂)可能同时影响SHR水平和功能结果;(2)梗死体积和再通状态——神经影像学定量和系统再通数据在不同中心之间并不统一;(3)饮食习惯、体力活动和生活方式因素;(4)药物基因组学和血糖调节相关的基因变异。然而,E值分析提供了强有力的定量证据,表明这些未测量混杂因素不太可能完全解释我们的发现:一个未测量的混杂因素需要与SHR和不良结果之间的风险比至少为5.17倍(主要关联)或44.26倍(低于SHR的阈值效应)——远超过文献中报告的任何可能未测量混杂因素的效果大小。未来具有系统收集中风前药物史和全面神经影像学数据的前瞻性研究对于明确解决这些残余混杂因素至关重要。第六,我们的研究人群主要由来自中国东部的中国患者组成,这可能限制了我们的发现对其他种族群体的适用性。最后,我们仅在中风后90天评估了功能结果,SHR对中风结果的长期影响仍有待确定。此外,尽管深圳市中风质量控制中心的集中管理和统一的数据录入协议大大减少了中心间的变异性,但我们没有通过混合效应模型或广义估计方程(GEEs)在主要分析中正式考虑中心级别的聚类效应。作为一项回顾性研究,溶栓剂选择、影像学资格标准、中风后血糖管理和出院后随访强度的未测量中心间变异可能引入了我们的协变量调整无法完全解决的残余中心级别异质性。未来的前瞻性研究应预先指定分层建模方法(例如,以中心为随机效应的混合效应逻辑回归)作为主要分析策略,并系统地收集中心级别特征作为协变量,以正式评估和解释SHR-结果关系中的中心级别聚类效应。我们的发现指出了未来研究的几个重要方向。迫切需要具有系统收集全面内血管取栓术数据的前瞻性多中心研究,以验证SHR阈值效应(在1.09处的拐点)是否在不同再灌注策略中保持一致,包括单独的IVT、桥接治疗(IVT + EVT)和直接EVT方法,并评估成功的再通(TICI 2b-3)是否改变了应激性高血糖的预后价值,以及再通的时间是否与急性血糖应激相互作用以影响结果。需要机制研究来阐明急性血糖应激如何通过不同的途径影响结果,这些途径可能包括阈值依赖的氧化应激、神经炎症、血脑屏障完整性、出血转化风险和再灌注损伤,这可能为高血糖中风患者的神经保护确定新的治疗靶点。需要干预试验来确定针对低于1.09阈值的强化血糖管理策略是否可以改善功能结果,以及这些干预是否应根据再灌注治疗类型、中风严重程度或再通状态进行定制,随机对照试验比较不同的血糖管理方法(强化 vs. 传统)在明确定义的患者亚组中提供关键临床实践证据。在多样化的人群、医疗系统和地理区域进行的外部验证研究对于确认我们发现的普遍性至关重要,以确定SHR阈值是否在不同种族、基线血糖控制状态(糖尿病前期 vs. 非糖尿病)、中风亚型(大血管动脉粥样硬化 vs. 心源性栓塞)或医疗资源设置(高 vs. 低EVT可用性)中有所不同。此外,未来的前瞻性多中心研究应采用预先指定的分层建模策略(以中心为随机效应的混合效应逻辑回归或以中心为聚类变量的GEE)作为主要分析框架,建立在现有的深圳市中风中心数据库基础设施之上,以正式描述和调整中心级别的聚类效应。系统收集中心级别变量——包括年度溶栓量、中风单元认证状态、血糖管理协议和EVT能力——将使我们能够正式评估中心级别的效应修饰,并为SHR阈值在不同临床环境中的普遍性提供更明确的证据。SHR的独立判别性能(AUC = 0.573)是适度的,与先前关于单一血糖生物标志物在多因素中风结果预测中的文献一致。这一发现强化了SHR作为补充预后指标的意图,与已建立的预测因子(NIHSS、年龄、中风亚型)一起使用,而不是作为一个独立的预测模型。未来的前瞻性研究应在完全调整的多变量模型中纳入正式的校准评估(例如,Hosmer–Lemeshow检验和校准图),以提供模型的全面评估。虽然我们的研究为SHR在急性缺血性中风中的独立预后价值提供了强有力的证据,但仍有几个重要问题需要未来的研究来解决。首先,需要进行具有系统、标准化收集中风前药物史的前瞻性研究,以明确检查特定降糖药物类别的潜在修饰效应。这些研究应捕获有关药物类型(二甲双胍、磺酰脲类、DPP-4抑制剂、GLP-1受体激动剂、SGLT-2抑制剂和胰岛素)、剂量、治疗持续时间和依从模式的详细信息。这将使研究人员能够确定某些具有多重效应的报告药物(例如SGLT-2抑制剂和GLP-1激动剂)是否修改了SHR-结果关系,或提供了超出SHR的额外预后信息。其次,需要机制研究来阐明应激性高血糖与不良结果之间的病理生理途径。
结论
我们的多中心回顾性研究确定了接受静脉溶栓的急性缺血性中风患者中SHR与90天功能结果之间的显著非线性关联,拐点在SHR = 1.09。低于此阈值,SHR每增加0.1单位,不良功能结果的几率增加33%(OR = 1.33,95% CI:1.16–1.57,p < 0.001),这种关联对未测量混杂因素具有鲁棒性(E值 = 44.26)。这些发现表明SHR作为一个可以从常规入院数据中得出的预后生物标志物具有潜力;然而,在不同队列中进行前瞻性验证,通过NRI和IDI分析正式评估其超出已建立预测因子(NIHSS、年龄和中风亚型)的增量预测价值,并在随机对照试验中展示其益处,是必要的,然后SHR才能指导溶栓决策。未来的前瞻性多中心研究应纳入全面的再灌注数据(EVT和再通状态)、神经影像学参数和更长期的结果,以全面描述当代急性中风护理中的SHR-结果关系。虽然由于回顾性设计的固有数据收集限制,我们的研究无法评估接受内血管取栓术的患者,但我们的发现为IVT治疗患者的风险分层和预后评估提供了有价值的见解,这些患者代表了全球大多数再灌注治疗接受者。未来包含所有再灌注方式(包括EVT程序和再通状态)的全面数据的前瞻性研究对于全面描述当代急性中风治疗中的SHR-结果关系至关重要,以确定所确定的阈值效应是否受到机械取栓术和成功血管再通的修改。