慢性心力衰竭中的代谢-炎症轴:整合中性粒细胞-淋巴细胞比值(NLR)与甘油三酯-葡萄糖(TyG)指数通过机器学习与中介分析预测新发心房颤动

《Frontiers in Endocrinology》:The metabolic-inflammatory axis in chronic heart failure: integrating the NLR and TyG index for recent-onset atrial fibrillation prediction via machine learning and mediation analysis

【字体: 大 中 小 】 时间:2026年08月27日 来源:Frontiers in Endocrinology 5.7

编辑推荐:

  引言:新发心房颤动(AF)是慢性心力衰竭(CHF)的常见并发症,可能涉及炎症与代谢双重失调。本研究旨在开发并外部验证一个可解释的机器学习(ML)模型,用于预测CHF患者新发AF风险,并探索炎症失调、代谢失调与新发AF之间的关系。 方法:这项回顾性多中心研究纳入

  
引言:新发心房颤动(AF)是慢性心力衰竭(CHF)的常见并发症,可能涉及炎症与代谢双重失调。本研究旨在开发并外部验证一个可解释的机器学习(ML)模型,用于预测CHF患者新发AF风险,并探索炎症失调、代谢失调与新发AF之间的关系。 方法:这项回顾性多中心研究纳入广安门医院与西苑医院4872例CHF住院患者,外部验证另含277例患者。分析人口学、临床及实验室变量,包括甘油三酯-葡萄糖(TyG)指数与中性粒细胞-淋巴细胞比值(NLR)。比较9种ML算法预测AF;采用SHapley Additive exPlanations(SHAP)评估可解释性;分段回归检验非线性阈值效应;中介分析探索TyG、NLR与AF的免疫代谢通路。 结果:Extra Trees模型最优,训练集AUC 0.853,外部验证AUC 0.766。NLR与AF风险呈非线性关联,在4.24以下上升更陡;TyG呈阈值依赖性J形关系,5.91以上风险显著升高。TyG与NLR联合进一步提升判别力。中介分析提示TyG与AF的关联中,经NLR的间接效应占较大比例。 结论:可解释ML框架确认免疫-代谢轴是CHF新发AF的重要预测组分。NLR与TyG是廉价、临床易获的生物标志物,可改善早期风险分层,并识别代谢应激与炎症并存的高危表型。试验注册:ChiCTR(ITMCTR2025001576)。
研究背景:心力衰竭(HF)是一种由心脏结构或功能异常导致心室充盈或射血受损的复杂临床综合征,全球患病人数约6400万,慢性心力衰竭(CHF)作为其长期表型,以进行性心肌重构与反复失代偿为特征。心房颤动(AF)是CHF常见共病,二者双向促进:AF通过损害心房收缩加重心室功能,CHF则经心房牵张、纤维化、电重构、神经激素激活、炎症、氧化应激及代谢紊乱促发AF。传统单一临床指标难以识别高危人群。常规实验室中,中性粒细胞-淋巴细胞比值(NLR)反映先天免疫激活与适应免疫抑制,甘油三酯-葡萄糖(TyG)指数是胰岛素抵抗与代谢应激替代标志物,但二者整合入可解释预测模型并探索其相互作用的研究稀缺。研究人员因此开展此项回顾性多中心研究,旨在构建并外部验证基于免疫代谢标志物的ML预测框架,并解析TyG-NLR-AF统计通路。
关键技术方法:研究数据来自中国中医科学院广安门医院与西苑医院2015年1月至2024年12月CHF患者(训练集4872例),外部验证采用济南市中医医院277例独立队列。缺失率<20%变量用K近邻(KNN)填补;结局定义为随访中首次标准心电图记录的新发AF。统计采用R 4.3.3与Zstats,连续变量用限制立方样条与分段logistic回归检阈值,中介分析用mediation包双向检验TyG-NLR-AF通路;ML部分用Python 3.12构建9种算法(梯度提升、KNN、决策树、随机森林、人工神经网络、支持向量机、LightGBM、Extra Trees、XGBoost),70%训练30%内部测试,固定随机种子2026,以AUC-ROC、校准曲线、决策曲线分析(DCA)与SHAP解释筛选最优模型。
研究结果:
3.1 患者筛选:初始15031例经排除多中心重复、缺失、年龄超限、肝肾功能衰竭及急性感染后,最终4872例进入分析(新发AF 1290例,26.48%),验证集277例(AF 77例,27.80%)。
3.2 基线特征:AF组年龄、心率、NLR、TyG、LDH、炎症指标及合并症显著异于对照组(P<0.05)。
3.3 模型开发与比较:LightGBM与LASSO+Boruta双轨选变量,锁定ALP、TyG、NLR、IgM、DBP、LDH六特征;9种算法中Extra Trees最优(训练AUC 0.853,测试集次之,外部验证AUC 0.766,准确度0.698,敏感度0.753),校准Brier 0.188,DCA净获益良好。SHAP显示NLR贡献最大,TyG次之,LDH第三;TyG×NLR组合单指标AUC 0.642,优于CHA2DS2-VASc与C2HEST等临床模型。
3.4 阈值效应:分段回归确定NLR拐点4.24(以下OR 1.97,以上OR 1.21),TyG拐点5.91(以下无显著关联,以上OR 3.01),证实二者非线性J形/饱和特征。
3.5 亚组分析:NLR与TyG在各合并症亚组(高血压、糖尿病、卒中、贫血等)中关联稳定,无显著交互。
3.6 中介分析:TyG→NLR→AF通路中,NLR介导比例77.60%(原模型)至81.44%(扩模型),间接效应显著;反向NLR→TyG→AF仅介导6–8%,提示代谢失调主要通过炎症激活促AF,而非相反。
讨论总结:研究人员指出,CHF-AF共享血流动力学、纤维化、自主神经与免疫代谢机制;NLR作为常规血常规衍生指标,捕获中性粒驱动炎症与淋巴减少,促进氧化损伤与电重构;TyG超5.91反映胰岛素抵抗负荷,在CHF中低值可能提示恶液质而非良性代谢。二者协同构成“代谢-炎症轴”。中介不对称表明炎症是代谢促心律失常的主要下游效应器,但NLR对AF亦有独立于TyG的直接通路。六特征ET模型兼顾性能与可解释性,所有变量均来自常规检验,适合资源受限场景;SHAP局部解释可支持个体风险沟通。局限性含回顾性偏倚、北方中心为主、外验样本较小、单时点标志物无法定时序、残余混杂未除。
结论翻译:研究人员开发并外部验证了一个可解释ML模型,用于预测CHF患者新发AF。九种算法中Extra Trees综合最优。NLR与TyG是最具影响力预测因子,均呈现临床相关阈值效应。中介分析进一步提示TyG相关AF风险较大程度经NLR捕获的炎症激活传递。这些发现支持将常规炎症与代谢生物标志物用于风险分层,并为早期识别CHF新发AF高危患者提供实用框架。论文发表于《Frontiers in Endocrinology》。
相关新闻
生物通微信公众号
微信
新浪微博

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