Сепсис относится к критическим состояниям и накладывает тяжелое бремя на системы здравоохранения во всем мире. Исходя из гетерогенности среди пациентов с сепсисом, выявление пациентов с высоким риском летальности приобретает чрезвычайно важное значение [1]. Прокальцитонин (ПКТ) — хорошо известный биомаркер, что применяется для изучения тяжести сепсиса и управления антибиотикотерапией [2]. На практике ПКТ измеряется многократно во время пребывания пациента в госпитале. При том, что даже однократное измерение ПКТ может быть полезным, динамические тренды при многократном измерении ПКТ могут предоставить более полную информацию о прогнозе пациента. Традиционные методы анализа часто неспособны предоставить полную картину такого сложного состояния как сепсис [3]. Путем использования иерархической линейной модели случайных эффектов (hierarchical linear mixed-effects), это исследование изучило определенные траектории ПКТ у пациентов с сепсисом и ассоциации выявленных траекторий с летальностью, что предоставляет обновленный подход к стратификации риска.
Здесь мы сообщаем об основных результатах. Это исследование было одобрено этическим комитетом Zhongshan Hospital Fudan University. Информированное согласие не бралось в связи с ретроспективным характером исследования, когда все данные были анонимными. Количество пациентов 537 (167 женщин, 370 мужчин. Медиана возраста 69 лет [IQR 59–77]). Пропорция пациентов с септическим шоком составила 47.5%. Основными источниками инфекции стали легкие (202/37.6%) и брюшная полость (274/51.0%). Медиана длительности госпитализации составила 10 дней [IQR 4–20] в ОИТ и 15 дней [IQR 10–25] в госпитале. Госпитальных смертей сто шестьдесят пять.
Для анализа моделирования траекторий было доступно 2492 измерения ПКТ. С помощью HLME модели было выявлено три класса траекторий ПКТ (Рис. 1А). Класс I, также известный как «высокое значение с постепенным снижением», включил 43 пациента (8%) и характеризовался высокими исходными значениями ПКТ, что оставались стабильными в течение первых трех дней с последующим постепенным снижением. Класс II или «стабильно низкий», включил 354 (66%) пациентов и характеризовался низкими начальными уровнями ПКТ, что оставались таковыми в первые семь дней пребывания пациента в ОИТ. Класс III или «высокие значения с быстрым снижением», включил 140 пациентов (26%) и характеризовался высокими начальными уровнями ПКТ, что быстро снижались с течением времени.
Начальные характеристики пациентов значительно различались (Таблица 1). Пациенты из первого и третьего классов показывали изначально высокие оценки по шкале SOFA, им требовалась терапия высокими дозами вазопрессоров для поддержания артериального давления по сравнению с пациентами из класса II. Наибольшей летальность была у пациентов из класса I (42%) по сравнению с пациентами из класса II (32%) и класса III (24%) (P = 0.044). Исходные переменные (возраст, пол, оценки по SOFA при поступлении в отделение интенсивной терапии [ОИТ], исходный уровень лактата, наличие септического шока, хирургические вмешательства, источник инфекции) и классы траекторий ПКТ были включены в модель пропорциональных рисков Кокса для госпитальной летальности. С классом I как референтный уровень, класс II (HR: 0.507 [95% CI 0.287–0.895], P = 0.020) и класс III (HR 0.449 [95% CI 0.244–0.827], P = 0.011) оказались независимыми протективными факторами госпитальной летальности. Кривая выживаемости Kaplan–Meier survival была использована для иллюстрации госпитальной летальности во всех трех классах (Рис. 1В).
Три явных траектории ПКТ были выявлены в этом исследовании. Несмотря на очень заметные различия среди трех классов, траектория «высокое значение с медленным снижением» являлась независимым фактором риска высокой госпитальной летальности. Принимая во внимание строгую связь между траекториями ПКТ и летальностью, постоянный мониторинг уровней ПКТ является обязательным для клиницистов в целях выявления пациентов высокого риска с сепсисом. Результаты этого исследования предоставляют клиницистам новую информацию для оптимизации процесса принятия клинического решения и могут поддержать разработку более эффективных и персонализированных стратегий лечения сепсиса, что все вместе приведет к улучшению пациентских исходов.
References
- Evans L, Rhodes A, Alhazzani W, Antonelli M, Coopersmith CM, French C, Machado FR, McIntyre L, Ostermann M, Prescott HC, et al. Surviving sepsis campaign: international guidelines for management of sepsis and septic shock 2021. Intensive Care Med. 2021;47(11):1181–247.
- Papp M, Kiss N, Baka M, Trásy D, Zubek L, Fehérvári P, Harnos A, Turan C, Hegyi P, Molnár Z. Procalcitonin-guided antibiotic therapy may shorten length of treatment and may improve survival-a systematic review and meta-analysis. Crit Care. 2023;27(1):394.
- Wang X, Andrinopoulou ER, Veen KM, Bogers A, Takkenberg JJM. Statistical primer: an introduction to the application of linear mixed-effects models in cardiothoracic surgery outcomes research-a case study using homograft pulmonary valve replacement data. Eur J Cardiothorac Surg. 2022;62(4):ezac429.
- Leyland AH, Goldstein H. Multilevel modelling of health statistics. Hoboken: Wiley; 2001.
Источник: https://ccforum.biomedcentral.com/articles/10.1186/s13054-024-05100-0