血管生成素样蛋白4和8在糖尿病并发症中的作用：与2型糖尿病患者的神经病变及代谢参数的相关性 Yuliyan Naydenov, Vera Karamfilova, Diana Nikolova, Savelia Yordanova, Zdravko Kamenov, Julieta Hristova, Antoaneta Trifonova Gateva

《Journal of Clinical Medicine》：Angiopoietin-like Proteins 4 and 8 in Diabetic Complications: Associations with Neuropathy and Metabolic Parameters in Type 2 Diabetes Yuliyan Naydenov, Vera Karamfilova, Diana Nikolova, Savelia Yordanova, Zdravko Kamenov, Julieta Hristova and Antoaneta Trifonova Gateva

　　摘要 背景：呼吸机相关肺炎（VAP）是机械通气重症监护病房（ICU）患者中常见且严重的并发症。早期诊断仍然具有挑战性，目前仍需要可靠的生物标志物来进行早期预测。中性粒细胞与淋巴细胞比值（NLR）是通过常规血液检测获得的，被认为是一个潜在的全身炎症标志物。本研究旨在评估NLR动态与机械通气患者发生VAP之间的关联。方法：本研究是对在三级ICU进行的一项前瞻性观察性队列研究的二次分析。纳入了需要机械通气超过48小时的成年患者。在预设的时间点进行微生物采样和血液检测。研究组的内套管按照计划间隔定期更换，而对照组则接受标准治疗。NLR值是根据常规全血细胞计数计算得出的，并根据VAP的发生情况进行分析。结果：共有312名患者被纳入研究（研究组162名，对照组150名）。研究组的VAP发病率（27.27%）显著低于对照组（56.7%）（χ2 = 26.81，p = 2.24 × 10?7）。研究组中发展为VAP的患者在临床诊断之前的NLR值较高。ROC分析确定NLR的最佳切割值为8.26，可用于预测VAP。相比之下，NLR在对照组中没有显示出预测价值（AUC = 0.55）。NLR的区分能力有限（AUC ≈ 0.62），仅略高于随机分类。NLR与CRP呈中等相关性（ρ = 0.46，p < 0.001），与PCT的相关性较弱。结论：升高的NLR值与VAP的后续发生相关；然而，观察到的预测性能有限且取决于具体情境。这些发现应被视为探索性的，需要在未来的研究中进行验证。

1. 引言
呼吸机相关肺炎（VAP）仍是入住重症监护病房（ICU）的机械通气患者中最常见和最严重的感染之一[1,2,3]。尽管预防策略和抗菌治疗有所进步，但VAP仍与死亡率增加、机械通气时间延长、ICU停留时间延长以及医疗费用大幅增加相关[4]。由于症状不特异以及现有诊断工具的局限性，早期诊断仍然困难[5,6]。传统的炎症生物标志物，如C反应蛋白（CRP）和前降钙素（PCT），在临床实践中广泛用于支持细菌感染的诊断，包括VAP。然而，由于危重患者中的特异性缺乏以及创伤、手术或全身炎症反应综合征等混杂因素的影响，其诊断准确性有限。因此，人们越来越关注能够早期风险分层并提高VAP诊断精确度的易获得且成本效益高的生物标志物[7,8]。中性粒细胞与淋巴细胞比值（NLR）已成为一个有前景的全身炎症标志物。NLR来源于常规全血细胞计数分析，反映了先天免疫激活和适应性免疫抑制之间的平衡。较高的NLR值与败血症、社区获得性肺炎以及各种炎症性和传染性疾病的不良预后相关。在危重患者中，NLR可能在临床恶化之前就表明了免疫失调[9,10]。先前的研究报道，NLR在区分细菌感染和非感染性炎症方面的AUC值介于大约0.72到0.95之间。此外，NLR有助于早期识别血流感染，尤其是在老年患者和出现发热或败血症的患者中[11,12,13,14]。NLR还能预测术后感染并发症，其敏感性和特异性分别为约0.77和0.78，AUC为0.84[15]。在病毒感染中，NLR的预测价值更加多变。例如，NLR在流感和RSV中的区分能力较弱，而在COVID-19中它是不良预后的更强预测指标（COVID-19的AUC为0.68，而流感/RSV的AUC为0.57–0.58[16]）。在结核病中，较高的NLR值与活动性疾病相关，但不同研究中的临界值不一致[17]。在肺炎支原体肺炎中，NLR预示着不良预后，如坏死性或难治性病变[18]。在机械通气的背景下，持续的炎症刺激、细菌定植和内套管上的生物膜形成会导致持续的免疫激活[5,19]。这些机制可能会影响白细胞动态，从而影响NLR值。然而，关于NLR作为与VAP发生相关的基础生物标志物的作用的数据有限且异质性强[20,21]。本研究的目的是评估NLR动态与机械通气ICU患者发生呼吸机相关肺炎之间的关联。我们假设升高的NLR值先于VAP的临床诊断，并为传统的炎症生物标志物提供补充信息，可能有助于更早识别高风险患者。

2. 材料与方法
2.1. 研究设计与 setting
本研究是对Codru等人在2023年发表在《Medicina》上的前瞻性观察性队列研究的二次分析[6]。原始研究旨在评估针对内套管细菌定植和生物膜形成的预防策略的影响。患者被分配到研究组和对照组是根据预定义的临床协议确定的，并非随机分配。

微生物样本——采集时间和样本处理：
T0：患者入住ICU后2小时内或气管插管后立即进行气管抽吸。
T1：在T0后48–72小时进行第二次气管抽吸。在T0后48–72小时更换内套管，并收集管子样本。样本将按照标准化协议进行超声处理以释放生物膜中的细菌，然后将液体接种到细菌培养基中。
T2：在T0后168–192小时对需要长期机械通气的患者进行第三次气管抽吸。在T0后168–192小时更换内套管，并收集新的管子样本，随后进行超声处理并将液体接种到培养基中。为了确保微生物动态与全身炎症反应的时间一致性，在T0、T1和T2时同时采集血液样本。这种平行采样策略可以纵向评估炎症生物标志物与气道定植和内套管生物膜发展之间的关系。特别关注的是NLR，它是主要的研究变量。通过将NLR趋势与每个预定义时间点的微生物发现相关联，研究旨在确定早期NLR是否先于并预测VAP的发生。这种综合方法不仅将NLR视为静态标志物，还将其视为机械通气患者中最常见的呼吸并发症的潜在预测因子。

2.2. 患者人群
在研究期间，共有418名需要机械通气的患者最初被评估是否符合纳入标准。如果患者在插管时患有肺炎、有记录的免疫抑制情况（包括血液系统恶性肿瘤或正在进行化疗），或缺乏可靠分类呼吸机相关肺炎或计算中性粒细胞与淋巴细胞比值所需的完整临床、实验室或微生物数据，则被排除。应用这些标准后，最终有312名患者被纳入分析，其中研究组162名（计划更换内套管），对照组150名（接受标准治疗）。共有106名患者被排除，主要是由于临床随访数据不完整、缺少NLR计算所需的实验室参数，或微生物数据不足以根据预设标准建立VAP诊断。本研究采用了完整病例分析方法，由于数据缺失的程度和异质性，没有使用任何插补方法。患者选择和排除的研究流程图见图2。

2.3. 呼吸机相关肺炎的定义
VAP根据国际指南定义为在开始机械通气后≥48小时发生的肺炎[22,23,24]。其特征是胸部影像学上出现新的或进行性的肺部浸润，以及以下至少两个症状：发热或体温过低、白细胞增多或减少、脓性呼吸道分泌物，以及呼吸道样本的微生物学确认。气道定植定义为呼吸道样本中存在微生物，但没有临床或放射学上的感染证据，而VAP则需要微生物学确认以及相应的临床和放射学标准。

2.4. 数据收集
前瞻性地记录了人口统计学数据、临床特征、机械通气时间和实验室参数。在机械通气期间，在预设的时间点进行全血细胞计数测量。中性粒细胞与淋巴细胞比值是通过将同一血液样本中的中性粒细胞绝对计数除以淋巴细胞绝对计数计算得出的。当可用时，记录CRP和PCT水平并用于比较分析。

2.5. NLR评估的时间
NLR值在预定义的时间点（T0、T1、T2）进行分析。对于预测分析，使用T0时的NLR值作为主要变量，因为它反映了呼吸机相关肺炎发生之前的最早全身炎症状态。

2.6. 统计分析
使用SPSS版本25.0进行统计分析。该软件支持使用描述性方法处理和总结数据，包括计算定量变量的集中趋势（平均值、中位数）和离散度（标准差、范围），以及显示定性变量的频率分布。使用SPSS有助于清晰地解释研究人群的基线特征，提供收集数据的详细概述。随后，根据数据的性质应用适当的推断统计测试来比较研究组和对照组之间的差异。根据数据的分布情况，对于不符合正态假设的变量，使用参数测试（如独立样本t测试），或者使用非参数测试（如Mann–Whitney U测试）。对于分类数据，使用卡方测试，并进行多变量逻辑回归分析以确定VAP风险的预测因子。构建多变量逻辑回归模型以评估NLR与VAP之间的独立关联，调整了包括年龄、性别和机械通气时间在内的协变量。将这些方法整合到SPSS中，有助于对数据进行稳健的评估，从而增强研究结论的有效性。这种方法使得能够评估所应用协议对细菌定植动态的直接影响及其与呼吸机相关肺炎发生之间的关联，同时为比较接受干预的患者和对照组提供了坚实的基础。因此，分析不仅旨在描述研究人群的临床和微生物特征，还旨在确定内套管生物膜变化与肺感染风险之间的相关性。在这一背景下，中性粒细胞与淋巴细胞的比例被作为预测VAP（呼吸机相关性肺炎）发展的潜在因素在研究组和对照组中进行了分析，以此评估其在细菌定植动态和机械通气患者临床演变方面的预测价值。3. 结果 3.1. 基线特征 共有418名需要机械通气的患者最初被评估是否适合纳入研究。应用预定义的纳入和排除标准后，共有312名患者被纳入最终分析，其中162人被分配到研究组，150人被分配到对照组。在研究组中，27.27%（n=44）的患者发展为VAP，而72.73%（n=118）的患者在观察期间未发展为VAP。在对照组中，呼吸机相关肺炎的发病率为56.7%，表明在机械通气患者中这一比率非常高。计算出的卡方统计量为26.81，所得p值为2.24×10^-7。由于该值远低于传统的显著性阈值0.05，因此结果表明两组之间存在统计学上的显著差异，从而拒绝了零假设。VAP组和非VAP组之间的基线人口统计和临床特征具有可比性，在年龄、性别分布或ICU入院的主要原因方面没有统计学上的显著差异。无论在哪一组，发展为VAP的患者的机械通气持续时间均显著更长。3.2. VAP患者和非VAP患者的中性粒细胞与淋巴细胞比例 研究组中接受针对气管内导管生物膜预防干预后仍发展为VAP的患者，其NLR（中性粒细胞与淋巴细胞比例）值显著高于未发展为VAP的患者。这一差异在VAP的正式临床诊断之前就已出现，并在整个感染期间持续存在。发展为VAP的患者的NLR中位值始终较高，反映了中性粒细胞计数的相对增加以及淋巴细胞的减少；而未发展为VAP的患者在机械通气期间的NLR值更为稳定。在分析NLR的时间动态时，发展为VAP的患者从感染临床诊断之前的最早时间点起就表现出升高的NLR值。这些值在后续时间点始终高于设定的临界值（≥8.26），无论VAP诊断的时间如何，这表明存在持续的炎症反应。相比之下，未发展为VAP的患者的NLR值较低且更为稳定。为了评估NLR对VAP发展的预测价值，生成了接收者操作特征（ROC）曲线。这种分析能够评估NLR区分将发展为VAP的患者和不会发展为VAP的患者的能力。所得ROC曲线显示曲线下面积（AUC）较高，表明这种生物标志物的区分性能一般。作为解释结果的参考，使用了ROC曲线的对角线（对应于随机分类模型，AUC=0.5），以评估NLR相对于随机分布的优越性。使用Youden指数确定了预测VAP的最佳NLR临界值为8.26。这个阈值代表了敏感性和特异性之间的最佳平衡，表明入院时NLR≥8.26的患者在住院期间更有可能发展为VAP（图3）。基于Youden指数的中性粒细胞与淋巴细胞比例（NLR）在预测呼吸机相关肺炎方面的诊断性能分析显示，其敏感性为73.3%，特异性为57.9%。图3. 中性粒细胞与淋巴细胞比例在预测呼吸机相关肺炎中的ROC曲线。在对照组中，NLR的分析未能显示出对VAP发展的预测价值。入院时测量的NLR值在随后发展为VAP的患者和未发展为VAP的患者之间没有显著差异。具体来说，发展为VAP的患者的NLR中位值为8.1（IQR 5.9–10.7），而未发展为VAP的患者的NLR中位值为7.8（IQR 5.7–10.4）；差异没有统计学意义（p=0.34）。同样，用于评估NLR在两种患者类别之间区分能力的ROC分析显示曲线下面积为0.55（95% CI: 0.46–0.64），表明其预测性能较低，与随机分类相当。这些发现表明，在对照组中，NLR不是VAP发展的有用预测标志物，因为观察到的亚组间差异很小且不具有统计学意义。3.3. 与传统炎症生物标志物的相关性 相关性分析显示NLR与C反应蛋白（CRP）值之间存在中等程度的正相关，表明NLR的增加与全身炎症活动相关（Spearman’s ρ = 0.46，p < 0.001）。然而，这种相关性的强度仍然中等，表明NLR捕获了CRP单独无法完全反映的额外免疫信息。相比之下，NLR与Procalcitonin（PCT）之间的相关性较弱且在时间点上不一致（Spearman’s ρ = 0.21，p = 0.08）。在某些患者中，NLR的升高比PCT的可测量升高早大约24-48小时，这突显了NLR在早期识别炎症恶化方面的潜在时间优势（图4）。图4. 传统炎症生物标志物与NLR之间的相关性。4. 讨论 呼吸机相关肺炎仍然是机械通气患者中最常见的并发症之一，由于其对人体发病率、死亡率以及医疗资源利用的影响，它继续成为重症监护医学中的一个主要挑战。早期识别VAP风险增加的患者尤为重要，因为临床和放射学征兆通常在疾病过程中出现得相对较晚。在这种情况下，识别能够信号早期炎症变化的简单、易获得的生物标志物可以改善临床决策并促进更早的诊断评估。本研究探讨了NLR作为机械通气患者VAP潜在早期预测因子的作用[18,25,26,27]。本研究评估了中性粒细胞与淋巴细胞比例（NLR）与机械通气ICU患者中呼吸机相关肺炎（VAP）发展之间的相关性。主要发现是升高的NLR值与随后的VAP发展相关；然而，整体的预测性能有限（AUC ≈ 0.62），并且在各研究组间并不一致。这些结果表明NLR可能反映了感染临床诊断之前的早期全身炎症变化。然而，观察到的区分能力较为有限，仅略高于随机分类，表明其独立的临床实用性有限。非随机设计以及基于方案的组别分配引入了显著的混杂因素。特别是，研究组中预定的气管内导管更换是一个主要的干预相关因素，可能影响VAP的发病率和NLR的表观预测性能。因此，很难区分该生物标志物的内在预测价值与与临床管理相关的特定环境效应。值得注意的是，NLR在干预组和对照组之间的预测性能不同。对照组中缺乏预测价值限制了其外部有效性，并表明NLR与VAP之间的关联可能是特定环境依赖的，而非普遍适用的。本研究并未旨在探究这些差异的机制基础，任何因果解释都仅仅是推测性的。与已建立的生物标志物如C反应蛋白（CRP）和Procalcitonin（PCT）相比，NLR仅显示出中等程度的相关性和不一致的相关性。由于数据不完全，无法进行直接的直接比较，因此NLR应被视为一种补充性标志物，而非替代性标志物。从临床角度来看，NLR的主要优势在于其可用性和低成本，因为它源自常规血液检测。然而，鉴于其有限的区分性能和缺乏外部验证，不能将NLR推荐为独立的VAP预测指标。这些发现与之前的研究一致，表明NLR反映了全身炎症期间先天免疫激活与适应性免疫抑制之间的平衡。中性粒细胞增多通常与急性细菌感染和炎症信号传导有关，而淋巴细胞减少可能是由严重疾病期间的应激诱导的免疫失调和淋巴细胞凋亡引起的。因此，NLR的增加代表了免疫激活和免疫抑制的复合标志物，这可以解释其在重症患者中作为早期感染并发症指标的有用性[11,12,13,14,15,16,17,18,28]。研究组和对照组之间观察到的预测性能差异难以解释。对照组中缺乏预测价值限制了其外部有效性，并表明NLR与VAP之间的关联可能是特定环境依赖的，而非普遍适用的。重要的是，这种不一致性是本研究最显著的局限性，因为它大大限制了结果的普遍适用性。组间VAP发病率的观察差异可能是由预防干预措施而非炎症生物标志物的差异引起的。因此，应谨慎解释NLR的独立预测价值。由于统计功效有限，未进行组别分配与NLR之间的正式交互作用分析。然而，本研究未包括微生物谱型、气道定植动态或干预对全身炎症参数的潜在直接效应的详细分析。因此，组间观察到的差异应被视为假设生成的。需要进一步的研究整合微生物学、免疫学和临床数据，以明确针对生物膜形成的预防策略是否以及如何提高炎症生物标志物（如NLR）的预测性能。本研究包含了一个涉及定期更换气管内导管的预防方案，这可能影响了微生物动态和炎症反应。然而，当前分析专注于NLR与VAP发展之间的关系，干预本身的影响并非主要目的。不过，应承认几个限制。首先，该研究在单个中心进行，这可能限制了研究结果在其他具有不同患者群体或临床实践的ICU环境中的普遍适用性。需要多中心研究，纳入多样化的患者群体来验证这些结果。其次，尽管该研究是基于前瞻性队列的，但目前分析是对收集数据的二次评估，因此无法完全排除残余混杂因素。第三，炎症生物标志物可能受到重症患者中常见因素的影响，包括创伤、手术、全身炎症反应综合征或并发感染。此外，关于并发症和基础临床条件的详细信息并未始终可用，这可能影响了NLR值。因此，无法完全排除患者特定因素对观察到的关联的潜在影响。此外，由于非随机设计和严重程度指数及并发症数据的不完全可用性，无法排除其他限制。最终，尽管ROC分析显示NLR的临界值具有前景，但这一临界值应谨慎解释并在更大规模的多中心研究中进行验证。由于数据可用性的限制，未能对所有时间点的NLR动态进行详细定量分析。未来的研究应纳入全面的临床特征，以更好地定义NLR在不同类别重症患者中的作用。未来研究需要验证NLR在更大队列中的预测性能，并探索其与其他临床和微生物参数在VAP预测模型中的整合情况。本研究未进行NLR对特定病原体差异的详细分析。由于不同的微生物可能引发不同的炎症模式，未来的研究应探讨NLR动态是否根据致病菌的不同而变化。结合NLR动态与微生物监测策略（如生物膜分析和分子病原体检测）可能为机械通气患者的早期感染检测提供更全面的方法。此外，尚未进行特定病原体的分析以及NLR与微生物病因学之间关系的评估，这是未来研究的重要领域。在抗菌管理（AMS）的背景下，NLR与其他生物标志物或评分一起，可能有助于识别可以从及时开始抗生素治疗或调整治疗方案中受益的患者，从而支持AMS原则，即优化诊断、药物选择和治疗持续时间。正如医学文献中所描述的那样，AMS（抗菌管理）项目强调了多学科团队和个性化方法的重要性，尤其是在中性粒细胞减少等高风险人群中，早期和适当的抗生素选择至关重要[29]。总体而言，NLR（中性粒细胞与淋巴细胞比率）似乎更多地反映全身炎症反应，而不是作为VAP（ ventilator-associated pneumonia，呼吸机相关肺炎）的可靠独立预测指标，其实际效用可能取决于临床背景和干预相关因素。

5. 结论：本研究的结果表明，NLR可能与机械通气ICU患者发生VAP之前的炎症变化有关。然而，其预测性能较为有限，且仅适用于特定的临床背景，无法与已建立的生物标志物进行直接比较。这些结果不支持将NLR作为VAP的稳健或独立预测指标。相反，它们突显了炎症生物标志物的潜在依赖性，并应被视为探索性研究，用于提出假设，需要在未来的研究中加以验证。

在采用微生物监测和预防策略来管理气管插管定植的患者组中，NLR的预测性能得到了提升。这一发现表明，将全身炎症标志物与微生物监测相结合可能有助于更早地识别VAP的风险。由于NLR的简单性和易获取性，它可以作为早期风险分层的实用辅助工具，并提供补充信息，但在需要精确管理临床决策的情况下，它是不够的。