《Frontiers in Nutrition》：Weight changes and all-cause mortality in critically ill patients: a multi-center retrospective cohort study
编辑推荐：
目的：体重变化是重症患者中易于获取的复合指标，可能反映液体平衡与营养代谢状态。然而，关于其与患者中心结局（如死亡率）独立关联的大规模证据仍有限。方法：这项大型多中心回顾性研究使用美国eICU协作研究数据库（eICU-CRD），共纳入30,537名成年重症患者。
目的：体重变化是重症患者中易于获取的复合指标，可能反映液体平衡与营养代谢状态。然而，关于其与患者中心结局（如死亡率）独立关联的大规模证据仍有限。方法：这项大型多中心回顾性研究使用美国eICU协作研究数据库（eICU-CRD），共纳入30,537名成年重症患者。主要暴露因素是体重变化率。研究人员使用Boruta机器学习算法进行特征选择，采用多变量逻辑回归估计体重变化率与死亡率的关联，利用广义相加模型（GAM）和两段线性回归探索非线性关系和阈值效应，并通过受试者工作特征曲线下面积（AUC）评估判别性能。结果：Boruta算法确定体重变化率是ICU死亡率和医院死亡率的重要预测因子。多变量调整后，体重每增加1%，ICU死亡率（OR 1.04, 95% CI 1.03–1.05）和医院死亡率（OR 1.03, 95% CI 1.03–1.04）均显著增加（均p < 0.0001）。体重变化率与死亡风险呈非线性关联，斜率变化（阈值效应）发生在约5%处（ICU死亡率阈值5.14%；医院死亡率阈值4.73%）。与入院体重、出院体重或入院BMI等静态指标相比，体重变化率具有更优的判别能力。结论：在这项大型队列中，ICU体重变化率是重症患者死亡率的独立预测因子，且呈非线性关系，阈值约为5%。动态监测体重变化率优于静态人体测量指标，可作为简单而强大的床旁预后评估工具。
### 论文解读：重症患者体重变化率与死亡风险的非线性关联及预后价值
研究背景与意义
重症患者的营养状态及其动态轨迹是临床结局的关键决定因素。危重疾病引发的分解代谢应激反应导致快速肌肉消耗和代谢紊乱，显著增加发病率和死亡率。传统重症营养支持侧重于热量与蛋白质摄入，但临床迫切需要能够反映患者代谢与液体状态的简单、客观且易于获取的生物标志物。体重作为基础人体测量参数，在ICU动态环境中是液体复苏、毛细血管渗漏、营养摄入、分解代谢及利尿剂使用等多种因素交织的复合指标。显著体重增加常提示液体超负荷，与器官功能障碍、机械通气时间延长及死亡独立相关；而快速体重减轻则可能反映严重分解代谢与肌肉耗竭。尽管病理生理机制明确，但体重变化作为患者中心结局独立预测因子的作用尚未完全阐明。既往研究多聚焦于入院体重或体质指数（BMI）等静态指标，结果存在不一致性。发表于《Frontiers in Nutrition》的这项研究，利用大规模多中心数据，旨在确立体重变化率作为床旁预后工具的循证依据。
研究方法概述
本研究基于美国eICU协作研究数据库（eICU-CRD），纳入2014–2015年间≥18岁首次ICU入院患者，排除关键数据缺失、ICU停留<48小时及体重变化幅度>±20%的异常值，最终分析30,537例患者。研究核心指标为体重变化率（出院体重?入院体重/入院体重×100%）。统计分析采用Boruta算法进行特征选择，多变量逻辑回归评估关联强度，广义相加模型（GAM）探索非线性关系，两段线性回归确定阈值效应，并通过AUC评估判别性能。
研究结果分析
患者基线特征与体重变化分布
根据体重变化率三分位数，患者分为T1（显著减轻，-19.98% ~ -0.88%）、T2（相对稳定，-0.88% ~ 2.64%）和T3（显著增加，2.64% ~ 20.00%）三组。基线特征显示，T3组患者年龄较大、入院体重及BMI较低、女性比例较高，且合并慢性阻塞性肺疾病（COPD）、急性心肌梗死（AMI）、糖尿病及接受气管插管、透析的比例更高。T3组肌酐水平最高、估算肾小球滤过率（eGFR）最低，APACHE IV评分（66.76±27.24）及ICU死亡率（9.63%）、医院死亡率（13.61%）均显著高于其他组别，提示体重显著增加与病情严重度及不良预后密切相关。
体重变化率与死亡率的独立关联
Boruta特征选择确认体重变化率是ICU及医院死亡率的“重要”预测因子。多变量调整模型显示，体重变化率每增加1%，ICU死亡率及医院死亡率的优势比（OR）分别为1.04和1.03，关联具有统计学显著性。这种关联在不同亚组（年龄、性别、BMI、ICU类型、APACHE IV评分等）中保持一致，证实了结果的稳健性。
非线性关系与阈值效应
广义相加模型揭示体重变化率与死亡风险呈非线性关系，而非简单的线性增长。两段线性回归分析识别出显著的阈值效应：ICU死亡率的风险拐点为体重增加5.14%，医院死亡率拐点为4.73%。当体重增加超过此阈值时，死亡风险随体重增加的上升斜率显著增大，表明临床监测中需高度关注≥5%的体重增幅。
预测性能比较
与入院体重、出院体重、入院BMI等静态指标相比，体重变化率的AUC值更高，表明动态监测体重变化在预后判别方面优于单一时间点的静态测量，为床旁风险评估提供了更敏感的指标。
讨论与结论
讨论要点
体重变化率作为复合指标，整合了液体平衡与营养代谢的双重信息。研究证实其是重症患者死亡率的独立预测因子，且存在约5%的临界阈值。这一发现具有重要临床意义：首先，动态监测体重变化率比静态指标更能反映病情动态演变；其次，阈值效应的存在为临床干预提供了具体目标，体重增加超过5%应作为警示信号。研究局限性在于无法区分体重变化中液体与组织成分的具体贡献，且为回顾性观察设计，需前瞻性研究验证因果关联。
结论翻译
“在这项大型队列中，ICU衍生的体重变化率是重症患者死亡率的独立预测因子，并表现出非线性关系，阈值效应约为5%。体重变化率的动态监测优于静态人体测量指标，可作为一种简单而强大的床旁预后评估工具。”
