《Scientific Reports》：Association between anion gap trajectories and mortality in patients with acute cholangitis: a cohort study
编辑推荐：
急性胆管炎(AC)是危及生命的急症，早期识别高危患者至关重要。现有研究多关注入院时阴离子间隙(AG)的基线值，而忽视了其在重症监护病房(ICU)期间的变化。本研究利用MIMIC-IV数据库，对861名AC患者ICU入院后96小时内的AG动态轨迹进行分析，识别出4种不同模式。研究发现，相比于持续低AG组，持续高AG组（尤其是初始高值后有下降但仍持续偏高组）的28天和90天全因死亡风险显著增高（调整后风险比最高达4.76）。这表明，早期AG的动态变化模式可作为预测AC患者预后的有力工具，有助于临床进行风险分层和精准管理。
急性胆管炎（Acute Cholangitis, AC）是一种由胆道系统梗阻和细菌感染共同引发的急腹症，病情进展迅速，严重者可发展为脓毒症、多器官功能衰竭甚至死亡。随着重症医学的发展，越来越多的AC患者被收治于重症监护病房（ICU）。对于这些危重患者，临床医生面临的核心挑战是如何快速、准确地评估其预后风险，从而实施更积极的干预。传统的风险预测工具通常依赖患者入院时的单一生理或生化指标，但这些“快照”式的评估往往无法捕捉到病情动态演变的关键信息。在这一背景下，寻找一个能够反映患者体内持续病理生理紊乱、且易于获取的动态监测指标，具有重要的临床意义。
阴离子间隙（Anion Gap, AG）是一个计算得到的血清学指标，它反映了血液中未测定的阴离子浓度，常用于评估代谢性酸中毒，但其意义远不止于此。越来越多的证据表明，AG与全身性炎症反应、组织灌注不足等危重症病理过程密切相关。已有观察性研究提示，入院时的基线AG水平与AC患者的住院死亡率相关。然而，一个悬而未决的关键科学问题是：在ICU治疗的关键早期阶段，AG水平如何随时间变化？这些动态变化的轨迹模式，是否比单次的基线值包含更丰富的预后信息，能够更精准地识别出死亡风险极高的患者群体？解答这个问题，将有助于推动危重症管理从静态评估向动态监测预警的范式转变。
为了回答上述问题，一项发表在《Scientific Reports》上的研究应运而生。研究人员开展了一项回顾性队列研究，旨在探究AC患者入住ICU后早期AG的动态轨迹模式，并评估这些模式与患者短期（28天）和中期（90天）全因死亡风险之间的关联。这项研究的核心假设是，不同特征的AG变化轨迹代表着不同的疾病严重程度和病理生理状态，因此具有差异化的预后价值。
研究团队利用了一个大型的、国际公认的危重症数据库——重症监护医疗信息市场第四版（Medical Information Mart for Intensive Care IV, MIMIC-IV）。他们从该数据库中筛选出了861名诊断为AC并入住ICU的成年患者。研究关注的暴露变量是患者在入住ICU后的前96小时（4天）内所有可用的血清AG测量值。通过复杂的统计建模方法——潜类别增长模型（Latent Class Growth Modeling, LCGM），研究人员成功地“描绘”出了这群患者AG随时间变化的几种主要模式，而不仅仅是计算一个平均趋势。
这项研究主要运用了几项关键技术方法：首先是利用大型公共临床数据库MIMIC-IV进行回顾性队列研究的设计与数据提取；其次，采用潜类别增长模型（LCGM）这一高级统计技术，对患者入住ICU后96小时内的多次阴离子间隙（AG）测量值进行建模，以识别出具有不同变化轨迹的亚组（即“轨迹类别”）；最后，在识别出轨迹类别后，使用卡方检验等进行组间基线特征比较，并运用Kaplan-Meier生存分析和经过全面混杂因素调整的多变量Cox比例风险回归模型，来评估不同AG轨迹类别与患者28天及90天全因死亡率之间的独立关联。
研究结果
AG轨迹类别的识别
通过LCGM分析，研究人员从861名患者的动态AG数据中识别出了四个具有显著区别的轨迹类别：
- •
类别1（持续低水平）：在整个96小时观察期内，AG水平始终维持在较低区间。
- •
类别2（持续中等水平）：AG水平在整个观察期内保持在一个稳定的中等水平。
- •
类别3（持续高水平）：AG水平在观察初期就处于高位，并且在后续时间内持续保持在高水平，未见明显下降趋势。
- •
类别4（高位下降但仍持续偏高）：AG水平在观察初期非常高，随后虽有所下降，但直至观察期结束，其水平仍然显著高于类别1和类别2，处于一个“下降后仍持续偏高”的状态。
这四类轨迹直观地展示了AC患者早期内环境紊乱的不同演变模式。
患者基线特征
不同AG轨迹类别的患者在入住ICU时的基线特征存在显著差异。总体而言，随着AG轨迹类别的升高（从类别1到类别4），患者表现出更高的疾病严重程度评分（如SOFA评分、SAPS II评分）、更差的生理指标（如更高的心率、更低的平均动脉压）、更重的代谢紊乱和器官功能障碍标志物水平（如更高的肌酐、乳酸、白细胞计数，以及更低的pH值、碳酸氢根和钙离子水平）。这些差异表明，AG的动态轨迹与患者入ICU时的整体病情危重程度密切相关。
AG轨迹与死亡率的关联
生存分析结果清晰地揭示了不同AG轨迹所对应的预后风险。在整个队列中，28天和90天的全因死亡率分别为16.7%和26.5%。Kaplan-Meier生存曲线显示，四个轨迹类别的患者生存率存在显著差异，死亡风险从类别1到类别4依次递增。
为了剥离其他混杂因素的影响，研究进行了多变量Cox回归分析。以死亡风险最低的“类别1（持续低水平）”作为参照组：
- •
对于28天死亡率：类别3（持续高水平） 的调整后风险比（Hazard Ratio, HR）为2.79（95% CI 1.55–5.00, p=0.001）；类别4（高位下降但仍持续偏高） 的风险比高达4.76（95% CI 2.33–9.72, p<0.001）。而类别2的风险与类别1相比无统计学差异。
- •
对于90天死亡率：类别3 的调整后HR为2.34（95% CI 1.49–3.68, p<0.001）；类别4 的调整后HR为4.12（95% CI 2.31–7.36, p<0.001）。
这些结果在统计学上非常稳健，意味着即使考虑了年龄、性别、合并症、疾病严重程度评分、多种实验室指标等大量潜在混杂因素后，属于“持续高水平”和“高位下降但仍持续偏高”AG轨迹的患者，其短期和中期死亡风险仍然是“持续低水平”患者的2.3倍至4.8倍。尤其值得注意的是，类别4的患者，尽管其AG在观察期内呈现出下降趋势，但由于其绝对水平始终偏高，其死亡风险在所有组别中是最高的。
研究结论与讨论
本研究通过分析大型ICU数据库中AC患者的连续AG数据，得出了明确而有力的结论：患者在ICU早期（96小时内）的阴离子间隙动态轨迹，是预测其28天和90天全因死亡率的独立且强大的风险因素。研究不仅证实了高AG与不良预后的关联，更重要的是，它首次系统性地描绘并量化了AG的“轨迹模式”与预后的关系。
研究的核心发现强调了“动态监测”相对于“单次测量”的优越性。类别4（高位下降但仍持续偏高） 的轨迹尤其具有启发性。这部分患者的AG水平在临床上可能看似“有所好转”，但本研究揭示，只要其水平未降至足够低的范围，其隐含的死亡风险依然极高。这提示临床医生，不能满足于指标“下降”的表象，而应关注其“降至何处”。持续的高AG可能反映了难以纠正的组织缺氧、持续的炎症风暴或隐匿的组织灌注不足，这些都是危重症预后的不良标志。
从临床实践意义来看，该研究为AC患者的床边管理提供了一个简单、廉价但信息量丰富的决策支持工具。AG是一个常规生化检查中可直接计算得到的指标，无需额外花费。通过密切监测患者入住ICU后几天的AG变化，医生可以更早、更准确地识别出那些死亡风险极高的“隐匿性”高危患者。对于这些被识别出的高危人群，临床团队可以提前采取更积极的治疗策略，如更早的源头控制（如经内镜逆行性胰胆管造影术ERCP引流）、更精细的血流动力学支持、更严密的器官功能监测等，从而有望改善患者预后。
此外，该研究也为未来研究指明了方向。例如，不同AG轨迹背后的精确病理生理驱动机制是什么？针对特定的高危AG轨迹（如类别4），何种特定的干预措施能够有效改变其轨迹、从而改善结局？这些都有待前瞻性研究进一步探索。
总之，这项研究将AG从一个静态的酸碱状态指标，提升为一个动态的、与危重症病理生理进程和患者预后深度整合的预警信号。它证实了在重症监护的精准医疗时代，深入挖掘常规监测数据中的“时间维度”信息，能够产生超越传统方法的风险洞察力，最终服务于改善患者结局的终极目标。
