Источник данных
Исследование представляет собой ретроспективный анализ, данные которого были извлечены из большой общедоступной базы данных интенсивной терапии – Medical Information Mart for Intensiv Care IV (MIMIC-IV, версия 2.2). База данных MIMIC-IV с некоторыми улучшениями по сравнению с MIMIC-III, включая обновления данных и некоторую реконструкцию таблиц, собирает клинические данные более чем 190 000 госпитализированных пациентов и 450 000 госпитализаций, зарегистрированных с 2008 по 2019 год в Медицинском центре Бет Исраэль Диаконесса (BIDMC, Бостон). , Массачусетс, США). В базе данных записывается подробная информация о демографических данных пациента, лабораторных исследованиях, лекарствах, жизненно важных показателях, хирургических операциях, диагностике заболеваний, приеме лекарств и статусе последующей выживаемости. Чтобы получить доступ к данным, мы прошли учебный курс Национальных институтов здравоохранения (NIH) по защите участников исследований на людях и прошли тесты Collaborative Institutional Training Initiative. Отказ от информированного согласия был предоставлен, поскольку база данных не содержала защищенной информации, а пациенты были анонимными.
Дизайн исследования и популяция
В исследование были включены пациенты с ФП, госпитализированные и поступившие в отделение интенсивной терапии впервые. В общей сложности 12 255 пациентам с ФП были присвоены диагнозы с использованием кодов Международной классификации болезней девятого пересмотра (МКБ-9) и десятого пересмотра (МКБ-10). Коды ФП по МКБ 9 и МКБ 10 в исследовании включали 42 731, I48, I480, I481, I482, I489, I4811, I4819, I4820, I4821, I4891. Критерии исключения были следующими: (1) пациенты находились в отделении интенсивной терапии менее 24 часов; (2) многократные госпитализации в отделения интенсивной терапии по поводу ФП, для которых были извлечены данные только при первом госпитализации; (3) недостаточные данные (такие как уровень глюкозы в сыворотке крови натощак, триглицериды, вес, рост и аномальные данные); (4) пациенты с тяжелыми или легкими заболеваниями печени, злокачественным раком, метастатической солидной опухолью и синдромом приобретенного иммунодефицита (СПИД). В итоговую когорту исследования вошли 2509 пациентов, которые были разделены на четыре группы в соответствии с квартилями индекса TyG-ИМТ (рис. 1).
рисунок 1
Схема отбора пациентов
Извлечение данных
Navicat Premium (версия 16.1.15) использовался для извлечения данных с использованием языка структурных запросов (SQL). При поступлении был получен большой объем данных о каждом пациенте, включая демографическую информацию (возраст, пол, раса/этническая принадлежность, рост, вес, индекс массы тела). [BMI]курение); анамнез (острый инфаркт миокарда [AMI]гипертония, сахарный диабет, хроническая обструктивная болезнь легких [COPD]хроническая сердечная недостаточность [CHF]заболевание периферических сосудов [PVD]цереброваскулярное заболевание [CVD]деменция, ревматические заболевания); жизненно важные показатели (систолическое артериальное давление [SBP]диастолическое артериальное давление [DBP]среднее кровяное давление [MBP]частота сердцебиения [HR]частота дыхания [RR]); лекарства (аспирин, клопидогрел, бета-блокаторы, ингибиторы ангиотензинпревращающего фермента/блокаторы рецепторов ангиотензина) [ACEI/ARB]блокатор кальциевых каналов [CCB]наперстянка, диуретики, амиодарон, инсулин, статин, дабигатран, ривароксабан, гепарин, варфарин); лабораторные данные (SpO2, PO2, PaCO2, pH, избыток оснований [BE]анионная щель, бикарбонат, глюкоза, сывороточная мочевина [BUN]креатинин, кальций, хлорид, натрий, калий, протромбиновое время [PT]частичное протромбиновое время [PTT]гематокрит, гемоглобин, тромбоциты, лейкоциты [WBC]лимфоциты, нейтрофилы, средний корпускулярный гемоглобин [MCH]средняя концентрация корпускулярного гемоглобина [MCHC]средний корпускулярный объем [MCV]Красная кровяная клетка [RBC]ширина распределения эритроцитов [RDW]HbA1c, липопротеин высокой плотности [HDL]липопротеин низкой плотности[LDL]общий холестерин [TC]триглицерид [TG]Шкала комы Глазго [GCS]упрощенная шкала острой физиологии [SAPSII]последовательная оценка органной недостаточности [SOFA]); событие (остановка сердца, кардиогенный шок); продолжительность пребывания (LOS) (LOS в больнице, LOS в отделении интенсивной терапии); исход (30-дневная смертность, 90-дневная смертность, 180-дневная смертность, 365-дневная смертность). Все показатели крови измерялись впервые после поступления пациентов в отделение интенсивной терапии. Переменные с пропущенными значениями более 20% были исключены. Переменные с пропущенными значениями менее 20% были заполнены пропущенными значениями с помощью множественной интерполяции.
Результаты
Исходы пациентов с ФП в базе данных MIMIC-IV, включая 30-дневную смертность, 90-дневную смертность, 180-дневную смертность, 365-дневную смертность. Основными результатами настоящего исследования были 30-дневная и 365-дневная смертность от всех причин. Вторичными результатами были 90-дневная и 180-дневная смертность от всех причин.
Расчет TyG-ИМТ
Индекс TyG рассчитывали как ln[fasting glucose (mg/dl)×fasting TG (mg/dl)]/2 [9]. ИМТ рассчитывали как массу тела (кг)/рост2 (м). Индекс TyG-ИМТ определялся на основе комбинации индекса TyG и ИМТ. Индекс TyG-ИМТ рассчитывали по уравнению: Индекс TyG×ИМТ. [12].
статистический анализ
Сначала проводилось тестирование нормальности непрерывных переменных, а для идентификации данных, соответствующих нормальному распределению, использовались t-критерии Стьюдента и однофакторный дисперсионный анализ, затем данные выражались как среднее значение ± стандартное отклонение (SD). Данные с ненормальным распределением были проверены с использованием критерия суммы рангов Уилкоксона и выражены в виде медианы с межквартильным размахом (IQR). Хи-квадрат или точные критерии Фишера использовались для анализа категориальных переменных, выраженных в абсолютных числах с процентами.
Путем стратификации по индексу TyG-ИМТ кривые Каплана-Мейера (КМ) использовались для определения частоты возникновения основных и вторичных исходов. Однофакторный анализ Кокса проводился для оценки взаимосвязи между индексом TyG-ИМТ и 30-дневной, 90-дневной, 180-дневной и 365-дневной смертностью. Многомерная регрессионная модель пропорционального риска Кокса включала переменные, которые были клинически значимыми или имели одномерную связь с исходом. Переменные, включенные в окончательную модель, были тщательно выбраны на основе количества доступных событий. Модель 1 включала только индекс TyG-ИМТ, а модель 2 с поправкой на возраст, пол, расу, частоту сердечных сокращений, гипертонию, диабет, инсулин, бета-блокаторы, статин, амиодарон, наперстянку, pH, PT, тромбоциты, хлориды, калий, эритроциты. , WBC, АМК, креатинин, СОФА. В обеих моделях в качестве эталона использовался нижний квартиль индекса TyG-ИМТ. Индекс TyG-ИМТ также анализировался как непрерывная переменная с использованием ограниченных кубических сплайнов (RCS) для выяснения корреляций «доза-эффект» с риском основных и вторичных исходов. Если корреляции были нелинейными, то рекурсивный алгоритм использовался для расчета точек перегиба между индексом TyG-ИМТ и 30-дневной, 90-дневной, 180-дневной и 365-дневной смертностью. Для дальнейшего изучения взаимосвязи между индексом TyG-ИМТ и 30-дневной, 90-дневной, 180-дневной и 365-дневной смертностью по обе стороны от точки перегиба применялась двухсегментная модель пропорционального риска Кокса. Кроме того, был проведен стратифицированный анализ по полу, возрасту (<60 лет или ≥ 60 лет), расе/этнической принадлежности, гипертонии и диабету.
Весь статистический анализ был обработан с использованием программного обеспечения SPSS (версия 22.0, IBM Corporation, США) и программного обеспечения R (версия 4.3.2, R Foundation for Statistical Computing, Австрия), P <0,05 считалось статистически значимым.
2024-02-10 17:40:20
1707594308
#Связь #между #триглицеридным #индексом #массы #тела #глюкозы #смертностью #от #всех #причин #пациентов #критическом #состоянии #фибрилляцией #предсердий #ретроспективное #исследование #из #базы #данных #MIMICIV #Сердечнососудистая #диабетология