Modellazione della traiettoria dei linfociti per la previsione del rischio di mortalità nell'ARDS associato alla polmonite

Sommario

Questo studio affronta una significativa lacuna nei modelli prognostici per la sindrome da difficoltà respiratoria acuta associata alla polmonite, introducendo un metodo innovativo che sfrutta traiettorie dinamiche dei linfociti, anziché misurazioni a singolo punto, per la stratificazione del rischio di mortalità.

Abstract

La sindrome da disabilità respiratoria acuta (ARDS) associata alla polmonite è caratterizzata da un'alta mortalità, tuttavia i modelli prognostici attuali spesso si basano su biomarcatori statici che non riescono a catturare le risposte immunitarie dinamiche. Questo protocollo introduce un quadro computazionale riproducibile che impiega la Modellazione della Traiettoria Basata sul Gruppo (GBTM) per identificare traiettorie distinte del conteggio dei linfociti e valutarne il valore prognostico del rischio di mortalità nei pazienti con ARDS con polmonite. Utilizzando dati estratti dal database MIMIC-IV v2.2, il protocollo dettaglia ogni fase dalla cura e preelaborazione dei dati alla costruzione della traiettoria e alla validazione del modello. L'approccio include l'identificazione dei sottogruppi tramite GBTM, seguita da analisi logistiche multivariabili e di regressione di Cox per quantificare le associazioni tra i modelli di traiettoria e la mortalità a 28 giorni, aggiustando per le principali covariabili cliniche come il punteggio APS III, la permanenza in terapia intensiva e la frequenza cardiaca. Le prestazioni del modello vengono valutate in modo completo utilizzando curve ROC, grafici di calibrazione e analisi delle curve decisionali, garantendo sia robustezza statistica che interpretabilità clinica. Sfruttando dati immunitari longitudinali invece di misurazioni a singolo punto temporale, questo flusso di lavoro offre ai clinici una strategia metodologicamente trasparente e basata sui dati per migliorare la stratificazione del rischio ed esplorare l'eterogeneità immunitaria nelle malattie critiche. Il protocollo è completamente riproducibile, adattabile ad altri biomarcatori longitudinali ed è progettato per la visualizzazione e la dimostrazione didattica, rendendolo uno strumento accessibile ai ricercatori che desiderano integrare la modellizzazione temporale dei biomarcatori nelle pronostici di terapia intensiva.

Introduzione

La sindrome da disabilità respiratoria acuta (ARDS) è una sindrome infiammatoria polmonare acuta comune e clinicamente complessa, con un tasso di mortalità fino al 40%¹. Se l'ARDS è combinato con la polmonite, è associato a un'elevata mortalità nei pazienti in condizioni^{critiche 2}. Uno studio clinico recentemente pubblicato o meta-analisi sull'ARDS hanno riportato conclusioni incoerenti in molti aspetti, che possono essere dovute a vari^{motivi 3}. I linfociti sono essenziali nella risposta immunitaria durante la polmonite, con la linfopenia associata a una maggiore vulnerabilità alle infezioni secondarie, maggiore gravità della sepsi e^{mortalità 4}. Ad esempio, un conteggio di linfociti inferiore a 0,5 x 10⁹ cellule/L al momento del ricovero è stato associato a una prognosi^{sfavorevole 5}. Tuttavia, ricerche precedenti non hanno fornito prove convincenti della relazione tra i cambiamenti dinamici dei linfociti e le implicazioni prognostiche.

Il database MIMIC-IV fornisce dati clinici reali con ampia copertura dei pazienti, facilitando analisi dettagliate di sottogruppi dove sono accessibili conteggi linfociti longitudinali. Per modellare queste dinamiche temporali, abbiamo utilizzato la Modellazione della Trajettoria Basata sul Gruppo (GBTM), un approccio semi-parametrico a miscela finita che identifica sottogruppi latenti seguendo tendenze longitudinali distinte, invece di imporre una singola traiettoria^{media 6}. Rispetto ad altri metodi di clustering longitudinali o a serie temporali, GBTM offre vantaggi specifici per l'analisi clinica dei biomarcatori: accoglie osservazioni sbilanciate o mancanti comuni nelle cartelle cliniche elettroniche, modella direttamente la probabilità di appartenenza a sottogruppi e produce profili di traiettoria facilmente interpretabili ideali per la stratificazione del rischio.

Pertanto, questo studio presenta un protocollo per applicare GBTM per identificare le traiettorie dei linfociti e valutarne l'associazione con la mortalità a 28 giorni nei pazienti con ARDS con polmonite. La metodologia è applicabile ai dati di laboratorio longitudinali in cui sono disponibili almeno due misurazioni per paziente entro i primi 7 giorni dalla diagnosi di ARDS. Questo approccio fornisce un quadro riproducibile per sfruttare biomarcatori dinamici e raccolti regolarmente al fine di migliorare la valutazione prognostica ed esplorare l'eterogeneità immunitaria nelle malattie critiche.

Questo studio comprende due fasi. Innanzitutto, i dati clinici e di sopravvivenza per l'ARDS combinato con polmonite sono stati ottenuti dal database MIMIC-IV. Successivamente, il software R (versione 4.4.1) è stato utilizzato per tracciare la traiettoria dei cambiamenti dei linfociti e analizzare la relazione tra le traiettorie dei linfociti e il tasso di mortalità a 28 giorni.

Protocollo

Questo studio non richiede approvazione etica né consenso per partecipare. I dati utilizzati in questo studio sono stati ottenuti da database. Questo studio ha utilizzato il database MIMIC-IV de-identificato, approvato dagli Institutional Review Boards (IRB) del Beth Israel Deaconess Medical Center e del Massachusetts Institute of Technology. Il requisito del consenso individuale del paziente è stato rinunciato. I ricercatori devono completare un corso riconosciuto in etica della ricerca umana (numero CITE: 64579441, Langqing Xu) e richiedere l'accesso formale ai dati dalla piattaforma PhysioNet.

1. Studio della popolazione e dell'estrazione dei dati

1. Ottieni i dati per lo studio retrospettivo dal database Medical Information Mart for Intensive Care (MIMIC)-IV, gestito dal Computational Physiology Laboratory del Massachusetts Institute of Technology. I dati comprendono informazioni cliniche su 58.000 pazienti ricoverati nella terapia intensiva del Beth Israel Deaconess Medical Center (Boston, Massachusetts, USA) tra il 2008 e il 2019.
2. Dati selezionati di pazienti adulti (≥ 18 anni) con diagnosi sia di sindrome da difficoltà respiratoria acuta (ARDS) sia di polmonite. La diagnosi dovrebbe basarsi sulla Classificazione Internazionale delle Malattie, 9ª e 10ª edizioni (ICD-9, ICD-10)⁷, con l'ARDS tra le prime tre diagnosi.
3. Escludere i dati basati sui seguenti criteri: età < 18 anni; aveva già usato immunosoppressori; hanno tumori, malattie ematologiche, malattie del sistema reumatico; aveva una storia di trapianto.
4. Utilizza il Structured Query Language (SQL) all'interno di uno strumento di gestione database chiamato Navicat Premium per estrarre i dati della coorte finale, inclusi dati demografici, punteggi clinici in ammissione (APS III, SOFA, Charlson Comorbidity Index), segni vitali in ammissione, indicatori di laboratorio, stato di mortalità di 28 giorni, durata del ricovero ospedaliero e in terapia intensiva. Includere i dati per tutti i conteggi assoluti dei linfociti registrati nei primi 7 giorni dopo il ricovero in terapia intensiva. Il codice SQL è fornito nel File Supplementare 1.
5. Assicurati che ogni paziente abbia almeno due misurazioni da includere entro questo periodo. Clicca su Output, nomina i dati e poi su Esegui per emettere e salvare i dati.

2. Modellazione della traiettoria basata su gruppi (GBTM)

1. Per identificare traiettorie immunitarie distinte, eseguire la modellazione delle traiettorie basata su gruppi (GBTM) sui conteggi longitudinali dei linfociti utilizzando il software R (v4.4.1+) con il pacchetto gbmt.
2. Struttura i dati in formato lungo e adatta i modelli variando i numeri di gruppo (1-5) e gli ordini polinomiali. Seleziona il modello ottimale basato sull'adattamento statistico (AIC/BIC), sull'interpretabilità clinica dei pattern e sulla stabilità del gruppo (>5% della coorte, probabilità posteriore >0,7).
3. Visualizza le traiettorie finali per illustrare la dinamica dei sottogruppi nel periodo di 7 giorni. Vedi Supplementary File 1 per il codice R per la modellazione GBMT.

3. Analisi statistica per la modellizzazione prognostica

1. Per la modellizzazione prognostica, includere misure come la media, la mediana, la deviazione standard, l'intervallo e i quartili delle variabili continue, oltre a tabelle di frequenza delle variabili categoriche. Utilizzare la mediana e l'intervallo interquartile (IQR) per descrivere variabili continue con una distribuzione non normale.
2. Per esaminare le differenze nelle caratteristiche delle variabili tra gruppi, si utilizza il test esatto di Fisher, il test del Chi-quadrato di Pearson per le variabili categoriche e il test di somma dei rangi di Wilcoxon per variabili continue.
3. Utilizzare i modelli logistici multivariabili sviluppati e i modelli di regressione dei rischi proporzionali di Cox per valutare l'associazione tra gruppi di traiettoria e mortalità a 28 giorni, aggiustando per le covarie chiave tra cui età, punteggio APS III e giorni in terapia intensiva. Vedi i dettagli del codice nel File Supplementare 1.
4. Valutare le prestazioni del modello tramite discriminazione (area sotto la curva di funzionamento del ricevitore), calibrazione (grafici di calibrazione validati con bootstrap) e utilità clinica (analisi della curva decisionale attraverso le soglie di rischio). Consideriamo un p < bilaterale 0,05 come indicativo della significanza statistica.

Risultati

Caratteristiche del paziente
In totale 161 pazienti sono stati inclusi in questo studio. L'esecuzione del protocollo GBTM (passo 2) ha identificato con successo tre traiettorie linfocitarie distinte, come visualizzato nella Figura 1. Questo risultato conferma la convergenza del modello di successo e la valida separazione dei sottogruppi, che rappresenta un punto di controllo chiave per procedere verso la modellazione prognostica. Questa decisione si basava su un equilibrio tra adattamento statistico (Tabella Supplementare 1) e interpretabilità clinica: mentre i modelli con quattro o cinque classi mostravano valori AIC/BIC leggermente migliori, il modello a tre classi forniva traiettorie chiaramente distinte e clinicamente applicabili—rappresentando immunosoppressione persistente, recupero moderato e rapida ricostituzione immunitaria—con una dimensione e stabilità del gruppo sufficienti per un'analisi prognostica robusta. La traiettoria 1, la classe a crescita continua, includeva 62 pazienti (38,5%) ed è stata caratterizzata da un aumento costante, quasi lineare, del numero dei linfociti dal giorno 1 al giorno 7. Ma il punto di partenza era molto basso. La traiettoria 2, la classe a forma di U, includeva 36 pazienti (22,3%) e ha mostrato un calo precoce del conteggio dei linfociti nei^{primi 3 giorni} , seguito da un recupero graduale successivamente. La traiettoria 3, la classe a discesa precoce poi a rapida crescita, includeva 63 pazienti (39,1%) che hanno mostrato una modesta diminuzione dei conteggi linfociti nei giorni 1–3 e una marcata tendenza al rialzo dal giorno 4 in poi. Allo stesso tempo, il punto di partenza è vicino al valore normale. Le caratteristiche di base variavano significativamente lungo queste traiettorie, convalidandone la rilevanza clinica (Tabella 1). I pazienti nella traiettoria 1 erano più anziani e hanno mostrato una maggiore gravità della malattia (punteggi APS III e SOFA più alti), il numero più basso di linfociti di base e il tasso di mortalità a 28 giorni più alto (24,2%). Come mostrato nella Tabella 2, diverse caratteristiche di base differivano significativamente tra sopravvissuti e non sopravvissuti. I non sopravvissuti erano più anziani e più frequentemente appartenevano alla traiettoria linfocitaria ad alta mortalità. Hanno inoltre sperimentato ricoveri più lunghi in terapia intensiva, una prevalenza più elevata di ipertensione e una malattia più grave al momento del ricovero (punteggi APS III più alti e maggiore carico di comorbidità). Infine, i non sopravvissuti si sono presentati con frequenza cardiaca elevata e aumento dell'azoto ureico nel sangue.

Regressione logistica multivariata
Il protocollo di regressione logistica (step 4) è stato eseguito per identificare predittori indipendenti della mortalità a 28 giorni nei pazienti con ARDS complicata da polmonite. Nella modalità non aggiustata (Modello 1), e utilizzando la Traiettoria 1 come riferimento, né la Traiettoria 2 (OR 0,51; IC 95% 0,15–1,45; p = 0,228) né la Traiettoria 3 (OR 0,10; IC 95% 0,02–0,39; p = 0,003) si sono rivelate significative tranne che per quest'ultima, che è stata associata a una netta riduzione delle probabilità di mortalità a 28 giorni. Dopo aver aggiustato per i confondenti (Modello 3), la traiettoria 3 è rimasta un predittore indipendente di mortalità inferiore (OR 0,06; IC 95% 0,01–0,36; p = 0,006; Tabella 3). La durata del ricovero ospedaliero ha mantenuto un effetto protettivo (OR 0,59 al giorno; IC 95% 0,40–0,78; p = 0,002), mentre ogni giorno in terapia intensiva aumentava ulteriormente il rischio di mortalità (OR 1,75; IC 95% 1,32–2,57; p < 0,001). Punteggi più alti di APS III (OR 1,04 per punto; IC 95% 1,00–1,08; p = 0,047) e frequenza cardiaca di ricovero elevata (OR 1,05 per bpm; IC 95% 1,01–1,10; p = 0,019) sono stati anch'essi significativi, mentre sesso, indice di Charlson e BUN non hanno raggiunto significatività. Questi risultati confermano la capacità del protocollo di derivare un'associazione forte e adattata tra traiettorie immunitarie ed esiti. I plot forestali sono stati utilizzati per la visualizzazione simultaneamente (Figura 2). Le metriche di performance del modello (passo 4) hanno dimostrato la robustezza del nostro approccio. Il modello ha mostrato un'eccellente capacità discriminativa (AUC = 0,932; Figura 3). Questo valore elevato, significativamente superiore al benchmark 0,5 del caso casuale, indica che il modello derivato dal protocollo distingue efficacemente tra sopravvissuti e non sopravvissuti. La curva di calibrazione (Figura 4) ha indicato un buon accordo tra probabilità previste e osservate, con minime discalibrazioni agli estremi, a supporto dell'affidabilità del modello. L'analisi della curva decisionale (Figura 5) ha mostrato un beneficio netto costante su probabilità di soglia dal 5%–45%, con un beneficio massimo vicino al 10%, indicando il potenziale del modello per il processo decisionale clinico.

Regressione di Cox multivariata
Il protocollo di regressione di Cox (step 4) ha prodotto risultati coerenti con il modello logistico. Rispetto alla Traiettoria 1, i pazienti della Traiettoria 2 hanno mostrato una tendenza non significativa verso una mortalità più bassa a 28 giorni (HR 0,54; IC 95% 0,20–1,48; p = 0,232), mentre quelli della Traiettoria 3 avevano un rischio di morte marcatamente ridotto (HR 0,12; IC 95% 0,03–0,52; p = 0,005; Modello 1). Dopo aver aggiustato per i confondenti (Modello 3), la traiettoria 3 è rimasta indipendentemente associata a una mortalità più bassa (HR 0,13; IC 95% 0,03–0,64; p = 0,012; Tabella 4). I giorni ospedalieri sono stati protettivi (frequenza cardiaca 0,68 al giorno; IC 95% 0,54–0,87; p = 0,002), mentre ogni giorno aggiuntivo in terapia intensiva aumentava il rischio del 51% (frequenza cardiaca 1,51; IC 95% 1,19–1,91; p < 0,001). Punteggi più alti di APS III (HR 1,02; IC 95% 1,00–1,05; p = 0,026) e frequenza cardiaca di ammissione elevata (HR 1,03; IC 95% 1,00–1,07; p = 0,041) sono stati anche predittori modesti ma significativi della mortalità, mentre l'indice di Charlson e il BUN non hanno raggiunto significatività statistica. La stabilità di questa associazione tra entrambi i quadri di regressione sottolinea la robustezza della traiettoria dei linfociti come marcatore prognostico. L'assunzione dei rischi proporzionali è stata verificata utilizzando residui di Schoenfeld, senza rilevare violazioni significative. I plot forestali venivano utilizzati simultaneamente per la visualizzazione (Figura 6).

Figura 1: Traiettorie dei linfociti identificate da GBTM di classe 3. Generato usando il pacchetto R gbmt. La replicazione di successo dovrebbe mostrare tre traiettorie distinte che rappresentano immunosoppressione persistente, recupero moderato e rapida ricostituzione immunitaria. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 2: Grafico forestale per la regressione logistica multivariabile. Creato con R ggplot2. I predittori statisticamente significativi dovrebbero mostrare intervalli di confidenza che non si incrociano OR = 1. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 3: Curva ROC per la discriminazione dei modelli logistici. Generato utilizzando il pacchetto R pROC. AUC = 0,932 indica una performance eccellente; La curva replicata dovrebbe salire bruscamente in alto a sinistra. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 4: Curva di calibrazione (bootstrap 200). Creato con il pacchetto Rrms. Una buona calibrazione è confermata da un adattamento ravvicinato della curva corretta al bias alla linea ideale. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 5: Analisi della curva decisionale per l'utilità clinica. Generato usando il pacchetto rmda R. Il modello dovrebbe mostrare un beneficio netto rispetto alle strategie treat-all/no in un intervallo di soglia dal 5% al 45%. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 6: Grafico forestale per il modello di rischio proporzionale di Cox. Creato con il pacchetto R survminer. Una replicazione di successo dovrebbe distinguere chiaramente i fattori protettivi (HR < 1) e quelli di rischio (HR > 1). Clicca qui per visualizzare una versione più grande di questa figura.

variabile	Traiettoria 1 (N=62)	Traiettoria 2 (N=36)	Traiettoria 3 (N=63)	p
Età, anni	71 (62.2–81)	72 (58–78.2)	62 (45.5–81)	0.0204
SOFÀ	5 (4–6)	4 (3–6)	4 (3–6)	0.0333
GCS	15 (15–15)	15 (15–15)	15 (15–15)	0.803
APSIII	52 (45–63)	40 (28.8–57.5)	49 (33.5–57)	0.0107
Indice di Charlson	5 (3–6)	4.5 (3–5)	3 (2–6)	0.213
BPCO	14 (22.6%)	11 (30.6%)	14 (22.2%)	0.602
Ipertensione	42 (67.7%)	22 (61.1%)	31 (49.2%)	0.104
Diabete	18 (29%)	13 (36.1%)	16 (25.4%)	0.529
Cardiopatia	32 (51.6%)	19 (52.8%)	28 (44.4%)	0.638
Cerebrovascolare	12 (19.4%)	5 (13.9%)	7 (11.1%)	0.425
CKD	9 (14.5%)	7 (19.4%)	8 (12.7%)	0.659
CLD	0 (0%)	0 (0%)	4 (6.3%)	0.0412
Ventilazione	11 (17.7%)	5 (13.9%)	13 (20.6%)	0.701
Frequenza respiratoria	22 (19–25)	19.5 (16–24)	22 (18–24)	0.0753
Frequenza cardiaca	93 (82.2–101)	84 (76.8–98.2)	93 (88.5–106)	0.0371
SBP	126 (114.2–138.5)	126 (116–134)	126 (115–130)	0.518
DBP	75 (66–84.8)	75 (63–79.8)	75 (66–81)	0.921
WBC	10.2 (6.8–16.3)	11.8 (9.2–13.9)	12.5 (8.8–15)	0.208
Emoglobina	10.8 (10–12)	11.4 (10.5–13.1)	11.7 (10.7–12.9)	0.117
Piastrine	223.5 (169.8–279)	223.5 (175.8–264.2)	226 (192–282)	0.775
Linfocita	0.6 (0.4–0.7)	1.4 (1.3–1.6)	1.1 (0.6–1.9)	<0.001
Creatinina	0.9 (0.8–1.4)	0.9 (0.8–1.2)	0.8 (0.6–1.2)	0.0652
PANINO	23 (17–38)	20 (14.5–33.2)	18 (12.5–24.5)	0.0167
Potassio	4 (3.6–4.7)	4 (3.8–4.5)	4.1 (3.5–4.4)	0.488
Sodio	140 (136–143)	139 (136–143.2)	139 (137–141)	0.444
Durata dell'ospedale, giorni	11.5 (7.2–20.8)	11 (6.8–14.2)	12 (8–16)	0.557
Durata della terapia intensiva, giorni	7 (4.2–12)	6 (4–10.2)	6 (3–11)	0.603
Mortalità di 28 giorni	15 (24.2%)	5 (13.9%)	2 (3.2%)	0.0029

Tabella 1: Caratteristiche di base per traiettorie dei linfociti. I test di significatività utilizzati erano il test esatto di Fisher, il test del Chi-quadrato di Pearson e il test della somma dei rangi di Wilcoxon.

Caratteristico	Grembiule	Sopravvivere	Morte	p-valore
	N = 161	N = 139	N = 22
traezionario, n (%)				0.001
1	62.0 (38.5%)	47.0 (33.8%)	15.0 (68.2%)
2	36.0 (22.4%)	31.0 (22.3%)	5.0 (22.7%)
3	63.0 (39.1%)	61.0 (43.9%)	2.0 (9.1%)
sesso, n (%)				0.446
Femmina	83.0 (51.6%)	70.0 (50.4%)	13.0 (59.1%)
Maschio	78.0 (48.4%)	69.0 (49.6%)	9.0 (40.9%)
Età, Mediana (Q1, Q3)	69.00 (55.00, 81.00)	66.00 (52.00, 78.00)	79.00 (70.00, 87.00)	0.001
Giorni ospedalieri, mediana (Q1, Q3)	12.00 (8.00, 17.00)	12.00 (8.00, 17.00)	11.00 (5.00, 18.00)	0.303
Giornate in terapia intensiva, mediana (Q1, Q3)	6.00 (4.00, 12.00)	6.00 (3.00, 11.00)	11.00 (5.00, 14.00)	0.033
Ammissione per ventilazione, n (%)				>0,999
No	132.0 (82.0%)	114.0 (82.0%)	18.0 (81.8%)
Sì	29.0 (18.0%)	25.0 (18.0%)	4.0 (18.2%)
BPCO, n (%)				0.719
No	122.0 (75.8%)	106.0 (76.3%)	16.0 (72.7%)
Sì	39.0 (24.2%)	33.0 (23.7%)	6.0 (27.3%)
Ipertensione, n (%)				0.019
NO	66.0 (41.0%)	62.0 (44.6%)	4.0 (18.2%)
Sì	95.0 (59.0%)	77.0 (55.4%)	18.0 (81.8%)
Diabete, n (%)				0.771
No	114.0 (70.8%)	99.0 (71.2%)	15.0 (68.2%)
Sì	47.0 (29.2%)	40.0 (28.8%)	7.0 (31.8%)
Malattie cardiache, n (%)				0.312
No	82.0 (50.9%)	73.0 (52.5%)	9.0 (40.9%)
Sì	79.0 (49.1%)	66.0 (47.5%)	13.0 (59.1%)
Cerebrovascolare, n (%)				0.104
No	137.0 (85.1%)	121.0 (87.1%)	16.0 (72.7%)
Sì	24.0 (14.9%)	18.0 (12.9%)	6.0 (27.3%)
CKD, n (%)				0.534
No	137.0 (85.1%)	117.0 (84.2%)	20.0 (90.9%)
Sì	24.0 (14.9%)	22.0 (15.8%)	2.0 (9.1%)
CLD, n (%)				>0,999
No	157.0 (97.5%)	135.0 (97.1%)	22.0 (100.0%)
Sì	4.0 (2.5%)	4.0 (2.9%)	0.0 (0.0%)
Ammissione SOFA, mediana (Q1, Q3)	5.00 (3.00, 6.00)	5.00 (3.00, 6.00)	5.50 (3.00, 7.00)	0.241
Ammissione APSIII, mediana (Q1, Q3)	49.00 (35.00, 60.00)	48.00 (32.00, 57.00)	61.50 (50.00, 69.00)	<0.001
GCS, Mediana (Q1, Q3)	15.00 (15.00, 15.00)	15.00 (15.00, 15.00)	15.00 (14.00, 15.00)	0.367
Indice di Comorbidità di Charlson, mediana (Q1, Q3)	5.00 (3.00, 6.00)	4.00 (2.00, 6.00)	5.00 (4.00, 6.00)	0.047
Frequenza respiratoria, mediana (Q1, Q3)	22.00 (18.00, 24.00)	22.00 (18.00, 24.00)	23.00 (19.00, 26.00)	0.091
Frequenza cardiaca, mediana (Q1, Q3)	93.00 (82.00, 103.00)	93.00 (81.00, 101.00)	101.00 (93.00, 110.00)	0.01
SBP, Mediana (Q1, Q3)	126.00 (115.00, 135.00)	126.00 (115.00, 135.00)	126.00 (117.00, 136.00)	0.919
DBP, Mediana (Q1, Q3)	75.00 (65.00, 83.00)	75.00 (65.00, 83.00)	75.00 (63.00, 84.00)	0.963
Cr, mediana (Q1, Q3)	0.90 (0.70, 1.30)	0.90 (0.70, 1.30)	0.95 (0.70, 1.40)	0.582
BUN, Mediana (Q1, Q3)	20.00 (15.00, 30.00)	19.00 (14.00, 27.00)	33.50 (20.00, 54.00)	0.002
Potassio, mediana (Q1, Q3)	4.00 (3.70, 4.50)	4.00 (3.60, 4.50)	4.25 (3.80, 5.10)	0.133
Sodio, mediana (Q1, Q3)	139.00 (136.00, 142.00)	139.00 (136.00, 142.00)	140.50 (136.00, 143.00)	0.483
WBC, Mediana (Q1, Q3)	11.50 (7.80, 15.20)	11.40 (7.70, 15.20)	12.10 (9.10, 18.20)	0.321
HBG, Mediana (Q1, Q3)	11.30 (10.30, 12.70)	11.50 (10.30, 12.80)	10.60 (9.80, 11.70)	0.072
PLT, Mediana (Q1, Q3)	226.00 (175.00, 279.00)	225.00 (174.00, 278.00)	236.00 (200.00, 358.00)	0.208
Linfociti, mediana (Q1, Q3)	0.83 (0.52, 1.44)	0.88 (0.53, 1.45)	0.67 (0.45, 0.93)	0.111

Tabella 2: Caratteristiche dei sopravvissuti e dei non sopravvissuti. I test di significatività utilizzati erano il test esatto di Fisher, il test del Chi-quadrato di Pearson e il test della somma dei rangi di Wilcoxon.

Gruppo	Caratteristico	O	IC al 95%	p-valore
Model 1	Trajetorio
	1	—	—
	2	0.51	0.15, 1.45	0.228
	3	0.1	0.02, 0.39	0.003
Modello 2	Trajetorio
	1	—	—
	2	0.46	0.12, 1.59	0.236
	3	0.1	0.01, 0.44	0.007
	età	1.08	1.03, 1.13	0.003
	sesso
	F	—	—
	M	0.5	0.15, 1.50	0.222
	hosp_days	0.69	0.52, 0.86	0.005
	ICU_days	1.51	1.22, 2.01	0.001
Model 3	Trajetorio
	1	—	—
	2	0.56	0.12, 2.32	0.435
	3	0.06	0.01, 0.36	0.006
	età	1.06	1.00, 1.14	0.049
	sesso
	F	—	—
	M	0.42	0.11, 1.47	0.187
	hosp_days	0.59	0.40, 0.78	0.002
	ICU_days	1.75	1.32, 2.57	<0.001
	APS III_admission	1.04	1.00, 1.08	0.047
	charlson_comorbidity_index	0.89	0.63, 1.20	0.49
	heart_rate_admission	1.05	1.01, 1.10	0.019
	BUN_adm	1	1.00, 1.01	0.209

Tabella 3: Regressione logistica multivariata. Abbreviazioni: CI = Intervallo di confidenza, OR = Odds Ratio.

Gruppo	Caratteristico	N	Evento N	HR	IC al 95%	p-valore
Model 1	Trajetorio	161	22
	1	62		—	—
	2	36		0.54	0.20, 1.48	0.232
	3	63		0.12	0.03, 0.52	0.005
Modello 2	Trajetorio	161	22
	1	62		—	—
	2	36		0.51	0.18, 1.42	0.197
	3	63		0.16	0.03, 0.70	0.016
	età	161	22	1.06	1.02, 1.10	0.004
	sesso	161	22
	F	83		—	—
	M	78		0.62	0.26, 1.46	0.274
	hosp_days	161	22	0.73	0.58, 0.91	0.005
	ICU_days	161	22	1.41	1.14, 1.73	0.001
Model 3	Trajetorio	161	22
	1	62		—	—
	2	36		0.65	0.22, 1.91	0.437
	3	63		0.13	0.03, 0.64	0.012
	età	161	22	1.05	1.00, 1.10	0.063
	sesso	161	22
	F	83		—	—
	M	78		0.67	0.26, 1.74	0.411
	hosp_days	161	22	0.68	0.54, 0.87	0.002
	ICU_days	161	22	1.51	1.19, 1.91	<0.001
	APS III_admission	161	22	1.02	1.00, 1.05	0.026
	charlson_comorbidity_index	161	22	0.92	0.71, 1.18	0.493
	heart_rate_admission	161	22	1.03	1.00, 1.07	0.041
	BUN_adm	161	22	1	1.00, 1.00	0.293

Tabella 4: Regressione di Cox multivariata. Abbreviazioni: IC = Intervallo di confidenza, HR = rapporto di rischio.

Tabella supplementare 1: Statistiche riassuntive per ciascun gruppo di traiettoria dei linfociti. Abbreviazioni: AIC = criterio informativo di Akaike; BIC = criterio informativo bayesiano; CAIC = AIC costante; AvePP = Probabilità a posteriori media. Clicca qui per scaricare questo file.

File supplementare 1: Codici e script per i passaggi 1-3. Clicca qui per scaricare questo file.

Discussione

I risultati novedosi della nostra analisi si basano sul database MIMIC-IV. Abbiamo sviluppato un nuovo ARDS combinato con un'analisi dei sottogruppi longitudinali dei linfociti per polmonite basata su conteggi linfociti ampiamente disponibili. Abbiamo riscontrato che i sottogruppi longitudinali del conteggio dei linfociti erano migliori rispetto al conteggio dei linfociti al momento dell'ammissione nella valutazione della prognosi.

I passaggi procedurali critici hanno influenzato significativamente i risultati e vanno notati per la riproducibilità. Il criterio di filtraggio dei dati, che richiede > 2 misurazioni dei linfociti entro 7 giorni, garantisce dati longitudinali adeguati. La selezione dei parametri GBTM, in particolare la scelta di tre traiettorie basata sull'interpretabilità clinica piuttosto che su miglioramenti statistici marginali, è stata cruciale per generare fenotipi clinicamente azionabili.

Le traiettorie distinte dei linfociti potrebbero implicare profili immunitari e risultati diversi nell'ARDS combinati con la polmonite, specialmente durante il processo^{di trattamento 8}. Il punteggio APSIII è un indicatore di misura del grado di disturbo fisiologico^{individuale 9}. Più alto è il punteggio APS, più evidente è la disfunzione degli organi del corpo e peggiore è la prognosi. Rispetto alla Traiettoria 3, il valore iniziale dei linfociti nei pazienti con Traiettoria 1 è inferiore e il punteggio APSIII è più alto. Ciò indica che i pazienti nella Traiettoria 1 hanno maggiori probabilità di trovarsi nello stadio di disfunzione immunitaria. La traiettoria 1 (Crescita continua) probabilmente rappresenta pazienti con mobilizzazione linfocitaria precoce limitata e linfocitosi persistente. La traiettoria 3 (calo precoce poi rapida crescita) è stata associata indipendentemente alla mortalità più bassa a 28 giorni (HR 0,13; p = 0,012), suggerendo che una diminuzione transitoria dei linfociti seguita da un recupero rapido conferisce una prognosi migliore. Questo schema è in linea con ricerche precedenti che indicavano che la morte precoce nell'ARDS è causata da un'infiammazione intensa, mentre la morte tardiva è più comunemente associata^{all'immunosoppressione 10}. Questi risultati evidenziano il potenziale ruolo delle terapie su misura per diversi ARDS combinati con sottotipi di polmonite. In particolare, i pazienti con profilo pro-infiammatorio (Traiettoria 3) possono beneficiare di agenti antinfiammatori come corticosteroidi o^{ulinastatina 11}. Per i pazienti con profilo immunosoppressivo (Traiettoria 1), terapie immunostimolanti come la timosina α1, che ripristina il conteggio dei linfociti, o IL-7, che promuove la proliferazione dei linfociti e previene l'apoptosi, potrebbero essere^{vantaggiose 12}. L'identificazione di queste traiettorie ha implicazioni cliniche dirette per la stratificazione del rischio. Monitorando il conteggio dei linfociti nei primi 3-4 giorni di ricovero in terapia intensiva, i clinici potrebbero potenzialmente identificare pazienti a rischio persistentemente elevato (Traiettoria 1) che potrebbero essere candidati per l'iscrizione a studi di terapie immunostimolanti. Al contrario, i pazienti che seguono la traiettoria 3, nonostante un calo iniziale, hanno una prognosi favorevole e potrebbero essere risparmiati da interventi immunomodulatori più aggressivi e potenzialmente dannosi. Tuttavia, queste proposte sono ipotetiche e devono essere rigorosamente testate in studi prospettici e interventistici prima dell'adozione clinica. Pertanto, il trattamento mirato per la SDRA è particolarmente^{importante 13}.

Rispetto agli approcci di modellazione esistenti, il nostro protocollo basato su GBTM offre vantaggi metodologici distinti. Sebbene i modelli di apprendimento automatico richiedano tipicamente una complessa ingegneria delle caratteristiche e risorse computazionali estese, questo approccio sfrutta dati longitudinali disponibili di routine con un'implementazione semplice. La capacità del protocollo di gestire misurazioni irregolarmente distanziate e dati mancanti lo rende particolarmente adatto per dataset clinici reali. Inoltre, i gruppi di traiettoria risultanti forniscono fenotipi clinici immediatamente interpretabili, a differenza della natura black box di alcuni complessi algoritmi di machine learning.

La frequenza cardiaca era significativamente più alta nei non sopravvissuti rispetto a quelli del nostro studio. Questa conclusione è coerente con uno studio precedente¹⁴. Un aumento della frequenza cardiaca indica che una persona ha un basso livello di ossigeno, che rappresenta una condizione più grave di ARDS¹⁵. Inoltre, una frequenza cardiaca prolungata elevata nei pazienti cardiaci critici ad alto rischio potrebbe causare eventi cardiaci gravi, che possono causare una prognosi^{avversa 16}. Pertanto, quando un paziente viene ricoverato in ospedale con una frequenza cardiaca anormalmente alta, è essenziale monitorare attentamente i livelli di ossigeno nel sangue e prestare attenzione a segni di peggioramento dei sintomi clinici della SDRA combinata con polmonite. La durata del ricovero mostra una dualità prognostica: ogni giorno aggiuntivo nei reparti generali può segnalare uno slancio di recupero, mentre il confinamento prolungato in terapia intensiva spesso racchiude un ciclo auto-perpetuante di malattia^{critica 17}.

Per contestualizzare la performance del nostro modello di traiettoria dei linfociti, lo abbiamo confrontato con modelli prognostici recenti per l'ARDS. Ad esempio, uno studio recente focalizzato specificamente sulla polmonite-ARDS (p-ARDS) ha sviluppato sei modelli ML, tra cui il modello Support Vector Machine (SVM) ha dimostrato le migliori prestazioni, con un AUC di 0,77¹⁸. Modelli più avanzati che incorporano biomarcatori specifici (come il rapporto lattato/albumina) hanno migliorato le prestazioni, con AUC riportato fino a 0,811 per mortalità a 28^{giorni 19}. In questo contesto, questo modello, che integra traiettorie dinamiche dei linfociti con parametri clinici di base, ha raggiunto una superiore capacità discriminativa, con un AUC di 0,932. Ciò suggerisce che il profilo immunitario longitudinale catturato dalle tendenze dei linfociti possa fornire informazioni prognostiche più potenti rispetto a una singola misurazione a un punto temporale o anche a modelli ML complessi basati su variabili statiche di ammissione.

L'efficienza e l'adattabilità di questo flusso di lavoro rappresentano vantaggi aggiuntivi. Il design modulare della nostra pipeline analitica consente un'applicazione rapida a nuovi dataset, con un'analisi completa dall'estrazione dei dati alla visualizzazione raggiungibile in poche ore. Questo protocollo può essere facilmente adattato per studiare altri biomarcatori dinamici o diverse popolazioni di terapia intensiva, aumentando la sua utilità oltre l'applicazione attuale.

Diverse limitazioni meritano di essere considerate. Innanzitutto, l'analisi retrospettiva di un database a centro singolo (MIMIC-IV) è suscettibile a confondimenti non misurati, e la dipendenza dai codici ICD-9/10 per l'identificazione ARDS e non dalla prospettica definizione di Berlin può introdurre un bias di classificazione errata e limitare la generalizzabilità dovuta a variazioni diagnostiche regionali. In secondo luogo, la dimensione della coorte (n=161), pur essendo adeguata per la modellazione iniziale, richiede una validazione esterna in studi più grandi e multicentrici. In terzo luogo, l'assenza di profili dinamici di citochine e dati di immunoterapia limita una valutazione immunologica più completa. Infine, l'utilità clinica del nostro modello richiede una valutazione prospettica.

In conclusione, sono state identificate tre traiettorie linfocitarie distinte nei pazienti con ARDS con polmonite utilizzando GBTM. Le traiettorie dei linfociti, la frequenza cardiaca elevata e i ricoveri in terapia intensiva sono stati forti predittori di mortalità a 28 giorni. Questi risultati potrebbero supportare lo sviluppo di strategie di gestione più personalizzate per la SDRA combinata con la polmonite. Studi prospettici futuri potrebbero concentrarsi sull'indagine dell'efficacia della terapia immunitaria mirata su diverse traiettorie per comprendere meglio le potenziali interazioni tra immunoterapia e sottogruppi ARDS.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
MIMIC	Laboratorio MIT per la Fisiologia Computazionale	IV 2.2
Navicat Premium	PremiumSoft CyberTech Ltd	16
R	R Core Team	4.4.1
RStudio	Posit Software, PBC