알부민 교정 음이온 간격과 패혈증 집중 치료 환자의 사망률: 중환자실 IV를 위한 의료 정보 시장 분석

요약

중환자실 4차 의료 정보 마트(MIMIC-IV) 데이터베이스에서 8,286명의 중환자실(ICU) 패혈증 환자를 대상으로 한 이 후향적 연구는 알부민 교정 음이온 갭(ACAG)이 높은 것이 30일 입원 및 중환자실 사망률 증가와 유의한 관련이 있음을 발견했으며, 23일 시점의 전환점과 비선형적 관계를 보였습니다.

초록

중환자실(ICU)의 패혈증 환자에게 조기 예후 평가는 매우 중요합니다. 이 연구는 패혈증 중환자실 환자에서 알부민 교정 음이온 갭(ACAG)과 임상 결과 간의 관계를 조사하였습니다. 이 후향적 코호트 연구는 MIMIC-IV(버전 2.2) 데이터베이스에서 8,286명의 패혈증 환자를 분석하였습니다. 주요 결과는 30일 입원 사망률과 30일 중환자실 사망률이었습니다. 저자들은 Kaplan-Meier 분석, 로그 랭크 검정, 다변수 Cox 회귀, 제한 입방 스플라인(RCS) 회귀분석을 사용하여 ACAG와 결과 간의 연관성을 평가하였습니다. 하위 그룹 분석은 다양한 요인 간의 일관성을 평가했습니다. 높은 ACAG 수치는 사망 위험 증가와 유의한 관련이 있었습니다. 연속 변수로서 ACAG는 완전 조정 모델에서 독립적으로 더 높은 병원 내 사망률을 예측했습니다(HR 1.01, 95% 신뢰구간: 1.01–1.02, p < 0.001). 사분기 분석에서 4분기 환자(ACAG > 26.62)는 완전 조정 모델에서 1분기보다 병원 내 사망 위험이 41% 높았음을 나타냈습니다(HR 1.41, 95% 신뢰구간1.24–1.49, p < 0.001). 중환자실 사망률의 경우, Q4는 Q1보다 54% 더 높은 위험을 보였으며(HR 1.54, 95% 신뢰구간(95% CI 1.41–1.75, p < 0.001), 완전 조정 모델에서는 연속 ACAG가 유의하지 않아 임계값 효과를 시사합니다. RCS 분석은 ACAG = 23의 변곡점과 비선형적 연관성을 확인했습니다. 하위 그룹 분석 결과, 체질량지수, 급성 신손상, 연속 신대체 요법, 기계적 환기 치료에 대해 유의미한 상호작용이 일관된 효과를 확인하였습니다. 높은 ACAG 수치는 중환자실 패혈증 환자에서 30일 사망률 증가와 유의한 관련이 있으며, 전환점은 23일 비선형 패턴을 보입니다. ACAG 모니터링은 특히 이 수치가 이 임계값을 초과할 때 중증 패혈증 환자에서 위험 평가에 도움이 될 수 있습니다. 기전을 밝히고 임상적 유용성을 검증하기 위한 추가 연구가 필요합니다.

서론

패혈증은 감염에 대한 부적절한 신체 반응에서 발생하는 이질성 증후군입니다. 이 질환의 발생률과 치명률은 다양한 인구와 연령대에서 여전히 높게 유지되어 전 세계^{의료 시스템에 상당한} 부담을 주고 있습니다. 패혈증과 패혈성 쇼크는 조직 관류 부족과 저산소증이 특징인 중증 질환으로, 다성 장기 기능 장애를 초래하고 생명을 위협하는 위험을 초래합니다 ^2,3. 패혈증 진단과 치료가 발전했음에도 불구하고, 패혈증은 심각한 심장 질환에 이어 높은 환자 사망률의 주요 원인으로 남아 있습니다^. 진단을 위해 환자가 도착할 때 최소한의 임상 데이터를 적용함으로써, 의료진은 신속하고 효과적으로 예후를 평가하고, 잠재적으로 위중한 사례를 식별하며, 조기 맞춤형 치료를 제공할 수 있습니다. 이 접근법은 패혈증 환자의 사망률을 줄일 수 있습니다. 주요 초점은 패혈증 사망률을 예측할 수 있는 바이오마커를 식별하는 것입니다.

임상 실무에서는 C-반응성 단백질(CRP), 프로칼시토닌(PCT), 인터루킨-6(IL-6), 백혈구 수(WBC), 호중구-림프구 비율(NLR) 등 여러 매개변수가 패혈증 예측을 위해^{사용됩니다.} 그러나 일부 지표나 점수 체계는 특이성 부족이나 낮은 감도 등 특정 한계를 보^입니다. 또한 일부 매개변수는 임상 현장에서 쉽게 적용하기에는 너무 복잡합니다. 이러한 전통적인 바이오마커와 비교할 때, 알부민 보정 음이온 갭(ACAG)은 산염기 상태(음이온 갭을 통해)와 영양/염증 상태(알부민을 통해)를 모두 통합할 수 있으며, 일상적인 실험실 검사로도 쉽게 계산할 수 있다는 잠재적 이점을 제공합니다. 따라서 패혈증의 심각도와 예후를 예측하기 위해 민감하고 구체적이며 쉽게 구할 수 있는 지표가 여전히 필요합니다. 이는 임상의가 효과적인 진단 및 치료 계획을 수립하고, 의료 자원을 효율적으로 배분하며, 환자와 가족의 경제적 부담을 덜어주는 데 매우 중요합니다.

대사성 산증은^{다양한 원인으로} 인해 중증 환자에서 흔히 관찰됩니다. 연구에 따르면 중환자실 입원 시 대사성 산증의 유형이 환자 사망률과 상관관계가 있습니다 ^8,9. 임상적으로 혈청 음이온 갭(AG)은 일반적으로 대사성 산증의 유형과 산-염기 불균형의 정도를 평가하는 데 사용됩니다^10,11. 현재 연구에 따르면 AG는 심부전¹², 심근경색¹³, 급성 신손상¹⁴, 뇌경색¹⁵ 등 다양한 질병의 유망한 예측 변수임을 보여주었습니다. 반대로,¹⁶번 연구에서는 AG의 패혈증 사망 예측 능력이 제한적이라고 보고했습니다. 그러나 다른 연구자들(¹⁷)은 이것이 알부민 전하의 영향으로 인해 AG가 '의사정상' 행동을 보이게 하는 원인일 수 있다고 제안했습니다 18,19,20. 알부민 보정 음이온 갭(ACAG)은 간²⁰과 신장 질환 환자²¹의 산염기 균형을 더 잘 반영하여 임상 치료를 안내할 수 있습니다.

최근^{연구는 14,15}건의 연구에서 급성 신손상²² 또는 간경변²³과 같은 특정 패혈증 하위 그룹과 노인²⁴의 ACAG를 조사했으나, 대규모 미선정 ICU 패혈증 집단에서 ACAG에 대한 포괄적인 평가—특히 비선형 관계와 임상적으로 실행 가능한 임계치 확인—은 아직 수행되지 않았습니다. 따라서 본 연구는 MIMIC-IV 데이터베이스를 사용하여 패혈증이 있는 대규모 ICU 환자 코호트에서 ACAG와 30일 사망률(병원 내 및 중환자실 모두) 간의 독립적 연관성을 조사하고, 제한 입방 스플라인(RCS) 회귀분석을 통해 ACAG와 사망률 간의 비선형 관계를 탐색하고, 특히 전환점 존재 여부를 검사하는 것을 목표로 합니다; 인구통계학, 동반질환, 장기 지원 치료에 따라 정의된 임상적으로 관련 하위 그룹들 간 이 연관성의 일관성을 평가합니다. 높은 알부민 보정 음이온 갭 수치는 30일 사망률 증가와 독립적으로 연관되어 있으며, 특정 임계값 이상에서는 비선형적 관계가 나타나고 그 이상을 넘어 사망 위험이 급격히 증가한다고 가정합니다.

프로토콜

데이터 소스 및 연구 설계

메디컬 인포메이션 마트 for Intensive Care IV 데이터베이스 버전 2.2에서 수집한 데이터를 사용하여 후향적 코호트 연구가 수행되었습니다. 이 데이터베이스는 두 개의 자체 시스템으로 구성되어 있습니다: 포괄적인 병원 전역 전자 건강 기록(EHR)과 2008년부터 2024년까지의 데이터를 포함하는 중환자실 전용 임상 정보 시스템입니다. 이 연구는 기관 지침을 준수하여 수행되었습니다. MIMIC-IV 데이터베이스는 매사추세츠 공과대학교(MIT)와 베스 이스라엘 디코니스 의료센터의 승인을 받았습니다. 이 연구는 닝보 제2병원 인간연구윤리위원회(승인번호: YJ-NBEY-KY-2022-107-01, 2022년 9월 7일자)의 검토 및 승인을 받았습니다. 소급 설계와 환자 건강 정보의 익명화 특성 때문에, 같은 윤리 위원회는 같은 승인 하에 사전 동의 요건을 면제했습니다(YJ-nbey-ky-2022-107-01). 데이터베이스 접근은 저자 중 한 명인 JQ L이 확보했으며, 그는 필요한 인증을 받고 협력 기관 훈련 이니셔티브 시험(인증 번호 60691748)을 완료했습니다.

이 연구가 회고적 성격을 띠었기 때문에 전통적인 표본 크기 계산이나 검정력 분석은 수행되지 않았습니다. 그러나 데이터베이스 내 이용 가능한 기록 양은 연구 목표를 충족하기에 충분하다고 판단되었습니다. 이 평가는 알부민 보정 음이온 격차(ACAG)와 대규모 환자 집단 내 사망률 결과 간의 관계를 조사하는 데 기반합니다. 데이터베이스에서 추출한 편의 표본은 중환자실 집단을 효과적으로 대표하여 본 연구에서 사용된 통계 분석을 뒷받침합니다.

참가자

이 연구는 MIMIC-IV v2.2 데이터베이스의 모든 패혈증 환자를 포함하였습니다. 패혈증은 패혈증-3.0 기준에 따라 정의되었으며, 의심 감염 환자를 식별하기 위해 구조화된 쿼리 언어(SQL) 쿼리를 사용하고, 24시간¹⁹분 이내에 ≥2점의 순차적 장기 부전 평가(SOFA) 점수 변화를 수행하였습니다. 이 코호트의 모든 환자는 병원 입원 시 첫 번째 지점으로 중환자실에 입원했으며; 일반 병동에 입원한 후 중환자실로 이송된 환자는 조기 ICU 입원이 균질한 인구를 만들기 위해 제외되었습니다. 데이터 추출은 데이터베이스 관리 도구²⁰을 통해 SQL을 사용하여 수행되었으며, 사용되는 모든 소프트웨어, 데이터베이스 및 분석 도구가 알파벳 순으로 정렬된 재료표에 나열되었습니다. 포함 기준은 18세 이상 처음으로 중환자실에 입원한 패혈증 환자를 명시했습니다. 제외 기준에는 다음과 같은 항목이 포함되었습니다: (1) 18세 미만 환자; (2) ICU 입원 시간이 48시간 미만; (3) 패혈증으로 인한 다중 중환자실 입원; 그리고 (4) 알부민이나 음이온 갭에 대한 기록 누락과 같은 불충분한 데이터(그림 1).

연구 절차와 정의

MIMIC-IV에서 데이터 추출은 SQL 쿼리를 사용해 수행되었습니다. 추출된 데이터는 환자 인구통계(나이, 키, 체중, 성별, 보험 상태, 인종, 혼인 여부), 병력(고혈압, 제2형 당뇨병, 심부전, 심근경색, 악성 종양, 만성 신장 질환, 간경변, 간염, 폐렴, 만성 폐쇄성 폐질환, 고지혈증 포함), 초기 검사 결과를 포함했습니다. 이 결과에는 백혈구 및 적혈구 수, 나트륨, 칼륨, 칼슘, 염화물, 포도당, 음이온 간격, 혈액 pH, 트롬빈 시간, 피브리노겐, 부분 혈전플라스틴 시간, 국제 정규화 비율, 총 콜레스테롤, 아스파르트산 아미노트랜스퍼라제, 알라닌 아미노트랜스퍼라제가 포함되었습니다. 추가로, 특수 치료(연속 신장 대체 요법 및 기계환기 등), 임상 점수(SOFA, 급성 생리학 및 만성 건강 평가 III [APACHE III], 단순화 급성 생리학 점수 II [SAPS II], 옥스퍼드 급성 질환 중증도 점수 [Oasis], 찰슨 동반 질환 지수[찰슨], 글래스고 혼수 척도[GCS] 점수), 임상 결과(입원 기간, 병원 내 사망률, 중환자실 입원 및 중환자실 사망률)이 수집되었습니다. 데이터 정리 과정에서 >30%가 누락된 예측 변수는 제외하였습니다.

알부민 보정 음이온 갭(ACAG)은 ICU 입원 후 24시간 이내에 얻은 혈청 음이온 갭과 혈청 알부민의 최초 측정값을 사용하여 계산하였습니다. 첫 24시간 내에 여러 측정값이 있을 경우, 입원 시간과 가장 가까운 값을 사용했습니다. ACAG의 공식은 다음과 같습니다:

알부민 - 보정 음이온 갭 = 음이온 갭 + [40 - 혈청 알부민 (g/dL)] × 0.25²¹ (1)

결과 및 측정

본 연구의 주요 결과는 30일 입원 사망률과 30일 ICU 사망률이었습니다. 생존 분석의 인덱스 날짜는 중환자실 입원 시점이었습니다. 환자들은 퇴원 여부와 관계없이 이 지수일로부터 30일간 추적 관찰되었습니다. 퇴원 후 발생한 사망 사건은 MIMIC-IV 데이터베이스에 통합된 사회보장 사망 지수(SSDI) 기록을 통해 기록하여 병원 외 사망의 정확한 확인을 보장했습니다.

통계 분석

연속 변수는 평균(표준편차) 또는 중앙값(4분위 범위)으로 표현되었고, 범주 변수는 빈도와 백분율로 표현되었습니다. 정규 분포를 따르는 데이터의 경우, t-검정 또는 분산 분석(ANOVA)이 사용되었습니다. 정규 분포를 따르지 않는 데이터는 Mann-Whitney U 검정 또는 Kruskal-Wallis 검정을 사용하여 분석하였습니다. 카플란-마이어 생존 분석을 사용하여 ACAG의 다양한 수준에서 종말 사건의 발생률을 평가했으며, 차이는 로그-랭크 검정(그림 2)을 사용해 평가하였습니다.

Cox 비례 위험 모델을 사용하여 ACAG와 사망률 간의 연관성에 대해 위험비(HR)와 95% 신뢰구간(CI)을 계산하였습니다. ACAG는 연속 변수와 4분위수 모두로 분석되었습니다. 모델 조정은 다음과 같이 이루어졌습니다: 모델 1은 단변량 분석을 포함했고; 모델 2는 나이, 성별, 키, 몸무게, 인종을 고려하여 조정한 값; 모델 3은 보험 상태, 혼인 상태, 백혈구 및 적혈구 수치, RDW, 알부민, 염화물, ALT, AST, SOFA 점수, APACHE III 점수, SAPS II 점수, 오아시스 점수, 찰슨 점수 및 고혈압, 제2형 당뇨병, 심부전, 심근경색, 악성 종양, 만성 신장 질환, 급성 신부전, 간경변, 간염 등 다양한 동반 질환을 추가로 조정한 것입니다. 폐렴, 뇌졸중, 고지혈증, 급성 신손상, 만성 폐쇄성 폐질환. 모델 3의 공변량 간 공선성은 분산 인플레이션 계수(VIF)를 사용하여 평가했으며, VIF > 5는 유의미한 공선성을 나타냅니다. 유의미한 공선성은 검출되지 않았습니다(모든 VIF < 3).

4 노트의 제한 입방 스플라인(RCS) 회귀 모델을 적용하여 병원 및 중환자실 환경에서 기초 ACAG와 사망률 간의 비선형 관계를 조사하였다. RCS 분석은 사망률 위험 곡선의 기울기가 변하는 전환점을 특별히 테스트했습니다. 연령(≤70세와 >70세), 성별, 체질량지수(BMI; <21.4, 21.4–31.2, ≥31.2 kg/^{m 2}), 고혈압, 제2형 당뇨병, 심근경색, 만성 신장 질환, 뇌졸중, 급성 신손상, 연속 신대체 요법(CRRT) 및 기계적 환기 사용 등에 따른 계층 간 잠재적 차이를 탐색하기 위해 하위 그룹 분석이 수행되었습니다. 이 분석들은 주요 결과에 대한 ACAG의 예후 가치의 일관성을 평가했습니다. Cox 모델은 모든 기초 변수를 조정하기 위한 하위 그룹 분석에도 사용되었습니다. 상호작용 p-값을 계산하여 효과 수정을 평가하였다. 데이터 처리 및 분석은 R 버전 4.3.0(RRID: SCR_001905)을 사용하여 수행되었으며, 통계적 유의성은 양측 p< 0.05로 설정되었습니다. 누락 값을 처리하기 위해, R 패키지 "마우스"를 사용하여 연쇄 방정식에 의한 다중 보철(MICE)을 임의로 누락 가정 하에 적용했습니다. 누락 변수가 30%를 초과하는 변수는 보충 전에 제외되었습니다.

결과

MIMIC-IV 데이터베이스에 등록된 성인 환자 중 22,517명이 적격 기준을 충족하였습니다. 초기에는 데이터베이스에서 152개의 예후 인자가 추출되었습니다. 데이터 정리 후 30% 이상의 누락 데이터가 있는 105명의 예측 변수가 제외되었습니다. 결국 분석을 위해 47개의 예후 인자가 모델에 포함되었습니다.

포함된 환자의 특징

총 8,286명의 패혈증 환자가 포함되었으며, 이 연구의 포함 기준을 충족하였습니다. 선별 과정은 그림 1에 나타난다. 네 가지 범주로 계층화한 후, 각 변수의 그룹 간 분포를 분석했으며, 모든 기준선 데이터는 표 1에 제시되었다. 참가자 중 2,070명이 ACAG 4분위수 1(24.98%), 2,072분위수(25.01%), 2,0...

토론

이 연구는 중증 패혈증 환자에서 더 높은 알부민 보정 음이온 갭(ACAG)이 30일 사망률 증가와 유의하게 연관됨을 입증합니다. 중요한 새로운 발견은 ACAG와 사망률 간의 비선형 관계로, 전환점이 23에 있으며, 그 이상을 넘으면 위험이 불균형적으로 증가한다는 점입니다. 하위군 분석 결과, 체질량지수(BMI), 급성 신손상(AKI), 연속 신대체요법(CRRT) 사용, 기계적 환기 사용에 의한 유의한 효과 변화가 나타나 ACAG의 예후가 특정 환자 집단에서 특히 두드러질 수 있음을 시사합니다.

이전 연구^는 주로 낙산, 프로칼시토닌(PCT), C-반응성 단백질(CRP)과 같은 전통적인 표지자에 집중하여 패혈증 관련 사망률을 평가했습니다. 이 바이오마커들과 비교할 때, ACAG는 산염기 상태(음온 갭을 통해)와 영양/염증 상태(알부민을 통해)를 모두 통합할 수 있으며, 추가 비용 ...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
데이터베이스 관리 도구	Navicat Premium (버전 16)	https://www.navicat.com	SQL 쿼리 실행 및 MIMIC-IV 데이터베이스에서 데이터 추출에 사용됩니다.
MIMIC-IV 데이터베이스 (버전 2.2)	MIT 계산생리학 연구실	https://mimic.mit.edu	중증 환자를 위한 신원 해제 전자 건강 기록 출처; 접근하려면 CITI 교육을 이수해야 합니다.
PostgreSQL	PostgreSQL 글로벌 개발 그룹	https://www.postgresql.org	MIMIC-IV 데이터베이스 쿼리에 사용되는 관계형 데이터베이스 관리 시스템입니다.
R 패키지: ggplot2	R 통계 컴퓨팅 재단	https://cran.r-project.org/package=ggplot2	Kaplan-Meier 곡선과 RCS 플롯을 포함한 논문용 수치 생성에 사용됩니다.
R 패키지: 마우스	R 통계 컴퓨팅 재단	https://cran.r-project.org/package=mice	누락된 데이터를 무작위 가정 하에 다중 보철하는 데 사용됩니다.
R 패키지: rms	R 통계 컴퓨팅 재단	https://cran.r-project.org/package=rms	비선형 관계를 모델링하기 위한 제한 세제곱 스플라인(RCS) 회귀에 사용됩니다.
R 패키지: 생존	R 통계 컴퓨팅 재단	https://cran.r-project.org/package=survival	Kaplan-Meier 생존 분석과 Cox 비례 위험 회귀 기능을 제공합니다.
R 소프트웨어 (버전 4.3.0)	R 통계 컴퓨팅 재단	리드: SCR_001905	Cox 회귀, RCS, 하위 그룹 분석을 포함한 모든 데이터 분석을 위한 통계 컴퓨팅 환경입니다.