今天给大家解读MIMIC数据库潜变量轨迹建模+COX比例风险模型+KM生存曲线+限制性立方样条+亚组分析的分析框架和发文思路。
套路总结：
潜变量轨迹建模（Latent Growth Mixture Modeling, LGMM）：识别个体在纵向观测中指标变化的潜在异质性模式。LGMM将总样本分为多个潜在类别，每个类别具有相似的轨迹和特征。LGMM模型考虑了样本之间和样本内随时间变化模式的变异性，即LGMM模型随时间或使用纵向数据概率地将样本分配给潜在类别。
COX比例风险模型：评估暴露变量（磷酸盐轨迹）对时间-事件结局（28天死亡）的影响。单变量Cox：初步探索变量与结局的关系；多变量Cox：调整混杂因素（如年龄、性别、SOFA评分、乳酸、肾功能、机械通气等），得到校正后的HR值。
KM生存曲线：可视化不同组别（如不同轨迹组）在随访期间的累积生存概率差异；使用Log-rank检验判断各组生存曲线是否存在统计学差异（P<0.05视为显著）。
限制性立方样条（Restricted Cubic Spline, RCS）：探索连续型暴露变量（血清磷酸盐水平）与结局（死亡）风险之间的非线性关系。
亚组分析：探讨主效应在不同临床亚组中是否一致，评估结果的稳健性和普适性；通过引入“分组变量×主暴露”的交互项进行统计检验（P for interaction），判断差异是否具有统计学意义。
案例文章：
标题：Effect of changes trajectory of serum phosphate levels on the 28-day mortality risk in patients with sepsis: a retrospective cohort study from the MIMIC-IV database
文章亮点：
-
稳健的潜变量轨迹建模：采用LGMM基于多次动态监测值客观识别血清磷酸盐变化轨迹，有效捕捉患者间异质性，提升表型分类的科学性与可靠性；
-
严谨的生存分析框架：通过多变量Cox回归模型校正混杂因素，结合KM曲线与亚组分析，系统评估不同磷酸盐轨迹对28天死亡风险的影响，结果稳健且具临床可解释性；
-
创新的动态风险评估视角：突破传统单时间点分析局限，聚焦ICU入院初期磷酸盐的演变模式，首次揭示“高且稳定”磷酸盐水平是脓毒症患者短期死亡的重要危险因素，为早期风险分层提供新思路。
方法拆解：
筛选流程图2008–2019年MIMIC-IV数据库共记录了24,135名脓毒症成年患者。排除了22,432名患者，其中大多数患者被排除在外原因是未每隔6小时测量一次磷酸盐水平（n=19,858）以及ICU住院时间少于24小时（n=2,472）。最终1,703名脓毒症患者被纳入分析。
表1列出了根据4种血清磷酸盐水平轨迹划分的脓毒症患者特征。
4个类别的血磷水平详细轨迹如图2所示。
表2列出了脓毒症患者入住ICU时血磷水平及24小时内血磷水平变化趋势与28天死亡风险之间的关联。在单因素（HR=1.14，95%CI：1.10-1.18）和多因素（HR=1.05，95%CI：1.01-1.09）Cox回归模型中，入院时血磷水平高与28天死亡风险增加相关。
RCS曲线显示，脓毒症患者血磷水平与28天死亡风险呈线性关系（P=0.001；P=0.188），且血磷水平越高，28天死亡风险越高（图3）。当对血清磷酸盐水平进行分类时，血清磷酸盐水平<2.5mg/dL（HR=0.63，95%CI：0.47–0.86）和>4.5mg/dL（HR=1.46，95%CI：1.23–1.74）（vs. 2.5–4.5mg/dL）仅在单变量模型中与28天死亡风险相关，但在多变量模型中无关（P>0.05）。
对于血清磷酸盐水平轨迹，在单变量模型中，与正常水平-稳定趋势轨迹（轨迹1）的患者相比，高水平-稳定趋势轨迹（轨迹2）(HR=1.74, 95%CI: 1.46–2.08)、高水平-下降趋势轨迹（轨迹3）(HR=2.63, 95%CI: 1.89–3.67) 和高水平-上升趋势轨迹（轨迹4）(HR=2.04, 95%CI: 1.19–3.48) 的患者28天死亡风险增加。调整混杂因素后，只有轨迹2（HR=1.27，95%CI：1.05-1.54）仍然与28天死亡风险较高相关，而轨迹4（HR=1.69，95%CI：0.99-2.91，P=0.056）可能相关。Kaplan-Meier生存曲线显示，不同轨迹患者的生存概率由高到低依次为轨迹1、轨迹2、轨迹4、轨迹3（P<0.0001）（图4，补充表S4）。
表3显示了血清磷酸盐与基于年龄、性别、糖尿病、心力衰竭、CKD和AKI亚组的28天死亡风险之间的关联。轨迹3（HR=1.87，95%CI：1.13-3.07）和轨迹4（HR=2.48，95%CI：1.16-5.29）与60岁及以上患者28天死亡风险较高相关，而轨迹2（HR=1.34，95%CI：1.06-1.71）与≥60岁患者28天死亡风险增加相关。在性别亚组中，仅轨迹2（HR=1.51，95%CI：1.12–2.02）与女性28天死亡风险较高相关。在糖尿病亚组中，轨迹3（HR=1.91，95%CI：1.28–2.86）和轨迹4（HR=1.85，95%CI：1.02–3.35）增加了仅在非糖尿病患者中发现的28天死亡风险。在心力衰竭亚组中，仅轨迹2（HR=1.30，95%CI：1.03–1.64）增加了非心力衰竭患者的28天死亡风险。在CKD亚组中，轨迹2（HR=1.46，95%CI：1.17～1.82）和轨迹4（HR=1.84，95%CI：1.05～3.23）仅与非CKD患者28天死亡风险升高相关；在AKI亚组中，仅轨迹2（HR=1.27，95%CI：1.04～1.54）与AKI患者28天死亡风险升高相关，而轨迹3和轨迹4的样本量太小，无法在非AKI患者中得出有效结论。
文章总结：
该研究基于MIMIC-IV数据库，采用潜伏增长混合模型（LGMM）对1,703例脓毒症患者的血清磷酸盐水平进行动态轨迹分析，识别出四种变化模式：正常-稳定、高-稳定、高-下降和高-上升。结果显示，入院时磷酸盐水平升高与28天死亡风险增加相关，且不同变化轨迹的预后差异显著。
进一步分析发现，呈现“高-稳定”轨迹的患者死亡风险显著增高（HR=1.27），而“高-下降”轨迹者风险未见明显增加；“高-上升”轨迹者虽未达统计学显著（P=0.056），但风险比高达1.69，提示潜在高危。亚组分析证实结果稳健。研究表明，持续高磷酸盐水平是脓毒症患者短期死亡的重要危险因素，动态监测磷酸盐变化有助于早期识别高危患者。未来的研究可能需要探讨血清磷酸盐水平或轨迹对脓毒症患者死亡的预测作用。
评论列表