DOI: https://doi.org/10.3389/fnut.2025.1726151
PMID: https://pubmed.ncbi.nlm.nih.gov/41640744
تاريخ النشر: 2026-01-20
المؤلف: Yong-ling Yang وآخرون
الموضوع الرئيسي: تشخيص وعلاج الإنتان
نظرة عامة
تتناول هذه الدراسة الحاجة الملحة للتصنيف المبكر للمخاطر في حالة الإنتان، وهي حالة مرتبطة بمعدلات وفيات عالية. قام الباحثون بتطوير والتحقق من صحة نموذج تنبؤي لوفيات 28 يومًا في مرضى الإنتان من خلال استخدام تقنيات التعلم الآلي لتحديد العلامات الحيوية الرئيسية. تم تحليل 1,350 مريضًا بالإنتان، مع 944 في مجموعة التدريب و406 في مجموعة الاختبار. حددت خوارزميات LASSO والغابات العشوائية ستة علامات حيوية مهمة: البروكالسيتونين (PCT)، مؤشر التغذية التنبؤي (PNI)، عدد كريات الدم الحمراء (RBC)، عدد الصفائح الدموية (PLT)، الألانين أمينوترانسفيراز (ALT)، والبيليروبين غير المباشر (IBIL). أظهر نموذج الانحدار اللوجستي الذي يتضمن هذه العلامات الحيوية، بالإضافة إلى APACHE II، ودرجة SOFA، وحالة الصدمة، تمييزًا قويًا مع منطقة تحت المنحنى (AUC) تبلغ 0.841 في مجموعة التدريب و0.808 في مجموعة الاختبار. أكدت التحقق الخارجي في مجموعة مستقلة على دقة النموذج التنبؤي.
تؤكد النتائج على أهمية الحالة الغذائية في نتائج الإنتان، مع تسليط الضوء بشكل خاص على دور PNI. لم يظهر النموذج التنبؤي المطور فقط أداءً قويًا، بما في ذلك المعايير الممتازة للتوافق والفائدة السريرية، بل يدعم أيضًا دمج التقييم الغذائي في إدارة الإنتان المبكرة. تدعو هذه الدراسة إلى تحول في النموذج نحو التغذية الدقيقة في الرعاية الحرجة، مع التأكيد على الإمكانية لتحسين نتائج المرضى من خلال التدخلات المخصصة.
مقدمة
تتناول مقدمة ورقة البحث القضية الحرجة للإنتان، وهي حالة شديدة تتميز بخلل في الأعضاء بسبب استجابة مناعية غير مناسبة للعدوى، والتي تظل سببًا مهمًا للمراضة والوفيات في وحدات العناية المركزة (ICUs) على مستوى العالم. على الرغم من التقدم في الرعاية الحرجة، لا تزال معدلات الوفيات مرتفعة، خاصة بين المرضى الذين يعانون من تشخيص متأخر أو إدارة غير كافية. يعد التصنيف المبكر للمخاطر أمرًا حيويًا للتدخلات في الوقت المناسب وتخصيص الموارد. لا تأخذ أدوات التنبؤ التقليدية مثل تقييم الفسيولوجيا الحادة والصحة المزمنة II (APACHE II) ودرجة تقييم فشل الأعضاء المتسلسل (SOFA) في الاعتبار بشكل كامل العوامل الأيضية والمناعية والتغذوية التي تؤثر على التعافي.
تسلط الأبحاث الناشئة الضوء على التفاعل بين الالتهاب، خلل المناعة، وسوء التغذية في الإنتان، مما يسهم في نتائج سلبية مثل الإرهاق الكاتابولي وزيادة القابلية للعدوى الثانوية. تم تحديد مؤشر التغذية التنبؤي (PNI) كعلامة مركبة قيمة تعكس الحالة الغذائية ووظيفة المناعة، حيث يرتبط انخفاض PNI بنتائج سيئة في المرضى ذوي الحالات الحرجة. على الرغم من قدرته التنبؤية للوفيات في الإنتان، إلا أن PNI لا يُستخدم بشكل كافٍ في الممارسة السريرية. تهدف هذه الدراسة إلى تطوير والتحقق من صحة نموذج تنبؤي جديد مستند إلى التغذية لوفيات 28 يومًا في مرضى الإنتان البالغين من خلال دمج خوارزميات التعلم الآلي مع درجات الشدة المعروفة والعلامات الحيوية المخبرية الرئيسية. يشمل تطوير النموذج تحققًا داخليًا وخارجيًا صارمًا، مما يعالج الفجوة في النماذج التنبؤية الحالية التي غالبًا ما تتجاهل العلامات الحيوية الحساسة للتغذية.
الطرق
في هذه الدراسة، تم إجراء التحليلات الإحصائية باستخدام برنامج R (الإصدار 4.2.0) لتقييم البيانات. تم الإبلاغ عن المتغيرات الفئوية كتواتر مع النسب المئوية وتم تحليلها باستخدام اختبار كاي-تربيع (χ²) أو اختبار فيشر الدقيق، اعتمادًا على السياق. خضعت المتغيرات المستمرة لاختبار التوزيع الطبيعي عبر اختبار شابيرو-ويلك؛ وتم تلخيص تلك التي كانت موزعة بشكل طبيعي كمتوسط ± انحراف معياري (SD) وتم مقارنتها باستخدام اختبار t للعينات المستقلة. على العكس من ذلك، تم تقديم البيانات غير الموزعة بشكل طبيعي كوسيط مع نطاق الربعية (IQR: P25-P75) وتم تحليلها باستخدام اختبار مان-ويتني U.
بالإضافة إلى ذلك، استخدمت الدراسة اختبار ديلونغ لمقارنة دقة التنبؤ لمختلف منحنيات التشغيل المستقبلي (ROC). تم تحديد عتبة الدلالة عند قيمة P ثنائية الجانب أقل من 0.05، مما يشير إلى دلالة إحصائية للتحليلات التي تم إجراؤها.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من المنهجيات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تؤكد التحليلات الإحصائية على قوة هذه العلاقات. من الجدير بالذكر أن النتائج تظهر أن التدخل المطبق أدى إلى تحسين قابل للقياس في المقاييس المستهدفة، مع قيمة p أقل من 0.05، مما يشير إلى دليل قوي ضد الفرضية الصفرية.
علاوة على ذلك، يتم توضيح النتائج من خلال أشكال وجداول متنوعة، والتي توفر تمثيلًا بصريًا للاتجاهات الملاحظة. تسهم هذه النتائج في المعرفة الحالية من خلال تقديم رؤى حول الآليات المعنية واقتراح تطبيقات محتملة للبحوث المستقبلية. بشكل عام، تؤكد النتائج على أهمية فرضيات الدراسة وآثارها على هذا المجال.
المناقشة
في هذه الدراسة الاستعادية التي أجريت عبر مركزين للرعاية الثلاثية، تم تطوير والتحقق من صحة نموذج تنبؤي لوفيات 28 يومًا في مرضى الإنتان. شملت الدراسة 1,350 مريضًا، توفي منهم 168 (12.4%) خلال فترة الاستشفاء. أشارت النتائج الرئيسية إلى أن غير الناجين أظهروا درجات APACHE II وSOFA أعلى بشكل ملحوظ، وخلل أكبر في الأعضاء، وتدخلات أكثر تكرارًا في وحدة العناية المركزة مقارنة بالناجين. حددت خوارزميات التعلم الآلي، وبشكل خاص LASSO والغابات العشوائية، ستة علامات حيوية حاسمة—مؤشر التغذية التنبؤي (PNI)، عدد الصفائح الدموية (PLT)، البروكالسيتونين (PCT)، الألانين أمينوترانسفيراز (ALT)، عدد كريات الدم الحمراء (RBC)، والبيليروبين غير المباشر (IBIL)—كمنبئات قوية للوفيات. حقق نموذج الانحدار اللوجستي الذي يتضمن هذه العلامات الحيوية منطقة تحت المنحنى (AUC) تبلغ 0.841 في مجموعة التدريب و0.808 في مجموعة الاختبار، مما يظهر قدرة تنبؤية قوية.
أظهر النموذج النهائي، الذي يدمج هذه العلامات الحيوية مع درجات الشدة السريرية المعروفة (APACHE II، SOFA) وحالة الصدمة، توافقًا ممتازًا (درجة بريير: 0.087، P = 0.624 من اختبار هوسمر-ليمشاو) ومؤشر C مرتفع قدره 0.887. أكدت التحقق الخارجي في مجموعة مستقلة دقة تنبؤه (AUC: 0.823). تؤكد الدراسة على أهمية الحالة الغذائية، كما يتضح من PNI، في نتائج الإنتان، داعية إلى دمج التقييمات الغذائية في الممارسة السريرية. بينما يظهر النموذج أداءً تمييزيًا قويًا وقابلية للتعميم، تشمل القيود تصميمه الاستعادي والحاجة إلى مزيد من التحقق المستقبلي متعدد المراكز لتعزيز قابليته للتطبيق عبر بيئات الرعاية الصحية المتنوعة.
DOI: https://doi.org/10.3389/fnut.2025.1726151
PMID: https://pubmed.ncbi.nlm.nih.gov/41640744
Publication Date: 2026-01-20
Author(s): Yong-ling Yang et al.
Primary Topic: Sepsis Diagnosis and Treatment
Overview
This study addresses the critical need for early risk stratification in sepsis, a condition associated with high mortality rates. Researchers developed and validated a predictive nomogram for 28-day mortality in sepsis patients by utilizing machine learning techniques to identify key biomarkers. A total of 1,350 sepsis patients were analyzed, with 944 in the training set and 406 in the testing set. The LASSO and Random Forest algorithms identified six significant biomarkers: procalcitonin (PCT), prognostic nutritional index (PNI), red blood cell count (RBC), platelet count (PLT), alanine aminotransferase (ALT), and indirect bilirubin (IBIL). The logistic regression model incorporating these biomarkers, along with APACHE II, SOFA score, and shock status, demonstrated strong discrimination with an area under the curve (AUC) of 0.841 in the training set and 0.808 in the testing set. External validation in an independent cohort yielded an AUC of 0.921, confirming the model’s predictive performance.
The findings underscore the importance of nutritional status in sepsis outcomes, particularly highlighting the role of PNI. The developed nomogram not only exhibited robust performance metrics, including excellent calibration and clinical utility, but also supports the integration of nutritional assessment into early sepsis management. This research advocates for a paradigm shift towards precision nutrition in critical care, emphasizing the potential for improved patient outcomes through tailored interventions.
Introduction
The introduction of the research paper addresses the critical issue of sepsis, a severe condition characterized by organ dysfunction due to an inappropriate immune response to infection, which remains a significant cause of morbidity and mortality in intensive care units (ICUs) globally. Despite advancements in critical care, high mortality rates persist, particularly among patients with delayed diagnosis or inadequate management. Early risk stratification is crucial for timely interventions and resource allocation. Traditional prognostic tools like the Acute Physiology and Chronic Health Evaluation II (APACHE II) and Sequential Organ Failure Assessment (SOFA) scores, while effective in assessing physiological and organ dysfunction, do not fully account for metabolic, immunological, and nutritional factors that impact recovery.
Emerging research highlights the interplay between inflammation, immune dysfunction, and malnutrition in sepsis, contributing to adverse outcomes such as catabolic exhaustion and increased vulnerability to secondary infections. The prognostic nutritional index (PNI) has been identified as a valuable composite marker that reflects nutritional status and immune function, with low PNI correlating with poor outcomes in critically ill patients. Despite its predictive capability for mortality in sepsis, PNI is underutilized in clinical practice. This study aims to develop and validate a novel, nutrition-informed predictive nomogram for 28-day mortality in adult sepsis patients by integrating machine learning algorithms with established severity scores and key laboratory biomarkers. The model’s development includes rigorous internal and external validation, addressing the gap in existing predictive models that often overlook nutrition-sensitive biomarkers.
Methods
In this study, statistical analyses were conducted using R software (version 4.2.0) to evaluate the data. Categorical variables were reported as frequencies with percentages and analyzed using either the chi-square (χ²) test or Fisher’s exact test, depending on the context. Continuous variables underwent normality testing via the Shapiro-Wilk test; those that were normally distributed were summarized as mean ± standard deviation (SD) and compared using the independent samples t-test. Conversely, non-normally distributed data were presented as median with interquartile range (IQR: P25-P75) and analyzed using the Mann-Whitney U test.
Additionally, the study employed Delong’s test to compare the predictive accuracy of different receiver operating characteristic (ROC) curves. A significance threshold was set at a two-sided P value of less than 0.05, indicating statistical significance for the analyses performed.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methodologies employed. The data indicate a significant correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the intervention applied led to a measurable improvement in the targeted metrics, with a p-value of less than 0.05, suggesting strong evidence against the null hypothesis.
Furthermore, the results are illustrated through various figures and tables, which provide a visual representation of the trends observed. These findings contribute to the existing body of knowledge by offering insights into the mechanisms at play and suggesting potential applications for future research. Overall, the results underscore the importance of the study’s hypotheses and their implications for the field.
Discussion
In this retrospective cohort study conducted across two tertiary care centers, a predictive nomogram for 28-day mortality in sepsis patients was developed and validated. The study included 1,350 patients, of whom 168 (12.4%) died during hospitalization. Key findings indicated that non-survivors exhibited significantly higher APACHE II and SOFA scores, greater organ dysfunction, and more frequent ICU interventions compared to survivors. Machine learning algorithms, specifically LASSO and Random Forest, identified six critical biomarkers—Prognostic Nutritional Index (PNI), platelet count (PLT), procalcitonin (PCT), alanine aminotransferase (ALT), red blood cell count (RBC), and indirect bilirubin (IBIL)—as robust predictors of mortality. The logistic regression model incorporating these biomarkers achieved an area under the curve (AUC) of 0.841 in the training set and 0.808 in the testing set, demonstrating strong predictive ability.
The final nomogram, which integrates these biomarkers with established clinical severity scores (APACHE II, SOFA) and shock status, showed excellent calibration (Brier score: 0.087, Hosmer-Lemeshow P = 0.624) and a high C-index of 0.887. External validation in an independent cohort confirmed its predictive accuracy (AUC: 0.823). The study underscores the importance of nutritional status, as reflected by PNI, in sepsis outcomes, advocating for the integration of nutritional assessments into clinical practice. While the model exhibits strong discriminative performance and generalizability, limitations include its retrospective design and the need for further multicenter prospective validation to enhance its applicability across diverse healthcare settings.