营养指标可能不是急性心肌梗死的良好预后指标

预后营养指数(PNI)已在急性心肌梗死(AMI)中得到应用，但PNI在AMI中的应用尚需验证。这是一项前瞻性队列研究。入选AMI患者。PNI为血清白蛋白(SA，g/L)+5×淋巴细胞计数(TLC)×10。9/L)。采用Logistic回归分析方法对改良的PNI(MPNI)进行回归分析，以调整SA和TLC的比例。主要结果是全因死亡。共登记598例，随访期间死亡73例.在mPNI公式中SA和TLC的系数约为2：1。SA、TLC、PNI、mPNI和GRACE在预测急性心肌梗死患者死亡时的受试者操作特征曲线下面积分别为0.718、0.540、0.636、0.721和0.825。PNI与mPNI之间的净重新分类改进(NRI)为0.230(p < 0.001). Integrated discrimination improvement (IDI) was 0.042 (p=0.001)。决策曲线分析显示，mPNI对AMI的预后价值优于PNI，但不优于SA。因此，PNI可能不是一个可靠的AMI预后预测指标；在重新设定公式后，PNI在预测AMI预后中的价值几乎完全是SA所致。

缺血性心血管疾病是最常见的死亡原因，其发病率在世界范围内呈上升趋势。在欧洲，急性心肌梗死(AMI)每年住院的发病率在90到312/10万之间。1..通过现代抗血栓疗法的出现2、二级预防和经皮冠状动脉介入治疗(PCI)3,4，因心脏原因引起的急性和长期死亡率有所下降；然而，ST段抬高性心肌梗死(Stemmi)所致的一年死亡率约为10%。5..因此，早期风险分层管理已经被应用于AMI患者的短期和长期预后预测。6,7.

预后营养指数(PNI)是由Buzby首次提出的。等人..1980年胃肠手术患者预后评估8..采用血清白蛋白(SA)、血清转铁蛋白(SA)、三头肌皮褶和迟发性超敏反应进行计算机逐步线性回归，以反映基础营养状况。1984年，Onodera根据以下方程简化了免疫营养指标线性预测模型：pni=sa(g/L)+(5×淋巴细胞总数[tlc]×10)。9/L)。本研究表明，当pni大于45时，该模型可以安全地应用。9，但有报道指出，pni的最优截止值是可变的。10,11..PNI被用来预测各种恶性肿瘤的预后。12,13,14,15,16肺栓塞17，以及其他疾病。PNI是评价癌症患者营养和免疫状况的有效指标，并通过局部免疫反应影响患者的预后。16.

PNI主要用于预测癌症患者的预后，并在最近的一些研究中应用于AMI。18,19..心肌梗死与SA水平密切相关20,21以及炎症过程22..然而，低SA在心肌梗死中的作用可能是由于其作为抗氧化、抗炎和抗血小板聚集剂的作用，而不是主要由于它的营养方面。23,24,25..SA和TLC在癌症和AMI中的病理生理机制可能不尽相同。SA和TLC在预测癌症患者与AMI患者的预后时可能具有不同的作用，这意味着Onodera PNI计算在癌症患者中可能不一定适用于AMI患者。PNI可能对AMI患者的预后有一定的评价价值，但PNI在AMI患者预后评估中的应用尚未得到证实，也未与传统的急性冠状动脉事件登记(GRACE)等传统危险评分进行比较。18,19..本研究的目的是：1)探讨Onodera的PNI计算方法是否适用于AMI患者，2)调整PNI公式，确定其是否提高了PNI对AMI的预后价值，并与传统的GRACE风险评分进行比较。

基线特性

本研究纳入626例AMI患者，其中28例根据排除标准排除。分析598例(95.5%)。平均年龄64±13岁，男性456例(76.4%)。经前瞻性随访，73例患者平均死亡14.8个月(9.3~17.8个月).基线特征如表所示1..连续PNI平均值为47.8±6.0，PNI评分为1分182例(30.4%)。死亡患者年龄大，PNI高1例，心率、Killip级、D-二聚体、肌酐、白细胞介素6、C反应蛋白、NT-proBNP、肌钙蛋白和GRACE评分较存活者低，体质量指数、SA水平和左室射血分数(LVEF)均低于存活者。

mPNI公式

用Logistic回归法计算mPNI值，重新计算SA和TLC对全死因死亡的影响。所用方程为：logit(P)=(5.142~0.184×SA+0.104×TLC)，mPNI公式中SA和TLC的系数约为2：1，也可计算出mPNI预测全因死亡的条件概率。

mpni与长期死亡率

将mPNI的条件概率按平均分为低危险组和高危组。高风险组的死亡率明显高于低风险组(19.1%比5.4%)，p < 0.001). Consistently, cumulative survival was significantly lower in the high-risk group than the low-risk group during follow-up (53.7% vs. 84.6%, p < 0.001) (无花果。1).

高风险和低风险mPNI的Kaplan-Meier生存分析。mPNI，改良预后营养指数。

全尺寸图像

单因素Logistic回归分析显示PNI、mPNI、BMI、血清白蛋白、甘油三酯、胆固醇、低密度脂蛋白、LVEF和GRACE与AMI患者随访期间的全死因死亡有关。(表2)..在对多因素Logistic回归分析中的潜在混杂因素进行调整后，mPNI仍与全死因死亡有独立关系(mPNI高风险与低风险，OR=2.595，95%CI，1.084-6.212，p=0.032)，以及LVEF和GRACE。然而，PNI不是一个独立的因素(PNI 1比0，OR=0.535，95%CI，0.241~1.188，p=0.124)。

PNI和mPNI的标定和识别能力

在重新设置SA和TLC的配方后，拟合优度检验表明，采用Hosmer-Lemeswell检验，mpni无统计学意义(p0.950)，这意味着mpni有一个很好的合适之处。校准直方图还显示，观察到的频率与每个事件风险组的预测频率几乎相同。(无花果。2).

基于Logistic回归的预测死亡mPNI校正直方图。mPNI，改良预后营养指数。

全尺寸图像

SA和TLC对死亡的预测值分别为0.718(95%CI，0.680~0.754)。p < 0.001) and 0.540 (95% CI, 0.499–0.581, p分别=0.272)。在预测死亡方面，mPNI的AUC显著高于PNI(0.721对0.638，P<0.05)。p=0.004)，但低于GRACE评分(0.825，95%CI，0.792~0.855，p < 0.001, Fig. 3)，差异显著(p=0.002)。

SA、TLC、PNI、mPNI和GRACE预测全死因死亡的AUC.AUC，患者操作特征曲线下面积；SA，血清白蛋白；TLC，淋巴细胞总数；PNI，预后营养指数；mPNI，改良预后营养指数；GRACE，急性冠状动脉事件全球登记。

全尺寸图像

采用NRI法比较PNI和mPNI的风险识别能力，本研究中AMI患者死亡率为12.2%，以8%和25%作为任意阈值来定义低、中、高风险。PNI和mPNI的NRI为0.229(95%CI，0.093~0.366)。p < 0.001), and IDI was 0.042 (95% CI, 0.017–0.068, p=0.001)。死亡组7例，中、高危组7例，生存组70例，分为低危组和中危组。与PNI相比，mPNI显示了良好的预后表现和显着的净再分类。(表3)..SA与mPNI之间的NRI无统计学意义，小于0.001(95%CI，−0.062~0.063，P<0.05)。p=0.978，IDI=0.009(95%CI，−0.002~0.020)。p=0.106)。

由于SA和mPNI的AUC相近，故采用DCA比较两种方法的预后价值。DCA显示，在任何阈值概率下，mPNI对AMI的预后价值均优于PNI，但不优于SA。在目前的研究中，tlc没有显示出任何净收益。(无花果。4)..DCA图显示，mPNI对AMI患者预后的预测价值高于PNI，但与SA基本相同。

SA、TLC、PNI和mPNI的决策曲线分析。SA，血清白蛋白；TLC，淋巴细胞总数；PNI，预后营养指数；mPNI，改良预后营养指数。

全尺寸图像

在本研究中，我们研究了PNI在AMI患者中的预后价值，并重新设置了PNI公式，以确定它是否能提高AMI患者的预后价值。结果表明，PNI可能不是AMI的可靠预后指标。修正PNI算法后，mPNI没有表现出比SA更好的预见性，不如传统的GRACE评分。PNI对AMI患者预后的预测价值几乎完全来自SA。据我们所知，本研究是第一次重新计算和验证PNI在AMI患者中的预后价值。

PNI用于评估胃肠道恶性肿瘤患者的手术风险和预后。9..SA是在肝脏中合成的蛋白质，是循环中最丰富的蛋白质，是反映癌症患者营养状况的良好指标。营养不良与癌症患者的发病率和死亡率增加有关。26,27..另一方面，淋巴细胞在肿瘤的形成和发展中起着重要的作用。28，它们还可以消除癌细胞，抑制癌细胞的增殖、侵袭和迁移。29,30..因此，PNI是影响癌症患者预后的重要因素。

在最近的研究中，PNI与STEMI患者的预后有关。18,19..然而，这些研究没有分别分析SA和TLC的预后价值，也没有重置用于AMI的公式，也没有与GRACE评分进行比较。低白蛋白血症是AMI住院和长期不良后果的独立预测因素.SA是炎症的阴性指标，这意味着当存在炎症时，它的浓度会下降。31..它也是一种丰富而重要的循环抗氧化剂，在AMI期间利用配体结合和自由基捕获活性。23,32..最后，它是血小板活化和聚集的重要抑制剂，在AMI血栓形成过程中起着重要作用。33..因此，SA在AMI中的作用可能与其炎症、抗氧化活性和抗血小板聚集有关。24,34..淋巴细胞计数是免疫反应的一个指标，低淋巴细胞数可能与预先存在的免疫抑制过程有关，这表明心血管疾病的免疫反应不足。35..淋巴细胞减少的ami患者更容易发生内皮功能障碍、血小板活化和血栓形成。36,37..由于癌症与急性心肌梗死的病理生理不同，我们推测SA和TLC在预测癌症与AMI患者预后方面有不同的作用。mPNI公式中SA和TLC的系数在本研究中约为2：1，而在Onodera PNI计算中为1：5，这与我们的假设是一致的。

结果表明，SA对AMI死亡的预测作用高于TLC和PNI，表明SA在AMI的病理生理机制中起着重要作用。PNI具有较弱的预后价值。调整PNI公式后发现，mPNI比PNI有更高的预后价值，但不明显优于SA，提示TLC对AMI预后的预测作用有限。生存组与死亡组TLC无显着性差异。TLC是一种免疫炎症生物标志物，AMI患者由于炎症相关淋巴细胞凋亡增加，更有可能发展为淋巴细胞减少。淋巴细胞数量减少，TLC在mPNI中所占比例较小，这可能是TLC在目前研究中未发挥重要作用的部分原因。此外，淋巴细胞减少可作为持续进行中的非特异性动脉粥样硬化炎症过程的标志。摘要急性心肌梗死是一种急性炎症性血栓性疾病，与血脂密切相关，因此许多研究强调早期认识和治疗对改善AMI患者的预后具有重要意义。2,38,39.

GRACE评分是一种传统的简便、廉价的AMI患者预后评估工具，我们的研究表明，mPNI预测AMI患者死亡率的AUC低于GRACE评分。GRACE评分以其高效率和简单性而被公认，但仍然需要8个变量。mPNI最初没有用于AMI的预后评估，只包括两个指标，因此结果是可以接受的。

本研究有几个局限性。首先，这是一个单一的中心研究，包括一个小样本的大小.本研究的结果需要在更大的人群中进一步验证。第二，仅对PNI的计算结果进行了验证，未分析其他用于重建PNI的炎症标志物。第三，仅对入院时的PNI和mPNI进行评估，目前尚不清楚随后的变化是否能提供额外的预后价值。

我们的研究表明，PNI可能不是一个可靠的预测AMI预后的指标。调整公式后，mPNI比PNI具有更高的分辨能力和校准能力，但与SA相当，低于GRACE评分。PNI对AMI患者预后的预测价值几乎完全来自SA。TLC在PNI的计算中起着很小的作用。这一结果可能促使我们研究其他生物标记物重建PNI，以预测AMI患者的预后。

学习设计

这是一项单一的、前瞻性的队列研究。该研究遵循“赫尔辛基宣言”的原则，四川大学华西医院人类伦理委员会批准了该研究方案。我们获得了参与这项研究的所有参与者的知情同意。

学习人口

2016年10月至2017年9月，四川大学华西医院急诊科确诊为AMI的患者参加了本次研究。AMI的诊断标准是以心肌梗死的第四个定义为基础的。40：肌钙蛋白值的升高和/或下降，其值至少超过第99百分位数的参考上限(URL)，以及急性心肌缺血的临床证据(即缺血症状、心电图新的缺血变化或病理Q波的发展、影像学证据、血管造影或尸检鉴定)。排除标准包括24小时内使用抗血栓药物，缺乏实验室数据，以及癌症、活动性或慢性感染疾病、终末期肾病或肝衰竭患者。

数据收集

基线和临床数据，如生命体征，病史，过去的历史和实验室数据，均采用标准病例报告表在入院时获得。入院时立即使用心电图机(IMAC 1200，武汉Zoncare Bio-Medical，湖北)。现在的吸烟者被定义为有生之年至少吸过100支烟，但在过去1个月内仍在吸烟的人。41..当收缩压或舒张压为≥140/90 mmHg时，使用水银柱血压计在休息10分钟后或服用降压药物时诊断为高血压。糖尿病定义为空腹血糖为≥7 mmol/L，血红蛋白A1C水平为≥6.5%，随机静脉血糖水平为≥11.1mmol/L，或使用抗糖尿病药物。在室温下完成静脉穿刺，用标准管填塞血样，快速离心。血液学分析包括血红蛋白、血小板计数(PLT)、白血球计数(WBC)和TLC，采用全自动血液学分析系统贝克曼库尔特LH 750(贝克曼库尔特公司，Brea，CA，美国)进行分析。SAA、AST、ALT、尿素氮、肌酐水平用建筑师C 16000分析仪(Abbott诊断)进行分析。

PNI计算

根据患者的基线临床特点，采用Sa(g/L)+(5×TLC×10)公式计算PNI。9/L)。≥45或<45评分分别为0或1。

端点和后续行动

出院后进行前瞻性临床随访，采用电话或问卷调查形式，用医院记录重新确认住院资料。只有完成随访的患者才被纳入本研究。主要结果是全因死亡。

统计分析

连续变量表示为平均±标准差或中间四分位范围。连续变量采用Kolmogorov-Smirnov检验，正态分布变量采用独立样本t检验，非正态分布变量采用Mann-Whitney U检验。分类变量以频率和百分比表示，并使用卡方检验或Fisher精确检验进行分析。变量显示p < 0.05 in univariate logistic regression analysis were selected in the multivariate model.

采用Logistic回归分析方法计算改良预后营养指数(MPNI)，重新计算SA和TLC与全死因死亡的相关系数。分析AMI曲线下面积(AUC)，比较AMI的预后价值。采用校正直方图和Hosmer-Lemeswell试验相结合的方法对mPNI的校准进行了评价。分类分析被广泛推荐用于评估风险预测的区分性。42对mPNI与PNI或SA相比，mPNI提高预测能力的程度进行了分析。维克斯等人.43建议使用决策曲线分析(DCA)评价诊断模型和预后模型，并比较这些模型的预测价值。二尾p-<0.05的数值被认为是有统计学意义的。所有分析均采用SPSSforWindowsVersion21.0(SPSSInc.，芝加哥，IL，USA)和StataVersion14.0(Statacorp，College Station，TX)进行分析。