目的：了解血液和尿液中的蛋白质生物标志物（这些标志物与宿主对感染的抵抗力 、疾病耐受能力及损伤程度相关）如何与社区获得性脓毒症的临床结局及脓毒症亚型相关联。方法 ：符合Sepsis-3标准的成年患者在急诊科就诊后6小时内被前瞻性纳入研究， 并采用急诊护理脓毒症内分型（SENECA）方法确定其临床亚型(α、β、γ、δ)。通过结构化专家评级及共识判定， 从残留生物样本中提取的16种血浆和尿液生物标志物被归类为影响脓毒症病理生理机制的三大轴心： 宿主抗感染能力 、疾病耐受性以及宿主损伤 。针对每个概念的生物标志物均采用主成分分析构建特征谱，并通过多变量逻辑回归检验各特征谱与90天死亡率及脓毒症亚型归属之间的关联性。结果 ：在444名成人患者中，平均年龄为60岁[标准差：16]，平均SOFA评分为4.3 [标准差：2.3]，90天死亡率为17%。经年龄、性别和种族校正后，宿主损伤程度越大与90天死亡率升高相关（校正比值比(aOR)=1.70；95%置信区间1.38–2.11；p<0.001）；而宿主抵抗力越强则死亡风险降低。（调整后比值比[aOR]=0.83；95%置信区间[Cl] 0.54–1.10；p= 0.4）以及更高的疾病耐受性（aOR=0.83；95% Cl 0.68–1.01；p=0.06）均未呈现显著差异。不同脓毒症亚型间的差异在疾病耐受性和损伤特征方面最为明显：δ型患者表现出更严重的损伤和更低的疾病耐受性， 而 α 型患者则损伤较轻且疾病耐受性较高。结论：基于专家共识确定的生物标志物特征谱与宿主对感染的抵抗力 、疾病耐受能力及宿主损伤程度相关，并与临床结局及脓毒症亚型归属存在关联。

关键词 ：脓毒症 、宿主抵抗力 、疾病耐受性 、损伤 、生物标志物

图片摘要

脓毒症是一种常见且致命的综合征，现有治疗方案主要侧重于早期抗菌药物治疗 、感染源控制及器官支持。靶向治疗研发面临的关键障碍在于脓毒症潜在生物学机制的多样性和异质性，这些机制在临床上难以明确区分。近期为深入理解脓毒症异质性所取得的重要进展，是通过机器学习方法对多种脓毒症亚型进行了特征分析。尽管这些亚型分类已得到广泛验证，但其中仅有少数能够预测治疗反应或实际应用于临床实践[1]。

最新研究表明， 目前主流的脓毒症概念模型可能限制了我们对脓毒症整体发病机制的理解， 以及新型治疗方案如何针对个体患者进行靶向治疗[2, 3] 。现有模型主要聚焦于病原体与宿主免疫反应，未能充分涵盖宿主作用相关的其他方面，包括宿主对感染的抵抗力、疾病耐受能力以及组织损伤程度[4]。具体而言，宿主抵抗力机制包括先天性和适应性免疫反应，其目的在于降低病原体载量并减轻病原体相关的损伤；这一过程与抗菌药物耐药性截然不同。疾病耐受机制则是组织保护性应激反应及代谢适应机制，旨在维持机体功能而不直接减少病原体负荷，并限制由病原体及其代谢产物、以及宿主抵抗力引发的实质功能障碍和后续直接损伤。损伤是指当应激反应与损伤修复机制失效、疾病耐受机制不堪重负时，由病原体或宿主免疫反应导致的组织损伤。这些机制已在先前的文献[3–5]中得到详细阐述。与该框架一致，实验性脓毒症模型表明：代谢和内分泌调控机制可在不影响病原体负荷的情况下决定患者存活率及器官损伤情况，具体例证包括铁代谢与葡萄糖代谢的适应性变化[6] ，以及禁食状态与葡萄糖利用效应[7]。尽管这些机制在临床前模型和免疫学研究中已有充分描述，但针对脓毒症患者及其预后影响的研究仍较为有限。

为填补这一知识空白，我们在一项脓毒症患者的前瞻性队列研究中提出了可测量的宿主抵抗力、疾病耐受性及宿主损伤指标，并探讨了这些指标与临床脓毒症亚型及预后的关联。

本研究已获得匹兹堡大学人类研究保护办公室的批准。数据采集时豁免了知情同意要求。报告撰写遵循《流行病学观察性研究报告强化指南》（STROBE）的规定。

本研究包含四个步骤：(1)依托国际脓毒症论坛（ISF）专家组成员开展结构化专家共识研讨流程，依据机体防御能力、疾病耐受度与组织损伤三大作用机制范畴，对备选血浆及尿液生物标志物进行归类划分。(2)开展前瞻性队列研究，对接受急诊治疗的社区获得性脓毒症患者中针对各机制概念的候选生物标志物进行检测；(3)基于临床数据应用“急诊护理脓毒症内分型”（SENCA）脓毒症亚型标签；(4)确定宿主抵抗力、疾病耐受性及损伤特征与两种脓毒症亚型及临床结局之间的关联。

作用机制概念与生物标志物

我们预先筛选出16种候选生物标志物，这些标志物均与宿主免疫应答通路密切相关（涉及宿主抵抗力、疾病耐受性及损伤反应），且可在残留血浆和尿液中进行检测：白细胞介素-6[IL-6] 、白细胞介素-8[IL-8]、白细胞介素-10[IL-10]、血管生成素-1[Ang-1]、血管生成素-2[Ang-2]、聚糖蛋白聚糖-1[Syndecan-1]、E-选择素、细胞间黏附分子1[ICAM- 1]、抗凝血酶III[ATIII]、纤溶酶原激活物抑制剂1[PAI-1]、高迁移率族蛋白B1[HMGB1]、血红素加氧酶-1[HO- 1]、NephroC-heck ®金属蛋白酶组织抑制剂-2以及胰岛素样生长因子结合蛋白-7[TIMP-2][IGFBP7]、乳酸、碳酸氢盐和尿酸。通过结构化的专家共识流程，将这些候选生物标志物归类至宿主抵抗力、疾病耐受性和损伤反应三大机制概念体系。十位ISF专家独立为每个标志物在三个概念中的占比（0-100%）进行赋值，并确保总和等于100% ，允许跨领域交叉赋值。由资深ISF成员组成的共识委员会综合汇总各指标赋值结果并结合现有生物学证据，最终确定各标志物的归属分类。在两例情况下共识委员会选择了有文献支持的主要归类： HMGB1被归类为损伤相关分子模式中的典型代表[8] ；而[TIMP -2]·[IGFBP7]则因其与细胞周期停滞应激反应的关联（这些反应可能代表早期组织保护机制）而被归类为疾病耐受性相关分子[9]。

前瞻性队列研究

我们于2017年10月至2019年6月期间，在宾夕法尼亚洲西南部的一家三级医疗中心纳入了社区获得性脓毒症患者。该队列最初纳VESPRE研究[10] 。符合条件的患者为成年(≥18岁）个体，在急诊科（ED）就诊后6小时内符合Sepsis-3 [11]诊断标准且具有足量残留生物样本。患者通过EHR系统对疑似感染（需同时进行抗生素检测和血培养）的警报提示及序贯器官衰竭评分（SOFA）≥2进行识别，随后经在线审核确认符合Sepsis-3标准；所需残留样本量为≥450µL的EDTA 血浆和≥125µL的尿液。

数据来源

临床数据

我们采用了前瞻性队列研究中患者就诊时的电子健康记录（EHR ； CERNER 公司，密苏里州堪萨斯城）数据。临床数据包括患者人口统计学特征、生命体征、实验室检查值、器官支持治疗（如机械通气和升压药使用）、住院时长以及入院后90天内的死亡率。患者自报种族信息来源于匹兹堡大学医学中心（UPMC）登记系统数据。 由于样本量较小，种族数据被合并为两个类别（ 白人、非白人） 。合并症通过住院诊断中的《国际疾病分类第九版》（ICD -9）编码进行识别。脓毒症发病六小时内最异常的生命体征及实验室检测值被用于评估基线疾病严重程度。

生物样本数据

残余血浆及尿液样本在临床检测完成后48小时内从UPMC 临床实验室采集。样本于采集当日运送至急性疾病研究、调查与系统建模中心（CRISMA）的研究实验室，完成处理后分装，并储存于-80℃的专用生物样本库中。生物标志物采用市售试剂盒进行定量分析。

统计分析

统计分析包括以下步骤：(1)针对每个生物标志物计算专家评估得出的均值，分配给宿主抗性、疾病耐受性和损伤的权重比例；(2)通过主成分分析将宿主抗性、疾病耐受性和损伤的生物标志物映射为特征谱；(3)按特征谱比较基线特征与临床结局；(4)建立特征谱与脓毒症亚型及临床结局之间的关联模型。

数值表示平均值（标准差）或百分比（%）；SOFA序贯器官衰竭评估量表；a除非另有说明，所有变量均反映展示开始后前6小时的数据；b种族信息来源于结构化的电子健康记录文档；c机械通气指有创性正压通气；d血管加压药使用包括去甲肾上腺素、肾上腺素、血管加压素或等效药物。

针对按机制概念分组的生物标志物，我们采用一维主成分分析（PCA）将各项测量值整合为单一定量特征。我们将Ang-1 、 ATIII 和碳酸氢盐等生物标志物的方向性进行反转处理，使其数值越高表示异常程度越严重。此外，我们还通过PCA衍生特征评分的中位数分界， 比较了各机制特征高分组与低分组之间的基线特征及临床结局差异。

我们采用源自EHR数据库的临床数据（包括生命体征、临床实验室检查结果及合并症信息），将患者归入四种SENECA临床亚型之一 (α型、β型、γ型、δ型）。亚型归属依据与已发表质心点之间的最小欧几里得距离确定[12]。我们未采用近期研究中提出的亚型分类不确定性建模方法[13]，而是比较了不同SENECA脓毒症亚型间的基线特征及结局指标；分类变量以例数（百分比）表示；正态分布的连续变量以均值（标准差[SD]）表示；非正态分布的连续变量则以中位数（四分位距[IQR]）表示。在建模前，我们首先评估了变量分布情况、数据缺失状况及变量间相关性。对于非对称分布的数据，采用了对数转换处理；缺失数据则通过随机森林插补法结合预测均值匹配进行填补。为确定基于主成分分析（PCA）得出的机制特征与90天死亡率之间的风险校正关联，我们使用了具有稳健标准误的多变量逻辑回归模型。模型协变量是根据已知与脓毒症特定结局相关的因素预先选定的，包括年龄、种族和性别。我们采用Kaplan-Meie分析以及基于各机制特征得分中位数分组划分的高低分层数据，对90天生存率进行了统计学分析。

为明确每种机制特征对脓毒症亚型归属的潜在贡献，我们采用随机森林模型及特征重要性评估指标来预测个体属于各脓毒症亚型的可能性。

敏感性分析

我们进行了五项敏感性分析。首先，我们在剔除缺失率较高（缺失率>20%）的生物标志物后重复了主要分析；其次，采用二维主成分分析（PCA）重新构建模型；第三，根据专家共识比例而非离散分类法将生物标志物归入不同机制类别后重复主要分析；第四，按PCA分析得出的宿主抵抗力与疾病耐受性特征中位值对患者进行分层（高/高、高/低、低/高、低/低），采用Kaplan-Meier曲线结合对数秩检验比较90天生存率，并以组别为暴露因素（参照组：低宿主抵抗力+低疾病耐受性），通过多变量逻辑回归校正年龄、性别和种族后估算与90天死亡率的调整关联；最后，为确保这些机制特征并非疾病严重程度的替代指标，我们将宿主抵抗力、疾病耐受性和损伤评分的中位数分组结果与入院时SOFA评分 (≤2,3–4 ，≥5) 进行对比，并使用冲积图可视化其重叠情况（见图e4）。

数据分析采用Stata 17.0版（StataCorp）和R统计软件4.2.2版完成。结果以双侧p值≤0.05为显著性标准。

图1 按每种机制概念的高vs.低（中位数分割）分层的Kaplan-Meier生存曲线，A宿主抵抗力，B疾病耐受性，C损伤

表2 机制概念与90天死亡率之间的风险校正关

患者

在1,027名符合ED就诊前6小时内sepsis-3标准的筛查患者中，共444例（43%）被纳入研究（图e1）。患者主要为白人（85%）、男性（57%），平均年龄为60岁（标准差：16岁）（表1）。平均Elixhauser合并症指数为4.0（标准差：2.3），平均SOFA评分为4.3（标准差:2.3）。总体而言，110例患者（25%）需要机械通气支持，83例患者（19%）需使用血管升压药，75例患者（17%）在90天内死亡。按脓毒症亚型划分，135例（30%）属于α型 ，152 例（34%）属于β型 ，94 例（21%）属于γ型，63例（14%）属于δ型（表e2）。δ型患者的SOFA评分最高且预后最差，包括住院死亡率最高（表e2）。

将脓毒症生物标志物映射至机制概念

各生物标志物对宿主抵抗力、疾病耐受性及损伤程度的专家平均百分比归因值，以及用于分析的主要功能域划分结果均展示于图2 。经共识委员会审议后，我们提出：可反映宿主抵抗力的生物标志物有4种（IL-6 、IL-8 、E-选择素、ICAM-1）；可反映疾病耐受性的生物标志物有5种（IL-10、HO-1、Ang-1、[TIMP-2] [IGFBP7]、ATIII）；可反映损伤程度的生物标志物有7种（Ang-2、Syn-1 、HMGB1 、PAI- 1 、尿酸、乳酸、碳酸氢盐）。我们针对这三种机制概念分别计算了其一维主成分（见图3），主成分特征对宿主抵抗力、疾病耐受性和损伤程度的解释方差分别为46.8%、28.4%和31.4%。

患者特征

在宿主抵抗力特征的二分组中，年龄、种族、性别、合并症及SOFA评分的分布情况均相似（表3）。主要结局指标包括ICU入住率（范围46%-51%）和机械通气使用率（范围23%-27%）。住院死亡率（9%）也较为接近。血管升压药的使用在高宿主耐受性组中更为常见（高组为24% ，低组为13%），而90天死亡率则较低（高组为14% ，低组为20% ，见电子表3图1A）。在疾病耐受性组中，高疾病耐受性患者的住院死亡率（6%）低于低疾病耐受性患者（12% ，见电子表4图1 B）。对于损伤严重程度组，SOFA评分更高（高组4.7 [标准差2.6] vs 低组3.9[标准差1.9]）、血管升压药使用更普遍（高组27% vs 低组11%），且高损伤组的住院死亡率更高（高组14% vs 低组4% ，见电子表5 图1 C）。

图2 A不同临床脓毒症亚型中宿主抵抗力、疾病耐受性及损伤概念的分布情况，以弦图形式展示（左图）。B热图（右上）显示四种森尼卡脓毒症亚型  (α、β、γ、δ)   中机制相关概念（宿主抵抗力、疾病耐受性及损伤）的标准化Z值；C条形图（右下）呈现α、β、γ和δ型中宿主抵抗力（R）、疾病耐受性（T）及损伤（D）的主成分（PC1）均值。

图3四种高/低宿主抗性（R） 与高/低疾病耐受性（T） 组合的Kaplan-Meier 90天生存曲线 。所示组别分别为： 高R+ 高T 、高R+低T 、低R+ 高T以及低R+ 低

基于风险校正的机制特征与90天死亡率之间的关联

在使用PCA衍生机制特征的调整模型中，更强的宿主抵抗力和疾病耐受性与较低的90天死亡率均无显著关联（宿主抵抗力；aOR 0.83；95% CI 0.54-1.10；p=0.40；表2A；疾病耐受性；aOR 0.83；95% CI 0.68–1.01；p=0.06；表2B）。宿主损伤程度增加则独立与更高的90天死亡率风险相关（aOR 1.70；95% CI1.38–2.11；p<0.001；表2C）。在探索性分析中对初始临床脓毒症亚型进行校正后，结果仍保持一致（电子表6）。

机制特征对脓毒症亚型分类的贡献

在四种临床脓毒症亚型中，我们利用随机森林特征重要性分析（图2）阐明了各特征对分类归属的贡献度，其中主成分得分反映了其影响方向。对于α型而言，低损伤程度（成分均值-0.62[标准差：0.6]）和高疾病耐受性（成分均值0.23[标准差：1.25]） 比宿主抵抗力（成分均值-0.02[标准差：1.1]）更具决定性作用；相反，δ型主要与高损伤程度相关（成分均值1.92[标准差：2.81]）；而低宿主抵抗力则是β型分类归属的主要决定因素（成分均值-0.28[标准差：0.48]）。

敏感性分析

模型结果在敏感性分析中均表现稳健。首先，在排除因数据缺失率较高而剔除的[TIMP-2]–[IGFBP7]和尿酸后，损伤（校正风险比aOR 1.75,95% 置信区间1.40–2.20，p<0.001）与宿主抵抗力（aOR 0.83,95%置信区间0.54-1.10 ，p=0.4）与死亡率之间的风险校正关联均未发生变化（电子表7）。其次，采用二维主成分分析时，损伤仍与90天死亡率显著相关（aOR=1.56 ，p<0.001，电子表8）。第三，通过专家一致性比例对生物标志物进行概念映射时，结果依然一致（电子表9）。第四，针对宿主抵抗力与疾病耐受性联合变量的四组探索性分析支持主要结论：同时具备高宿主抵抗力和高疾病耐受性的患者死亡率最低，而同时具有低宿主抵抗力和低耐受性的患者死亡率最高（图3 、电子表10 、电子表11）。最后，宿主抵抗力、疾病耐受性和损伤的高低分层特征在所有SOFA分级中均有体现，表明这些机制特征并非单纯反映疾病严重程度的替代指标（电子图4）。

在一项前瞻性脓毒症队列研究中，我们系统化地建立了反映宿主抵抗力、疾病耐受性及损伤程度的循环生物标志物特征谱，并评估了这些特征与临床结局及亚型分型之间的关联。更强的损伤特征谱与90天死亡率升高独立相关；δ型亚型则以高损伤特征谱和低疾病耐受特征谱为典型特征。

目前大多数脓毒症概念模型主要关注病原体介导的损伤或主导的免疫状态（例如：高炎症状态、低炎症状态、免疫麻痹状态、先天免疫与适应性免疫） 。这些模型可能无法完全解释为何具有相似病原体载量的患者会呈现不同的临床结局。一种互补的研究框架是由Medzhitov等人提出的，该框架涵盖了宿主对感染的抵抗力、疾病耐受性以及组织损伤。在此框架中，宿主在感染期间的存活取决于三个相互关联的过程：(i)通过先天性和适应性免疫反应直接清除病原体的能力（宿主抵抗力）；（ii）在不降低病原体载量的前提下维持宿主器官功能的能力（疾病耐受性），这与免疫介导的病原体清除机制不同；（iii）由病原体及宿主免疫反应共同引起的组织损伤程度（组织损伤）[3,4] 。这一框架对于深化我们对疟疾等疾病的理解起到了关键作用。在疟疾小鼠模型中，反映疾病耐受性的生物标志物（如血红素加氧酶-1（HO- 1）及其血红素代谢活性）能够在不降低寄生虫载量的情况下提供保护作用[14, 15]。在小鼠多微生物脓毒症模型中，游离血红素的解毒作用及HO-1的诱导表达同样能在细菌载量不变的情况下提高存活率[16] 。为将这些概念应用于人类数据并拓展前期研究，我们采用结构化的专家共识流程与专家评审机制，将蛋白质生物标志物归类至相应领域，以便在脓毒症患者及生物样本中进行研究。

在本研究中，将损伤相关生物标志物整合到主成分分析衍生的特征谱后发现，较高的损伤程度与更高的90天死亡率相关。被选为宿主损伤合理指标的生物标志物包括Ang-2 、Syn-1 、HMGB1 和PAI-1 。值得注意的是，Ang-2与内皮功能障碍相关[17] ，Syn-1与血管功能障碍相关[18] ，HMGB1 与内皮屏障破坏相关[8] ，而PAI-1则与凝血及纤溶功能受损相关[19] 。宿主抵抗力与疾病耐受性特征谱同样与预后相关，但在校正模型中未达到统计学显著性。在宿主抵抗力的潜在组成标志物中，IL-6是一种激活急性期反应的细胞因子[20] ；IL-8促进中性粒细胞募集；E-选择素和ICAM-1则类似地促进内皮-白细胞黏附[21, 22] 。这些机制共同体现了加速病原体清除的作用机制。最后，在疾病耐受性相关的潜在生物标志物中：IL-10可抑制促炎细胞因子的产生[23] ；HO-1能分解血红素，并与脓毒症模型中的治疗效果改善相关[16] ；Ang-1有助于维持内皮细胞稳定性[24] ；ATIII参与内源性抗凝过程并减少微血管血栓形成[25] ；而TIMP-2和IGFBP7则与细胞周期阻滞相关，这在细胞应激早期阶段具有保护作用[9]。值得注意的是，现有模型中宿主抵抗力与疾病耐受性的特征指标可能统计效力不足、需要额外生物标志物，或反映了循环系统中尚未完全捕捉到的重叠且分隔化的机制。特别值得关注的是，同时具有低宿主抵抗力和低疾病耐受性特征的患者死亡率最高，这与保护储备能力降低及发生严重疾病风险增高的表型特征一致。

近期提出的脓毒症亚型已在超过6万名患者的多个国际队列研究中得到验证[26] 。然而，区分这些亚型的机制仍不明确。我们现发现，基于病理机制概念（宿主抵抗力、疾病耐受性及组织损伤）进行分类，或许能揭示脓毒症亚型分化的关键驱动因素。例如，δ型患者死亡率最高且具有显著的组织损伤特征，这与既往关于损伤生物标志物的研究结果一致——包括循环危险相关分子模式（DAMPs）、细胞死亡标志物以及内皮警报素（如HMGB1 、游离血红蛋白和血管生成素-2）[27,  28]。δ型患者表现出较低的疾病耐受性；这一发现虽为假说提供依据，但与预后最差的脓毒症患者体内血红素清除蛋白——血红素结合蛋白水平较低的现象相符[16]。

局限性

本研究存在若干局限性。首先，与所有观察性研究及在单一时间点测量的生物标志物一样，这些结果可能受到未测量的混杂因素影响；同样，基于单一时间点对败血症亚型进行分类也可能存在误判风险，这一点已在近期研究[13]中得到强调。其次，在单中心前瞻性队列研究中，其结论的普适性尚未得到验证。第三，生物标志物被划分为宿主抵抗力、疾病耐受性和损伤反应三类是基于专家共识，这引入了主观性。此外，不同领域的生物标志物关联可能存在重叠，且取决于具体情境，可能会过度简化复杂的败血症生物学机制。第四，现有理论认为疾病耐受机制与病原体负荷无关，但实际病原体负荷无法量化； 同时我们缺乏经权威判定且可分析的感染源数据以及抗生素使用合理性指标，这些因素可能干扰相关关联分析。第五，生物标志物浓度是在尿液和血浆中测定的，而非器官组织层面。例如，HO-1在实质组织中被诱导表达时可发挥细胞保护作用，而循环中的HO-1水平可能并非器官层面表达的精确替代指标。尽管血浆中HO-1浓度可能反映HMOX1（参与抗菌防御功能）的表达情况[29] ，但也可能反映因细胞损伤导致的胞质酶释放。第六，这些结果具有启发性假设价值，需进一步完善生物标志物特征谱、整合多组学通路数据[30] 并在外源队列中进行验证。

在一项前瞻性队列研究中，宿主抵抗力、疾病耐受性及宿主损伤的机制概念共同决定了临床脓毒症的亚型，并与90天死亡率相关。