重症监护室中再喂养综合征患者预后营养指数与全因死亡率的关联——基于MIMIC-IV数据库的回顾性研究
Association between Prognostic Nutritional Index and All-Cause Mortality among Refeeding Syndrome Patients in the Intensive Care Unit—A Retrospective Study Based on MIMIC-IV Database
DOI: 10.12677/acm.2026.161145, PDF, HTML, XML,    国家自然科学基金支持
作者: 王钰轩, 贾钿月：青岛大学青岛医学院，山东 青岛；青岛市市立医院东院区急诊科，山东 青岛；秦一侬, 卢孔渺*：青岛市市立医院东院区急诊科，山东 青岛
关键词: 预后营养指数；再喂养综合征；死亡率；MIMIC-IV数据库；限制性立方样条分析；Prognostic Nutritional Index； Refeeding Syndrome； Mortality； MIMIC-IV Database； Restricted Cubic Spline Analysis
摘要: 1) 背景：再喂养综合征(Refeeding Syndrome, RFS)是一种潜在的致命性营养代谢紊乱，常与不良预后相关。预后营养指数(Prognostic Nutritional Index, PNI)作为一项综合血清白蛋白水平和淋巴细胞计数的复合指标，能够反映机体的营养和免疫状态，并在多种疾病中显示出良好的预后价值。然而，PNI对RFS患者的预后意义尚不明确。本研究旨在探讨PNI与重症监护室(Intensive Care Unit, ICU)中RFS患者全因死亡率之间的关联。2) 方法：本研究利用MIMIC-IV数据库进行了一项回顾性队列研究，目标人群为成年RFS患者。根据PNI的三分位数将患者分为低、中、高三组，采用Kaplan-Meier生存曲线、Cox比例风险模型、限制性立方样条(RCS)模型，分析患者PNI与30天和90天全因死亡率之间的关联。通过亚组分析和交互作用，进一步评估PNI对不同人群预后的影响。3) 结果：共纳入269例RFS患者，30天和90天全因死亡率分别为30.7%和38.2%。生存分析表明，低PNI组的患者生存率也较低。多因素Cox回归模型显示，在调整协变量后，较高的PNI与显著降低的死亡风险独立相关(中PNI组：30天HR 0.46，95% CI 0.26~0.83，P = 0.010；90天HR 0.50，95% CI：0.31~0.81，P = 0.004；高PNI组：90天HR 0.58，95% CI: 0.37~0.92，P = 0.021)，限制性立方样条模型揭示了PNI与死亡率之间的L形关系。亚组分析表明，各亚组内效应方向与总体研究结果一致，进一步证实了PNI对RFS患者预后预测价值的稳健性。4) 结论：预后营养指数是再喂养综合征患者短期死亡率的有效预测指标，是识别预后不良患者的潜在工具。
Abstract: 1) Background: Refeeding syndrome (RFS) is a potentially life-threatening metabolic disorder associated with poor clinical outcomes. The Prognostic Nutritional Index (PNI), a composite biomarker calculated from serum albumin and total lymphocyte count, reflects nutritional and immune status. While the PNI has established prognostic value across various diseases, its utility in predicting outcomes in patients with RFS remains undefined. Therefore, this study aimed to investigate the association between PNI and all-cause mortality in critically ill patients with RFS. 2) Methods: This retrospective cohort study utilized the MIMIC-IV database and included adult patients with RFS. These patients were then stratified into low, medium, and high PNI groups based on tertiles for comparative analysis. Kaplan-Meier survival curves, multivariate Cox proportional hazards models, and restricted cubic spline (RCS) models were employed to analyze the association between PNI and 30-day and 90-day all-cause mortality. Furthermore, subgroup analyses and interaction texts were performed to further evaluate the impact of PNI on prognosis across different populations. 3) Results: A total of 269 patients with RFS were included in the final analysis. The all-cause mortality rates at 30 and 90 days were 30.7% and 38.2%, respectively. Kaplan-Meier analysis showed that patients in the low PNI group had the poorest survival. In the multivariable Cox regression model, after adjustment for potential confounders, higher PNI remained an independent predictor of reduced mortality (Medium PNI group:30-day HR 0.46, 95% CI 0.26~0.83, P = 0.010; 90-day HR 0.50, 95% CI: 0.31~0.81, P = 0.004; High PNI group: 90-day HR 0.58, 95% CI: 0.37~0.92, P = 0.021). This non-linear association was further characterized by a L-shaped relationship between PNI and mortality risk using restricted cubic spline analysis. Moreover, subgroup analyses revealed consistent effect directions across all subgroups, indicating the robustness of PNI as a prognostic marker in RFS patients. 4) Conclusion: The Prognostic Nutritional Index effectively predicts short-term mortality, supporting its use as a risk-stratification tool in refeeding syndrome.
文章引用：王钰轩, 秦一侬, 贾钿月, 卢孔渺. 重症监护室中再喂养综合征患者预后营养指数与全因死亡率的关联——基于MIMIC-IV数据库的回顾性研究[J]. 临床医学进展, 2026, 16(1): 1113-1126. https://doi.org/10.12677/acm.2026.161145

1. 引言

再喂养综合征(Refeeding Syndrome, RFS)是一种复杂的代谢性疾病[1]，常见于营养不良或处于高分解代谢状态的患者启动营养支持后[2] [3]，其主要特征为血清磷、钾、镁水平的显著下降[4] [5]。目前，关于RFS的发病率仍然存在异质性，一项纳入35项观察性研究的综述显示RFS的总体发生率为0%~62% [2]，受应激和高代谢状态影响，危重患者RFS发生率高达36.8%~59% [6]。此外，大量研究表明RFS与危重患者的多系统损伤和不良预后相关[3] [7]。然而，关于RFS的预后影响因素仍不明确。一项基于美国肠外与肠内营养学会(American Society for Parenteral and Enteral Nutrition, ASPEN)指南的回顾性研究将RFS按电解质下降程度分为轻、中、重三级，结果显示仅重度RFS(血磷、钾或镁水平下降幅度 > 50%)与死亡率增加独立相关，而轻、中度RFS患者的死亡率甚至低于非RFS组。这表明单纯依赖电解质的相对下降水平作为RFS患者的结局预测指标表现不佳[8] [9]。Doig等人的研究及2023年欧洲临床营养与代谢学会(European Society for Clinical Nutrition and Metabolism, ESPEN)指南采用了结合电解质绝对与相对下降水平来定义RFS (血磷 < 0.65 mmol/L且较基线下降 > 0.16 mmol/L)，并指出在此标准下限制热量喂养可降低死亡风险[10] [11]。因此，寻找重症RFS患者的预后影响因素对临床早期干预具有重要意义。

重症RFS患者的营养不良状态会加剧应激和全身炎症反应，而高分解和代谢紊乱状态，会进一步影响营养消耗和免疫抑制[12] [13]。鉴于营养状况、免疫功能和炎症之间复杂的相互作用，寻找能够综合反映上述病理生理过程的生物标志物具有重要临床意义。预后营养指数(Prognostic Nutritional Index, PNI)基于血清白蛋白水平和淋巴细胞计数得出，最初用于评估外科患者的术前营养状况及预测术后并发症[14]。PNI易于获得，并对营养和免疫状态进行了全面评估，目前已在多种疾病中显示出良好的预后预测价值[15]。例如，PNI水平降低与脓毒症患者死亡风险升高有关[16] [17]。此外，研究还显示PNI能有效预测心血管疾病、慢性肺部疾病、肾脏疾病、自身免疫性疾病等患者的结局[18]-[21]。然而，PNI在危重RFS患者中的预后作用尚未明确，亟需数据来阐明在一致的临床环境中PNI与RFS患者结局之间的关系。

本研究旨在评估ICU中RFS患者PNI与30天及90天全因死亡率的关联，并深入探讨PNI与死亡风险之间潜在的非线性关系，以期确定是否存在风险分层阈值，从而指导早期风险评估和个性化临床干预。

2. 方法

2.1. 数据来源

本研究利用了重症监护医疗信息集市-IV (MIMIC-IV，3.1版)的数据，这是一个由麻省理工学院(MIT)与贝斯以色列女执事医疗中心(BIDMC)合作开发的公开数据库[12]。该数据库收录了2008年至2022 年多家医院信息系统的结构化电子健康记录，涵盖人口统计学、生命体征、实验室检查、治疗干预和生存数据等详细信息。由于所有数据已进行去标识化处理，因此根据《赫尔辛基宣言》，免除了征得患者知情同意的要求[12]。第一作者王钰轩(认证号：7225726)在完成协作机构培训计划(CITI)后被授权访问MIMIC-IV数据库。

2.2. 研究人群

研究对象的纳入基于Doig等人的研究及ESPEN指南推荐的RFS诊断标准，具体定义为：在接受重新喂养的患者中，血磷 < 0.65 mmol/L且较基线下降幅度超过0.16 mmol/L [10] [11]。我们使用PostgreSQL提取首次入住ICU的18岁以上RFS患者。排除标准为：(1) ICU住院时间 < 72 h的患者；(2) 近3个月内存在其他低磷血症危险因素，如持续血液透析治疗、高磷血症治疗、甲状旁腺切除术后、甲状旁腺功能异常、糖尿病酮症酸中毒等；(3) 关键数据如血磷、白蛋白、淋巴细胞计数缺失者(图1)。

Figure 1. Flow chart of the study participants

图1. 研究参与者流程图

2.3. 数据提取和定义

人口统计学信息包括年龄、性别、身高、体重、身体质量指数(BMI)；生命体征包括心率、收缩压、呼吸频率和血氧饱和度；实验室指标包括白细胞计数、红细胞计数、血小板计数、白蛋白、淋巴细胞计数、钾、磷、镁、葡萄糖、丙氨酸氨基转移酶、天冬氨酸氨基转移酶、肌酐、乳酸；临床严重程度通过查尔森合并症指数(CCI)、格拉斯哥昏迷量表(GCS)、序贯器官衰竭评估(SOFA)、急性生理学评分III (APS III)和简化急性生理学评分II (SAPS II)来衡量；合并症涵盖了糖尿病、脑血管疾病、急性心肌梗死、心力衰竭、慢性肺部疾病、肾脏疾病、恶性肿瘤；治疗数据包括机械通气、血管加压素、胰岛素、肠内营养液及白蛋白使用情况。PNI的计算公式为：= (10 × 血清白蛋白[g/dL]) + (0.005 × 淋巴细胞[K/μL] [22]；根据PNI的三分位数将患者分为三组[23]：低PNI组：≤ 32.7；中PNI组：32.7~38.8；高PNI组：> 38.8。主要结局为30天和90天全因死亡率。次要结局包括住院和ICU住院时间。所有数据均从患者入ICU前后24小时内生成的记录中检索。

2.4. 统计分析

对于正态分布的连续变量用平均值 ± 标准差表示，对于非正态分布的连续变量用四分位距的中位数表示，参数检验(包括t检验或方差分析)应用于正态分布变量，而非参数检验(例如Mann-Whitney U检验和Kruskal-Wallis检验)用于偏态分布。分类变量以频率和百分比表示，并使用卡方检验或Fisher精确检验分析差异。采用Kaplan-Meier生存曲线评估不同PNI分位组间与30天、90天死亡率之间的关联，差异采用对数秩检验进行评估。使用多因素Cox比例风险模型，计算PNI与终点结局之间关联的风险比(HR)和95%置信区间(CI)，多变量Cox回归中包含的变量是根据单变量Cox回归分析(补充表S1)和临床专家的建议选择的。为了探索PNI与死亡之间的非线性关系，应用了具有3个节点的限制性立方样条(RCS)回归模型。最后，通过亚组分析评估年龄、SAPS II评分等不同群体中PNI预后价值的一致性，计算交互作用的P值以评估效应差异。

所有统计分析均使用R 4.4.2进行，设置双侧P < 0.05具有统计学意义。对缺失超过30%的变量予以剔除，其余变量删除缺失值后纳入分析。采用方差膨胀因子评估协变量间的多重共线性，分类变量采用广义VIF进行判断，VIF > 10的变量被认为存在高度共线性并从最终模型中排除。此外，通过3 × IQR法则识别和消除异常值来进行敏感性分析。

3. 结果

3.1. 患者特征

本研究最终纳入296例RFS患者，平均年龄为64岁，男性占比47.97%，参与者的平均PNI为35.38。表1显示了根据PNI三分位数分层后患者的基线特征：与PNI值较低的患者相比，高PNI组的患者通常有更低的APS III评分和SAPS II评分，并且表现出较高的红细胞和血压水平，血管加压素及白蛋白的使用率也显著降低。此外，在高PNI组中，心肌梗死和脑血管疾病的患病率较高，而慢性肺部疾病与恶性肿瘤的患病率则相对较低。各组间的ICU住院时间与总住院时间差异均无统计学意义。

Table 1. Baseline characteristics of patients stratified by PNI tertiles

表1. 根据PNI三分位数分组的患者基线特征

总体(n = 296)

低PNI组(n = 99)

中PNI组(n = 98)

高PNI组(n = 99)

p值

年龄(岁)

64.00 [54.75, 75.00]

64.00 [55.50, 73.00]

62.00 [50.50, 74.75]

69.00 [56.50, 79.00]

0.097

男性，n (%)

154 (52.03)

53 (53.54)

52 (53.06)

49 (49.49)

0.824

身高(cm)

168.00 [160.00, 178.00]

168.00 [160.00, 178.00]

168.00 [163.00, 175.00]

168.00 [160.00, 178.00]

0.783

体重(kg)

74.50 [62.20, 91.78]

71.00 [61.15, 89.75]

78.55 [66.43, 94.57]

74.40 [61.60, 87.30]

0.213

BMI (kg/m2)

26.30 [23.16, 32.08]

26.30 [22.26, 31.80]

26.51 [24.13, 33.56]

25.97 [23.16, 31.52]

0.584

糖尿病，n (%)

59 (19.93)

19 (19.19)

14 (14.29)

26 (26.26)

0.107

脑血管疾病，n (%)

64 (21.62)

16 (16.16)

16 (16.33)

32 (32.32)

0.007

急性心肌梗死，n (%)

57 (19.26)

19 (19.19)

9 (9.18)

29 (29.29)

0.002

充血性心力衰竭，n (%)

85 (28.72)

27 (27.27)

31 (31.63)

27 (27.27)

0.738

慢性肺部疾病，n (%)

76 (25.68)

26 (26.26)

33 (33.67)

17 (17.17)

0.029

肾脏疾病，n (%)

29 (9.80)

10 (10.10)

10 (10.20)

9 (9.09)

0.959

恶性肿瘤，n (%)

44 (14.86)

26 (26.26)

12 (12.24)

6 (6.06)

<0.001

白细胞计数(×109/L)

12.56 [8.84, 15.74]

12.63 [8.91, 17.49]

12.53 [8.74, 15.27]

12.58 [8.87, 15.51]

0.701

红细胞计数(×109/L)

3.68 (0.74)

3.44 (0.71)

3.71 (0.64)

3.89 (0.79)

<0.001

血小板计数(×109/L)

170.00 [120.88, 235.00]

155.75 [105.02, 246.75]

173.98 [107.12, 233.44]

190.75 [141.90, 232.19]

0.219

白蛋白(g/dL)

3.00 [2.60, 3.50]

2.40 [2.20, 2.75]

3.10 [2.90, 3.38]

3.70 [3.50, 4.00]

<0.001

淋巴细胞计数(×109/L)

0.90 [0.53, 1.42]

0.74 [0.39, 1.06]

0.79 [0.47, 1.20]

1.33 [0.82, 1.92]

<0.001

磷(mmol/L)

3.17 [2.54, 3.85]

3.20 [2.41, 3.80]

3.16 [2.62, 3.81]

3.10 [2.70, 4.00]

0.833

钾(mmol/L)

4.02 [3.70, 4.37]

4.05 [3.70, 4.39]

3.97 [3.64, 4.33]

4.05 [3.73, 4.40]

0.342

镁(mmol/L)

2.00 [1.83, 2.15]

1.97 [1.80, 2.22]

1.97 [1.80, 2.12]

2.00 [1.87, 2.15]

0.563

血糖(mg/dL)

140.35 [115.25, 173.91]

139.80 [111.83, 168.83]

129.08 [112.54, 170.53]

149.00 [127.25, 188.60]

0.029

丙氨酸氨基转移酶(IU/L)

34.25 [18.88, 76.88]

36.00 [19.50, 85.67]

34.00 [19.00, 66.00]

28.33 [18.38, 76.38]

0.746

天冬氨酸氨基转移酶(IU/L)

57.00 [31.50, 132.50]

63.00 [37.33, 168.00]

59.50 [31.38, 104.00]

46.00 [29.00, 134.50]

0.418

血肌酐(μmol/L)

1.20 (0.81)

1.24 (0.86)

1.20 (0.90)

1.16 (0.67)

0.784

血乳酸(mmol/L)

2.60 (1.47)

2.67 (1.48)

2.54 (1.50)

2.58 (1.43)

0.848

心率(bpm)

89.17 [76.99, 101.69]

90.04 [79.14, 100.89]

95.15 [79.08, 106.21]

85.13 [74.25, 97.49]

0.007

收缩压(mmHg)

112.51 [104.20, 126.31]

107.38 [102.39, 116.79]

113.04 [104.26, 123.71]

118.64 [106.51, 132.09]

0.001

呼吸频率(insp/min)

20.19 [17.67, 22.66]

19.82 [17.33, 22.10]

20.69 [18.27, 23.85]

19.71 [17.41, 22.38]

0.107

血氧饱和度(%)

97.69 [95.60, 98.84]

97.41 [95.51, 98.70]

97.40 [95.48, 98.86]

98.04 [96.22, 98.96]

0.139

营养开始后24h内卡路里摄入量(kcal)

746.66 [369.27, 1036.19]

663.88 [336.38, 960.92]

741.64 [402.49, 1139.00]

839.60 [543.82, 1038.34]

0.288

机械通气使用，n (%)

248 (83.78)

83 (83.84)

86 (87.76)

79 (79.80)

0.317

血管活性药物使用， n (%)

48 (16.22)

28 (28.28)

16 (16.33)

4 (4.04)

<0.001

胰岛素使用，n (%)

20 (6.76)

6 (6.06)

3 (3.06)

11 (11.11)

0.075

白蛋白使用，n (%)

39 (13.18)

23 (23.23)

10 (10.20)

6 (6.06)

0.001

CCI指数

5.00 [3.00, 7.00]

6.00 [3.00, 7.00]

4.00 [2.00, 6.75]

5.00 [3.00, 7.00]

0.101

GCS评分

15.00 [15.00, 15.00]

15.00 [15.00, 15.00]

15.00 [15.00, 15.00]

15.00 [14.00, 15.00]

0.012

SOFA评分

3.00 [1.00, 4.00]

3.00 [1.00, 5.00]

3.00 [0.25, 4.75]

2.00 [0.50, 4.00]

0.096

APS III评分

55.00 [42.00, 68.00]

60.00 [48.00, 73.00]

54.00 [43.25, 67.00]

48.00 [35.50, 62.50]

<0.001

SAPS II评分

42.00 [35.00, 51.00]

43.00 [35.50, 54.50]

41.00 [34.00, 50.75]

40.00 [33.50, 49.00]

0.038

医院住院时长(天)

14.00 [10.00, 21.00]

16.00 [10.00, 20.00]

13.00 [9.00, 21.75]

15.00 [10.00, 20.50]

0.541

ICU住院时长(天)

8.00 [5.00, 13.00]

8.00 [5.00, 13.00]

7.00 [5.00, 12.00]

9.00 [6.00, 13.00]

0.109

注：BMI，身体质量指数；CCI指数，查尔森合并症指数；GCS评分，格拉斯哥昏迷量表评分；SOFA评分，序贯器官衰竭评估；APS III评分，急性生理学评分III；SAPS II评分，简化急性生理学评分II。

3.2. Kaplan-Meier生存曲线

根据不同PNI水平，低、中、高PNI组的30天死亡率分别为37.37%、17.75%、35.35%，90天死亡率分别为49.49%、27.55%、37.37%，这表明低PNI组的死亡率最高。Kaplan-Meier曲线进一步证实了这种关系(图2)，低PNI组的患者生存概率下降幅度最大，其次是高PNI组，中PNI组的患者在30天观察期内表现出最有利的生存轨迹(对数秩P = 0.00096，图2(A))。在90天的结局中也观察到类似趋势(对数秩P = 0.00096，图2(B))。这一生存概率差异的持续存在，表明PNI是RFS患者短期死亡率的重要预测指标。

(A) (B)

Figure 2. Kaplan-Meier survival curves for 30-day (A) and 90-day (B) all-cause mortality

图2. 30天(A)和90天(B)全因死亡率的Kaplan-Meier生存曲线

3.3. Cox比例风险模型评估PNI与全因死亡率的关系

采用多因素Cox比例风险模型(表2)评估RFS患者PNI与全因死亡率之间的关系，在未调整的模型(模型1)中，与低PNI组相比，中PNI组30天全因死亡风险降低57% (HR 0.43, 95% CI 0.24~0.76, P = 0.004)，而高PNI组风险无显著变化(HR 0.95, 95% CI 0.60~1.51, P = 0.830)。在模型2中，调整了年龄、SAPS II评分、脑血管疾病、充血性心力衰竭、急性心肌梗死等基线变量，结果观察到与模型1一致的死亡风险变化趋势。模型3进一步调整了血清镁、血管活性药物使用情况后，中PNI组死亡风险仍显著降低(HR 0.48, 95% CI 0.27~0.86, P = 0.014)，这证实中等水平的PNI是改善患者短期生存状况的独立影响因素。趋势分析未发现PNI与30天死亡率之间存在显著线性关联。

在90天全因死亡风险的分析中，中PNI组在不同调整模型中均表现出显著的风险降低，且结果一致。高PNI组的90天死亡风险在模型1和模型2中呈下降趋势但未达统计学意义，而在完全调整的模型3中，死亡风险显著降低38% (HR 0.62, 95% CI 0.39~0.99, P = 0.045)。趋势分析显示PNI与90天死亡率在完全调整的模型中存在显著线性关系(P = 0.036)。为确保模型稳定性，我们采用方差膨胀因子评估协变量间的多重共线性，所有调整后的GVIF值均为< 2，表明模型不存在明显共线性问题(补充表S2)。

Table 2. Multivariable cox regression analysis of PNI and all-cause mortality

表2. PNI和全因死亡率的多变量cox回归分析

组别

模型1

模型2

模型3

HR (95%CI)

P值

HR (95%CI)

P值

HR(95%CI)

P值

30天全因死亡率

低PNI组

1.00 (Reference)

1.00 (Reference)

1.00 (Reference)

中PNI组

0.43 (0.24~0.76)

0.004

0.46 (0.26~0.83)

0.010

0.46 (0.26~0.82)

0.009

高PNI组

0.95 (0.60~1.51)

0.830

0.88 (0.55~1.43)

0.619

0.84 (0.51~1.41)

0.530

趋势P值

0.807

0.587

0.462

90天全因死亡率

低PNI组

1.00 (Reference)

1.00 (Reference)

1.00 (Reference)

中PNI组

0.49 (0.30~0.78)

0.003

0.51 (0.32~0.83)

0.006

0.50 (0.31~0.81)

0.004

高PNI组

0.74 (0.48~1.13)

0.163

0.64 (0.41~1.01)

0.054

0.58 (0.37~0.92)

0.021

趋势P值

0.133

0.044

0.016

注：模型1：未调整；模型2：根据年龄、SAPS II评分、脑血管疾病、充血性心力衰竭、急性心肌梗死进行调整；模型3：根据年龄、SAPS II评分、脑血管疾病、充血性心力衰竭、急性心肌梗死、镁、血管活性药物使用进行调整。

3.4. 基于限制性立方样条(RCS)模型的PNI与全因死亡率的关系

为进一步探讨PNI与死亡风险之间的潜在非线性关系，采用限制性立方样条模型进行分析(图3)。在未调整任何变量时，PNI与30天死亡率之间存在显著的非线性关系(总体效应P = 0.0250，非线性P = 0.0182)。在校正多项混杂因素后，总体效应依然显著，非线性关系仍然存在(总体效应P < 0.0001，非线性P = 0.0476，图3(A))。为了进一步探索PNI的潜在阈值，进行了分段Cox回归分析(补充表S3)，证实了阈值效应的存在，PNI < 32.53与30天死亡风险增加密切相关。在临床上，该阈值可以作为早期识别高危患者并及时干预的预警指标。尽管PNI与90天死亡率的RCS曲线在图形上也呈现L型趋势(图3(B))，然而非线性成分在调整前和调整后均未达到统计学显著性(校正前P = 0.0897，校正后P = 0.1759)。

注：曲线表示估计的调整后风险比，阴影带表示95%置信区间。水平虚线表示风险比为1.0。缩写：HR，风险比；CI，置信区间。

Figure 3. RCS analysis of 28-day (A) and 90-day (B) all-cause mortality.

图3. 30天(A)和90天(B)全因死亡率的RCS生存曲线

3.5. 亚组分析

在亚组分析中，分析按变量进行分层，包括年龄(< 65岁和 ≥ 65岁)、是否存在心脏疾病、脑血管疾病、恶性肿瘤等疾病以及是否使用血管活性药物治疗。如图4所示，未发现PNI与上述变量之间存在显著的交互作用(所有交互作用P值 > 0.05)，各亚组内效应方向与总体研究结果一致。

(A) (B)

Figure 4. Subgroup analysis of associations between PNI and 30-day (A) and 90-day (B) all-cause mortality

图4. PNI与30天(A)和90天(B)全因死亡率关联的亚组分析

4. 讨论

本研究首次探讨了ICU中RFS患者PNI与全因死亡率之间的关联。结果显示，PNI水平与30天和90天全因死亡率之间呈L型趋势，尤其低水平PNI会显著增加RFS患者的死亡风险。

RFS是营养不良或高分解代谢患者开始营养支持后出现的严重并发症，是机体对代谢状态变化的反应[24]。PNI由血清白蛋白和淋巴细胞计数构成，能够综合反映患者的营养与免疫状态[12]。在重症RFS患者中，血清白蛋白作为一种负性急性期蛋白[25]，其水平下降不仅源于营养摄入不足，还与氧化应激导致的毛细血管通透性增加、炎症因子释放和肝脏合成功能受损密切相关。低蛋白状态会进一步加重体液转移、组织水肿和灌注受损，最终损害器官功能和组织修复[26] [27]。淋巴细胞计数是另一关键要素，长时间禁食和热量摄入不足会抑制淋巴细胞生成，而持续的炎症会诱导淋巴细胞凋亡，从而造成细胞免疫功能受损[28]。这种免疫抑制状态使得患者无法有效应对机体的炎症反应，最终导致RFS患者的疾病进展，使死亡风险显著增加。

近年来，PNI的预后价值已在多种疾病中得到验证，部分研究发现PNI与死亡率之间存在非线性L型趋势[12] [15] [29]-[32]。此外，由于不同疾病的病理机制与临床特点存在差异，PNI的最佳截断值也有所不同[18]。例如，PNI在胃肠道肿瘤术后患者中的理想阈值为46 [33]，糖尿病患者中用于预测疾病严重程度的阈值为50.05 [31]，而在社区获得性肺炎和压力性损伤患者中该值分别为35.63和19.02 [15] [32]。本研究进一步确认了PNI与RFS预后的L型关系，并确定PNI为32.53是ICU中RFS患者30天死亡风险的关键阈值，PNI < 32.53时患者死亡风险急剧上升，而PNI大于该值时则趋于稳定。这一结果为患者的早期风险分层提供了客观、量化的工具。值得注意的是，本研究观察到中PNI组患者的生存结局优于高PNI组，这提示极高的PNI水平或许并非理想的营养免疫平衡，其背后的生物学机制有待未来研究深入阐明。最后，亚组分析结果显示，PNI的预后预测价值在不同临床特征人群中保持一致，进一步支持其作为稳健预测指标的潜力。

本研究亦存在若干局限性。其一，回顾性研究设计可能存在选择偏倚，尽管在分析中已对多项混杂因素进行校正，但仍不能完全排除残留混杂的影响。同时，作为观察性研究，本文仅能揭示PNI与预后的相关性，而无法确立因果关系，进一步阐明二者关系仍需后续前瞻性队列研究及干预实验加以验证。其次，我们排除了缺乏白蛋白或淋巴细胞检测数据的患者，这可能会引起选择偏倚，并对研究结论的普适性产生一定影响。第三，本文仅基于入ICU时的PNI进行评估，未能探讨PNI在住院期间的动态变化。最后，本研究数据来源于MIMIC-IV数据库，其患者群体特征可能无法充分代表不同医疗体系或地域的人群，因此结论的外推性受到限制。今后的研究应致力于在不同人群中开展大规模、多中心、前瞻性的队列研究，以进一步验证本研究结论。

5. 结论

PNI指数是重症RFS患者死亡风险的有效预测指标，PNI与RFS患者的全因死亡率呈L型相关。RFS患者常规监测PNI有助于医护人员迅速甄别营养与免疫功能低下、短期内不良结局风险较高的患者，为及时干预创造重要机会。

基金项目

感谢国家自然科学基金委员会，青年项目，SIRT3介导CypD竞争性结合ANT1调控线粒体自噬在再喂养综合征心肌损伤中的机制研究(82202384)对本研究的支持。

附 录

Table S1. Univariate cox proportional analysis.

表S1. 单因素COX回归分析

变量

HR (95%CI)

P

年龄(岁)

1.04 (1.03~1.05)

<0.001

CCI指数

1.19 (1.12~1.26)

<0.001

SAPS II评分

1.03 (1.02~1.04)

<0.001

脑血管疾病，n (%)

2.02 (1.36~2.99)

<0.001

恶性肿瘤，n (%)

1.75 (1.12~2.75)

0.015

APS III评分

1.01 (1.00~1.02)

0.017

BMI (kg/m2)

0.97 (0.94~1.00)

0.037

丙氨酸氨基转移酶(IU/L)

1.00 (1.00~1.00)

0.094

镁(mmol/L)

1.66 (0.89~3.08)

0.107

天冬氨酸氨基转移酶(IU/L)

1.00 (1.00~1.00)

0.155

营养开始后24 h内卡路里摄入量(kcal)

1.00 (1.00~1.00)

0.172

GCS评分

0.95 (0.89~1.03)

0.199

血肌酐(μmol/L)

0.84 (0.65~1.09)

0.197

呼吸频率(insp/min)

0.97 (0.93~1.02)

0.263

慢性肺部疾病，n (%)

0.78 (0.50~1.21)

0.265

心率(bpm)

0.99 (0.98~1.01)

0.251

血乳酸(mmol/L)

1.07 (0.95~1.21)

0.239

收缩压(mmHg)

1.00 (0.99~1.01)

0.518

红细胞计数(×109/L)

0.92 (0.71~1.19)

0.536

钾(mmol/L)

1.13 (0.84~1.52)

0.428

血糖(mg/dL)

1.00 (1.00~1.00)

0.435

血小板计数(×109/L)

1.00 (1.00~1.00)

0.797

磷(mmol/L)

1.02 (0.86~1.21)

0.807

白细胞计数(×109/L)

1.00 (0.98~1.02)

0.902

SOFA评分

1.00 (0.94~1.08)

0.892

充血性心力衰竭，n (%)

0.97 (0.65~1.45)

0.882

肾脏疾病，n (%)

1.05 (0.56~1.95)

0.879

血氧饱和度(%)

1.02 (0.93~1.11)

0.690

血管活性药物使用，n (%)

0.90 (0.54~1.50)

0.682

机械通气使用，n (%))

0.79 (0.49~1.27)

0.340

白蛋白使用，n (%)

1.31 (0.79~2.17)

0.292

男性，n (%)

1.18 (0.81~1.71)

0.377

糖尿病，n (%)

1.15 (0.73~1.80)

0.551

急性心肌梗死，n (%)

1.24 (0.79~1.93)

0.351

胰岛素使用，n (%)

1.11 (0.56~2.19)

0.770

Table S2. Multicollinearity assessment

表S2. 共线性检查

变量

VIF

年龄(岁)

1.32

SAPS II评分

1.30

脑血管疾病，n (%)

1.13

急性心肌梗死，n (%)

1.12

充血性心力衰竭，n (%)

1.12

镁(mmol/L)

1.06

血管活性药物使用，n (%)

1.17

Table S3. Multivariable cox regression analysis of 30-day mortality using a PNI cutoff of 32.53.

表S3. 基于PNI = 32.53的30天死亡率分段COX回归分析

组别

模型3

HR (95%CI)

P值

PNI < 32.53

1.00 (Reference)

PNI > 32.53

0.61 (0.40~0.95)

0.028

NOTES

*通讯作者。

参考文献

[1] Friedli, N., Baumann, J., Hummel, R., Kloter, M., Odermatt, J., Fehr, R., et al. (2020) Refeeding Syndrome Is Associated with Increased Mortality in Malnourished Medical Inpatients: Secondary Analysis of a Randomized Trial. Medicine, 99, e18506. [Google Scholar] [CrossRef] [PubMed]
[2] Cioffi, I., Ponzo, V., Pellegrini, M., Evangelista, A., Bioletto, F., Ciccone, G., et al. (2021) The Incidence of the Refeeding Syndrome. A Systematic Review and Meta-Analyses of Literature. Clinical Nutrition, 40, 3688-3701. [Google Scholar] [CrossRef] [PubMed]
[3] Friedli, N., Stanga, Z., Sobotka, L., Culkin, A., Kondrup, J., Laviano, A., et al. (2017) Revisiting the Refeeding Syndrome: Results of a Systematic Review. Nutrition, 35, 151-160. [Google Scholar] [CrossRef] [PubMed]
[4] Olsen, S.U., Hesseberg, K., Aas, A., Ranhoff, A.H. and Bye, A. (2021) Refeeding Syndrome Occurs among Older Adults Regardless of Refeeding Rates: A Systematic Review. Nutrition Research, 91, 1-12. [Google Scholar] [CrossRef] [PubMed]
[5] Terlisten, K., Wirth, R., Daubert, D. and Pourhassan, M. (2023) Refeeding Syndrome in Older Hospitalized Patients: Incidence, Management, and Outcomes. Nutrients, 15, Article 4084. [Google Scholar] [CrossRef] [PubMed]
[6] Zhang, W., Zhang, S., Chen, S., Yu, T. and Tang, Y. (2023) Development and Validation of Risk Prediction Model for Refeeding Syndrome in Neurocritical Patients. Frontiers in Nutrition, 10, Article ID: 1083483. [Google Scholar] [CrossRef] [PubMed]
[7] 崔钰, 盖恬恬, 何月, 等. 危重症患者再喂养综合征识别及预防的研究进展[J]. 中华护理杂志, 2019, 54(9): 1419-1422.
[8] da Silva, J.S.V., Seres, D.S., Sabino, K., Adams, S.C., Berdahl, G.J., Citty, S.W., et al. (2020) ASPEN Consensus Recommendations for Refeeding Syndrome. Nutrition in Clinical Practice, 35, 178-195. [Google Scholar] [CrossRef] [PubMed]
[9] Adika, E., Jia, R., Li, J., Seres, D. and Freedberg, D.E. (2022) Evaluation of the ASPEN Guidelines for Refeeding Syndrome among Hospitalized Patients Receiving Enteral Nutrition: A Retrospective Cohort Study. Journal of Parenteral and Enteral Nutrition, 46, 1859-1866. [Google Scholar] [CrossRef] [PubMed]
[10] Doig, G.S., Simpson, F., Heighes, P.T., Bellomo, R., Chesher, D., Caterson, I.D., et al. (2015) Restricted versus Continued Standard Caloric Intake during the Management of Refeeding Syndrome in Critically Ill Adults: A Randomised, Parallel-Group, Multicentre, Single-Blind Controlled Trial. The Lancet Respiratory Medicine, 3, 943-952. [Google Scholar] [CrossRef] [PubMed]
[11] Singer, P., Blaser, A.R., Berger, M.M., Calder, P.C., Casaer, M., Hiesmayr, M., et al. (2023) ESPEN Practical and Partially Revised Guideline: Clinical Nutrition in the Intensive Care Unit. Clinical Nutrition, 42, 1671-1689. [Google Scholar] [CrossRef] [PubMed]
[12] Ji, W., Wang, G. and Liu, J. (2025) Association between Prognostic Nutritional Index and All-Cause Mortality in Critically Ill Patients with Ventilator-Associated Pneumonia: A Retrospective Study Based on MIMIC-IV Database. Frontiers in Nutrition, 12, Article ID: 1605032. [Google Scholar] [CrossRef] 
[13] Mehta, Y. and Joshi, A. (2022) Nutrition in ICU Patients. Journal of Cardiac Critical Care TSS, 6, 5-6. [Google Scholar] [CrossRef] 
[14] Onodera, T., Goseki, N. and Kosaki, G. (1984) Prognostic Nutritional Index in Gastrointestinal Surgery of Malnourished Cancer Patients. Nihon Geka Gakkai Zasshi, 85, 1001-1005.
[15] Wang, G., Wang, N., Liu, T., Ji, W., Sun, J., Lv, L., et al. (2024) Association between Prognostic Nutritional Index and Mortality Risk in Patients with Community-Acquired Pneumonia: A Retrospective Study. BMC Pulmonary Medicine, 24, Article No. 555. [Google Scholar] [CrossRef] [PubMed]
[16] 张洋, 曹爽, 肖文艳, 等. 预后营养指数对脓毒症休克患者ICU 28天死亡率的预测价值[J]. 临床急诊杂志, 2024, 25(10): 516-520.
[17] Wu, H., Zhou, C., Kong, W., Zhang, Y. and Pan, D. (2022) Prognostic Nutrition Index Is Associated with the All‐Cause Mortality in Sepsis Patients: A Retrospective Cohort Study. Journal of Clinical Laboratory Analysis, 36, e24297. [Google Scholar] [CrossRef] [PubMed]
[18] Li, M., Cai, J., Jiang, K., Li, Y., Li, S., Wang, Q., et al. (2024) Prognostic Nutritional Index during Hospitalization Correlates with Adverse Outcomes in Elderly Patients with Acute Myocardial Infarction: A Single-Center Retrospective Cohort Study. Aging Clinical and Experimental Research, 36, Article No. 56. [Google Scholar] [CrossRef] [PubMed]
[19] Peng, J., Nie, F., Li, Y., Xu, Q., Xing, S. and Gao, Y. (2022) Prognostic Nutritional Index as a Predictor of 30-Day Mortality among Patients Admitted to Intensive Care Unit with Acute Exacerbation of Chronic Obstructive Pulmonary Disease: A Single-Center Retrospective Cohort Study. Medical Science Monitor, 28, e934687. [Google Scholar] [CrossRef] [PubMed]
[20] Correa-Rodríguez, M., Pocovi-Gerardino, G., Callejas-Rubio, J., Fernández, R.R., Martín-Amada, M., Cruz-Caparros, M., et al. (2019) The Prognostic Nutritional Index and Nutritional Risk Index Are Associated with Disease Activity in Patients with Systemic Lupus Erythematosus. Nutrients, 11, Article 638. [Google Scholar] [CrossRef] [PubMed]
[21] Gao, T. and Yu, X. (2023) Association between Nutritional Status Scores and the 30-Day Mortality in Patients with Acute Kidney Injury: An Analysis of MIMIC-III Database. BMC Nephrology, 24, Article No. 296. [Google Scholar] [CrossRef] [PubMed]
[22] Buzby, G.P., Mullen, J.L., Matthews, D.C., Hobbs, C.L. and Rosato, E.F. (1980) Prognostic Nutritional Index in Gastrointestinal Surgery. The American Journal of Surgery, 139, 160-167. [Google Scholar] [CrossRef] [PubMed]
[23] Ding, Z., He, Y., Guo, X., Feng, R., Ren, G., Deng, L., et al. (2025) Prognostic Nutritional Index and Mortality in Pneumonia: A Retrospective Cohort Study in China. Frontiers in Nutrition, 12, Article ID: 1660457. [Google Scholar] [CrossRef] 
[24] Krutkyte, G., Wenk, L., Odermatt, J., Schuetz, P., Stanga, Z. and Friedli, N. (2022) Refeeding Syndrome: A Critical Reality in Patients with Chronic Disease. Nutrients, 14, Article 2859. [Google Scholar] [CrossRef] [PubMed]
[25] Evans, D.C., Corkins, M.R., Malone, A., Miller, S., Mogensen, K.M., Guenter, P., et al. (2021) The Use of Visceral Proteins as Nutrition Markers: An ASPEN Position Paper. Nutrition in Clinical Practice, 36, 22-28. [Google Scholar] [CrossRef] [PubMed]
[26] Cahill, G.F. (2006) Fuel Metabolism in Starvation. Annual Review of Nutrition, 26, 1-22. [Google Scholar] [CrossRef] [PubMed]
[27] Duran‐Güell, M., Garrabou, G., Flores‐Costa, R., Casulleras, M., López‐Vicario, C., Zhang, I.W., et al. (2023) Essential Role for Albumin in Preserving Liver Cells from TNfα‐Induced Mitochondrial Injury. The FASEB Journal, 37, e22817. [Google Scholar] [CrossRef] [PubMed]
[28] Ge, Y., Wang, Z. and Zhang, C. (2025) Association between Prognostic Nutritional Index and All-Cause Mortality among Intestinal Obstruction Patients in the Intensive Care Unit: A Retrospective Study. Frontiers in Nutrition, 12, Article ID: 1583201. [Google Scholar] [CrossRef] [PubMed]
[29] Yu, J., Chen, Y. and Yin, M. (2023) Association between the Prognostic Nutritional Index (PNI) and All-Cause Mortality in Patients with Chronic Kidney Disease. Renal Failure, 45, Article 2264393. [Google Scholar] [CrossRef] [PubMed]
[30] Wu, T., Pan, Y., Zhi, X., Deng, C., Wang, S., Guo, X., et al. (2024) Association between Extremely High Prognostic Nutritional Index and All-Cause Mortality in Patients with Coronary Artery Disease: Secondary Analysis of a Prospective Cohort Study in China. BMJ Open, 14, e079954. [Google Scholar] [CrossRef] [PubMed]
[31] Zhang, J., Chen, Y., Zou, L. and Gong, R. (2023) Prognostic Nutritional Index as a Risk Factor for Diabetic Kidney Disease and Mortality in Patients with Type 2 Diabetes Mellitus. Acta Diabetologica, 60, 235-245. [Google Scholar] [CrossRef] [PubMed]
[32] Gao, W., Zhou, J., Shi, K. and Zhou, J. (2025) Prognostic Nutritional Index as a Predictor of Mortality in Intensive Care Unit Patients with Pressure Injuries: Insights from a Large Cohort Study. Advances in Wound Care. Ahead of Print. [Google Scholar] [CrossRef] 
[33] Jiang, N. (2014) Prognostic Nutritional Index Predicts Postoperative Complications and Long-Term Outcomes of Gastric Cancer. World Journal of Gastroenterology, 20, 10537-10544. [Google Scholar] [CrossRef] [PubMed]

为你推荐