系统性炎症反应指数与泛免疫炎症值对不稳定型心绞痛患者心肌梗死风险的预测价值研究

《Scientific Reports》：Predictive utility of systemic inflammatory response index and pan-immune-inflammatory value in assessing myocardial infarction risk among cases with unstable angina

　　本研究针对不稳定型心绞痛（UA）患者心肌梗死（MI）风险预测的临床难题，探讨了系统性炎症反应指数（SIRI）和泛免疫炎症值（PIV）的预测效用。结果表明，SIRI和PIV是UA患者发生MI的独立危险因素，其联合模型的预测效能（AUC=0.920）优于单一指标，为UA患者的风险分层和早期干预提供了简便、有效的血液学生物标志物。

　　

在心血管疾病的谱系中，不稳定型心绞痛（Unstable Angina, UA）犹如一枚“定时炸弹”，预示着急性心肌梗死（Myocardial Infarction, MI）这一严重事件的极高风险。传统上，医生们依赖临床症状和心电图（Electrocardiographic, ECG）变化来评估UA患者的预后，但这种方法往往不够精准。尽管一些生物标志物如心肌肌钙蛋白（Cardiac Troponin, cTn）已被应用，但其敏感性和特异性仍有局限，尤其在预测UA向MI进展方面存在不足。因此，临床迫切需要寻找更可靠、更易获取的预测工具，以便对高风险患者进行早期识别和干预，从而降低致死性心脏事件的发生率。

正是在这一背景下，郑州大学第一附属医院心血管内科的邢俊辉、魏玉珍、刘恒道和陶海龙等研究人员将目光投向了两个新兴的全身性炎症指标——系统性炎症反应指数（Systemic Inflammatory Response Index, SIRI）和泛免疫炎症值（Pan-Immune-Inflammatory Value, PIV）。炎症已被证实是动脉粥样硬化发生和发展的核心环节，它驱动着斑块的不稳定和破裂，最终导致MI。SIRI和PIV作为复合炎症指标，能综合反映中性粒细胞、淋巴细胞、单核细胞和血小板等免疫细胞的动态平衡，可能比单一指标更能全面捕捉机体的炎症状态。然而，这两者联合用于UA患者MI风险预测的价值尚不明确。为了填补这一空白，研究团队开展了一项前瞻性研究，相关成果发表在《Scientific Reports》上。

研究人员主要采用了前瞻性队列研究的设计方法，关键技术包括患者临床数据收集、血液学生物标志物检测（使用全自动生化免疫分析仪和血液学分析仪）、严格的随访方案（包括心肌酶谱和18导联心电图检查）以及统计学分析（如单因素分析、二元Logistic回归分析、Pearson相关分析和受试者工作特征（Receiver Operating Characteristic, ROC）曲线分析）。研究对象为2023年12月至2024年1月期间入院的不稳定型心绞痛患者。

3.1 UA患者中MI的发生率

经过一年的随访，在最终纳入的367名UA患者中，有68人发生了MI，发生率为18.53%。根据是否发生MI，患者被分为MI组（n=68）和非MI组（n=299）。

3.2 UA患者发生MI的危险因素单因素分析

结果显示，两组患者在性别、年龄、高血压、体重指数（Body Mass Index, BMI）、糖尿病、饮酒、吸烟、总胆固醇（Total Cholesterol, TC）、甘油三酯（Triglycerides, TG）、低密度脂蛋白胆固醇（Low-Density Lipoprotein Cholesterol, LDL-C）、高密度脂蛋白胆固醇（High-Density Lipoprotein Cholesterol, HDL-C）和血红蛋白（Hemoglobin, Hb）等方面均无显著差异。然而，在单核细胞（Monocyte, MON）、N末端B型利钠肽原（N-terminal pro-B-type natriuretic peptide, NT-proBNP）、血小板计数（Platelet Count, PLT）、淋巴细胞计数（Lymphocyte Count, LYM）、中性粒细胞计数（Neutrophil Count, NEU）、SIRI和PIV上存在统计学显著差异。

3.3 变量的相关性分析

Pearson相关分析表明，SIRI与PIV呈强正相关（r=0.807），SIRI与NT-proBNP（r=0.116）以及PIV与NT-proBNP（r=0.176）之间也存在正相关关系。

3.4 危险因素的二元Logistic回归分析

在控制了多重共线性后，二元Logistic回归分析确定NT-proBNP、SIRI和PIV是UA患者发生MI的独立危险因素。

3.5 相关指标预测价值的ROC曲线分析

ROC曲线分析显示，NT-proBNP预测MI的曲线下面积（Area Under the Curve, AUC）为0.654。SIRI的AUC为0.851，最佳截断值为1.23，此时敏感性为83.83%，特异性为74.58%。PIV的预测效能更高，AUC达到0.902，最佳截断值为215.88，敏感性为86.76%，特异性为80.97%。最令人瞩目的是，SIRI和PIV联合模型的预测性能最佳，AUC高达0.920，敏感性为91.18%，特异性为79.93%。

3.6 SIRI和PIV的最佳截断值与UA患者MI发生率

根据最佳截断值分组后发现，SIRI ≤ 1.23组的MI发生率显著低于SIRI > 1.23组。同样，PIV ≤ 215.88组的MI发生率也显著低于PIV > 215.88组。

本研究得出结论，SIRI和PIV是预测UA患者发生MI风险的强有力生物标志物。两者均与已知的心功能标志物NT-proBNP相关，提示炎症反应与心肌损伤之间存在联系。更重要的是，SIRI和PIV的联合使用能够显著提升预测的准确性。这项研究的重要意义在于，它提出了一种基于常规血液检查即可获得的、成本效益高且易于推广的风险评估策略。SIRI和PIV的计算简单，仅需血常规中的细胞计数，这使得它们在各级医疗机构，特别是资源相对有限的基层医院，具有巨大的应用潜力，有助于实现对UA患者更精准的风险分层和更及时的个体化治疗。当然，本研究作为单中心研究，其结论有待更大规模、多中心的研究进一步验证，并且SIRI和PIV影响MI风险的具体生物学机制也有待深入探索。但无疑，这项研究为改善UA患者的临床管理提供了新的、有价值的思路和工具。