Naples 预后评分：成人中风及中风患者全因死亡率的关键预测指标

《Scientific Reports》：Associations of Naples prognostic score with stroke in adults and all cause mortality among stroke patients

为探究 Naples 预后评分（NPS）与成人中风及中风患者全因死亡率的关系，研究人员分析 NHANES 数据。结果显示，NPS 与成人中风风险、中风患者全因死亡率呈正相关。这表明监测 NPS 水平对检测中风患者及其全因死亡率有重要意义。

　　在全球范围内，中风是一个严峻的健康问题，它是全球第二大死因，每年造成的直接和间接成本超过 8910 亿美元。在美国，每年约有 61 万人首次中风，18.5 万人再次中风，中风导致 162890 人死亡，是第五大死因 。尽管年龄标准化发病率有所下降，但中风的绝对负担仍在上升。中风会导致突然的神经功能损伤，给幸存者带来不同程度的身体和认知残疾，严重影响日常生活和生活质量。因此，了解和控制中风的风险因素至关重要。研究人员一直在寻找新的风险因素，并深入研究已知风险因素的机制，以制定更有效的预防和治疗策略。

Naples 预后评分（NPS）是一种新的评分系统，它结合了炎症和营养标志物，包括总胆固醇、血清白蛋白、中性粒细胞与淋巴细胞比值（NLR）和淋巴细胞与单核细胞比值（LMR）。最初，NPS 用于评估结直肠癌患者的预后，后来被应用于多种恶性肿瘤，最近还用于非酒精性脂肪性肝病和哮喘的研究。然而，NPS 与中风患者之间的关系尚未得到充分研究。

为了探究 NPS 与成人中风以及中风患者全因死亡率之间的关系，郑州大学附属郑州中心医院神经内科、北京大学第三医院神经内科等机构的研究人员开展了相关研究。该研究成果发表在《Scientific Reports》上。

研究人员使用的数据来自美国国家健康和营养检查调查（NHANES）2005 - 2018 年的数据，这些数据通过美国国家卫生统计中心（NCHS）公开获取，包括营养评估、身体检查和健康访谈等综合医学信息。死亡率数据则通过国家死亡指数（NDI）获取，追踪至 2019 年 12 月 31 日。研究人员对数据进行筛选，排除了 18 岁以下、缺失中风状态数据、孕妇以及缺失相关生物标志物数据的参与者，最终纳入 34923 名参与者，其中 1374 人有中风史，2 名因全因死亡率失访被排除，1372 名有中风史的参与者用于生存分析。

在研究中，中风的定义基于结构化面对面访谈中参与者的自我报告诊断。NPS 的评估根据血清白蛋白、总胆固醇、LMR 和 NLR 四个指标的正常范围进行计算，参与者据此被分为三组。全因死亡率通过将 NHANES 数据库与 NDI 链接进行追踪。研究人员还引入了多种协变量，如性别、种族、年龄、体重指数（BMI）等。

研究采用了多种技术方法。首先，使用 Wilcoxon 秩和检验分析连续变量，Pearson 卡方检验比较分类变量。其次，运用多因素 logistic 回归分析计算调整后的优势比（OR）和 95% 置信区间（CI），以研究 NPS 及其组成部分与中风患病率的关系。再者，通过 Kaplan - Meier 方法和 log - rank 检验计算累积生存率，比较不同 NPS 组之间的差异，并使用 Cox 回归分析计算中风患者全因死亡率的调整后风险比（HR）和 95% CI。此外，还进行了亚组分析评估交互作用，运用逆概率加权法（IPW）调整潜在偏差，并进行敏感性分析评估结果的稳健性。

研究结果主要包括以下几个方面：

• 研究对象特征：研究人群的中位年龄为 50.00 [IQR 35.00, 64.00] 岁，男性占 49.36%，中风患病率为 3.93%。不同 NPS 组在年龄、性别、种族、婚姻状况、疾病状况等多方面存在显著差异。在全因死亡率方面，1372 名成人中风患者中，504 例（36.73%）发生全因死亡，与未死亡患者相比，死亡患者具有年龄更大、非西班牙裔白人男性比例更高、教育和收入水平更低、高血压和糖尿病患病率更高等特征，且血清白蛋白和 LMR 水平更低，TC 和 NLR 水平更高。
• NPS 与中风的关系：logistic 回归分析显示，粗模型中 NPS 与中风患病率呈强正相关（OR = 3.95 [3.26, 4.79]）。调整协变量后，与 0 分组相比，2 分组参与者中风患病率显著增加（Model2 中 OR = 1.82 [1.48, 2.23]），且随着 NPS 水平升高，中风风险显著增加（趋势 p < 0.001）。
• NPS 与中风患者死亡率的关系：Kaplan - Meier 曲线显示，NPS = 3 - 4 组全因死亡率风险最高（log - rank 检验 P <0.001）。Cox 比例风险模型分析表明，调整协变量后，2 分组中风患者全因死亡率风险显著高于 0 分组（HR = 2.21 [95% CI：1.44 - 3.11]）。亚组分析未发现显著的交互作用（p for interaction > 0.05）。
• 敏感性分析：敏感性分析比较了因缺失 NPS 变量而排除的 4085 名参与者和纳入的 34923 名参与者的基线特征，并使用 IPW 在多因素 logistic 和 Cox 回归分析中验证了这些关系的稳定性。

研究结论和讨论部分指出，该研究首次探讨了 NPS 与成人中风以及中风患者全因死亡率的关系。结果表明，NPS 与成人中风风险以及中风患者全因死亡率呈正相关。这一发现具有重要的临床意义，意味着监测 NPS 水平可能是检测中风患者及其全因死亡率的有价值工具。

从机制上看，营养不良会引发全身炎症，增加中风风险并恶化预后。血清白蛋白、总胆固醇等营养指标与中风风险相关，而 NLR 和 LMR 作为炎症指标，也在中风的发生发展中起作用。炎症和营养不良相互影响，形成恶性循环。NPS 整合了营养和炎症标志物，相比其他评分系统，具有更高的预测准确性和更好的一致性，更便于临床应用。

该研究具有多方面的优势。样本具有全国代表性且数量较大，增强了研究结果的普遍性和可信度；研究对影响中风的关键因素进行了细致调整，提高了结果的可靠性和科学性；纳入了平均 5.94 年的随访数据，深入阐明了 NPS 与中风患者全因死亡率的相关性；NPS 作为营养和炎症的综合指标，其与中风发病率和全因死亡率的关联拓展了 NPS 的应用范围。

然而，研究也存在一些局限性。中风诊断基于自我报告，可能存在偏差；NHANES 数据库缺乏中风类型、发病时间等关键细节，限制了对死亡率相关因素的分析；数据主要代表美国人群，对经济欠发达地区的适用性有限；研究采用横断面研究设计分析 NPS 与中风的关系，无法推断因果关系 。因此，未来需要开展更多随机对照试验来验证这种关联并探索其机制。

总的来说，该研究为中风的预防和管理提供了新的思路和潜在工具，尽管存在局限性，但为后续研究奠定了基础，对推动中风相关研究和临床实践具有重要意义。