血红蛋白糖化指数与年龄相关的中风死亡率：一项队列研究中的中介效应与机器学习分析

本研究针对缺血性中风(IS)患者死亡率预测的临床难题，通过分析MIMIC-IV数据库中3269例患者数据，首次揭示了血红蛋白糖化指数(HGI)与年龄对30天及1年死亡率的联合影响。研究发现HGI通过负向中介效应调节年龄与死亡率的关系，并构建了随机森林预测模型(AUC=0.767)，为临床风险分层提供了新指标。

　　

在全球范围内，缺血性中风(IS)占所有中风病例的68%，每年导致约759万人死亡。尽管治疗手段不断进步，其高死亡率仍是重大公共卫生挑战。糖尿病作为IS的重要危险因素，其血糖控制指标血红蛋白糖化指数(HGI)近年来被发现在心血管疾病预后中具有独特价值，但HGI与IS患者死亡率的关系存在争议——既有研究报道U型关联，也有显示线性负相关。更关键的是，年龄作为IS死亡的强预测因子，其与HGI的交互作用机制尚未阐明。

南京中医药大学无锡附属医院神经内科的研究团队利用美国重症监护医学信息数据库(MIMIC-IV)开展了一项突破性研究。通过对3269例IS住院患者的多维度分析，首次揭示了HGI在年龄与死亡率关系中的中介作用，并构建了机器学习预测模型。该研究发表于《Scientific Reports》，为IS患者的精准预后评估提供了新视角。

研究采用多方法学联合作战：1)从MIMIC-IV数据库提取IS患者临床数据，计算HGI(HGI=实测HbA_1c-预测HbA_1c)；2)运用限制性立方样条(RCS)分析非线性关系；3)通过中介效应模型量化HGI的调节作用；4)采用LASSO回归筛选变量后，构建随机森林(RF)、XGBoost等机器学习模型预测死亡率。

年龄与HGI的独立影响

logistic回归显示，年龄每增加10岁，30天死亡风险升高5%(OR=1.05)，而HGI升高1单位可使风险降低56%(OR=0.44)。这种"年龄增风险、HGI显保护"的模式在1年死亡率分析中同样显著。

非线性关联的发现

RCS分析揭示HGI与死亡率呈J型曲线：当HGI<-0.3时，死亡风险急剧上升；而HGI>0.3后风险趋于平稳。年龄与死亡率则呈现加速上升的非线性关系，80岁以上患者风险曲线斜率显著增大。

中介效应的验证

突破性发现是HGI对年龄效应的"刹车"作用：年龄每增加10岁，通过HGI途径间接降低死亡率8.05%(P<0.001)。这种负向中介效应提示，HGI可能缓冲了衰老带来的代谢恶化。

机器学习模型的应用

RF模型在预测30天死亡率时表现最优(AUC=0.767)，SHAP分析确认年龄、血尿素氮(BUN)、血红蛋白(Hb)、HGI为前四大预测因子。决策曲线分析证实该模型比传统评分具有更高的临床净收益。

这项研究具有三重里程碑意义：首先，确立HGI作为IS预后新型生物标志物的地位，其J型风险曲线为临床干预划定警戒线；其次，揭示HGI是年龄与死亡率关系的"代谢缓冲器"，为老年IS患者的个体化治疗提供理论依据；最后，开发的机器学习模型可直接应用于临床决策支持系统。研究也存在局限性，如HGI仅采用入院单次测量，未来需要动态监测研究验证。

该团队建议临床关注低HGI(<-0.3)IS患者群体，这类患者可能伴随应激性高血糖等病理状态。同时强调，老年IS患者的血糖管理需兼顾HGI反映的长期糖化特征，而非单纯追求HbA_1c达标。这些发现将推动IS预后评估从单一指标向多维度整合迈进。