联合中性粒细胞与淋巴细胞比值和C反应蛋白与清蛋白比值预测HBV相关慢加急性肝衰竭患者预后*

韩才均，金星，吴政燮，李文浩（延边大学附属医院.检验科，.感染科，吉林延吉 133000）

慢加急性肝衰竭（acute-on-chronic liver failure，ACLF）是既往慢性肝病患者肝功能急性恶化，以多器官功能衰竭和高短期死亡率为特征，其有效治疗办法较少［1］。HBV是我国ACLF最常见病因［2］。因此，发现能够识别HBV-ACLF患者高预后不良风险的生物标志物具有重要的临床价值。

全身炎症假说认为ACLF可归因于自身炎症反应恶化和循环功能障碍，由于炎症介质和灌注不足引发器官衰竭，炎症反应与肝衰竭患者预后密切相关［1，3］。研究表明，炎症反应可以通过外周血中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio，NLR）、淋巴细胞与单核淋巴细胞比值（lymphocyte-to-monocyte ratio，LMR）、血小板与淋巴细胞比值（platelet-to-lymphocyteratio，PLR）和C反应蛋白与清蛋白比值（C-reactive protein-to-albumin ratio，CAR）的水平来反映［4-6］。研究证实，中国重型乙型肝炎研究组（Chinese Group on the Study of Severe Hepatitis B，COSSH）基于HBV-ACLF患者建立了预后评估标准——COSSH评分［7］，其预测效能优于传统肝病预后评估体系［8］。本研究旨在评估这些炎症标志物与HBV-ACLF临床结局的相关性，以开发基于全身炎症反应的预后模型，并将其与COSSH评分进行比较，这将有助于基层医院对HBV-ACLF患者的风险分层和优化管理。

1 对象与方法

1.1 研究对象 2018年1月至2021年1月我院收治的HBV-ACLF患者87例。年龄28～76（51.1±14.0）岁，男74例，女13例。纳入标准：（1）肝功能急性恶化、诊断为ACLF，诊断标准参考《肝衰竭诊治指南（2018年版）》［9］；（2）HBsAg阳性。排除标准：（1）合并感染HAV、HCV、HEV和HIV；（2）合并酒精性肝病、自身免疫性肝病、药物性肝损伤等慢性肝病；（3）合并恶性肿瘤、其他明显影响生命活动的基础疾病；（4）既往接受过肝移植；（5）病历资料不完整。本研究通过医院伦理委员会的审核和批准［批准文号：（2020）伦审字（211）］。

1.2 临床资料 患者的性别、年龄、入院时间、HBV-DNA载量和器官衰竭情况等临床资料，以及血常规、肝肾功能等实验室检查结果均从病历中获得。对入院患者随访30 d，观察主要终点是30 d无移植病死率（包括死亡、病情恶化放弃治疗和准备行肝移植术）。研究人群均给予营养支持、抗病毒治疗、静脉输注清蛋白和血浆、并发症治疗等规范化治疗。根据入院30 d临床结局分为存活组（51例）和死亡组（36例）。

1.3 研究指标 HBV-ACLF患者入院24 h采集静脉血，收集并计算炎症反应标志物。根据中性粒细胞计数、淋巴细胞计数、单核细胞计数和血小板计数分别计算NLR、LMR和PLR。另外CAR＝C反应蛋白（g/L）÷清蛋白（g/L）［6］。参考文献［7］计算COSSH评分。

1.4 统计学分析 采用SPSS17.0和GraphPad prism7.0软件进行。采用χ2检验或Fisher精确概率法比较分类变量。用Spearman相关性分析两变量间相关性。Cox多变量分析确定独立风险因素，以风险比（HR）和95%置信区间（95%CI）表示。基于最高约登指数，用ROC曲线分析确定最佳临界值。用Kaplan-Meier方法绘制生存曲线并用logrank检验进行比较。所有统计推断均采用双侧检验，以P＜0.05为差异有统计学意义。

2 结果

2.1 研究人群基线特征 根据30 d生存情况，将患者分为生存组和死亡组，两组患者临床指标的比较见表1。死亡组合并肝性脑病比例＞存活组（P＝0.021），白细胞、中性粒细胞计数、C反应蛋白、肌酐及COSSH评分均高于生存组，清蛋白和淋巴细胞计数均低于生存组（P均＜0.05）。相较于生存组，死亡组NLR和CAR升高（P均＜0.001），LMR则降低（P＜0.001，P＝0.004），PLR差异无统计学意义（P＝0.457）。

表1 两组患者基本特征比较

2.2 单因素和多因素Cox回归 对HBV-ACLF生存结局相关变量进行Cox回归分析。单变量分析中，白细胞、中性粒细胞、淋巴细胞、清蛋白、肌酐、C反应蛋白、NLR、LMR、CAR及COSSH评分与生存结局相关（P均＜0.05）。通过剔除变量法，剔除共线性的自变量，将自变量白细胞、肌酐、NLR、LMR、CAR以及COSSH评分纳入多因素Cox回归，NLR、CAR和COSSH评分3个预后因素与30 d死亡率独立相关，HR分别为3.382（95%CI：2.205～5.187）、2.912（95%CI：1.231～6.885）、3.763（95%CI：2.196～6.448）。

2.3 炎症标志物的临界值 见图1。ROC曲线分析表明，NLR预测生存结局的ROC曲线下面积（area under the ROC curve，AUCROC）为0.813（95%CI＝0.720～0.906，P＜0.001），最佳临界值为6.99，最高约登指数为0.534，敏感性为72.2%，特异性为81.2%。将患者分为NLR-high组（NLR＞6.99，n＝33）和NLR-low组（NLR≤6.99，n＝54）。

图1 NLR和CAR预测生存结局的ROC曲线

CAR预测生存结局的AUCROC为0.758（95%CI＝0.658～0.858，P＜0.001），最佳临界值为0.79，最高约登指数为0.436，敏感性为75.0%，特异性为68.6%。将患者分为CAR-high组（CAR＞0.79，n＝42）和CAR-low组（CAR≤0.79，n＝45）。

LMR、PLR以及COSSH评分的中位数分别为1.00（范围：0.40～5.89）、83.69（范围：30.60～294.67）和6.10（范围：3.90～9.10），并将它们作为临界值。

2.4 CAR和NLR与临床参数相关性 CAR、NLR与患者一般情况和临床实验室参数的相关性分析见表2。CAR-high组和CAR-low组的Alb、PNI及COSSH评分水平差异有统计学意义（P均＜0.05）。NLR-high组和NLR-low组的肝性脑病、PLR、LMR及COSSH评分水平差异有统计学意义（P均＜0.05）。Spearman相关分析显示NLR与COSSH评分呈正相关（r＝0.445，P＜0.001，n＝87），CAR与COSSH评分亦呈正相关（r＝0.305，P＝0.004，n＝87）。

表2 CAR、NLR与临床指标的相关性分析

2.5 NLR和CAR与生存结局的相关性 Kaplan-Meier生存曲线显示，NLR-high组的30 d生存率低于NLR-low组（24.2%vs 81.5%，P＜0.001，见图2A），CAR-high组的30 d生存率低于CAR-low组（38.1%vs 77.8%，P＜0.001，图2B）。结合NLR和CAR临界值，将患者分4组，即第1组为NLR-high+CAR-high组，第2组为NLR-high+CAR-low组，第3组为NLR-low+CAR-high组，第4组为NLR-low+CAR-low组。结果显示，第1组的生存率（15.0%）明显低于其他3组，第4组的生存率（96.9%）最高。见图2C。

2.6 NLR和CAR对生存结局的预测效能 ROC曲线分析表明，NLR和CAR联合模型（联合预测因子＝-7.692+0.852×NLR+2.090×CAR）的AUCROC为0.874（95%CI：0.801～0.947，P＜0.001），COSSH评分的AUCROC为0.834（95%CI：0.751～0.919，P＜0.001）。NLR和CAR联合模型的AUCROC略高于COSSH评分［0.834（95%CI：0.751～0.919）］，提示联合模型能够较准确地预测HBV-ACLF患者的短期预后。见图2D。

图2 NLR和CAR与生存结局的相关性

3 讨论

既往研究证实，NLR是HBV-ACLF患者90 d死亡率的独立预测因子，其升高与预后不良相关［10］。中性粒细胞和淋巴细胞作为免疫系统的主要细胞成分，中性粒细胞反映炎症状态，而淋巴细胞代表免疫调节途径，NLR可能反映全身炎症反应程度。CAR常用于评估患者的炎症和营养状况，研究报道CAR是HBV相关失代偿期肝硬化患者预后不良的重要预测因素［11］。C反应蛋白是急性期正向反应蛋白，而Alb是急性期负向反应蛋白，肝衰竭患者的低Alb血症可引发并加剧合并症，如自发性细菌性腹膜炎和肝肾综合征等，导致患者死亡率增加。如上所述，NLR和CAR的组合反映了患者的炎症状况、免疫功能和营养状态。

中国重型乙型肝炎研究组建立的COSSH标准在预测HBV-ACLF的短期死亡率方面优于其他评分系统［7-8］，但因其引入多项参数反映器官功能状态，导致计算过程繁琐，可能会限制临床医生的依从性。本研究结果显示，NLR和CAR与COSSH评分呈正相关，而且NLR和CAR是HBV-ACLF患者30 d生存结局的独立预测因素。通过ROC曲线比较COSSH评分（AUCROC＝0.834）与NLR和CAR联合模型对HBV-ACLF短期预后的预测能力（AUCROC＝0.874），联合模型预测价值略优于COSSH评分，但它们之间差异无统计学意义。

通过NLR和CAR分层组合后的生存分析显示，第4组患者（NLR≤6.99和CAR≤0.79）的30 d生存率最高，为96.9%。而第1组患者（NLR＞6.99和CAR＞0.79）的预后最差，其30 d生存率为15.0%。因此，临床可以结合NLR和CAR进行风险分层，NLR＞6.99和CAR＞0.79表示死亡风险高，NLR≤6.99和APRI≤0.79表示死亡风险低，有助于指导临床优化治疗方案。本研究结果表明，NLR和CAR是HBV-ACLF患者预后不良的预测因素，联合模型在预测不良结局方面略优于COSSH评分。由于NLR和CAR具有可靠性高、成本低和便于计算等优势，有利于基层医院HBV-ACLF患者的分层和治疗指导。