Influence de la trajectoire de la pression artérielle systolique sur

BMC Infectious Diseases volume 23, Numéro d'article : 90 (2023) Citer cet article

Accès 911

Détails des métriques

De nombreuses études ont étudié la pression artérielle moyenne chez les patients atteints de sepsis, et de nombreux résultats significatifs ont été obtenus. Cependant, peu d'études ont mesuré plusieurs fois la pression artérielle systolique (PAS) et établi des modèles de trajectoire pour les patients atteints de septicémie avec différentes trajectoires de PAS.

Les données des patients atteints de septicémie ont été extraites de la base de données Medical Information Mart for Intensive Care-III pour être incluses dans une étude de cohorte rétrospective. Dix valeurs de PAS dans les 10 h suivant l'hospitalisation ont été extraites, et l'intervalle entre chaque valeur de PAS était de 1 h. La PAS mesurée dix fois après l'admission a été analysée à l'aide de la modélisation du mélange de croissance latente pour construire un modèle de trajectoire. Le résultat était la mortalité hospitalière. La probabilité de survie de différents groupes de trajectoires a été étudiée à l'aide de l'analyse de Kaplan-Meier (KM), et la relation entre différentes trajectoires de PAS et le risque de mortalité à l'hôpital a été étudiée à l'aide du modèle de régression à risques proportionnels de Cox.

Cette étude a inclus 3034 patients atteints de septicémie. La durée médiane de survie était de 67 ans (écart interquartile : 56–77 ans). Sept trajectoires différentes de PAS ont été identifiées sur la base de critères d'ajustement du modèle. Les taux de mortalité hospitalière des patients des classes de trajectoire 1 à 7 étaient de 25,5 %, 40,5 %, 11,8 %, 18,3 %, 23,5 %, 13,8 % et 10,5 %, respectivement. L'analyse KM a indiqué que les patients de la classe 2 avaient la plus faible probabilité de survie. L'analyse de régression de Cox univariée et multivariée a indiqué que, avec la classe 1 comme référence, les patients de la classe 2 avaient le risque de mortalité hospitalière le plus élevé (P < 0,001). L'analyse des sous-groupes a indiqué qu'une interaction nominale s'est produite entre le groupe d'âge et la trajectoire de la pression artérielle dans la mortalité hospitalière (P < 0,05).

Le maintien d'une pression artérielle systolique d'environ 140 mmHg chez les patients atteints de septicémie dans les 10 heures suivant l'admission était associé à un risque plus faible de mortalité hospitalière. L'analyse des données provenant de plusieurs mesures et l'identification des différentes catégories de populations de patients atteints de septicémie aideront à identifier les risques parmi ces catégories.

Rapports d'examen par les pairs

La septicémie est un dysfonctionnement organique potentiellement mortel causé par une réponse dérégulée de l'hôte à une infection aiguë. Le sepsis reste la cause la plus fréquente de mortalité chez les patients gravement malades [1]. L'identification précoce des patients à haut risque de sepsis et un traitement individualisé sont donc des mesures efficaces pour réduire le risque de mortalité des patients atteints de sepsis. Une étude a montré qu'une diminution de la pression artérielle systolique (PAS) dans les 48 heures suivant l'admission était associée à une augmentation de la mortalité cardiovasculaire à 180 jours chez les patients atteints d'insuffisance cardiaque aiguë [2]. Une autre étude a montré qu'une diminution de la PAS au cours du premier jour d'admission chez les patients atteints d'insuffisance cardiaque aiguë favorisait une aggravation de la fonction rénale et était associée à un mauvais pronostic [2]. Une autre étude précédente a révélé que les patients souffrant d'infarctus aigu du myocarde et de faible PAS avaient un risque plus élevé d'événements indésirables. Une étude chinoise a montré que les patients ayant un infarctus aigu du myocarde avaient le risque de mortalité globale et cardiovasculaire à 5 ans le plus faible lorsque leur PAS moyenne restait entre 90 et 130 mmHg pendant la première semaine après l'admission [3].

Des recherches antérieures suggèrent que le changement de tendance de la PAS après l'admission a une valeur prédictive pour le pronostic des maladies cardiovasculaires. Cependant, il n'existe pas de recherche pertinente sur le pronostic des patients atteints de sepsis en fonction de la trajectoire de la PAS après l'admission.

Le but de cette étude est d'identifier la trajectoire SBP avec le meilleur et le pire pronostic chez les patients atteints de sepsis en établissant un modèle de modélisation de mélange de croissance latente (LGMM). La valeur de la PAS des patients avec le meilleur pronostic a été utilisée comme objectif de maintenance pour réduire le risque de mortalité hospitalière chez les patients atteints de sepsis.

Le MIMIC-III est une grande base de données publique qui a enregistré des données sur les patients de l'unité de soins intensifs (USI) du Beth Israel Deaconess Medical Center entre 2008 et 2019, et il contient des données médicales et des dossiers de plus de 40 000 patients. La base de données MIMIC-III enregistre une grande quantité de données telles que des informations démographiques, des informations sur les tests de laboratoire, des informations sur les médicaments des patients, des rapports d'imagerie des patients et des informations sur l'admission et la sortie des patients [5]. Nous avons suivi le cours et réussi l'examen des National Institutes of Health qui nous autorise à utiliser la base de données (numéro de certificat : 45848364).

Le diagnostic de septicémie était conforme aux définitions du troisième consensus international pour la septicémie et le choc septique (septicémie-3). Les critères d'exclusion étaient (1) l'âge < 18 ans, (2) la pression artérielle non mesurée dix fois après l'admission, ou (3) une seule hospitalisation de plus de 90 jours.

Les variables de cette étude comprenaient les informations de base sur le patient, les signes vitaux dans les 24 heures suivant l'admission, les tests de laboratoire et les comorbidités. Les informations de base sur les patients comprenaient l'âge et le sexe. Les signes vitaux comprennent la fréquence respiratoire, la fréquence cardiaque, la PAS, la pression artérielle diastolique, la température corporelle et la saturation en oxygène. Dans la base de données MIMIC-III, la PAS a été enregistrée toutes les heures après l'admission et nous avons extrait dix valeurs de PAS mesurées chronologiquement 10 h après l'admission. Les tests de laboratoire comprenaient le nombre de globules blancs, le rapport des neutrophiles, le nombre de plaquettes, le nombre de lymphocytes, le sodium sérique, l'aspartate aminotransférase, l'albumine, la créatine kinase, l'isoenzyme MB de la créatine kinase, la créatinine, le rapport international normalisé et la glycémie. Les comorbidités comprenaient l'insuffisance cardiaque congestive, les maladies cérébrovasculaires et les maladies pulmonaires chroniques. Le résultat de l'étude était la mortalité toutes causes confondues pendant l'hospitalisation.

La modélisation du mélange de croissance latente (LGMM) a récemment été largement utilisée pour évaluer les données longitudinales. Li [4] a utilisé LGMM pour étudier les différentes trajectoires de la leptine chez les enfants et leurs relations avec le métabolisme cardiovasculaire à l'adolescence. Muthén [6] a proposé en 1999 un modèle mixte de croissance latente, qui est une nouvelle méthode d'analyse pour identifier les tendances des données longitudinales. Le principe de LGMM est de supposer qu'il y a hétérogénéité dans la population ; c'est-à-dire qu'il existe plusieurs sous-groupes avec des trajectoires de développement différentes. Dans la présente étude de patients atteints de septicémie de la base de données MIMIC-III (Medical Information Mart for Intensive Care-III), nous avons extrait dix valeurs de PAS dans l'ordre chronologique d'enregistrement des données, effectué une analyse de trajectoire et une classification, et étudié la période d'hospitalisation de chaque catégorie de patients atteints de septicémie risque de mortalité.

Tout d'abord, un modèle d'item primaire avec une seule catégorie a été établi, puis le nombre de catégories latentes a été augmenté en fonction des items primaires, et enfin le nombre de catégories latentes de trajectoire a été déterminé. Les indicateurs d'évaluation de la qualité de l'ajustement du modèle comprenaient le critère d'information d'Akaike (AIC), le critère d'information bayésien (BIC), le BIC ajusté à la taille de l'échantillon (SABIC) et l'entropie de l'information (Entropy). Karen a découvert que SABIC est le meilleur indicateur d'information [7]. Nous avons donc déterminé le nombre optimal de classes selon le principe qu'un SABIC plus faible correspond à une meilleure qualité d'ajustement du modèle. L'entropie a été utilisée pour évaluer la précision de la classification du modèle, et la valeur était comprise entre 0 et 1. Généralement, si la valeur est supérieure à 0,8, le modèle est considéré comme ayant une précision de classification élevée [8]. La probabilité moyenne de regroupement post-test reflète également la probabilité que chaque individu soit affecté au sous-groupe correspondant après la détermination du nombre de catégories, et est généralement acceptée comme supérieure à 70 %. Pour assurer la puissance statistique de l'analyse des données, nous avons stipulé que la taille de l'échantillon de chaque sous-groupe ne doit pas être inférieure à 2 % de la taille totale de l'échantillon.

Les données ont été extraites de la base de données MIMIC-III à l'aide de Navicat Premium 15 avec le langage de requête structuré dans PostgreSQL (version 12.0) [9]. Les variables pour lesquelles la proportion de valeurs manquantes dépassait 10 % ont été exclues, et les valeurs manquantes pour les variables restantes ont été imputées à l'aide de la méthode d'imputation multiple. Les variables continues sont présentées à l'aide de médianes et de quartiles, et les variables catégorielles sont présentées à l'aide de fréquences et de pourcentages. Des courbes de probabilité de survie ont été tracées à l'aide de l'analyse de Kaplan-Meier (KM) et des tests de log-rank ont été utilisés pour comparer les probabilités de survie entre les catégories de trajectoire. La régression à risques proportionnels de Cox a été utilisée pour identifier les différences de risque de mortalité entre les patients dans différentes catégories de trajectoires, et les résultats ont été exprimés sous forme de rapports de risque (RR) et d'intervalles de confiance à 95 % (IC à 95 %). Dans le modèle I, seules les classes ont été analysées et aucune autre variable n'a été ajustée. Dans le modèle II, l'âge, le sexe, les signes vitaux, les tests de laboratoire et les comorbidités ont été inclus dans le modèle de régression à risques proportionnels de Cox et analysés à l'aide d'une estimation de vraisemblance partielle directe. Nous avons également identifié cinq sous-groupes prédéfinis d'âge, de sexe, d'insuffisance cardiaque congestive, de maladie cérébrovasculaire et de maladie pulmonaire chronique. Une analyse de régression de Cox a été réalisée à l'aide du test d'interaction pour déterminer s'il existait une interaction entre les sous-groupes susmentionnés et l'effet des trajectoires sur la mortalité hospitalière. Des facteurs d'inflation de la variance (VIF) ont été utilisés pour tester la multicolinéarité entre les variables indépendantes avant d'effectuer une régression COX multivariée.

Les valeurs de probabilité de P < 0,05 ont été considérées comme significatives et toutes les analyses statistiques ont été effectuées à l'aide du logiciel R (version 4.2.0).

Fichier complémentaire 1 : Le tableau S1 listait les VIF de chaque covariable, ils étaient tous inférieurs à 5, indiquant qu'il n'y avait pas de multicolinéarité entre les variables. Les statistiques de qualité d'ajustement du LGMM pour la PAS chez les patients atteints de septicémie sont répertoriées dans le tableau 1. AIC, BIC, SABIC et Entropy avaient tous des tendances à la baisse des modèles à une classe à sept classes. Dans le modèle à sept niveaux, les valeurs plus petites des quatre indicateurs ci-dessus et la valeur d'entropie > 0,8 indiquent que le modèle avait une bonne précision de classification. Dans ce modèle, la taille de l'échantillon de la trajectoire la moins peuplée était de 2,82 %, ce qui répondait aux critères prédéterminés. Les probabilités a posteriori pour les classes de trajectoire 1 à 7 étaient respectivement de 89,89 %, 91,66 %, 91,57 %, 87,13 %, 81,80 %, 87,38 % et 95,84 %, ce qui indique que le modèle avait une précision acceptable. Le modèle à sept classes était donc le plus souhaitable.

La trajectoire de changement de PAS du modèle à sept classes est illustrée à la Fig. 1. La proportion d'échantillons dans la classe 1 était de 36,9 %, dans laquelle les PAS changeaient régulièrement sans tendance évidente à la hausse ou à la baisse, et la valeur moyenne était d'environ 100 mmHg. La classe 2 représentait 7,5 %, dans laquelle la tendance à la modification de la PAS était stable et la valeur moyenne était d'environ 82 mmHg. La classe 3 représentait 8,4 %, dans laquelle la PAS augmentait progressivement à partir de 140 mmHg, et la tendance au changement était généralement stable. La classe 4 représentait 21,3 %, dans laquelle la PAS avait une tendance à la hausse constante, passant progressivement de 110-120 mmHg à 120-130 mmHg. La classe 5 représentait 15,3 % et la PAS avait une tendance à la baisse rapide d'environ 130 mmHg à 100 mmHg. La classe 6 représentait 8,2 %, dans laquelle la PAS avait une tendance à la baisse rapide d'environ 150-160 mmHg à 110-120 mmHg. La classe 7 représentait 2,8%, dans laquelle le SBP avait d'abord une tendance à la hausse puis à la baisse. La valeur moyenne de la PAS de la classe 7 dépassait 160 mmHg et le niveau global de la classe 7 était supérieur à celui des autres classes.

Sept trajectoires du SBP basées sur LGMM. La zone grisée indique l'intervalle de confiance à 95 % pour chaque trajectoire. Les pourcentages entre parenthèses indiquent les pourcentages de patients que représente chaque classe. Pression artérielle systolique SBP, modélisation du mélange de croissance latente LGMM

Les caractéristiques initiales des patients stratifiés sur la base des sept classes de trajectoires sont répertoriées dans le tableau 2. L'étude a inclus 3034 patients éligibles, avec une prédominance masculine (57%). L'âge médian des patients était de 67 ans. Le taux de mortalité hospitalière était de 22,3 % (N = 676). Les taux de mortalité hospitalière pour les classes 1 à 7 étaient respectivement de 25,5 %, 40,5 %, 11,8 %, 18,3 %, 23,5 %, 13,8 % et 10,5 %.

Les probabilités de survie de chaque classe tracées à l'aide de l'analyse KM sont présentées à la Fig. 2. Les patients de la classe 2 avaient le taux de mortalité le plus élevé et les résultats du test du log-rank ont indiqué que la probabilité de survie différait significativement entre les classes (P < 0,001).

Courbe de probabilité de survie à l'hospitalisation de patients ayant des trajectoires différentes de la PAS

Les résultats de l'analyse de régression à risques proportionnels de Cox sont répertoriés dans le tableau 3. Dans l'analyse univariée (modèle I), avec la classe 1 comme référence, les valeurs HR (IC à 95 %) des classes 2 à 7 étaient de 1,925 (1,522– 2,432), 0,394 (0,271–0,575), 0,698 (0,563–0,866), 0,939 (0,753–1,172), 0,494 (0,346–0,705) et 0,467 (0,240–0,907), respectivement. Dans l'analyse multivariée (Modèle II), avec la classe 1 comme référence, les valeurs HR (IC 95%) des classes 2 à 7 étaient de 1,930 (1,515–2,459), 0,356 (0,241–0,527), 0,662 (0,533–0,823) , 0,879 (0,703–1,098), 0,618 (0,432–0,885) et 0,677 (0,346–1,324), respectivement. Les deux modèles suggèrent que lorsque la tendance de changement de PAS des patients atteints de sepsis est conforme à la classe 2, le risque de mortalité hospitalière est le plus élevé (P < 0,05), et lorsqu'il est conforme à la classe 3, le risque de mortalité hospitalière est le plus faible (P = 0,009).

L'étude a également effectué des analyses de sous-groupes pour les variables suivantes : âge, sexe, insuffisance cardiaque congestive, maladie pulmonaire chronique et maladie cérébrovasculaire. Les résultats ont indiqué que dans les sous-groupes de sexe, d'insuffisance cardiaque congestive, de maladie cérébrovasculaire et de maladie pulmonaire chronique, les quatre variables ci-dessus et les trajectoires de PAS n'interagissaient pas avec la mortalité hospitalière (P > 0,05). Une interaction nominale s'est produite entre l'âge et la trajectoire de PAS dans la mortalité hospitalière (P < 0,05). La figure 3 présente les résultats de l'analyse des sous-groupes.

Analyses de sous-groupes prédéfinis

La septicémie est l'une des causes les plus courantes de décès dans les unités de soins intensifs. La dernière enquête transversale sur les caractéristiques épidémiologiques des USI en Chine a révélé que l'incidence de la septicémie dans les USI était de 23,9 % et que le taux de mortalité à 90 jours était de 35,5 % [10]. Il y a environ 1,5 million de patients atteints de septicémie aux États-Unis chaque année, et les dépenses médicales pour le traitement de la septicémie s'élèvent à 24 milliards de dollars, avec une tendance à la hausse chaque année [11]. Une surveillance précoce des changements dans l'état du patient et une intervention rapide sont très importantes pour le pronostic des patients atteints de sepsis. La PAS est l'un des indicateurs facilement disponibles dans l'unité de soins intensifs qui peut être utilisé pour identifier rapidement et avec précision les changements dans les signes vitaux d'un patient. La pression artérielle est affectée par la contractilité myocardique, le volume sanguin et la tension vasculaire. Les variations de la tension artérielle peuvent refléter indirectement des modifications de ces trois facteurs. Il est donc très important de surveiller dynamiquement la trajectoire de la pression artérielle.

La présente étude a utilisé LGMM pour effectuer une analyse de trajectoire et pour établir un modèle de dix valeurs de PAS mesurées après l'admission chez des patients atteints de sepsis, et pour explorer la relation entre la classe de trajectoire et le risque de mortalité à l'hôpital de ces patients. Les résultats ont indiqué que dans le modèle I et le modèle II, la classe 2 avec la PAS la plus faible présentait le risque de mortalité le plus élevé. Dans l'analyse multivariée, la classe 3 présentait le risque de mortalité le plus faible, ce qui constitue le résultat le plus précieux de cette étude. La trajectoire SBP en classe 3 peut être utilisée comme cible de gestion de la pression artérielle pour les patients atteints de sepsis dans les 10 h suivant l'admission afin de fournir une référence aux médecins. Nous avons observé une forte baisse de la PAS dans la classe 6, et l'analyse de régression à risques proportionnels de Cox a indiqué que la classe 6 avait un meilleur pronostic que la classe 2, suggérant que le pronostic est pire pour un état hypotenseur persistant que pour une forte diminution de la PAS, ce qui peut aider les cliniciens à identifier les patients à haut risque le plus tôt possible et ainsi fournir un traitement en temps opportun. Les classes 3 et 4 avaient toutes deux des tendances à la hausse, et l'analyse de régression à risques proportionnels de Cox a indiqué que les classes 3 et 4 avaient de meilleurs pronostics que la classe 2. La classe 1 avait une tendance stable, avec une PAS d'environ 100 mmHg, et son pronostic était également meilleure que celle de la classe 2. La différence entre la classe 5 et la classe de référence n'était pas significative (P > 0,05).

Une étude de Strandgaard S sur la physiologie de l'hypertension chronique a révélé que l'autorégulation pression-débit des organes se déplace vers la droite chez les patients souffrant d'hypertension artérielle, ce qui peut améliorer la perfusion des organes et, en fin de compte, améliorer la survie, justifiant ainsi éventuellement une élévation de la pression artérielle [12 ]. Cependant, une PAS excessive augmente la charge de pression cardiaque et conduit à une hyperperfusion glomérulaire, ce qui explique bien que le risque de décès soit plus faible en classe 3 (140 mmHg) qu'en classe 7 (160 mmHg). L'aggravation des changements microcirculatoires est une cause de défaillance d'organe et de décès chez les patients atteints de septicémie [13]. D'un point de vue physiopathologique, chez les patients atteints de sepsis, une diminution du tonus vasculaire entraîne une hypovolémie relative et une fuite vasculaire entraîne une hypovolémie absolue [14]. Jhanji et al. ont constaté que chez les patients atteints de septicémie hypotendue, l'utilisation de doses croissantes de norépinéphrine pour obtenir une pression artérielle moyenne (PAM) plus élevée contribuait à améliorer l'hémodynamique systémique et l'apport d'oxygénation tissulaire, et n'exacerbait pas l'anomalie du flux sanguin microcirculatoire [15]. De plus, afin de corriger l'hypovolémie et d'améliorer la perfusion tissulaire, les lignes directrices recommandent que les cristalloïdes soient administrés par voie intraveineuse à un niveau d'au moins 30 mg/kg dans les 3 premières heures après l'admission pour augmenter le volume sanguin, et que la noradrénaline soit administrée au même temps pour augmenter la pression artérielle [16]. Cependant, une réanimation liquidienne excessive était indépendamment associée à une augmentation de la mortalité par septicémie [17]. Nous pensons donc que lors de la supplémentation du volume sanguin, une plus grande attention doit être accordée aux modifications de la pression artérielle et à l'augmentation de la pression artérielle au fil du temps. Certaines publications recommandent que la PAM des patients atteints de sepsis ne soit pas inférieure à 65 mmHg [1]. De nombreux auteurs précédents pensaient que la PAM des patients atteints de septicémie étant continuellement inférieure à 65 mmHg conduirait à un mauvais pronostic, et donc la PAM devrait être augmentée à temps pour améliorer le pronostic. Les conclusions de Lee et al. suggèrent également que l'augmentation de la MAP de 65 mmHg de 5 à 10 mmHg peut améliorer le pronostic [18], mais il n'y a aucune preuve qu'une MAP plus élevée soit associée à une meilleure probabilité de survie [19].

Il y a eu peu d'études sur la PAS et le risque de mortalité hospitalière dans le sepsis, et notre étude de la trajectoire de la PAS corrobore également les conclusions de Lee et al. Les patients de la classe 2 avaient la PAS la plus faible et le risque de mortalité le plus élevé, la classe 7 avait des valeurs de PAS plus élevées que la classe 3, mais la classe 7 avait un risque de mortalité plus élevé que la classe 3, ce qui suggère qu'une PAS plus élevée ne diminue pas nécessairement le risque de mortalité chez les patients avec septicémie. Des valeurs de pression artérielle plus élevées dans la classe 7 augmentent la résistance lors de la contraction myocardique et entraînent une hyperperfusion du cerveau et des glomérules, ce qui augmente les risques d'insuffisance rénale et d'œdème cérébral. L'une des principales raisons pour lesquelles la classe 2 présente le risque de mortalité le plus élevé est qu'une PAS faible entraîne une perfusion insuffisante des organes et des tissus et un dysfonctionnement du métabolisme cellulaire, ce qui entraîne des lésions d'organes importants tels que le cœur et le cerveau [20,21,22]. La surveillance et l'intervention en temps opportun des modifications de la PAS sont donc l'une des mesures importantes du traitement du sepsis [22, 23]. Notre étude a montré que la PAS en classe 3 (environ 140 mmHg) était associée à un risque plus faible de mortalité hospitalière. Par conséquent, nous recommandons aux patients atteints de septicémie de maintenir une PAS à 140 mmHg après l'admission afin de réduire le risque de mortalité hospitalière. Cependant, il s'agit d'une étude rétrospective monocentrique, nous espérons mener des essais contrôlés randomisés à l'avenir pour obtenir plus d'informations.

Nous avons effectué des analyses de sous-groupes pour l'âge, le sexe, l'insuffisance cardiaque congestive, les maladies cérébrovasculaires et les maladies pulmonaires chroniques, les résultats indiquant que l'âge était un prédicteur de la mortalité hospitalière. Les patients âgés de < 65 ans en classe 2 avaient un risque de mortalité plus élevé que les patients âgés de > 65 ans. Une étude précédente a montré que les patients atteints de septicémie âgés de plus de 60 ans avaient un risque de mortalité plus élevé que les adultes plus jeunes [24]. Les résultats de notre étude étaient en contradiction avec les rapports précédents. Les personnes âgées peuvent avoir des comorbidités telles qu'une diminution de l'immunité, le diabète et l'hypertension [25]. Lorsque des troubles de la microcirculation ou une insuffisance d'organes surviennent chez les personnes âgées, leur capacité de compensation est faible et leur pronostic est donc moins bon que celui des jeunes. Cependant, chez les patients atteints de septicémie, les jeunes ont une capacité de compensation plus forte, ce qui peut provoquer un syndrome de réponse inflammatoire systémique plus sévère, et en même temps un grand nombre de facteurs inflammatoires sont libérés, provoquant un dysfonctionnement sévère de plusieurs organes ; ce mécanisme peut expliquer pourquoi le risque de mortalité est plus élevé chez les patients jeunes que chez les personnes âgées.

Cette étude comportait certaines limites. Tout d'abord, les valeurs de PAS ont été affectées par de nombreux facteurs, tels que l'utilisation de vasopresseurs avant d'entrer en USI et des antécédents d'hypertension. Ces facteurs n'ont pas été inclus dans cette étude, ce qui était dû au manque de certaines informations dans la base de données MIMIC-III. La question de savoir si des variables non incluses dans l'étude affectent le pronostic des patients atteints de septicémie doit être explorée plus avant dans des études de suivi. Nous espérons que moins ou plus de mesures de SBP seront analysées dans de futures études. De plus, les patients décédés sans avoir effectué 10 mesures de PAS ont été exclus de notre étude, ce qui peut avoir contribué au biais de survie. Nous espérons que dans les études futures, le nombre de mesures de PAS au cours de la même période d'observation ne sera pas limité et que les patients décédés au cours de la période d'observation seront inclus dans l'étude pour éviter le biais de survie. De plus, nous n'avons étudié que l'impact de la trajectoire de la PAS sur le pronostic des patients atteints de septicémie, et les études futures devraient donc combiner la trajectoire d'autres variables pour déterminer leurs impacts sur le pronostic.

La trajectoire de la PAS dans les 10 heures suivant l'admission chez les patients atteints de sepsis a un impact sur la mortalité hospitalière. Les patients avec une PAS constamment basse ou élevée ou avec des diminutions importantes de la PAS avaient un risque de mortalité plus élevé que lorsque la PAS était maintenue à environ 140 mmHg. L'évolution de la PAS chez les patients doit donc être étroitement surveillée et un traitement correspondant doit être mis en place le plus tôt possible pour améliorer leur pronostic.

Les données MIMIC-III sont disponibles sur https://mimic.mit.edu/docs/iii/.

Centre d'information médicale pour les soins intensifs III

Aspartate aminotransférase

Créatine kinase

Bande myocardique de créatine kinase

Plaquettes

Tension artérielle systolique

Pression sanguine diastolique

Saturation en oxygène du sang

sodium sérique

Insuffisance cardiaque congestive

Maladie cérébrovasculaire

Maladie pulmonaire chronique

Singer M, Deutschman CS, Seymour CW, et al. Les troisièmes définitions consensuelles internationales du sepsis et du choc septique (Sepsis-3). JAMA. 2016;315(8):801–10.

Article CAS PubMed PubMed Central Google Scholar

Matsue Y, Sama IE, Postmus D, et al. Association de la diminution précoce de la pression artérielle et de la fonction rénale au pronostic dans l'insuffisance cardiaque aiguë. Échec cardiaque JACC. 2021;9(12):890–903.

Article PubMed Google Scholar

Tang Y, Liu S, Shi Y, et al. Association de la pression artérielle dans la première semaine d'hospitalisation et de la mortalité à long terme chez les patients atteints d'infarctus aigu du myocarde ventriculaire gauche. Int J Cardiol. 2022;349:18–26.

Article PubMed Google Scholar

Li LJ, Rifas-Shiman SL, Aris IM, Mantzoros C, Hivert MF, Oken E. Trajectoires de leptine de la naissance à la mi-enfance et santé cardio-métabolique au début de l'adolescence. Métabolisme. 2019;91:30–8.

Article CAS PubMed Google Scholar

Yang J, Li Y, Liu Q, et al. Brève introduction de la base de données médicale et de la technologie d'exploration de données à l'ère du Big Data. J Evid Basé Med. 2020;13(1):57–69.

Article PubMed PubMed Central Google Scholar

Muthén B, Shedden K. Modélisation de mélange fini avec résultats de mélange à l'aide de l'algorithme EM. Biométrie. 1999;55(2):463–9.

Article PubMed Google Scholar

Kim SY. Détermination du nombre de classes latentes dans les modèles de mélange de croissance à une et plusieurs phases. Modélisation Struct Equ. 2014;21(2):263–79.

Article PubMed PubMed Central Google Scholar

Celeux G, Soromenho G. Un critère d'entropie pour évaluer le nombre de clusters dans un modèle de mélange. Classe J. 1996;13:195–212.

Article Google Scholar

Wu WT, Li YJ, Feng AZ, et al. Data mining dans le big data clinique : les bases de données fréquemment utilisées, les étapes et les modèles méthodologiques. Mil Med Res. 2021;8(1):44.

PubMed PubMed Central Google Scholar

Xie J, Wang H, Kang Y, et al. L'épidémiologie de la septicémie dans les USI chinoises : une enquête nationale transversale. Crit Care Med. 2020;48(3):e209–18.

Article PubMed Google Scholar

Paoli CJ, Reynolds MA, Sinha M, Gitlin M, Crouser E. Épidémiologie et coûts de la septicémie aux États-Unis - une analyse basée sur le moment du diagnostic et le niveau de gravité. Crit Care Med. 2018;46(12):1889–97.

Article PubMed PubMed Central Google Scholar

Strandgaard S, Olesen J, Skinhoj E, Lassen NA. Autorégulation de la circulation cérébrale dans l'hypertension artérielle sévère. Br Med J. 1973;1(5852):507–10.

Article CAS PubMed PubMed Central Google Scholar

Sakr Y, Dubois MJ, De Backer D, Crèteur J, Vincent JL. Des altérations microcirculatoires persistantes sont associées à une défaillance organique et à la mort chez les patients en choc septique. Crit Care Med. 2004;32(9):1825–31.

Article PubMed Google Scholar

Angus DC, van der Poll T. Septicémie sévère et choc septique [la correction publiée apparaît dans N Engl J Med. 21 novembre 2013 ;369(21):2069]. N Engl J Méd. 2013;369(9):840–51.

Article CAS PubMed Google Scholar

Jhanji S, Stirling S, Patel N, Hinds CJ, Pearse RM. L'effet de l'augmentation des doses de norépinéphrine sur l'oxygénation des tissus et le flux microvasculaire chez les patients en choc septique. Crit Care Med. 2009;37(6):1961–6.

Article CAS PubMed Google Scholar

Rhodes A, Evans LE, Alhazzani W, et al. Campagne Surviving sepsis : lignes directrices internationales pour la gestion du sepsis et du choc septique : 2016. Intensive Care Med. 2017;43(3):304–77.

Article PubMed Google Scholar

Sakr Y, Rubatto Birri PN, Kotfis K, et al. Un bilan hydrique plus élevé augmente le risque de décès par septicémie : résultats d'un vaste audit international. Crit Care Med. 2017;45(3):386–94.

Article PubMed Google Scholar

Lee GT, Hwang SY, Jo IJ, et al. Associations entre la pression artérielle moyenne et la mortalité à 28 jours en fonction de la présence d'hypertension ou d'un niveau de pression artérielle antérieur chez des patients gravement malades atteints de septicémie. J. Thorac Dis. 2019;11(5):1980–8.

Article PubMed PubMed Central Google Scholar

Asfar P, Meziani F, Hamel JF, et al. Cible de tension artérielle élevée ou basse chez les patients en choc septique. N Engl J Méd. 2014;370(17):1583–93.

Article CAS PubMed Google Scholar

De Backer D, Dorman T. Directives sur la septicémie : un mouvement continu vers de meilleurs soins aux patients atteints de septicémie. JAMA. 2017;317(8):807–8.

Article PubMed Google Scholar

Iskander KN, Osuchowski MF, Stearns-Kurosawa DJ, et al. Septicémie : anomalies multiples, réponses hétérogènes et compréhension en évolution. Physiol Rev. 2013;93(3):1247–88.

Article CAS PubMed PubMed Central Google Scholar

Seymour CW, Liu VX, Iwashyna TJ, et al. Évaluation des critères cliniques du sepsis : pour les troisièmes définitions consensuelles internationales du sepsis et du choc septique (Sepsis-3) [la correction publiée apparaît dans le JAMA. 2016 24-31 mai ;315(20):2237]. JAMA. 2016;315(8):762–74.

Article CAS PubMed PubMed Central Google Scholar

Leone M, Asfar P, Radermacher P, Vincent JL, Martin C. Optimisation de la pression artérielle moyenne en cas de choc septique : une réévaluation critique de la littérature. Soins critiques. 2015;19(1):101.

Article PubMed PubMed Central Google Scholar

Esposito S, De Simone G, Boccia G, De Caro F, Pagliano P. Septicémie et choc septique : nouvelles définitions, nouvelles approches diagnostiques et thérapeutiques. J Glob Antimicrob Resist. 2017;10:204–12.

Article PubMed Google Scholar

Poston JT, Koyner JL. Insuffisance rénale aiguë associée à une septicémie. BMJ. 2019;364 : k4891.

Article PubMed PubMed Central Google Scholar

Télécharger les références

Nous remercions tout le personnel qui nous a aidés à réaliser cette étude.

Ce travail a été soutenu par le projet de recherche scientifique du Bureau de la médecine traditionnelle chinoise du Guangdong (n° 20221106), le programme de technologie clinique frontalière du premier hôpital affilié de l'université de Jinan, en Chine (n° JNU1AF-CFTP-2022-a01235) et le Projets scientifiques et technologiques à Guangzhou, Chine (n° 202201020054).

Département de l'unité de soins intensifs, Premier hôpital affilié à l'Université de Jinan, No.613, Huangpu Road West, Guangzhou, 510630, Province du Guangdong, Chine

Jia-Liang Zhu, Lu-Ming Zhang, Xiao-Mei Xu et Hai-Yan Yin

Centre médical pour femmes et enfants de Guangzhou, Université médicale de Guangzhou, No. 9 Jinsui Road, Guangzhou, 510630, province du Guangdong, Chine

Jia-Liang Zhu, Xiao-Mei Xu et Jian-Rui Wei

Département de neurologie, Premier hôpital affilié à l'Université de Jinan, No.613, Huangpu Road West, Guangzhou, 510630, Province du Guangdong, Chine

Shi-Qi Yuan

Département de recherche clinique, premier hôpital affilié à l'université de Jinan, 613 West Huangpu Avenue, district de Tianhe, Guangzhou, 510630, province du Guangdong, Chine

Tao Huang et Jun Lyu

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

JW et JL ont contribué au concept et à la conception de l'étude et ont contribué à parts égales. JZ, TH et SY ont effectué une analyse statistique et une interprétation des données. LZ et XX ont effectué des recherches documentaires et extrait des données. HY était responsable du contrôle de la qualité des données et des algorithmes. Tous les auteurs ont contribué à la rédaction du manuscrit et ont approuvé la version finale. Tous les auteurs ont lu et approuvé le manuscrit final.

Correspondance à Jian-Rui Wei ou Jun Lyu.

Les comités d'examen institutionnels (IRB) du Beth Israel Deaconess Medical Center (BIDMC) et du Massachusetts Institute of Technology (MIT) ont approuvé le projet et les consentements éclairés ont été exemptés car toutes les données des patients ont été anonymisées avant l'obtention des données. Notre étude était conforme à la déclaration Strengthening the Reporting of Observational studies in Epidemiology (STROBE) [19]. Toutes les méthodes ont également été réalisées conformément aux directives et réglementations en vigueur.

N'est pas applicable.

Les auteurs déclarent n'avoir aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

: Tableau S1. Facteur d'inflation de la variance pour la mortalité hospitalière.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournir un lien vers la licence Creative Commons et indiquer si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/. La renonciation Creative Commons Public Domain Dedication (http://creativecommons.org/publicdomain/zero/1.0/) s'applique aux données mises à disposition dans cet article, sauf indication contraire dans une ligne de crédit aux données.

Réimpressions et autorisations

Zhu, JL., Yuan, SQ., Huang, T. et al. Influence de la trajectoire de la pression artérielle systolique sur la mortalité hospitalière chez les patients atteints de sepsis. BMC Infect Dis 23, 90 (2023). https://doi.org/10.1186/s12879-023-08054-w

Télécharger la citation

Reçu : 03 août 2022

Accepté : 06 février 2023

Publié: 13 février 2023

DOI : https://doi.org/10.1186/s12879-023-08054-w

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Nouvelles

Influence de la trajectoire de la pression artérielle systolique sur