Различные иммунные профили и клинические исходы при субфенотипах сепсиса в зависимости от температурных траекторий

Bhavani S et al. Distinct immune profiles and clinical outcomes in sepsis subphenotypes based on temperature trajectories Различные иммунные профили и клинические исходы при субфенотипах сепсиса в зависимости от температурных траекторий Intensive Care Med (2024) 50:2094–2104 doi.org/10.1007/s00134-024-07669-0

Абстрат

Сепсис - это гетерогенный синдром. Выявление субфенотипов сепсиса с различными иммунными профилями может привести к разработке целенаправленной терапии. В данном исследовании изучаются иммунные профили пациентов с сепсисом, у которых температура тела изменяется (т. е. субфенотипы температурной траектории). В исследование были включены госпитализированные пациенты из четырех больниц в период с 2018 по 2022 год с подозрением на инфекцию. Для классификации пациентов на субфенотипы температурной траектории был использован ранее проверенный алгоритм температурной траектории. Микробиологические профили, клинические исходы и уровни 31 биомаркер сравнивались между этими субфенотипами.3576 пациентов были разделены на четыре подфенотипа температурной траектории: гипертермические медленно разрешающиеся (N = 563, 16%), гипертермические быстро разрешающиеся (N = 805, 23%), нормотермические (N = 1693, 47%), гипотермические (N = 515, 14%). Смертность значительно различалась между субфенотипами: самая высокая - у гипотермиков (14,2 %), далее следуют гипертермические медленно-разрешающие 6 %, нормотермические 5,5 % и самая низкая - гипертермические быстроразрешающие 3,6 % (p < 0,001). После коррекции множественного тестирования 31 биомаркера, 20 биомаркеров оставались значимо разными между температурными траекториями: ангиопоэтин-1 (Ang-1), С-реактивный белок (CRP), кошачья саркомаподобная киназа МакДонаха лиганд тирозинкиназы 3 (Flt-3l), гранулоцитарный колониестимулирующий фактор (G-CSF), гранулоцитарно-макрофагальный колониестимулирующий фактор (GM-CSF), интерлейкин (IL)-15, антагонист рецептора IL-1 (RA), IL-2, IL-6, IL-7, интерферон-гамма-индуцированный протеин 10 (IP-10), моноцитарный хемоаттрактантный протеин-1 (MCP-1), человеческий макрофагальный воспалительный протеин 3 альфа (MIP-3a), нейтрофильный желатиназ-ассоциированный липокалин (NGAL), пентраксин-3, тромбомодулин, тканевой фактор, растворимый триггерный рецептор экспрессируемый на миелоидных клетках-1 (sTREM-1), и молекулу клеточной адгезии сосудов-1 (vCAM-1). Гипотермики имели подавленный уровень большинства цитокинов, но самые высокие уровни нескольких маркеров свертывания крови (Ang-1, тромбомодулин, тканевой фактор).Субфенотипы сепсиса, выявленные с помощью общедоступного измерения температуры тела, имели разные иммунные профили. У пациентов с гипотермией, имевших самый высокий уровень смертности, также наблюдались самые низкие уровни большинства про- и противовоспалительных цитокинов.
Ключевые слова: Сепсис, температура, лихорадка, фенотипы, искусственный интеллект

Введение

Сепсис - это дисрегуляторная реакция организма на инфекцию, которая приводит к дисфункции органов и вызывает тревожно высокий уровень смертности [1, 2]. Первоначально предполагалось, что сепсис является гиперинтенсивным воспалительным ответом на инфекцию, который ответственен за высокую смертность [3, 4]. За последние 30 лет стали выясняться гетерогенные иммунные реакции при сепсисе [5-7]. Хотя у некоторых пациентов с сепсисом наблюдается чрезмерно активный провоспалительный ответ, многие пациенты также демонстрируют уравновешивающий противовоспалительный ответ, который часто происходит параллельно. Этот уравновешивающий противовоспалительный ответ может привести к явной сепсис-ассоциированной иммуносупрессии, характеризующейся апоптозом В- и Т-клеток, снижением экспрессии человеческого лейкоцитарного антигена DR изотипа (HLA-DR) и функциональным подавлением секреции цитокинов [8, 9].
Сложное сочетание пациентов, находящихся в гиперинтенсивном и иммуносупрессивном состоянии, является потенциальной причиной того, что клинические испытания не выявили преимуществ противовоспалительной терапии в гетерогенных когортах пациентов с сепсисом [10, 11]. Учитывая гетерогенность иммунных реакций при сепсисе, важно ориентировать иммуномодулирующую терапию на конкретные иммунные состояния [9, 12]. Например, биомаркерные подходы, такие как использование уровней HLA-DR для направления терапии гранулоцит-макрофагальным колониестимулирующим фактором (ГМКСФ) и уровней растворимого триггерного рецептора, экспрессируемого на миелоидных клетках-1 (sTREM-1), для направления терапии нангиботидом, показали свой потенциал при сепсисе [13-16]. Расширив этот подход до параллельного исследования биомаркеров и клинических данных, мы, возможно, сможем уловить динамические иммунные реакции при сепсисе и дальнейшее совершенствование прецизионного подхода к расширению иммуномодулирующей терапии [17].
Ранее мы уже сообщали об использовании измерения температуры тела для выявления субфенотипов сепсиса, которые могут представлять собой различные иммунные реакции на инфекцию [18]. Подфенотипы температурной траектории были первоначально разработаны и валидированы в больших когортах госпитализированных пациентов с инфекцией с использованием первых 72 ч измерения температуры. Четыре температурные траектории: гипертермическая медленно разрешающаяся - пациенты с изначально повышенной температурой, которая остается повышенной; гипертермические быстроразрешающиеся пациенты с изначально повышенной температурой, которая снижается; нормотермические и гипотермические пациенты. Температурные траектории были подтверждены у взрослых пациентов с сепсисом, педиатрическим сепсисом, коронавирусной болезнью 2019 (COVID-19) и нейтропенией [19-23]. В одноцентровом исследовании 120 пациентов с септическим шоком мы обнаружили значимые ассоциации между температурными траекториями и плазменными уровнями нескольких цитокинов [19].
Цели настоящего исследования: (1) изучить биомаркерные профили субфенотипов температурной траектории в большой многоцентровой когорте, включающей более 3500 пациентов с подозрением на инфекцию (2) сравнить дифференциальную экспрессию биомаркеров между выжившими и не выжившими пациентами в рамках субфенотипов; и (3) оценить влияние демографических показателей, сопутствующих заболеваний, результатов микробиологического исследования и биомаркеров на определение принадлежности к субфенотипу.

Методы

Исследуемая когорта

В исследование были включены взрослые пациенты в возрасте 18 лет и старше, поступившие в отделения неотложной помощи (EDs) четырех клиник (Mercy Health in St. Louis, Missouri; Beaumont Hospital in Royal Oak, Michigan; OSF St. Francis Medical Center in Peoria, Illinois; Beth Israel Deaconess Medical Center in Boston, Massachussetts) в период с 2018 по 2022 год. В исследование включались пациенты с подозрением на инфекцию, что определялось как анализ культуры крови и внутривенное введение антибиотиков в течение первых 24 часов после поступления. Важно отметить, что оценка по шкале SOFA не использовалась в качестве критерия включения. Учитывая, что основное внимание в исследовании уделяется спектру иммунных реакций на инфекцию, мы использовали более широкие прагматические критерии включения пациентов с подозрением на инфекцию, чтобы охватить более широкий спектр реакций хозяина на инфекцию.
Пациенты исключались, если: (1) смерть или выписка произошла в течение 24 ч после поступления, (2) присутствовал COVID-19 на основании положительного результата полимеразной цепной реакции (PCRР), (3) отсутствовали > 30% значений биомаркеров при использовании этого контрольного показателя, основанного на предыдущей работе [24], или (4) биомаркеры были собраны более, чем через 24 ч после первоначального измерения температуры. Данные электронной медицинской карты (EHR) были получены из хранилища клинических данных соответствующей больницы. Сопутствующие заболевания определялись с помощью кодов МКБ-10. Все процедуры проводились в соответствии со стандартами IRB по проведению экспериментов на людях и Хельсинкской декларацией 1975 года.

Измерение биомаркеров

В соответствии с нашей предыдущей публикацией, во всех участвующих учреждениях соблюдались следующие протоколы [24]. Забор крови осуществлялся в рамках рутинной помощи, после чего проводилось центрифугирование и выделение плазмы или сыворотки. Пробирки, содержащие остатки плазмы или сыворотки после рутинных клинических лабораторных исследований, хранились при температуре 2-8 °C до 72 ч до аликвотирования и замораживания при - 80 °C для длительного хранения. Непосредственно перед измерением биомаркеров образцы размораживали и проводили мультиплексный иммуноферментный анализ (Luminex Multiplex; R&D Systems, Minneapolis, Minnesota). Для анализа использовались уровни следующих 31 биомаркера: ангиопоэтин-1 (Ang-1); Ang-2; С-реактивный белок (CRP); Е-селектин; Fms-подобный тирозинкиназа-3-лиганд (Flt-3l); гранулоцитарный колониестимулирующий фактор (G-CSF); GMCSF; интерлейкин (IL)-2; IL-6; IL-7; IL-8; IL-10; IL-15; антагонист рецептора IL-1 (IL-1RA); интерферон гамма (INF-γ)-индуцированный протеин-10 (IP-10); лептин; моноцитарный хемоаттрактантный протеин-1 (MCP-1); макрофагальный воспалительный протеин (MIP)-1β; MIP-3α; нейтрофильный желатиназ-ассоциированный липокалин (NGAL); пентраксин-3; прокальцитонин; протеин С; лиганд программированной смерти-1 (PD-L1); sTREM-1; тромбомодулин; тканевой фактор; фактор некроза опухоли (TNF); лиганд, индуцирующий апоптоз, связанный с TNF (TRAIL); растворимая молекула адгезии сосудистых клеток-1 (VCAM-1); и фактор роста эндотелия сосудов (VEGF). Оценка стабильности аналитических образцов была описана ранее [24]. Измерения биомаркеров ниже нижнего предела обнаружения (LLD) регистрировались как LLD/√2. Если у пациента было несколько результатов определения биомаркеров в течение 24-часового периода, для анализа использовался первый набор биомаркеров.

Классификация температурных траекторий

В алгоритме температурной траектории использовались результаты измерения температуры в первые 72 ч госпитализации. Все измерения были стандартизированы до анализа, как описано ранее [18]. Измерения температуры каждого пациента исследования сравнивались с температурами каждого из четырех референтных субфенотипов. Например, температура пациента в момент времени 0 сравнивалась с температурой в момент времени 0 каждого субфенотипа. Разница (т.е. средняя квадратичная ошибка) между температурой пациента и температурой субфенотипа рассчитывалась для всех измерений температуры в течение 72 ч. Затем эти разницы суммировались для каждого субфенотипа, и пациент относился к субфенотипу с наименьшей суммарной разницей.

Статистический анализ

Демографические показатели, сопутствующие заболевания, результаты микробиологических исследований и смертность в стационаре сравнивались между подфенотипами с помощью дисперсионного анализа (ANOVA) или критерия хи-квадрат, в зависимости от ситуации. Для получения микробиологических результатов были включены посевы крови, взятые в первые 72 часа после госпитализации, и классифицированы по четырем категориям: граммотрицательные, грамположительные, грибковые и отрицательные культуры. Коагулазоотрицательные стафилококки и виды Corynebacterium исключались как контаминанты [25]. Места инфекции определялись по кодам МКБ-10 [26]. Для описания дифференциальных профилей биомаркеров уровни всех 31 биомаркера сравнивались между четырьмя субфенотипами с помощью ANOVA с поправкой Бонферрони (значение p должно быть меньше 0,0016).
Возникающие паттерны профилей биомаркеров описывались post-hoc на основе консенсуса авторов. Для сравнения уровней биомаркеров между выжившими и не выжившими в рамках каждого субфенотипа использовали непарный t-тест с поправкой на множественное тестирование (p < 0,0016). Композитные показатели воспаления и коагуляции рассчитывались по методике, адаптированной Osuchowski et al [27]. Для нормализации значений биомаркеров использовали медианное значение каждого биомаркера среди не выживших, нормализованные значения всех маркеров воспаления усредняли по субфенотипу для оценки воспаления, а нормализованные значения всех маркеров коагуляции усредняли по субфенотипу для оценки коагуляции. Для сравнения показателей воспаления и коагуляции между субфенотипами использовался тест ANOVA. Также была проведена оценка субфенотипов с учетом стратификации данных по месту поступления. Центры Beaumont и Beth Israel были объединены в одну группу (когорта A), а центры Mercy и OSF - в другую (когорта B). Возраст, сопутствующие заболевания, бактериемия и смертность сравнивались между подфенотипами, стратифицированными по когортам, чтобы оценить сходство взаимосвязей. Композитные показатели воспаления и коагуляции также сравнивались между подфенотипами, стратифицированными по когортам. Для оценки связи между субфенотипами и смертностью была проведена многовариантная логистическая регрессия с поправкой на составные показатели биомаркеров, а также возраст, сопутствующие заболевания и результаты посева крови.
Гипертермические быстроразрешающие пациенты служили референтной группой, как это было сделано в предыдущей работе [18]. Наконец, была проведена мультиномиальная регрессия для оценки влияния каждого домена (возраст, пол, сопутствующие заболевания, микробиологические профили и биомаркеры) на определение принадлежности к субфенотипу. Модели, включающие и исключающие каждый домен, сравнивались с помощью теста отношения правдоподобия. Для отображения вклада каждой переменной в прогнозирование каждого субфенотипа использовались Shapley additive explanations. Все статистические анализы проводились с использованием R версии 4.0.3 (The R Foundation for Statistical Computing, Vienna, Austria).

Результаты

Всего включено 3576 пациентов с подозрением на инфекцию, у которых были измерены биомаркеры и которые соответствовали критериям включения (electronic supplementary material, ESM, Fig. 1). Средний возраст исследуемой когорты составил 67 лет (интерквартильный интервал [IQR] 54-78 лет), 53 % мужчин, 18 % чернокожих, 77 % белых и 5 % другой или неизвестной расы, 17,5 % пациентов имели бактериемию, а общая смертность в стационаре составила 6,4 %.
Клинические характеристики подфенотипов температурной траектории
3576 пациентов были разделены на 4 подфенотипа температурной траектории (Fig. 1): гипертермические медленно разрешающиеся (N = 563, 16%); гипертермические быстро разрешающиеся (N = 805, 23%); нормотермические (N = 1693, 47%); гипотермические (N = 515, 14%). Возраст: гипертермические медленно разрешающиеся пациенты были самыми молодыми, средний возраст 62 года (IQR 46-74 года), в то время как гипотермики были самыми пожилыми, средний возраст 71 год (IQR 60-82 года) (p < 0,001). Сопутствующие заболевания: у гипертермических медленно-разрешающих пациентов была самая низкая распространенность многих сопутствующих заболеваний, включая хронические заболевания легких, гипертонию и сахарный диабет. Напротив, у гипотермиков эти сопутствующие заболевания были наиболее распространены (p < 0,005). Смертность: гипотермические пациенты имели самый высокий уровень смертности - 14,2%, за ними следовали гипертермические медленные 6%, нормотермические - 5,5% и гипертермические быстроразрешающиеся пациенты - 3,6% (p < 0,001, Table 1).
Посевы крови: частота положительных культуры крови в гипертермических субфенотипах по сравнению с нормотермическими и гипотермическими субфенотипами:
o Гипертермические медленно разрешающиеся пациенты: 25%
o Гипертермические быстрорастворимые: 27%
o Нормотермические: 12%
o Гипотермические: 12%
Биомаркерные профили субфенотипов температурной траектории
После коррекции множественного тестирования для 31 исследованного биомаркера 20 биомаркеров остались значимо различающимися: Ang-1, CRP, E-selectin, Flt-3l, G-CSF, GM-CSF, IL-15, IL-1RA, IL-2, IL-6, IL-7, IP-10, MCP-1, MIP-3α, NGAL, pentraxin-3, тромбомодулин, тканевой фактор, sTREM-1 и VCAM-1. На основании профилей биомаркеров были выявлены четыре основные закономерности (Fig. 2):

Fig. 1 Temperature trajectory subphenotypes. Presented are the mean and 95% confidence interval of the subphenotypes measurements at each hour over the first 72 h of hospital admission

1. Самые высокие уровни у гипертермических быстроразрешающихся пациентов: E-Selectin, Flt-3l, G-CSF, IL1RA, IL2, IL6, MCP-1, MIP-3α.
2. Наиболее высокие уровни у гипертермических медленно разрешающихся: CRP и IL-15
3. Столь же высокие уровни в гипертермических субфенотипах по сравнению с нормотермическими и гипотермическими: IL-7, VCAM-1, IP-10, пентраксин-3, GM-CSF
4. Самые высокие уровни у гипотермиков: Ang-1, тромбомодулин, тканевой фактор, sTREM-1, NGAL
Для маркеров воспаления и маркеров коагуляции рассчитывались композитные баллы. К маркерам воспаления были отнесены следующие показатели: CRP, E-селектин, Flt-3l, G-CSF, GM-CSF, IL-15, IL-1RA, IL-2, IL-6, IL-7, IP-10, MCP-1, MIP-3α, NGAL, pentraxin-3, sTREM-1 и VCAM-1. Маркеры коагуляции: тромбомодулин, тканевой фактор и Ang-1. По результатам ANOVA, показатели воспаления и коагуляции значительно отличались между субфенотипами (p < 0,001 для обоих). При попарном сравнении гипотермики имели значительно более низкие показатели воспаления, чем гипертермики медленно разрешающихся и гипертермических быстро разрешающихся (p < 0,001). У гипотермиков показатели коагуляции были значительно выше, чем у нормотермиков, гипертермических быстроразрешающихся и гипертермических медленноразрешающихся пациентов (p < 0,001 для всех сравнений, Fig. 3). Биомаркеры, которые соответствовали некоррелированному уровню значимости (p < 0,05), показаны (ESM, Table 1 and Fig. 2). Дополнительные сравнения, включая средние стандартизованные значения и попарные сравнения между субфенотипами, включены в ESM , Figs . 3 и 4.

Fig. 2 The four patterns of biomarkers are presented. The levels of biomarkers represent the mean and standard error around the mean for each subphenotype. Pattern 1—highest in hyperthermic fast resolvers; Pattern 2—highest in hyperthermic slow resolvers; Pattern 3—equally elevated in hyperthermic cohorts; Pattern 4—highest in hypothermics

Сравнение характеристик субфенотипов в зависимости от места лечения
Для оценки характеристик субфенотипов было проведено стратифицирование пациентов на две когорты в зависимости от места оказания помощи. В обеих когортах было выявлено сходное распределение возраста, сопутствующих заболеваний, бактериемии и смертности, при этом гипотермики были самыми пожилыми, имели больше сопутствующих заболеваний и самый высокий уровень смертности (ESM, Table 2).

Fig. 3 Composite inflammatory and coagulation scores. HSR hyperthermic slow resolvers, HFR hyperthermic fast resolvers; NT normothermic, HT hypothermic. Of the significant biomarkers, the following were categorized as inflammatory markers: CRP, E-selectin, Flt-3l, G-CSF, GM-CSF, IL-15, IL- 1RA, IL-2, IL-6, IL-7, IP-10, MCP-1, MIP-3α, NGAL, pentraxin-3, sTREM-1, and VCAM-1. The following biomarkers were categorized as coagulation markers: thrombomodulin, tissue factor, and Ang-1. The median value of each biomarker amongst non-survivors was used to normalize the values and the normalized values were averaged to calculate the inflammatory and coagulation scores. ANOVA testing was used to compare the mean values of the scores between the 4 subphenotypes (p < 0.001 for inflammatory and coagulation scores). Pairwise comparisons between HT and each of the other subphenotypes were performed, and significant comparisons are indicated by asterisk, with the color of the comparison subphenotype. In the inflammatory score, HT had significantly lower scores compared to HSR and HFR (p < 0.001 for both comparisons). In the coagulation score, HT had significantly higher scores than HSR, HFR, and NT (p < 0.001 in all 3 comparisons)

Гипертермические быстроразрешающиеся пациенты имели самый высокий балл воспаления, а гипотермические - самый высокий балл коагуляции (ESM, Fig.. 5).
Сравнение профилей биомаркеров в субфенотипах между выжившими и не выжившими пациентами
31 биомаркер был сравнен между выжившими и не выжившими в рамках каждого субфенотипа (ESM, Fig. 6). При гипертермическом медленном разрешении уровень Е-селектина был выше у выживших по сравнению с не выжившими, а уровень тканевого фактора был ниже. При гипертермическом быстром разрешении значимых различий между выжившими и не выжившими пациентами не было. У нормотермических пациентов выжившие пациенты имели более низкие уровни Ang-2, GM-CSF, тромбомодулина, тканевого фактора, sTREM-1 и VCAM-1. У пациентов с гипотермией выжившие имели более низкие уровни Ang-2, IL-1RA, IL-15, MIP-3α, NGAL, тромбомодулина, тканевого фактора, sTREM-1 и VCAM-1. При многовариантной регрессии, когда гипертермические быстроразрешающиеся пациенты были референтной группой, остальные 3 субфенотипа были связаны с повышенной смертностью: гипертермические медленноразрешающиеся пациенты (отношение шансов [ОР] 2,21, 95% ДИ 1,28-3,82, p = 0,004), нормотермики (ОР 1,63, 1,02-2,58, p = 0,04) и гипотермики (ОР 4,12, 2,51-6,75, p < 0,001) (ЭСМ, Fig. 7). Более высокие показатели воспаления (p = 0,002) и коагуляции (p = 0,048) также были связаны с повышенной смертностью.
Влияние доменов на принадлежность к субфенотипу температурной траектории
В мультиномиальной регрессии субфенотип температурной траектории был подвергнут регрессии на следующие домены: возраст, пол, сопутствующие заболевания, результаты посева крови и биомаркеры. Возраст (p < 0,0001), сопутствующие заболевания (p = 0,0004), микробиология (p = 0,003) и биомаркеры (p < 0,0001) значительно улучшили модель при определении субфенотипа температурной траектории при проверке отношения правдоподобия. Значимые переменные, полученные в результате мультиномиальной регрессии, представлены с помощью значений SHapley Additive exPlanations (SHAP) Fig. 4. Более высокий уровень IL-15 был наиболее значимым предиктором гипертермических медленных разрешений, в то время как более высокий уровень sTREM-1 предсказывал гипотермическую принадлежность.

Обсуждение

В этом многоцентровом исследовании, включавшем более 3500 госпитализированных пациентов с подозрением на инфекцию, мы сообщаем об уникальных профилях биомаркеров у пациентов с различными температурными траекториями. Четыре подфенотипа температурной траектории имели разные клинические характеристики, исходы и различные воспалительные реакции. Два гипертермических подфенотипа имели повышенные уровни большинства воспалительных биомаркеров, причем гипертермические быстроразрешающиеся пациенты имели самые высокие уровни нескольких ключевых биомаркеров, что может играть роль в благоприятном прогнозе, наблюдаемом в этом подфенотипе. У пациентов с гипотермией уровни маркеров воспаления были подавлены, а уровни маркеров свертывания крови, таких как тканевой фактор и тромбомодулин, повышены.
Оба субфенотипа гипертермии (медленные и быстрые) имели более высокие уровни большинства воспалительных биомаркеров. В то время как у гипертермических медленно разрешающихся пациентов наблюдались самые высокие уровни CRP и IL-15, у гипертермических быстро разрешающихся пациентов было несколько биомаркеров, которые были наиболее высокими, включая IL-1RA, E-селектин, MCP-1, MIP-3α, G-CSF и Flt-3l. Учитывая более низкую смертность среди пациентов с гипертермическим быстроразрешающимся течением, этот уникальный баланс повышенных биомаркеров может представлять собой хорошо адаптированный иммунный ответ на инфекцию. ИЛ-1РА ассоциируется с компенсаторным противовоспалительным ответом, и его повышение может служить противовесом провоспалительному цитокиновому ответу [28, 29].
Е-селектин - молекула клеточной адгезии, а MCP-1 и MIP-3α - хемокины, и все три маркера связаны с привлечением лейкоцитов в очаги инфекции [30, 31]. Повышение этих биомаркеров может свидетельствовать об улучшении способности направлять иммунные клетки к очагу инфекции и воспаления. Следует отметить, что у выживших пациентов субфенотипа с гипертермическим медленным разрешением уровень Е-селектина также был выше, чем у умерших. Наконец, G-CSF и Flt-3l ассоциируются со стимуляцией костного мозга и повышенной продукцией гранулоцитов, что говорит о надежной способности к восстановлению кроветворной системы у данного подфенотипа [32-34].
У пациентов с гипотермией, у которых смертность была в два-четыре раза выше, чем у других подфенотипов, наблюдались самые низкие уровни большинства цитокинов, что свидетельствует об относительно ограниченном про- и противовоспалительном ответе на инфекцию. В связи с растущим интересом к иммунологической терапии, направленной на модулирование таких мишеней, как IL-7, GM-CSF и TREM-1 при сепсисе, возникает необходимость выявления пациентов с сепсисом, ассоциированной с иммунной дисфункцией [12, 35]. Однако трудно определить иммунную дисфункцию с помощью одного белкового биомаркера или клинических данных в поперечных временных точках. Полученные нами данные свидетельствуют о том, что траектория гипотермической температуры может отражать субфенотип с многогранной иммунной дисфункцией.
В одноцентровом исследовании в когорте из 29 гипотермических пациентов с септическим шоком были обнаружены признаки нарушения иммунного ответа [19]. Результаты, полученные в этой многоцентровой когорте из более чем 500 пациентов с гипотермией, еще раз подтверждают, что этот подфенотип представляет собой нарушение иммунного ответа. Хотя у пациентов с гипотермией были подавлены уровни большинства маркеров воспаления, у них были повышены уровни sTREM-1, который использовался в клинических испытаниях нангиботида, модулятора TREM-1. В предыдущем клиническом исследовании пациенты с уровнем sTREM-1 более 532 пг/мл улучшили показатели по шкале SOFA в ответ на прием нангиботида [14]. Примечательно, что у пациентов с гипотермическим субфенотипом средний уровень sTREM-1 составлял 571 пг/мл. Эти данные представляет собой потенциальный пример использования температурных траекторий для назначения иммуномодулирующей терапии.
Вопрос о том, является ли подавленная продукция цитокинов у пациентов, перенесших гипотермию, адаптивной или дезадаптивной, остается неясным. Появившиеся данные свидетельствуют о том, что дефекты клеточного энергетического метаболизма могут приводить к снижению продукции цитокинов, что может быть адаптивной энергосберегающей реакцией [36-38]. Аналогичным образом предполагается, что гипотермия при сепсисе является энергосберегающей реакцией [39]. Учитывая, что пациенты с гипотермией старше, у них больше сопутствующих заболеваний и выше уровень лактата, они могут быть более склонны к метаболической недостаточности, что может объяснить снижение уровня про- и противовоспалительных цитокинов и подавление температурного ответа. Необходимы дальнейшие исследования, чтобы определить, принесет ли иммуномодулирующее лечение пациентов с гипотермией пользу или помешает потенциально адаптивному механизму энергосбережения.

Fig. 4 Multinomial regression of association of variables on subphenotype membership. Presented are the SHAP values for variables that were significantly associated with subphenotype membership in the multinomial regression for hyperthermic slow resolvers (HSR), hyperthermic fast resolvers (HFR), normothermic (NT), and hypothermic (HT). The variables are arranged by order of importance in predicting the subphenotype membership for patients who were in that subphenotype. The values of the variables were normalized within the subphenotype so that red values represent values closer to the maximum while blue values represent values closer to the minimum. In HSR, IL-15 is the most important predictor, with higher values (red) increasing the probability of membership, while lower values (blue) decreasing the probability of membership. Conversely, in HSR, younger age (blue) predicts membership, while older age (red) decreases the probability of membership. In HT, sTREM-1 is the most important predictor, with higher values (red) predicting membership

У пациентов с гипотермией также наблюдалось аномальное повышение маркеров коагуляции, таких как Ang-1, тромбомодулин и тканевой фактор. Хотя в большинстве исследований было установлено, что более высокие уровни Ang-1 связаны с улучшением исходов, Ang-1 оказался повышенным в этом подфенотипе с самой высокой смертностью [40, 41]. Это говорит о том,
что отдельные биомаркеры не могут быть просто обозначены как благоприятные или неблагоприятные, а должны рассматриваться в контексте всего иммунного состояния. Повышение тканевого фактора у пациентов с гипотермией указывает на гиперкоагуляцию, поскольку тканевый фактор приводит к образованию тромбина [42]. Чтобы уравновесить это гиперкоагуляционное состояние, тромбин связывается с тромбомодулином [42, 43]. Однако повышенный уровень тромбомодулина в плазме крови, обнаруженный у гипотермиков, может отражать повреждение и вымывание этого биомаркера из сосудистого эндотелия. Потенциальное гиперкоагуляционное состояние подтверждается данными о том, что у гипотермичных пациентов COVID-19 повышен уровень d-димера и выше частота венозных тромбоэмболий (VTE) [21]. Гиперкоагуляционное состояние может быть эпифеноменом или побочным эффектом самой гипотермии [44-46]. Будущие работы необходимы, чтобы оценить, могут ли пациенты с гипотермией нуждаться в более агрессивном обследовании или лечении VTE.
Данное исследование имеет ряд ограничений. Во-первых, циркулирующие цитокины плазмы представляют собой лишь один из аспектов иммунного ответа. Во-вторых, биомаркеры оценивались только в одной временной точке, и в будущих исследованиях необходимо будет оценить связь между субфенотипами и продольной эволюцией биомаркеров. В-третьих, для определения субфенотипов температурной траектории требуется 72 ч температурных данных. В будущих исследованиях необходимо изучить возможность разработки клинических классификаторов, способных идентифицировать субфенотипы в более короткие сроки за счет возможного включения других элементов данных EHR.
В заключение мы представили различные иммунные профили четырех субфенотипов сепсиса, выявленных с помощью общедоступного измерения температуры тела. Необходимы дальнейшие исследования, чтобы оценить, реагируют ли эти подфенотипы по-разному на иммуномодулирующую терапию.

References

1. Singer M, Deutschman CS, Seymour CW et al (2016) The Third International
Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). JAMA 315(8):801–810. https:// doi. org/ 10. 1001/ jama. 2016. 0287

2. Rhee C, Dantes R, Epstein L et al (2017) Incidence and trends of sepsis in US Hospitals Using Clinical vs Claims Data, 2009–2014. JAMA 318(13):1241–1249. https:// doi. org/ 10. 1001/ jama. 2017. 13836

3. Freeman BD, Natanson C (2000) Anti-inflammatory therapies in sepsis and septic shock. Expert Opin Investig Drugs 9(7):1651–1663. https:// doi.org/ 10. 1517/ 13543 784.9. 7. 1651

4. Lowry SF (1993) Anticytokine therapies in sepsis. New Horizons (Baltimore,
Md) 1(1):120–126

5. Gogos CA, Drosou E, Bassaris HP, Skoutelis A (2000) Pro- versus anti-inflammatory cytokine profile in patients with severe sepsis: a marker for prognosis and future therapeutic options. J Infect Dis 181(1):176–180. https:// doi. org/ 10. 1086/ 315214

6. van Dissel JT, van Langevelde P, Westendorp RG, Kwappenberg K, Frolich
M (1998) Anti-inflammatory cytokine profile and mortality in febrile patients. Lancet 351(9107):950–953. https:// doi. org/ 10. 1016/ s0140-6736(05) 60606-x

7. Boomer JS, To K, Chang KC et al (2011) Immunosuppression in patients who die of sepsis and multiple organ failure. JAMA 306(23):2594–2605. https:// doi. org/ 10. 1001/ jama. 2011. 1829

8. Hotchkiss RS, Monneret G, Payen D (2013) Sepsis-induced immunosuppression: from cellular dysfunctions to immunotherapy. Nat Rev Immunol 13(12):862–874. https:// doi. org/ 10. 1038/ nri35 52

9. Hotchkiss RS, Monneret G, Payen D (2013) Immunosuppression in sepsis: a novel understanding of the disorder and a new therapeutic approach. Lancet Infect Dis 13(3):260–268. https:// doi. org/ 10. 1016/ s1473-3099(13) 70001-

10. Santacruz CA, Pereira AJ, Celis E, Vincent J-L (2019) Which multicenter randomized controlled trials in critical care medicine have shown reduced mortality? A systematic review. Crit Care Med 47(12):1680–1691. https://doi. org/ 10. 1097/ ccm. 00000 00000 004000

11. Angus DC (2011) The search for effective therapy for sepsis: back to the drawing board? JAMA 306(23):2614–2615. https:// doi. org/ 10. 1001/ jama.2011. 1853

12. Hotchkiss RS, Opal S (2010) Immunotherapy for sepsis–a new approach against an ancient foe. N Engl J Med 363(1):87–89. https:// doi. org/ 10. 1056/ NEJMc ibr10 04371

13. Vacheron C-H, Lepape A, Venet F et al (2023) Granulocyte-macrophage colony-stimulating factor (GM-CSF) in patients presenting sepsis-induced immunosuppression: The GRID randomized controlled trial. J Crit Care 78:154330. https:// doi. org/ 10. 1016/j. jcrc. 2023. 154330

14. Francois B, Lambden S, Fivez T et al (2023) Prospective evaluation of the
efficacy, safety, and optimal biomarker enrichment strategy for nangibotide,a TREM-1 inhibitor, in patients with septic shock (ASTONISH): a double-blind, randomised, controlled, phase 2b trial. Lancet Respir Med 11(10):894–904. https:// doi. org/ 10. 1016/ s2213-2600(23) 00158-3

15. Mathias B, Szpila BE, Moore FA, Efron PA, Moldawer LL (2015) A review of GM-CSF therapy in sepsis. Medicine 94(50):e2044. https:// doi. org/ 10.1097/ md. 00000 00000 002044

16. Meisel C, Schefold JC, Pschowski R et al (2009) Granulocyte-macrophage
colony-stimulating factor to reverse sepsis-associated immunosuppression. Am J Respir Crit Care Med 180(7):640–648. https:// doi. org/ 10. 1164/rccm. 200903-0363OC

17. Llitjos JF, Carrol ED, Osuchowski MF et al (2024) Enhancing sepsis biomarker development: key considerations from public and private perspectives. Crit Care 28(1):238. https:// doi. org/ 10. 1186/s13054-024-05032-9

18. Bhavani SV, Carey KA, Gilbert ER, Afshar M, Verhoef PA, Churpek MM (2019) Identifying novel sepsis subphenotypes using temperature trajectories. Am J Respir Crit Care Med. https:// doi. org/ 10. 1164/ rccm.201806-1197OC

19. Bhavani SV, Wolfe KS, Hrusch CL et al (2020) Temperature trajectory subphenotypes correlate with immune responses in patients with sepsis. Crit Care Med 48(11):1645–1653. https:// doi. org/ 10. 1097/ ccm. 00000 00000 004610

20. Yehya N, Fitzgerald JC, Hayes K et al (2022) Temperature trajectory subphenotypes and the immuno-inflammatory response in pediatric sepsis. Shock (Augusta, Ga) 57(5):645–651. https:// doi. org/ 10. 1097/ shk. 00000 00000 001906

21. Bhavani SV, Verhoef PA, Maier CL et al (2022) Coronavirus disease 2019 temperature trajectories correlate with hyperinflammatory and hypercoagulable
subphenotypes. Crit Care Med 50(2):212–223. https:// doi. org/10. 1097/ ccm. 00000 00000 005397

22. Benzoni NS, Carey KA, Bewley AF et al (2023) Temperature trajectory subphenotypes in oncology patients with neutropenia and suspected infection. Am J Respir Crit Care Med 207(10):1300–1309. https:// doi. org/10. 1164/ rccm. 202205-0920OC

23. Bhavani SV, Huang ES, Verhoef PA, Churpek MM (2020) Novel temperature
trajectory subphenotypes in COVID-19. Chest 158(6):2436–2439. https://doi. org/ 10. 1016/j. chest. 2020. 07. 027

24. Verhoef PA, Spicer AB, Lopez-Espina C et al (2023) Analysis of protein biomarkers from hospitalized COVID-19 patients reveals severity-specific signatures and two distinct latent profiles with differential responses to corticosteroids. Crit Care Med 51(12):1697–1705. https:// doi. org/ 10. 1097/
ccm. 00000 00000 005983

25. Bhavani SV, Lonjers Z, Carey KA et al (2020) The development and validation
of a machine learning model to predict bacteremia and fungemia in hospitalized patients using electronic health record data. Crit Care Med 48(11):e1020–e1028. https:// doi. org/ 10. 1097/ ccm. 00000 00000 004556

26. Chan HK, Khose S, Chavez S, Patel B, Wang HE (2022) Updated estimates
of sepsis hospitalizations at United States academic medical centers. J Am Coll Emerg Physicians Open 3(4):e12782. https:// doi. org/ 10. 1002/emp2. 12782

27. Osuchowski MF, Craciun F, Weixelbaumer KM, Duffy ER, Remick DG (2012)
Sepsis chronically in MARS: systemic cytokine responses are always mixed
regardless of the outcome, magnitude, or phase of sepsis. J Immunol 189(9):4648–4656. https:// doi. org/ 10. 4049/ jimmu nol. 12018 06

28. Arend WP, Guthridge CJ (2000) Biological role of interleukin 1 receptor antagonist isoforms. Ann Rheum Dis 59(suppl 1):i60–i64. https:// doi. org/10. 1136/ ard. 59. suppl_1. i60

29. Arango Duque G, Descoteaux A (2014) Macrophage cytokines: involvement
in immunity and infectious diseases. Review. Front Immunol. https:// doi. org/ 10. 3389/ fimmu. 2014. 00491

30. Silva M, Videira PA, Sackstein R (2017) E-selectin ligands in the human mononuclear phagocyte system: implications for infection, inflammation, and immunotherapy. Front Immunol 8:1878. https:// doi. org/ 10. 3389/fimmu. 2017. 01878

31. Charo IF, Ransohoff RM (2006) The many roles of chemokines and chemokine receptors in inflammation. N Engl J Med 354(6):610–621. https:// doi. org/ 10. 1056/ NEJMr a0527 23

32. Wodnar-Filipowicz A (2003) Flt3 ligand: role in control of hematopoietic and immune functions of the bone marrow. News Physiol Sci 18:247–251. https:// doi. org/ 10. 1152/ nips. 01452. 2003

33. Patil NK, Bohannon JK, Luan L et al (2017) Flt3 ligand treatment attenuates T Cell dysfunction and improves survival in a murine model of burn wound sepsis. Shock (Augusta, Ga) 47(1):40–51. https:// doi. org/ 10. 1097/shk. 00000 00000 000688

34. Chousterman BG, Arnaud M (2018) Is there a role for hematopoietic growth factors during sepsis? Front Immunol 9:1015. https:// doi. org/ 10. 3389/ fimmu. 2018. 01015

35. Peters van Ton AM, Kox M, Abdo WF, Pickkers P (2018) Precision immunotherapy for sepsis. Front Immunol 9:1926. https:// doi. org/ 10. 3389/ fimmu. 2018. 01926

36. Cheng S-C, Scicluna BP, Arts RJW et al (2016) Broad defects in the energy metabolism of leukocytes underlie immunoparalysis in sepsis. Nat Immunol 17(4):406–413. https:// doi. org/ 10. 1038/ ni. 3398

37. Donnelly RP, Finlay DK (2015) Glucose, glycolysis and lymphocyte responses. Mol Immunol 68(2 Pt C):513–519. https:// doi. org/ 10. 1016/j.molimm. 2015. 07. 034

38. Ganeshan K, Chawla A (2014) Metabolic regulation of immune responses. Annu Rev Immunol 32:609–634. https:// doi. org/ 10. 1146/ annur evimmune ol-032713-120236

39. Steiner AA, Romanovsky AA (2019) Energy trade-offs in host defense: immunology meets physiology. Trends Endocrinol Metab 30(12):875–878. https:// doi. org/ 10. 1016/j. tem. 2019. 08. 012

40. Ricciuto DR, dos Santos CC, Hawkes M et al (2011) Angiopoietin-1 and angiopoietin-2 as clinically informative prognostic biomarkers of morbidity and mortality in severe sepsis. Crit Care Med 39(4):702–710. https://doi. org/ 10. 1097/ CCM. 0b013 e3182 06d285

41. Fang Y, Li C, Shao R, Yu H, Zhang Q, Zhao L (2015) Prognostic significance
of the angiopoietin-2/angiopoietin-1 and angiopoietin-1/Tie-2 ratios for early sepsis in an emergency department. Crit Care 19:367. https:// doi.org/ 10. 1186/ s13054-015-1075-6

42. Sungurlu S, Kuppy J, Balk RA (2020) Role of antithrombin III and tissue factor pathway in the pathogenesis of sepsis. Crit Care Clin 36(2):255–265.
https:// doi. org/ 10. 1016/j. ccc. 2019. 12. 002

43. Levi M, Van Der Poll T (2013) Thrombomodulin in sepsis. Minerva Anestesiol
79(3):294–298

44. Van Poucke S, Stevens K, Marcus AE, Lance M (2014) Hypothermia: effects
on platelet function and hemostasis. Thromb J 12(1):31. https:// doi. org/10. 1186/ s12959-014-0031-z

45. Zhang JN, Wood J, Bergeron AL et al (2004) Effects of low temperature on
shear-induced platelet aggregation and activation. J Trauma 57(2):216–223. https:// doi. org/ 10. 1097/ 01. ta. 00000 93366. 98819. fe

46. Lindenblatt N, Menger MD, Klar E, Vollmar B (2005) Sustained hypothermia
accelerates microvascular thrombus formation in mice. Am J Physiol Heart Circ Physiol 289(6):H2680–H2687. https:// doi. org/ 10. 1152/ ajphe art. 00425. 2005