切换至 "中华医学电子期刊资源库"
高级检索
中华危重症医学杂志(电子版)

中华危重症医学杂志(电子版) ›› 2026, Vol. 19 ›› Issue (03) : 215 -223. doi: 10.3877/cma.j.issn.1674-6880.2026.03.004

论著

基于群组轨迹模型分析脓毒症患者乳酸脱氢酶变化轨迹与28 d死亡风险的相关性研究
韦宇1,2, 王菁3, 冷俊岭1, 张晓洁3, 李佳琪1,2, 王梓璇3, 尹烨4, 王玉荣4, 夏乐4,†()   
  1. 1225000　江苏扬州，扬州大学附属医院急诊科
    4225000　江苏扬州，扬州大学附属医院急诊重症监护室（EICU）
    2225000　江苏扬州，扬州大学医学院第一临床医学院
    3225000　江苏扬州，扬州大学医学院护理学院
  • 收稿日期:2026-04-02 出版日期:2026-06-30
  • 通信作者: 夏乐

Association between lactate dehydrogenase change trajectories and 28-day mortality risk in septic patients based on group-based trajectory modeling

Yu Wei1,2, Jing Wang3, Junling Leng1, Xiaojie Zhang3, Jiaqi Li1,2, Zixuan Wang3, Ye Yin4, Yurong Wang4, Le Xia4,†()   

  1. 1Department of Emergency, Affiliated Hospital of Yangzhou University, Yangzhou 225000, China
    4Department of Emergency Intensive Care Unit (EICU), Affiliated Hospital of Yangzhou University, Yangzhou 225000, China
    2First Clinical Medical College, Yangzhou University Medical Academy, Yangzhou 225000, China
    3School of Nursing, Yangzhou University Medical Academy, Yangzhou 225000, China
  • Received:2026-04-02 Published:2026-06-30
  • Corresponding author: Le Xia
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

韦宇, 王菁, 冷俊岭, 张晓洁, 李佳琪, 王梓璇, 尹烨, 王玉荣, 夏乐. 基于群组轨迹模型分析脓毒症患者乳酸脱氢酶变化轨迹与28 d死亡风险的相关性研究[J/OL]. 中华危重症医学杂志(电子版), 2026, 19(03): 215-223.

Yu Wei, Jing Wang, Junling Leng, Xiaojie Zhang, Jiaqi Li, Zixuan Wang, Ye Yin, Yurong Wang, Le Xia. Association between lactate dehydrogenase change trajectories and 28-day mortality risk in septic patients based on group-based trajectory modeling[J/OL]. Chinese Journal of Critical Care Medicine(Electronic Edition), 2026, 19(03): 215-223.

目的

探讨基于群组轨迹模型（GBTM）的脓毒症患者乳酸脱氢酶（LDH）变化轨迹与28 d死亡风险。

方法

收集美国重症监护医学信息数据库Ⅳ（MIMIC-Ⅳ）中857例成人脓毒症患者的数据。采用GBTM构建LDH变化轨迹并分组，对各组的基线特征进行比较。采用Kaplan-Meier生存曲线比较各轨迹组28 d累积生存率，并应用多因素Cox比例风险回归分析评价不同LDH轨迹对脓毒症患者28 d病死率的影响。

结果

通过GBTM识别出4条LDH轨迹：低水平稳定组（轨迹1，166例）、高水平快速下降组（轨迹2，145例）、低水平缓慢下降组（轨迹3，286例）和中水平缓慢下降组（轨迹4，260例）。各组患者心率、呼吸频率、舒张压、简化急性生理学评分Ⅱ（SAPSⅡ）、序贯器官衰竭评估（SOFA）评分、红细胞、红细胞分布宽度、红细胞压积、血红蛋白、白细胞、肌酐、尿素氮、丙氨酸转氨酶（ALT）、天冬氨酸转氨酶（AST）、胆红素、乳酸、国际标准化比值（INR）、凝血酶原时间（PT）、活化部分凝血活酶时间（APTT）、连续性肾脏替代治疗（CRRT）、心力衰竭、急性肾损伤、高血压、呼吸衰竭、28 d生存时间及28 d病死率的比较，差异均有统计学意义（P均< 0.05）。Kaplan-Meier生存曲线显示，4组患者的28 d累积生存曲线比较差异有统计学意义（χ2 = 15.595，P = 0.001），且轨迹2的累积生存率最低。多因素Cox比例风险回归分析显示，在校正混杂变量后，轨迹2[风险比（HR）= 2.000，95%置信区间（CI）（1.205，3.320），P = 0.017]和轨迹4[HR = 1.978，95%CI（1.251，3.128），P = 0.011]的死亡风险均显著高于轨迹1。

结论

特定LDH轨迹（高水平快速下降、中水平缓慢下降）是脓毒症患者28 d死亡的独立预测因素（以LDH低水平稳定轨迹为参照），LDH纵向轨迹有助于识别高危脓毒症患者，为预后评估及临床管理提供参考。

关键词: 脓毒症, 乳酸脱氢酶, 轨迹分析, 病死率
Objective

To explore the trajectory of lactate dehydrogenase (LDH) changes and the 28-day mortality risk in patients with sepsis based on the group-based trajectory modeling (GBTM).

Methods

Data of 857 adult patients with sepsis in the Medical Information Mart for Intensive Care-Ⅳ were collected. The change trajectories of LDH were constructed and grouped based on GBTM, and the baseline characteristics of each group were compared. The Kaplan-Meier survival curve was used to compare the 28-day cumulative survival rate of each trajectory group, and multivariate Cox proportional hazards regression analysis was applied to evaluate the effects of different LDH trajectories on the 28-day mortality rate of patients with sepsis.

Results

Four LDH trajectories were identified through GBTM: a low-level stable group (trajectory 1, 166 cases), a high-level rapid decline group (trajectory 2, 145 cases), a low-level slow decline group (trajectory 3, 286 cases), and a medium-level slow decline group (trajectory 4, 260 cases). Patients in each group were evaluated in terms of heart rate, respiratory rate, diastolic blood pressure, simplified acute physiology score Ⅱ, sequential organ failure assessment score, red blood cells, red blood cell distribution width, hematocrit, hemoglobin, white blood cells, creatinine, urea nitrogen, alanine aminotransferase, aspartate aminotransferase, bilirubin, lactic acid, international normalized ratio, prothrombin time, activated partial thromboplastin time, continues renal replacement treatment, heart failure, acute kidney injury, hypertension, respiratory failure, 28-day survival time, and 28-day mortality rate; all above indicators showed statistically significant differences among the four groups (all P < 0.05). The Kaplan-Meier survival curve showed that there was a statistically significant difference in the 28-day cumulative survival rate among the four groups (χ2 = 15.595, P = 0.001), and the cumulative survival rate of trajectory 2 was the lowest. Multivariate Cox proportional hazards regression analysis showed that after adjusting confounding variables, the mortality risk in the trajectory 2 [hazard ratio (HR) = 2.000, 95% confidence interval (CI) (1.205, 3.320), P = 0.017] and trajectory 4 [HR = 1.978, 95%CI (1.251, 3.128), P = 0.011] was much higher than that in the trajectory 1.

Conclusions

Specific LDH trajectories (rapid decline at high levels and slow decline at medium levels) are independent predictive factors for 28-day mortality in patients with sepsis (using a low-level stable LDH trajectory as a reference). Longitudinal LDH trajectories are helpful for identifying high-risk patients with sepsis and provide references for prognosis assessment and clinical management.

Key words: Sepsis, Lactate dehydrogenase, Trajectory analysis, Mortality
图1 基于GBTM的LDH纵向轨迹图注：GBTM.群组轨迹模型；LDH.乳酸脱氢酶；轨迹1为低水平稳定组，轨迹2为高水平快速下降组，轨迹3为低水平缓慢下降组，轨迹4为中水平缓慢下降组
表1 根据LDH轨迹分组的脓毒症患者基线特征比较
指标 轨迹1（n = 166） 轨迹2（n = 145） 轨迹3（n = 286） 轨迹4（n = 260） H/χ2/F值 P值
年龄[岁，M（P25，P75）] 63（50，72） 59（48，69） 62（52，71） 61（49，71） 3.964 0.265
男/女（例） 91/75 88/57 150/136 162/98 6.515 0.089
体质量指数（kg/m2， ± s） 29 ± 8 30 ± 8 30 ± 8 30 ± 9 0.833 0.476
体温（℃， ± s） 37.6 ± 0.9 37.6 ± 1.0 37.7 ± 0.9 37.8 ± 1.0 1.088 0.353
心率（次/min， ± s） 110 ± 22 118 ± 23a 113 ± 23 114 ± 21 3.969 0.008
呼吸频率（次/min， ± s） 30 ± 7 31 ± 7 30 ± 7 32 ± 8ac 5.436 0.001
收缩压[mmHg，M（P25，P75）] 138（127，154） 143（130，164） 140（126，156） 145（129，161） 6.662 0.083
舒张压[mmHg，M（P25，P75）] 82（74，98） 91（77，102） 86（77，99） 90（79，100） 9.054 0.029
SAPSⅡ评分[分，M（P25，P75）] 44（36，55） 50（38，63）a 42（32，53）b 46（36，59）c 22.490 <0.001
SOFA评分[分，M（P25，P75）] 8（5，11） 9（6，13）a 8（5，10）b 9（5，12） 15.864 0.001
红细胞（× 1012/L， ± s） 3.8 ± 0.8 4.3 ± 0.8a 4.1 ± 0.9a 4.1 ± 0.9a 8.172 <0.001
RDW[%，M（P25，P75）] 17.6（15.1，20.8） 16.0（14.4，18.5）a 16.4（14.3，19.2）a 16.5（14.6，19.8） 13.295 0.004
红细胞压积（%， ± s） 31 ± 6 35 ± 8a 34 ± 7a 34 ± 8a 11.347 <0.001
血红蛋白（g/L， ± s） 101 ± 21 116 ± 25a 110 ± 24a 111 ± 25a 11.010 <0.001
白细胞[× 109/L，M（P25，P75）] 13.4（7.6，19.2） 16.1（11.0，26.0） 13.2（8.0，19.3） 16.6（11.0，26.2）ac 35.370 <0.001
血小板[× 109/L，M（P25，P75）] 150（87，238） 158（91，272） 166（98，246） 156（86，230） 1.687 0.640
肌酐[μmol/L，M（P25，P75）] 119（80，248） 194（115，300） 115（80，194）b 141（97，239） 39.595 <0.001
尿素氮[mmol/L，M（P25，P75）] 10.7（6.4，17.8） 12.8（9.6，19.6） 9.6（6.1，15.4）b 11.4（7.1，17.2） 24.953 <0.001
白蛋白（g/L， ± s） 30 ± 7 31 ± 8 29 ± 7 31 ± 7 2.509 0.058
ALT[IU/L，M（P25，P75）] 32（17，57） 642（85，2 964）a 40（23，81）b 72（34，220）b 199.432 <0.001
AST[IU/L，M（P25，P75）] 49（28，90） 1 669（209，5 725）a 72（40，128）b 160（72，442）b 270.142 <0.001
胆红素[μmol/L，M（P25，P75）] 32.5（13.7，85.5） 27.4（12.0，56.4） 18.8（8.6，44.5） 22.2（12.0，51.7） 12.017 0.007
乳酸[mmol/L，M（P25，P75）] 2.3（1.5，5.0） 4.4（2.2，7.1）a 2.3（1.6，4.2）b 3.0（1.8，7.4）ac 46.074 <0.001
INR[M（P25，P75）] 1.6（1.3，2.0） 1.9（1.4，2.9）a 1.4（1.2，1.9）b 1.6（1.3，2.1） 31.929 <0.001
PT[s，M（P25，P75）] 16.8（14.7，21.6） 20.6（15.5，31.4）a 15.8（13.8，20.3）b 17.6（14.5，22.9） 31.535 <0.001
APTT[s，M（P25，P75）] 35.8（30.3，49.0） 42.8（31.6，72.9）a 36.4（30.4，57.3）b 41.7（31.2，81.2）ac 16.266 0.001
CRRT（例） 21 62a 49b 75abc 50.207 <0.001
血管活性药物（例） 83 88 161 141 3.819 0.282
心力衰竭（例） 37 56a 83 101a 16.752 <0.001
急性肾损伤（例） 129 132a 242 225 11.540 0.009
高血压（例） 84 54 116 98a 8.367 0.039
糖尿病（例） 47 42 79 87 2.540 0.468
呼吸衰竭（例） 77 99a 161 159a 16.862 <0.001
28 d生存时间（d， ± s） 26 ± 5 23 ± 8a 25 ± 6b 24 ± 7a 5.962 <0.001
28 d死亡例数（例） 26 46a 63 77a 15.595 0.001
图2 各LDH轨迹脓毒症患者Kaplan-Meier生存曲线分析注：LDH.乳酸脱氢酶；轨迹1为低水平稳定组，轨迹2为高水平快速下降组，轨迹3为低水平缓慢下降组，轨迹4为中水平缓慢下降组
表2 不同LDH轨迹预测脓毒症患者的28 d死亡的多因素Cox比例风险回归分析
变量 模型1 模型2 模型3
HR值（95%CI） P值 HR值（95%CI） P值 HR值（95%CI） P值
轨迹1 1.000   1.000   1.000  
轨迹2 2.308（1.427 ~ 3.734） <0.001 2.363（1.459 ~ 3.825） <0.001 2.000（1.205 ~ 3.320） 0.017
轨迹3 1.464（0.927 ~ 2.311） 0.102 1.454（0.920 ~ 2.296） 0.109 1.477（0.932 ~ 2.342） 0.177
轨迹4 2.066（1.325 ~ 3.223） 0.001 2.053（1.315 ~ 3.206） 0.002 1.978（1.251 ~ 3.128） 0.011
表3 不同LDH轨迹与脓毒症患者28 d全因病死率关系的亚组分析
因素 组别 HR值（95%CI） P值 P交互值 因素 组别 HR值（95%CI） P值 P交互值
性别       0.900 是 轨迹1 1.000    
男性 轨迹1 1.000       轨迹2 2.003（0.887 ~ 4.523） 0.095  
  轨迹2 2.019（1.126 ~ 3.623） 0.018     轨迹3 1.150（0.507 ~ 2.611） 0.738  
  轨迹3 1.318（0.752 ~ 2.310） 0.334     轨迹4 1.939（0.903 ~ 4.164） 0.089  
  轨迹4 1.803（1.056 ~ 3.077） 0.031   急性肾损伤       0.177
女性 轨迹1 1.000     否 轨迹1 1.000    
  轨迹2 2.857（1.223 ~ 6.677） 0.015     轨迹2 1.641（0.412 ~ 6.544） 0.487  
  轨迹3 1.814（0.818 ~ 4.022） 0.143     轨迹3 0.417（0.104 ~ 1.666） 0.216  
  轨迹4 2.504（1.125 ~ 5.574） 0.025     轨迹4 0.699（0.197 ~ 2.476） 0.578  
年龄       0.185 是 轨迹1 1.000    
≥ 65岁 轨迹1 1.000       轨迹2 2.386（1.404 ~ 4.056） 0.001  
  轨迹2 1.821（0.889 ~ 3.731） 0.102     轨迹3 1.681（1.013 ~ 2.788） 0.044  
  轨迹3 1.286（0.680 ~ 2.435） 0.439     轨迹4 2.323（1.416 ~ 3.810） 0.001  
  轨迹4 2.444（1.337 ~ 4.467） 0.004   高血压       0.941
<65岁 轨迹1 1.000     否 轨迹1 1.000    
  轨迹2 2.859（1.463 ~ 5.584） 0.002     轨迹2 2.265（1.205 ~ 4.257） 0.011  
  轨迹3 1.676（0.868 ~ 3.237） 0.124     轨迹3 1.380（0.749 ~ 2.541） 0.302  
  轨迹4 1.807（0.936 ~ 3.490） 0.078     轨迹4 1.874（1.033 ~ 3.399） 0.039  
连续性肾脏替代治疗     0.344 是 轨迹1 1.000    
否 轨迹1 1.000       轨迹2 2.195（1.027 ~ 4.690） 0.042  
  轨迹2 2.268（1.263 ~ 4.074） 0.006     轨迹3 1.523（0.762 ~ 3.046） 0.234  
  轨迹3 1.287（0.764 ~ 2.168） 0.343     轨迹4 2.279（1.163 ~ 4.467） 0.016  
  轨迹4 1.755（1.046 ~ 2.947） 0.033   糖尿病       0.764
是 轨迹1 1.000     否 轨迹1 1.000    
  轨迹2 1.636（0.619 ~ 4.320） 0.321     轨迹2 2.423（1.364 ~ 4.303） 0.003  
  轨迹3 1.870（0.702 ~ 4.984） 0.211     轨迹3 1.624（0.945 ~ 2.791） 0.079  
  轨迹4 2.136（0.832 ~ 5.484） 0.115     轨迹4 2.048（1.193 ~ 3.515） 0.009  
血管活性药物       0.893 是 轨迹1 1.000    
否 轨迹1 1.000       轨迹2 2.046（0.848 ~ 4.936） 0.111  
  轨迹2 1.696（0.748 ~ 3.843） 0.206     轨迹3 1.109（0.470 ~ 2.617） 0.813  
  轨迹3 1.228（0.589 ~ 2.564） 0.584     轨迹4 2.051（0.935 ~ 4.500） 0.073  
  轨迹4 1.790（0.888 ~ 3.608） 0.104   呼吸衰竭       0.713
是 轨迹1 1.000     否 轨迹1 1.000    
  轨迹2 2.520（1.372 ~ 4.627） 0.003     轨迹2 3.034（1.155 ~ 7.972） 0.024  
  轨迹3 1.558（0.865 ~ 2.804） 0.139     轨迹3 1.764（0.732 ~ 4.254） 0.206  
  轨迹4 2.222（1.248 ~ 3.957） 0.007     轨迹4 2.694（1.139 ~ 6.371） 0.024  
心力衰竭       0.798 是 轨迹1 1.000    
否 轨迹1 1.000       轨迹2 1.671（0.958 ~ 2.913） 0.070  
  轨迹2 2.250（1.227 ~ 4.124） 0.009     轨迹3 1.212（0.710 ~ 2.068） 0.482  
  轨迹3 1.581（0.912 ~ 2.743） 0.103     轨迹4 1.583（0.942 ~ 2.660） 0.083  
  轨迹4 1.900（1.090 ~ 3.312） 0.024            
1
Singer M, Deutschman CS, Seymour CW, et al. The third international consensus definitions for sepsis and septic shock (Sepsis-3)[J]. JAMA, 2016, 315 (8): 801-810.
2
Markwart R, Saito H, Harder T, et al. Epidemiology and burden of sepsis acquired in hospitals and intensive care units: a systematic review and meta-analysis [J]. Intensive Care Med, 2020, 46 (8): 1536-1551.
3
Machado FR, Cavalcanti AB, Bozza FA, et al. The epidemiology of sepsis in Brazilian intensive care units (the Sepsis PREvalence Assessment Database, SPREAD): an observational study[J]. Lancet Infect dis, 2017, 17 (11): 1180-1189.
4
Fleischmann-Struzek C, Mellhammar L, Rose N, et al. Incidence and mortality of hospital-and ICU-treated sepsis: results from an updated and expanded systematic review and meta-analysis [J]. Intensive Care Med, 2020, 46 (8): 1552-1562.
5
Doerken S, Mandel M, Zingg W, et al. Use of prevalence data to study sepsis incidence and mortality in intensive care units [J]. Lancet Infect Dis, 2018, 18 (3): 252.
6
Wiersinga WJ, van der Poll T. Immunopathophysiology of human sepsis[J]. EBioMedicine, 2022, 86: 104363.
7
Bode C, Weis S, Sauer A, et al. Targeting the host response in sepsis: current approaches and future evidence[J]. Crit Care, 2023, 27 (1): 478.
8
Engelhardt J, Klawonn A, Dobbelstein AK, et al. Lipopolysaccharide-neutralizing peptide modulates P2X7 receptor-mediated interleukin-1β release [J]. ACS pharmacol Transl Sci, 2024, 8 (1): 136-145.
9
Koner S, Ramasubbu S, Chandrasekaran N. Toxicological profiling of polystyrene microplastics in raw 264.7 macrophages: linking microplastic exposure to immune cell impairment[J]. Toxicology, 2025, 517: 154239.
10
Kang HE, Park DW. Lactate as a biomarker for sepsis prognosis?[J]. Infect Chemother, 2016, 48 (3): 252-253.
11
Akin AT, Kaymak E, Ceylan T, et al. Unveiling the protective potential of crocin in septic acute liver injury via assessment of TLR4/HGM1/NF-κB signaling pathway, oxidative stress and heat shock response [J]. Cell Biochem Funct, 2025, 43 (2): e70058.
12
Yang K, Quan B, Xiao L, et al. Establishment and validation of a dynamic nomogram to predict short-term prognosis and benefit of human immunoglobulin therapy in patients with novel bunyavirus sepsis in a population analysis study: a multicenter retrospective study [J]. Virol J, 2025, 22 (1): 51.
13
Xia X, Qiu S, Cheng X, et al. Lactate dehydrogenase to albumin ratio as an independent factor for 28-day mortality of neonatal sepsis [J]. Sci Rep, 2025, 15 (1): 15158.
14
Lungu N, Popescu DE, Manea AM, et al. Hemoglobin, ferritin, and lactate dehydrogenase as predictive markers for neonatal sepsis[J]. J Pers Med, 2024, 14 (5): 476.
15
Lu J, Wei Z, Jiang H, et al. Lactate dehydrogenase is associated with 28-day mortality in patients with sepsis: a retrospective observational study [J]. J Surg Res, 2018, 228: 314-321.
16
Markert CL. Lactate dehydrogenase. Biochemistry and function of lactate dehydrogenase [J]. Cell Biochem Funct, 1984, 2 (3): 131-134.
17
Brancaccio P, Lippi G, Maffulli N. Biochemical markers of muscular damage [J]. Clin Chem Lab Med, 2010, 48 (6): 757-767.
18
Henry BM, Aggarwal G, Wong J, et al. Lactate dehydrogenase levels predict coronavirus disease 2019 (COVID-19) severity and mortality: a pooled analysis[J]. Am J Emerg Med, 2020, 38 (9): 1722-1726.
19
Nedeva C. Inflammation and cell death of the innate and adaptive immune system during sepsis [J]. Biomolecules, 2021, 11 (7): 1011.
20
Dolmatova EV, Wang K, Mandavilli R, et al. The effects of sepsis on endothelium and clinical implications[J]. Cardiovasc Res, 2021, 117 (1): 60-73.
21
Pearce EL, Pearce EJ. Metabolic pathways in immune cell activation and quiescence [J]. Immunity, 2013, 38 (4): 633-643.
22
Nolt B, Tu F, Wang X, et al. Lactate and immunosuppression in sepsis[J]. Shock, 2018, 49 (2): 120-125.
23
Willmann K, Moita LF. Physiologic disruption and metabolic reprogramming in infection and sepsis [J]. Cell Metab, 2024, 36 (5): 927-946.
24
Palsson-McDermott EM, Curtis AM, Goel G, et al. Pyruvate kinase M2 regulates Hif-1α activity and IL-1β induction and is a critical determinant of the warburg effect in LPS-activated macrophages [J]. Cell Metab, 2015, 21 (1): 65-80.
25
Liu S, Yang T, Jiang Q, et al. Lactate and lactylation in sepsis: a comprehensive review [J]. J Inflamm Res, 2024, 17: 4405-4417.
26
Umbarawan Y, Syamsunarno MRAA, Obinata H, et al. Robust suppression of cardiac energy catabolism with marked accumulation of energy substrates during lipopolysaccharide-induced cardiac dysfunction in mice [J]. Metabolism, 2017, 77: 47-57.
27
Brooks GA. The science and translation of lactate shuttle theory[J]. Cell Metab, 2018, 27 (4): 757-785.
28
Wang A, Huen SC, Luan HH, et al. Opposing effects of fasting metabolism on tissue tolerance in bacterial and viral inflammation [J]. Cell, 2016, 166 (6): 1512-1525.e1512.
29
Nguena Nguefack HL, Pagé MG, Katz J, et al. Trajectory modelling techniques useful to epidemiological research: a comparative narrative review of approaches [J]. Clin Epidemiol, 2020, 12: 1205-1222.
30
张晨旭，谢峰，林振，等.基于组轨迹模型及其研究进展[J].中国卫生统计，2020，37（6）：946-949.
31
刘林峰，张钱平，卢春兴，等.血尿素氮轨迹与脓毒症患者28 d病死率的相关性：一项分组轨迹分析研究[J/OL].中华危重症医学杂志（电子版），2025，18（6）：456-462.
32
Pei F, Liu N, Yuan J, et al. Identification of distinct immune subtypes in sepsis through dual immunomarker trajectory[J]. Ann Intensive Car, 2026, 16: 100039.
33
Wan J, Kuang M, Xiong S, et al. Development and validation of dynamic clinical subphenotypes for acute pancreatitis using hematocrit and blood urea nitrogen trajectories in intensive care unit: a multicenter retrospective cohort study [J]. J Adv Res, 2026, 2: S2090-1232(26)00004-4.
34
Shi S, Xue F, Jiang T, et al. Association between trajectory of triglyceride-glucose index and all-cause mortality in critically ill patients with atrial fibrillation: a retrospective cohort study [J]. Cardiovasc Diabetol, 2025, 24 (1): 278.
35
Lu J, Wei Z, Jiang H, et al. Lactate dehydrogenase is associated with 28-day mortality in patients with sepsis: a retrospective observational study [J]. J Surg Res, 2018, 228: 314-321.
36
Zeng Z, Guo C, Tang F, et al. Lactate dehydrogenase is an indicator for outcomes of short-term and long-term in septic patients [J]. PLoS One, 2025, 20 (12): e0337213.
37
Sándor Z, Katics D, Varga á, et al. Interpretation of LDH values after kidney transplantation [J]. J Clin Med, 2024, 13 (2): 485.
38
Chen B, Zhao J, Zhang R, et al. Neuroprotective effects of natural compounds on neurotoxin-induced oxidative stress and cell apoptosis [J]. Nutr Neurosci, 2022, 25 (5): 1078-1099.
[1] 钱慧娴, 郭焱. 酒精戒断对脓毒症小鼠疼痛及炎症反应影响及其机制的探讨[J/OL]. 中华危重症医学杂志(电子版), 2026, 19(02): 103-108.
[2] 邢浴泽, 李全, 曹胜军. 多组学技术在烧伤合并脓毒症诊疗中的研究进展[J/OL]. 中华损伤与修复杂志(电子版), 2026, 21(03): 223-228.
[3] 孟凡华, 杨成文, 杨立峥. 不同年龄段肺炎支原体肺炎患儿乳酸脱氢酶水平与肝功能异常及糖代谢特征的关系[J/OL]. 中华实验和临床感染病杂志(电子版), 2026, 20(02): 114-121.
[4] 徐宏博, 胡玉良, 魏雪栋, 金李晨, 武克风, 陈逸伦, 陆兵, 周守军, 侯建全. 基于临床和CT影像组学特征的机器学习模型对经皮肾镜术后脓毒症的预测价值[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2026, 20(03): 297-306.
[5] 陈玥, 吴丙琳, 冯妮娜, 杨勤秦, 苗雄伟, 尚苗苗, 马静, 王欢, 任巧微. 中性粒细胞/淋巴细胞比值预测免疫治疗联合化疗晚期NSCLC患者预后的临床意义[J/OL]. 中华肺部疾病杂志(电子版), 2026, 19(04): 607-614.
[6] 侯天亮, 王海霞, 马海平, 叶建荣. 高糖因素减弱七氟烷预处理心肌保护作用与HIF-1α/LDHA信号通路的关系[J/OL]. 中华细胞与干细胞杂志(电子版), 2026, 16(04): 218-226.
[7] 刘国臣, 安嘉伟, 朱俊宇, 代伟宏, 李芬. LCN2在脓毒症中的作用机制研究进展[J/OL]. 中华细胞与干细胞杂志(电子版), 2026, 16(03): 162-169.
[8] 许萍萍, 宋丹阳, 李笑, 李辉, 王霞. 降钙素原与氨基末端B型利钠肽原联合评分对甲泼尼龙联合集成化血液净化治疗儿童严重脓毒症效果的分层价值[J/OL]. 中华肾病研究电子杂志, 2026, 15(02): 93-99.
[9] 蔡湘龙, 李国强, 刘亮亮, 张引. 血液灌流治疗脓毒症的应用与时机选择[J/OL]. 中华重症医学电子杂志, 2026, 12(02): 189-195.
[10] 杨翔, 郭兰骐, 谢剑锋, 邱海波. 宿主反应识别脓毒症致病病原体的研究进展[J/OL]. 中华重症医学电子杂志, 2026, 12(02): 196-201.
[11] 陈婉仪, 裴飞, 吴健锋. 脓毒症精准免疫治疗：2025[J/OL]. 中华重症医学电子杂志, 2026, 12(02): 112-117.
[12] 陈芊慧, 崔志刚, 孙晋赫, 丁仁彧. 脓毒症相关重度血小板减少症患者的多因素预后分析及预后模型构建[J/OL]. 中华重症医学电子杂志, 2026, 12(01): 53-66.
[13] 王赟, 周生晶, 赵成进, 张里明, 李积杰. 血流动力学监测指导下补液在脓毒症患者液体复苏中的应用：一项单中心、前瞻性、随机对照试验[J/OL]. 中华临床医师杂志(电子版), 2026, 20(03): 188-194.
[14] 陆涛, 李毫, 朱帝文, 鲍应军, 李一帆, 顾俊鹏, 任伟新. 乳酸脱氢酶与C反应蛋白/白蛋白比值对肝细胞癌患者经动脉化疗栓塞术预后的评估价值[J/OL]. 中华介入放射学电子杂志, 2026, 14(01): 66-71.
[15] 邓双逍, 韦静静, 周保纯. 脓毒症的脑功能监测——重点关注脑电图[J/OL]. 中华脑血管病杂志(电子版), 2026, 20(03): 342-346.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号

AI
小
编
AI小编
你好！我是《中华医学电子期刊资源库》AI小编，有什么可以帮您的吗？