血红蛋白糖化指数与脓毒症患者短期和长期病死率的关系:基于MIMIC-Ⅳ数据库的分析

郭恺琳 ,  李乐 ,  胡波

武汉大学学报(医学版) ›› 2026, Vol. 47 ›› Issue (8) : 1058 -1065.

PDF (1554KB)
武汉大学学报(医学版) ›› 2026, Vol. 47 ›› Issue (8) : 1058 -1065. DOI: 10.14188/j.1671-8852.2025.1497
脓毒症专题研究

血红蛋白糖化指数与脓毒症患者短期和长期病死率的关系:基于MIMIC-Ⅳ数据库的分析

作者信息 +

Association of hemoglobin glycation index with short- and long-term mortality in patients with sepsis: An analysis based on the MIMIC-Ⅳ database

Author information +
文章历史 +
PDF (1590K)

摘要

目的 探讨血红蛋白糖化指数(HGI)与脓毒症患者短期和长期病死率的关系。 方法 基于MIMIC-Ⅳ 2.2数据库,纳入3 973例脓毒症患者。通过建立糖化血红蛋白(HbA1c)的线性回归模型计算HGI,并按五分位数(Q1~Q5)分组。采用Kaplan-Meier生存分析、多因素Logistic回归和限制性立方样条(RCS)分析评估其与28天及180天病死率的关系,并通过受试者工作特征(ROC)曲线比较HGI与传统血糖变异性指标的预测性能,最后进行亚组分析。 结果 3 973例脓毒症患者28天和180天病死率分别为15.1%和22.0%。低HGI组(Q1、Q2)与高HGI组(Q5)生存率较低。多因素Logistic分析显示,与Q3组相比,Q1组28天和180天病死风险显著升高。HGI预测病死风险的ROC曲线下面积优于其他血糖变异性指标。RCS分析显示HGI与病死风险呈L形关系,亚组分析结果与前述一致。 结论 低HGI与脓毒症患者短期和长期病死风险增加独立相关。

Abstract

Objective To investigate the association between the hemoglobin glycation index (HGI) and short- and long-term mortality in patients with sepsis. Methods A total of 3 973 septic patients from the MIMIC-Ⅳ 2.2 database were included. HGI was calculated as the difference between measured hemoglobin A1c (HbA1c) and the value predicted by a linear regression model based on fasting blood glucose. Patients were stratified into quintiles by HGI. Kaplan-Meier survival analysis, multivariable logistic regression, and restricted cubic spline (RCS) analysis were used to evaluate the relationship between HGI and 28-/180-day mortality. The predictive performance of HGI was compared with conventional glycemic variability indices using receiver operating characteristic (ROC) curves. Subgroup analysis was also performed. Results The 28-day and 180-day mortality rates were 15.1% and 22.0%, respectively. Lower survival rates were observed in the low-HGI (Q1, Q2) and high-HGI (Q5) groups. Multivariable analysis showed that the Q1 group had significantly higher 28-day and 180-day mortality risks compared with the Q3 group. The area under the ROC curve of HGI outperformed other glycemic variability indicators. RCS analysis revealed an L-shaped relationship between HGI and mortality risk. Subgroup analyses yielded consistent results. Conclusion Low HGI is independently associated with increased short- and long-term mortality in septic patients.

Graphical abstract

关键词

脓毒症 / 血红蛋白糖化指数 / MIMIC-Ⅳ数据库

Key words

Sepsis / Hemoglobin Glycation Index / MIMIC-Ⅳ Database

引用本文

引用格式 ▾
郭恺琳,李乐,胡波. 血红蛋白糖化指数与脓毒症患者短期和长期病死率的关系:基于MIMIC-Ⅳ数据库的分析[J]. 武汉大学学报(医学版), 2026, 47(8): 1058-1065 DOI:10.14188/j.1671-8852.2025.1497

登录浏览全文

4963

注册一个新账户 忘记密码

脓毒症是机体对感染反应失调引发的危及生命的器官功能障碍,是重症监护病房(ICU)患者病死的主要原因之一[1],出院前病死率高达41.9%[2]。血糖代谢异常与脓毒症患者的预后密切相关,初期应激引发的高分解状态可导致血糖升高,而应激性高血糖和血糖变异性增大均与患者病死风险增加相关[3-5]。精细化血糖管理与风险分层对改善临床结局至关重要,但传统血糖监测指标,如空腹血糖(fasting plasma glucose,FPG),仅能反映瞬时血糖水平,难以评估长期糖代谢稳态。
糖化血红蛋白(hemoglobin A1c,HbA1c)作为反映既往2~3个月平均血糖(mean blood glucose,MBG)水平的金标准,广泛应用于长期血糖控制评估及糖尿病疗效监测[6]。HbA1c≥6.5%是糖尿病合并脓毒症患者发生器官功能障碍及ICU病死率升高的独立危险因素[7]。但HbA1c易受红细胞寿命、血红蛋白糖化速率等非血糖因素影响,且炎症反应、溶血性疾病等可干扰检测结果[8-9],即使平均血糖相似,个体HbA1c仍可能存在显著差异,导致其预后预测价值受限。为了量化个体糖代谢异质性,HEMPE等[10]提出了血红蛋白糖化指数(hemoglobin glycation index,HGI),其计算为实测HbA1c与基于同期空腹血糖预测的HbA1c值之间的差值。
鉴于脓毒症患者常存在显著的代谢应激和个体差异,探讨HGI的预后评估价值有望为突破传统指标的风险分层提供新视角。本研究基于大型公共数据库MIMIC-Ⅳ,回顾性分析脓毒症患者临床数据,探讨HGI与28天、180天全因病死率的关联,为脓毒症个体化预后评估及临床决策提供新的依据。

1 资料与方法

1.1 数据来源

本研究为回顾性队列研究,数据源自MIMIC-Ⅳ 2.2数据库,涵盖2008~2019年期间贝斯以色列执事医疗中心记录的去标识化ICU住院患者的数据[11]。研究者(ID:50858519)已获数据库访问权限,因数据已去标识化,本研究免伦理学审批。纳入标准:①ICU住院期间符合《第三版脓毒症和脓毒症休克国际共识(脓毒症3.0)》诊断标准的成年脓毒症患者;②首次入住ICU;③ICU住院时间≥24 h。排除标准:①ICU住院时间<24 h;②非首次入住ICU;③缺失HbA1c和同期48 h内FPG记录值;④少于3次有效血糖记录;⑤酮症酸中毒、高渗高血糖状态患者。见图1。

1.2 方法

1.2.1 变量提取

使用结构化查询语言(structured query language,SQL)从MIMIC-Ⅳ数据库中提取以下变量:人口统计学资料(性别、年龄、身高、体质量、种族)、生命体征(体温、心率、收缩压、舒张压、平均动脉压)、住ICU期间的合并症(心肌梗死、充血性心力衰竭、脑血管疾病、慢性肺疾病、肾脏疾病、肝脏疾病、糖尿病)、入ICU 24 h内的实验室指标(血常规、血气分析、肝功能、肾功能、凝血功能)、序贯器官衰竭(sequential organ failure assessment,SOFA)评分、病死率(28天病死率、180天病死率)等。

1.2.2 暴露与结局

本研究基于纳入队列所有患者的FPG(自变量,测HbA1c同期48 h空腹血糖均值)和HbA1c(因变量)实测值,构建线性回归模型。模型形式如下:HbA1c预测值=β₀+β₁×FPG=-4.413+0.0135×FPG。其中,β₀为回归方程截距,β₁为FPG对HbA1c的回归系数,二者均通过本研究样本数据拟合获得。HGI计算公式:HGI=HbA1c实测值-HbA1c预测值[10]。本研究主要结局是28天病死率,次要结局是180天病死率。

1.2.3 分组

根据HGI的五分位数将脓毒症患者分为5组:Q1(795例,HGI≤-0.74)、Q2(794例,-0.74<HGI≤-0.33)、Q3(795例,-0.33<HGI≤0.00)、Q4(794例,0.00<HGI≤0.50)、Q5(795例,HGI>0.50)。

1.3 统计学处理

本研究采用R4.5.2软件进行统计学分析。缺失率>20%的变量(白蛋白、总胆红素、转氨酶等肝功能指标)予以剔除,剩余变量采用随机森林法进行多重插补。连续变量中,正态分布数据以均值和标准差(x±s)表示,非正态分布的数据以中位数和四分位数间距[M(P25,P75)]描述,组间比较使用Kruskal-Walli秩和检验。分类变量以频数(百分比)[例(%)]表示,组间比较采用χ2检验。

绘制Kaplan-Meier生存分析曲线,采用log-rank检验比较28 d和180 d生存率。绘制受试者工作特征(ROC)曲线,评估HGI相较于传统血糖变异性指标[MBG、血糖波动平均幅度(mean amplitude of glucose excursions,MAGE)、血糖变异系数(CV)]的预测性能。采用Logistic回归及限制性立方样条(restricted cubic splines,RCS)分析HGI与临床结局的关系,并按糖尿病状态、MBG水平、血糖变异系数及初始血糖值进行亚组分析。双侧P<0.05为差异有统计学意义。

2 结果

2.1 基线特征

本研究共纳入3 973例脓毒症患者。其中男性2 464例(62%),女性1 509例(38%);中位年龄为69.2岁,中位体质量指数(BMI)为28.7 kg·m-2,SOFA评分为7分,中位HGI为-0.17%。生命体征方面,Q1组和Q5组心率稍快,平均收缩压各组间无明显差异。脓毒症合并症方面,Q5组心脏疾病、肾脏疾病、糖尿病患病率显著高于其他组,Q1和Q2组脑血管疾病、肝脏疾病患病率显著高于其他组,所有组的脓毒症患者急性肾衰竭患病率显著高于其他疾病。临床不良结局事件方面,入住ICU后28 d内,599例(15.1%)患者病死,90 d内781例(19.7%)患者病死,180 d内874例(22%)患者病死,见表1。

2.2 对比传统血糖相关指标对病死风险的影响

为评估血糖相关指标对病死风险的预测效能,绘制HGI、MBG、血糖变异系数、首次血糖、MAGE、HbA1c的ROC曲线并计算曲线下面积(AUC)(图2)。结果显示,HGI的AUC为62.6%,略高于MAGE(56.1%)及CV(61.0%),提示其在预测长期病死率方面略优于MAGE和CV,但准确性仍欠佳,需要进一步验证HGI与病死风险的相关性。

2.3 Kaplan-Meier法生存分析

为明确不同HGI水平与临床预后的关联,按HGI五分位数分组绘制脓毒症患者28天及180天生存曲线。结果显示(图3),Q3组存活率最高,低HGI组(Q1、Q2)及高HGI组(Q5)的28天、180天生存率均显著降低(log-rank P<0.05)。

2.4 Logistics回归和RCS分析

以生存率最高的Q3组为参考组,构建3个逐步调整混杂因素的Logistic回归模型验证HGI与病死风险的关联:模型1未调整协变量,模型2调整年龄、性别、BMI,模型3在模型2的基础上进一步调整心率、平均血压及高血压、肝脏疾病、肾衰竭、糖尿病等合并症。结果显示(表2),调整协变量前后,Q1、Q2组短期及长期病死风险均显著升高,Q4、Q5组风险虽有增加,但与Q3组差异无统计学意义;完全调整的模型3中,Q1组28 d、180 d病死风险分别为Q3组的3.01倍(OR=3.01,95%CI:2.24~4.04)、2.74倍(OR=2.74,95%CI:2.12~3.54)。

采用与模型3一致的协变量校正进行RCS分析(图4),结果提示HGI与全因病死率呈非线性“L”形关联,HGI水平越低,病死风险越高。

2.5 亚组分析

为明确HGI与病死风险的关联强度及稳定性,按入ICU首次血糖、ICU期间MBG、血糖变异系数及是否合并糖尿病进行亚组分析(图5)。所有亚组中均以Q3组为界:HGI降低时,28天、180天病死率显著升高;HGI升高时,病死风险呈下降趋势。首次血糖、MBG及血糖变异系数越高,或合并糖尿病时,患者病死风险越高。此外,CV<13%(血糖波动较小)亚组中,Q1与Q5组病死率无显著差异,但均高于其他组,并且与CV>29.1%(血糖波动较大)亚组中Q5组180天病死率相当。

3 讨论

本研究基于MIMIC-Ⅳ数据库,探讨了HGI与脓毒症患者28天及180天全因病死率的关联。结果显示,HGI预测病死风险优于传统血糖变异性指标(MAGE、CV),且与病死风险呈显著“L”形非线性关系。低HGI与患者短期及长期病死风险增加独立相关,且该关联在所有亚组中均成立。高HGI在Kaplan-Meier分析中生存率较低,但多因素调整后风险增加无统计学意义,仅在血糖稳定(CV<13%)亚组中病死风险仍较高。

近年来多项研究[12]探讨HGI与危重患者预后的关联,但结论存在差异:心血管疾病、脑血管疾病中HGI与病死风险多呈“U”型关联[13-17],部分研究[18]发现HGI与急性心肌梗死、心力衰竭[16]患者病死风险呈反向“J”形,肾脏疾病中HGI与病死风险呈“L”形关联[19-20],而低HGI与不良结局的相关性在各类疾病中较一致。本研究发现HGI与脓毒症患者病死风险呈“L”形,低HGI显著增加病死风险,与既往部分研究[21]相符;同时在血糖波动较小时高HGI病死风险升高,而血糖波动较大时HGI所有分组病死风险整体偏高。

低HGI导致更高的病死风险的潜在机制如下。首先,HbA1c由细胞内HbA1与葡萄糖的非酶反应形成[22],实际水平与预测水平存在偏差,而HGI量化该偏差程度。低HGI所代表的“个体化相对低糖化”状态,在脓毒症等高炎症、高应激状态下,炎症风暴加速缩短红细胞寿命,减少血红蛋白暴露于血糖的时间,干扰HbA1c形成[23]。研究[24-25]表明炎症因子(如IL-6、TNF-α)、超敏C反应蛋白释放及代谢紊乱直接干扰血红蛋白β链末端的非酶促糖基化化学反应,导致HbA1c假性降低。其次,HbA1c反映的是过去8~12周的MBG,脓毒症患者初期血糖急剧升高且波动巨大,新形成的HbA1c量尚不足以反映当前的高血糖水平,导致测量值相对偏低[26]。另外,低HGI个体则可能存在HbA1c“被低估”真实血糖暴露的风险,若据此放松管理,可能导致长期高血糖并发症风险累积[27]。

在我们的研究中,多因素调整前极高HGI的人群病死率高于中间HGI人群。这与多项研究[28-29]一致,不论是否有糖尿病,高HGI与全因死亡率、心血管死亡率及主要不良心血管事件的风险增加独立相关。这种不良预后可能是因为高HGI个体常伴随餐后血糖波动,加剧内皮功能障碍,加速动脉粥样硬化进展[30],同时激活炎症反应与氧化应激,促进糖尿病并发症的发生发展[31]。关于高HGI在多因素调整后风险无显著差异,我们认为原因可能是回归模型中调整的混杂变量中,部分变量本身(如肝病、肾衰竭、糖尿病等合并症)即为危重患者全因死亡的强大因素,调整这些疾病因素相当于控制了炎症因子及通路,导致HGI的独立贡献不显著。

关于HGI与治疗强度的关系,ACCORD研究[32]显示,强化降糖治疗(目标HbA1c<6.0%)并未给所有糖尿病患者带来心血管获益,甚至增加了部分人群的全因死亡率。临床对高HbA1c的干预虽可及时控制血糖,但可能伴随着更高的血糖波动性和更频繁的无症状性低血糖[33],甚至诱发致命性心血管事件[34]。因此我们认为高HGI个体,也许不需要严格控制HbA1c<6.0%,同时建议对低HGI的脓毒症患者应注意血糖的动态实时管理,结合FPG或随机血糖和HbA1c,将ICU脓毒症患者血糖控制在8~10 mmol·L-1[35],并避免发生低血糖。

本研究存在以下局限性:①回顾性研究的固有局限性,无法确定因果关系,仅能提示关联,且存在未测量或未记录的混杂因素(如营养状态、具体用药、感染病原体、血糖管理策略等),可能影响HGI与死亡风险的关联;②HGI计算依赖特定HbA1c预测模型,其普适性需在不同人群、地区及医疗机构中开展外部验证,需进一步优化并标准化该模型;③HGI预测病死率准确性欠佳,可作为多因素风险模型中的补充指标,但不能作为高判别力的生物标志物,更不能完全取代传统的血糖检测指标;④HGI的临床应用价值需前瞻性研究证实,以明确其在个体化血糖管理及改善患者预后中的干预意义。

综上所述,低HGI与脓毒症患者短期和长期病死风险增加显著相关。HGI临床价值不在于替代传统风险因素,而可能作为不良预后的补充性提示,以及理解个体血糖/HbA1c差异、辅助实现精准管理的生物标志物。未来需优化HbA1c预测模型,开展前瞻性试验,验证基于HGI的风险评估体系对优化脓毒症临床结局的实际效用。

参考文献

[1]

SINGER M, DEUTSCHMAN C S, SEYMOUR C W, et al. The third international consensus definitions for sepsis and septic shock (sepsis‑3)[J]. JAMA, 2016, 315(8): 801‑810.

[2]

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.

[3]

JI Y. Stress hyperglycemia has a J‑shaped association with mortality among critically ill patients with sepsis[J]. J Crit Care, 2024, 80: 154503.

[4]

KRINSLEY J S. Glycemic variability and mortality in critically ill patients: The impact of diabetes[J]. J Diabetes Sci Technol, 2009, 3(6): 1292‑1301.

[5]

洪琪翔, 吴问涛, 李小民. 时变血糖暴露强度及变异性对脓毒症患者预后的影响[J]. 中华急诊医学杂志, 2025, 34(9): 1229‑1236.

[6]

HONG Q X, WU W T, LI X M. Impact of time‑varying blood glucose exposure intensity and variability on the prognosis of sepsis patients[J]. Chin J Emerg Med, 2025, 34(9): 1229‑1236.

[7]

GÅFVELS M, SWÄRD P, XU N, et al. Glycated albumin percentage is correlated with HbA1c: Theoretic marker in patients with altered erythrocyte turnover[J]. J Diabetes Sci Technol, 2025: 19322968251384304.

[8]

刘庭, 李秋萍. 糖尿病合并脓毒症患者器官功能障碍及ICU病死率的影响因素分析[J]. 糖尿病新世界, 2021, 24(21): 47‑49.

[9]

LIU T, LI Q P. Analysis of influencing factors of organ dysfunction and ICU mortality in diabetic patients with sepsis[J]. Diabetes New World, 2021, 24(21): 47‑49.

[10]

OLSEN M T, JENSEN S H, RASMUSSEN L M, et al. The association between inflammation and glucose levels in hospitalised patients with type 2 diabetes[J]. Diabetes Obes Metab, 2025, 27(10): 5844‑5851.

[11]

王朝, 孙雪, 施均, 等. 溶血性疾病相关糖化血红蛋白降低患者的临床及实验室特征[J]. 中华血液学杂志, 2019, 40(2): 137‑140.

[12]

WANG C, SUN X, SHI J, et al. Clinical features and laboratory data analysis of decreased glycosylated hemoglobin related to hemolytic disease[J]. Chin J Hematol, 2019, 40(2): 137‑140.

[13]

HEMPE J M, GOMEZ R, MCCARTER R J, et al. High and low hemoglobin glycation phenotypes in type 1 diabetes A challenge for interpretation of glycemic control[J]. J Diabetes Complicat, 2002, 16(5): 313‑320.

[14]

JOHNSON A E W, BULGARELLI L, SHEN L, et al. MIMIC‑Ⅳ, a freely accessible electronic health record dataset[J]. Sci Data, 2023, 10(1): 1.

[15]

PAN L W, LU F F, CHENG B H, et al. Association between hemoglobin glycation index and mortality in critically ill patients: A retrospective cohort study[J]. J Health Popul Nutr, 2025, 44(1): 249.

[16]

WANG Y H, LIU H Z, HU X D, et al. Association between hemoglobin glycation index and 5‑year major adverse cardiovascular events: The REACTION cohort study[J]. Chin Med J, 2023, 136(20): 2468‑2475.

[17]

LIN Z Y, HE J N, YUAN S, et al. Hemoglobin glycation index and cardiovascular outcomes in patients with diabetes and coronary artery disease: Insights from a large cohort study[J]. Nutr Diabetes, 2024, 14(1): 69.

[18]

WEI X, CHEN X H, ZHANG Z P, et al. Risk analysis of the association between different hemoglobin glycation index and poor prognosis in critical patients with coronary heart disease—A study based on the MIMIC‑Ⅳ database[J]. Cardiovasc Diabetol, 2024, 23(1): 113.

[19]

YU J H, HUA H D, YIN M G. U‑shaped association between HbA1c and all‑cause mortality in CVD patients with diabetes[J]. Sci Rep, 2024, 14: 28386.

[20]

JIA N, LIU X X. Impact of hemoglobin glycation index on prognosis in critical patients with acute ischemic stroke: A retrospective cohort study using MIMIC‑Ⅳ 2.2 database[J]. Sci Rep, 2025, 15: 23095.

[21]

CAO H S, GUI L, HU Y K, et al. Association between hemoglobin glycation index and adverse outcomes in critically ill patients with myocardial infarction: A retrospective cohort study[J]. Nutr Metab Cardiovasc Dis, 2025, 35(6): 103973.

[22]

LIU J, SHI Y, DUAN H Y, et al. Association between hemoglobin glycation index and poor prognosis in patients with AKI: A retrospective cohort analysis of the MIMIC‑Ⅳ database[J]. Ren Fail, 2025, 47(1): 2499232.

[23]

PENG Y P, HUANG W W, WANG J. Hemoglobin glycation index predicts reduced mortality in critically ill patients with chronic kidney disease[J]. Clinics, 2025, 80: 100812.

[24]

袁红秀, 唐发娟, 李熙鸿. 血红蛋白糖化指数与脓毒症患者不良预后的关系[J]. 临床急诊杂志, 2025, 26(1): 31‑38.

[25]

YUAN H X, TANG F J, LI X H. Association between hemoglobin glycation index and poor prognosis in patients with sepsis[J]. J Clin Emerg, 2025, 26(1): 31‑38.

[26]

CARETTE C, CZERNICHOW S. Harms and benefits of the haemoglobin glycation index (HGI)[J]. Eur J Prev Cardiol, 2017, 24(13): 1402‑1404.

[27]

MIAN F J, JACOB K. HbA1c is not always reliable in estimating glycaemic control[J]. Pract Diabetes, 2016, 33(9): 317‑319.

[28]

MIRZAEI F, KHODADADI I, VAFAEI S A, et al. Importance of hyperglycemia in COVID‑19 intensive‑care patients: Mechanism and treatment strategy[J]. Prim Care Diabetes, 2021, 15(3): 409‑416.

[29]

LAI W W, LIU L, WANG S H, et al. The impact of diabetes on Sepsis‑induced cardiomyopathy[J]. Diabetes Res Clin Pract, 2025, 220: 112001.

[30]

张霖, 周婉, 陈剑. 脓毒症糖代谢紊乱的发生机制及治疗[J]. 中华糖尿病杂志, 2020, 12(9): 753‑755.

[31]

ZHANG L, ZHOU W, CHEN J. Progress of glucose metabolic disorder and its treatment in sepsis[J]. Chin J Diabetes Mellit, 2020, 12(9): 753‑755.

[32]

ZHANG Y Y, LI W Y, WAN Q. Hemoglobin glycation index and all‑cause mortality in adults: Insights from a decade‑long prospective cohort study[J]. Front Endocrinol, 2025, 16: 1586309.

[33]

XU S, QIN Z, YUAN R X, et al. The hemoglobin glycation index predicts the risk of adverse cardiovascular events in coronary heart disease patients with type 2 diabetes mellitus[J]. Front Cardiovasc Med, 2022, 9: 992252.

[34]

SHI F C, YANG Z, WANG Z, et al. Association of hemoglobin glycation index with all‑cause and cardiovascular mortality in patients with diabetes or prediabetes and comorbid cardiovascular disease: a population‑based cohort study[J]. Sci Rep, 2025, 15: 20696.

[35]

TORIMOTO K, OKADA Y, MORI H, et al. Relationship between fluctuations in glucose levels measured by continuous glucose monitoring and vascular endothelial dysfunction in type 2 diabetes mellitus[J]. Cardiovasc Diabetol, 2013, 12: 1.

[36]

SONG J, WEI N N, ZHAO Y Y, et al. Elevated glycosylated hemoglobin levels and their interactive effects on hypertension risk in nondiabetic Chinese population: A cross‑sectional survey[J]. BMC Cardiovasc Disord, 2020, 20(1): 218.

[37]

PEI J Y, WANG X P, PEI Z Y, et al. Glycemic control, HbA1c variability, and major cardiovascular adverse outcomes in type 2 diabetes patients with elevated cardiovascular risk: Insights from the ACCORD study[J]. Cardiovasc Diabetol, 2023, 22(1): 287.

[38]

HEMPE J M, LIU S Q, MYERS L, et al. The hemoglobin glycation index identifies subpopulations with harms or benefits from intensive treatment in the ACCORD trial[J]. Diabetes Care, 2015, 38(6): 1067‑1074.

[39]

WU J D, LIANG D L, XIE Y, et al. Association between hemoglobin glycation index and risk of cardiovascular disease and all cause mortality in type 2 diabetic patients: A meta‑analysis[J]. Front Cardiovasc Med, 2021, 8: 690689.

[40]

EVANS L, RHODES A, ALHAZZANI W, et al. Surviving sepsis campaign: International guidelines for management of sepsis and septic shock 2021[J]. Intensive Care Med, 2021, 47(11): 1181‑1247.

基金资助

湖北省科技项目(220171849)

湖北省科技厅重点研发专项(2023BCB093)

AI Summary AI Mindmap
PDF (1554KB)

266

访问

0

被引

详细

导航
相关文章

AI思维导图

/

〈 〉