NF-κB信号通路介导自噬对机体作用的研究进展

自噬是人体内常见且重要的生理现象之一,对细胞重塑、维持细胞内环境的稳定有关键意义,是近年来的研究热点。随着研究的不断深入,发现NF-κB信号通路与自噬存在着密切的相互调控作用机制,其对机体可以是保护机制,也可能加重疾病的发展。目前,许多药物是通过作用于NF-κB信号通路介导自噬发挥治疗效果。因此,本文侧重于近期NF-κB信号通路介导细胞自噬的相关研究做一综述,希望为临床疾病治疗提供新的视角。

HEART评分联合系列心肌肌钙蛋白在急诊胸痛患者中的危险分层价值

目的探讨HEART评分联合系列心肌肌钙蛋白(cardiac troponin,cTn)在急诊胸痛患者中的危险分层价值。方法回顾性收集2019年1月至12月就诊于复旦大学附属中山医院急诊科的胸痛患者11583例,排除年龄<18岁、未完成高敏心肌肌钙蛋白T(high-sensitivity cardiac troponin T,hs-cTnT)检测或心电图检查、诊断ST段抬高型心肌梗死(ST-segment elevation myocardial infarction,STEMI)及失访患者,最终纳入7057例患者。通过电话及查阅病史随访患者最终胸痛诊断以及是否发生6月主要心血管不良事件(major adverse cardiovascular events within 6 months,6 m MACEs)。由两位主治医生分别计算每位患者的HEART评分,根据最终得分将患者分为低危组(0~3分)、中危组(4~6分)和高危组(7~10分),观察分析HEART评分的危险分层性能及安全性。将1884例完成≥2次hs-cTnT检测的患者分别采用HEART评分(0~3分为低危组)、HEART评分联合系列心肌肌钙蛋白路径(HEART评分≤3且2次hs-cTnT<0.03 ng/mL为低危组)进行分组,通过绘制诊断四格表分别计算两种诊断方法预测患者发生非ST段抬高型心肌梗死(non-ST-segment elevation myocardial infarction,NSTEMI)、6 m MACEs、6月内心梗及心源性死亡事件的灵敏度(sensitivity,SE)、特异度(specifi city,SP)、阳性预测值(positive predictive value,PPV)和阴性预测值(negative predictive value,NPV),比较两者诊断性能的优劣。结果HEART评分将患者分为3组,2765(39.2%)例为低危组,3438(48.7%)例为中危组,854(12.1%)例为高危组,各组患者6 m MACEs的发生率依次为1.2%、18%、55.3%。当低危阈值为2时,23.1%的患者进入低危组,6 m MACEs的发生率为0.9%。绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估HEART评分对患者发生6 m MACEs的预测性能,最终ROC曲线下面积(area under the curve,AUC)为0.831(P=0.006,95%CI:0.819~0.843)。对于患者本次就诊时是否发生NSTEMI,单独使用HEART评分有4(0.8%)例患者漏诊,联合系列心肌肌钙蛋白检测后,诊断SE及NPV均为100%;同时,HEART评分联合系列心肌肌钙蛋白后,预测患者发生6 m MACEs的SE、NPV分别从98.1%(95%CI:96.9~99.1)、97.9%(95%CI:96.2~99)提高至99.1%(95%CI:97.9~99.7)、98.9%(95%CI:97.4~99.6),预测患者发生6月内心梗及心源性死亡的SE、NPV分别从98%(95%CI:96~99.2)、98.6%(95%CI:97~99.4)提高至99.2%(95%CI:97.6~99.8)、99.3%(95%CI:98.1~99.9)。结论HEART评分可用于急诊胸痛患者的危险评估,推荐低危组阈值为2。HEART评分联合系列心肌肌钙蛋白路径的诊断预测性能优于单独使用HEART评分。

急性主动脉夹层早期预警模型的构建及验证

目的通过回顾性、观察性研究,寻找急性主动脉夹层(acute aortic dissection,AAD)患者的临床特征,构建能在急诊室内运用的AAD早期预警模型。方法通过复旦大学附属中山医院胸痛专病库,回顾性收集急诊胸痛中心2019年1月至12月间就诊的11583例患者资料。纳入标准:急诊胸痛中心2019年1月至12月间就诊的胸痛患者。排除标准:1)年龄小于18岁;2)无胸/背疼痛;3)临床信息不完整患者;4)既往明确诊断为主动脉夹层,经(或)未经手术治疗。最终收集以急性胸/背痛为主诉的9668例患者的临床资料,排除既往明确诊断为主动脉夹层,经(或)未经手术治疗的患者53例,共入选9615例患者作为AAD早期诊断预警模型的建模队列。根据是否确诊AAD分为AAD组与非AAD组。通过单因素及多因素Logistic回归筛选风险因素,选择最佳拟合模型纳入研究,并基于R软件中的(nomogram)函数构建预警模型并进行可视化,通过准确率、特异度、敏感度、阳性似然比和阴性似然比评估模型性能,并通过该院急诊胸痛中心2020年1月至2020年6月间就诊的符合纳入排除标准的4808例患者作为验证队列进行验证,通过校准曲线评价早期诊断预警模型的效果。结果经过多因素分析后筛选出的AAD危险因素有性别(男性)(OR=4.15,P<0.001)、刀割/撕裂样疼痛(OR=38.309,P<0.001)、高血压病(OR=1.943,P=0.007)、高危病史(OR=12.773,P<0.001)、高危体征(OR=7.383,P=0.007)、首次D-二聚体水平(OR=1.165,P<0.001),而糖尿病(OR=0.329,P=0.027)及冠心病(OR=0.121,P<0.001)可能是AAD的保护性因素。将危险因素组合后构建的早期诊断预警模型的AUC=0.939,95%CI:0.909~0.969。初步验证结果显示该早期诊断预警模型的AUC=0.910,95%CI:0.870~0.949。结论性别(男性)、刀割/撕裂样疼痛、高血压病、高危病史、高危体征、首次D-二聚体值是影响AAD的独立危险因素,而糖尿病及冠心病可能是AAD的保护性因素。由这些危险因素构建的模型对AAD早期诊断预警有较好的效果,有助于临床早期快速识别AAD患者。