Связь фенотипов сепсиса с особенностями лечения пациентов с вирусной и бактериальной пневмонией

Кластеризация новых подгрупп заболеваний, которые невозможно предсказать, используя только клинические ковариаты, у пациентов с тяжелой внебольничной пневмонией (ТВП), позволит улучшить подходы к диагностике и будет способствовать адаптации конкретных методов лечения пациентов к их индивидуальным особенностям.

Цель исследования. Выделить фенотипы сепсиса у пациентов с ТВП для повышения эффективности терапии и улучшения прогнозирования исхода.

Материалы и методы. Провели ретроспективный анализ 664 историй болезни пациентов с сепсисом в отделении реанимации и интенсивной терапии (ОРИТ) Северо-Западного государственного медицинского университета им. И. И. Мечникова с 2016 г. по 2023 г. В исследование включили 568 (85,5%) пациентов с ТВП вирусного генеза (группа ТВПв) и 96 (14,5%) пациентов с ТВП бактериального генеза (группа ТВПб). По алгоритму, предложенному C. Seymour W. и соавт., выделили фенотипы сепсиса. Пациентам с ТВП COVID-19 (n=293, 51,6%) провели генно-инженерную биологическую терапию (ГИБТ). Сравнили выборки пациентов, получивших и не получивших ГИБТ. Информацию обработали статистически в пакетах программ Statistica 10.0 и SPSS.

Результаты. Среди всех пациентов выделили 4 фенотипа сепсиса: α- (n=323, 48,6%); β- (n=128, 19,3%); γ- (n=87, 13,1%); δ - (n=126, 19%). В группе ТВПв наибольшую долю составили пациенты с α-фенотипом сепсиса — 295 (51,9%), в то время как в группе ТВПб преобладал δ -фенотип — 53 (55,2%). Частота применения ГИБТ при α-фенотипе сепсиса была выше по сравнению с другими фенотипами: при α- у 61,8% пациентов, при β- у 16%, γ- у 12,6%, при δ - у 9,6%, p<0,05. Наилучший эффект применения ГИБТ моноклональными антителами к рецептору интерлейкина-6 получили у пациентов с α-фенотипом сепсиса при ТВП COVID-19 — 87,5% благоприятных исходов, p=0,0419. При α- и δ -фенотипах сепсиса у пациентов, получивших ГИБТ, бактериальный сепсис развивался значительно реже, чем у не получивших: при α-фенотипе — у 12,71 vs 23,2%, p=0,0131; при δ -фенотипе — у 25,0 vs 70,41%, p=0,0254, соответственно.

Заключение. Выявленные различия в фенотипах сепсиса у пациентов с вирусной и бактериальной ТВП дают возможность использовать дифференцированный подход при выборе терапевтической тактики ведения больных и точнее прогнозировать осложнения и исходы.

1. Авдеев С. Н., Белобородов В. Б., Белоцерковский Б. З., Грицан А. И., Дехнич А. В., Зайцев А. А., Киров М. Ю., с соавт. Тяжелая внебольничная пневмония у взрослых. Клинические рекомендации Федерации анестезиологов и реаниматологов России. Анестезиология и реаниматология. 2022; (1): 6–35. DOI: 10.17116/anaesthesiology20220116.

2. Cavallazzi R., Furmanek S., Arnold F. W., Beavin L. A., Wunderink R. G., Niederman M. S., Ramirez J. A. The burden of community-acquired pneumonia requiring admission to ICU in the United States. Chest. 2020; 158 (3): 1008–1016. DOI: 10.1016/j.chest.2020.03.051. PMID: 32298730.

3. Rudd K. E., Johnson S. C., Agesa K. M., Shackelford K. A., Tsoi D., Kievlan D. R., Colombara D. V., et al. Global, regional, and national sepsis incidence and mortality, 1990-2017: analysis for the Global Burden of Disease study. Lancet. 2020; 395 (10219): 200–211. DOI: 10.1016/S0140-6736 (19)32989-7. PMID: 31954465.

4. Martin-Loeches I., Torres A., Nagavci B., Aliberti S., Antonelli M., Bassetti M., Bos L. D., et al. ERS/ESICM/ESCMID/ALAT guidelines for the management of severe community-acquired pneumonia. Intensive Care Med. 2023; 49 (6): 615– 632. DOI: 10.1007/s00134-023-07033-8. PMID: 37012484.

5. Wiersinga W. J., van der Poll T. Immunopathophysiology of human sepsis. EBioMedicine. 2022; 86: 104363. DOI: 10.1016/j.ebiom.2022.104363. PMID: 36470832.

6. Vincent J. L., van der Poll T., Marshall J. C. The end of «One Size Fits All» sepsis therapies: toward an individualized approach. Biomedicines. 2022; 10 (9): 2260. DOI: 10.3390/biomedicines10092260. PMID: 36140361.

7. Knox D. B., Lanspa M. J., Kuttler K. G., Brewer S. C., Brown S. M. Phenotypic clusters within sepsis-associated multiple organ dysfunction syndrome. Intensive Care Med. 2015; 41 (5): 814–822. DOI: 10.1007/s00134-015-3764-7. PMID: 25851384.

8. Bhavani S. V., Semler M., Qian E. T., Verhoef P. A., Robichaux C., Churpek M. M., Coopersmith C. M. Development and validation of novel sepsis subphenotypes using trajectories of vital signs. Intensive Care Med. 2022; 48 (11): 1582–1592. DOI: 10.1007/s00134-022-06890-z. PMID: 36152041.

9. Zhang Z., Zhang G., Goyal H., Mo L., Hong Y. Identification of subclasses of sepsis that showed different clinical outcomes and responses to amount of fluid resuscitation: a latent profile analysis. Crit Care. 2018; 22 (1): 347. DOI: 10.1186/s13054-018-2279-3. PMID: 30563548.

10. Kudo D., Goto T., Uchimido R., Hayakawa M., Yamakawa K., Abe T., Shiraishi A., et al. Coagulation phenotypes in sepsis and effects of recombinant human thrombomodulin: an analysis of three multicentre observational studies. Crit Care. 2021; 25 (1): 114. DOI: 10.1186/s13054-021-03541-5. PMID: 33741010.

11. Scicluna B. P., van Vught L. A., Zwinderman A. H., Wiewel M. A., Davenport E. E., Burnham K. L., Nürnberg P., et al.; MARS consortium. Classification of patients with sepsis according to blood genomic endotype: a prospective cohort study. Lancet Respir Med. 2017; 5 (10): 816–826. DOI: 10.1016/S2213-2600 (17)30294-1. PMID: 28864056.

12. Komorowski M., Green A., Tatham K. C., Seymour C., Antcliffe D. Sepsis biomarkers and diagnostic tools with a focus on machine learning. EBioMedicine. 2022; 86: 104394. DOI: 10.1016/j.ebiom.2022.104394. PMID: 36470834.

13. Barichello T., Generoso J. S., Singer M., Dal-Pizzol F. Biomarkers for sepsis: more than just fever and leukocytosis-a narrative review. Crit Care. 2022; 26 (1): 14. DOI: 10.1186/s13054021-03862-5. PMID: 34991675.

14. da Silva J. F., Hernandez-Romieu A. C., Browning S. D., Bruce B. B., Natarajan P., Morris S. B., Gold J. A.W., et al. COVID-19 clinical phenotypes: presentation and temporal progression of disease in a cohort of hospitalized adults in Georgia, United States. Open Forum Infect Dis. 2020; 8 (1): ofaa596. DOI: 10.1093/ofid/ofaa596. PMID: 33537363.

15. Cidade J. P., de Souza Dantas V. C., de Figueiredo Thompson A., de Miranda R. C.C.C., Mamfrim R., Caroli H., et al. Identification of distinct clinical phenotypes of critically ill COVID19 patients: results from a cohort observational study. J Clin Med. 2023; 12 (8): 3035. DOI: 10.3390/jcm12083035. PMID: 37109370.

16. Ranard B. L., Megjhani M., Terilli K., Doyle K., Claassen J., Pinsky M. R., Clermont G., et al. Identification of endotypes of hospitalized COVID-19 patients. Front Med (Lausanne). 2021; 8: 770343. DOI: 10.3389/fmed.2021.770343. PMID: 34859018.

17. Komorowski M. Clinical management of sepsis can be improved by artificial intelligence: yes. Intensive Care Med. 2020; 46 (2): 375–377. DOI: 10.1007/s00134-019-05898-2. PMID: 31834423.

18. Davenport E. E., Burnham K. L., Radhakrishnan J., Humburg P., Hutton P., Mills T. C., Rautanen A., et al. Genomic landscape of the individual host response and outcomes in sepsis: a prospective cohort study. Lancet Respir Med. 2016; 4 (4): 259–271. DOI: 10.1016/S2213-2600(16)00046-1. PMID: 26917434.

19. Sweeney T. E., Azad T. D., Donato M., Haynes W. A., Perumal T. M., Henao R., Bermejo-Martin J. F., et al. Unsupervised analysis of transcriptomics in bacterial sepsis across multiple datasets reveals three robust clusters. Crit Care Med. 2018; 46 (6): 915–925. DOI: 10.1097/CCM.0000000000003084. PMID: 29537985.

20. Burnham K. L., Davenport E. E., Radhakrishnan J., Humburg P., Gordon A. C., Hutton P., Svoren-Jabalera E., et al. Shared and distinct aspects of the sepsis transcriptomic response to fecal peritonitis and pneumonia. Am J Respir Crit Care Med. 2017; 196 (3): 328–339. DOI: 10.1164/rccm.201608-1685OC. PMID: 28036233.

21. Antcliffe D. B., Burnham K. L., Al-Beidh F., Santhakumaran S., Brett S. J., Hinds C. J., Ashby D., et al. Transcriptomic signatures in sepsis and a differential response to steroids. From the VANISH randomized trial. Am J Respir Crit Care Med. 2019; 199 (8): 980–986. DOI: 10.1164/rccm.201807-1419OC. PMID: 30365341.

22. Wu X., Li R., He Z., Yu T., Cheng C. A value-based deep reinforcement learning model with human expertise in optimal treatment of sepsis. NPJ Digit Med. 2023; 6 (1): 15. DOI: 10.1038/s41746-023-00755-5. PMID: 36732666.

23. DeMerle K.M., Angus D. C., Baillie J. K., Brant E., Calfee C. S., Carcillo J., Chang C. H., et al. Sepsis subclasses: a framework for development and interpretation. Crit Care Med. 2021; 49 (5): 748–759. DOI: 10.1097/CCM.0000000000004842. PMID: 33591001.

24. Seymour C. W., Kennedy J. N., Wang S., Chang C. H., Elliott C. F., Xu Z., Berry S., et al. Derivation, validation, and potential treatment implications of novel clinical phenotypes for sepsis. JAMA. 2019; 321 (20): 2003–2017. DOI: 10.1001/jama.2019.5791. PMID: 31104070.

25. Kalimouttou A., Lerner I., Cheurfa C., Jannot A. S., Pirracchio R. Machine-learning-derived sepsis bundle of care. Intensive Care Med. 2023; 49 (1): 26–36. DOI: 10.1007/s00134-022-06928-2. PMID: 36446854.

26. Bruse N., Kooistra E. J., Jansen A., van Amstel R. B.E., de Keizer N. F., Kennedy J. N., Seymour C., et al. Clinical sepsis phenotypes in critically ill COVID-19 patients. Crit Care. 2022; 26 (1): 244. DOI: 10.1186/s13054-022-04118-6. PMID: 35945618.

27. Reddy K., Sinha P., O’Kane C.M., Gordon A. C., Calfee C. S., McAuley D.F. Subphenotypes in critical care: translation into clinical practice. Lancet Respir Med. 2020; 8 (6): 631– 643. DOI: 10.1016/S2213-2600(20)30124-7. PMID: 32526190.

28. Grasselli G., Calfee C. S., Camporota L., Poole D., Amato M. B.P., Antonelli M., Arabi Y. M., et al; European Society of Intensive Care Medicine Taskforce on ARDS. ESICM guidelines on acute respiratory distress syndrome: definition, phenotyping and respiratory support strategies. Intensive Care Med. 2023; 49 (7): 727–759. DOI: 10.1007/s00134-023-07050-7. PMID: 37326646.

29. Профилактика, диагностика и лечение новой коронавирусной 2. инфекции (COVID-19). Временные методические рекомендации МЗ РФ. Версия 17 от 14.12.2022. Дата доступа: 05.09.2023. https: //static-0.minzdrav.gov.ru/system/attachments/attaches/000/061/252/original/%D0%92%D0%9C%D0%A0_COVID-19_V17.pdf

30. Заболотских И. Б., Киров М. Ю., Лебединский К. М., Проценко Д. Н., Авдеев С. Н., Андреенко А. А., Арсентьев Л. В., с соавт. Анестезиолого-реанимационное обеспечение пациентов с новой коронавирусной инфекцией COVID-19. Методические рекомендации Общероссийской общественной организации «Федерация анестезиологов и реаниматологов». Вестник интенсивной терапии имени А.И. Салтанова. 2022; (1): 5–140. DOI: 10.21320/1818-474X-2022-1-5-140

31. Mandell L. A., Wunderink R. G., Anzueto A., Bartlett J. G., Campbell G. D., Dean N. C., Dowell S. F., et al. Infectious diseases society of America/American Thoracic Society consensus guidelines on the management of communityacquired pneumonia in adults. Clin Infect Dis. 2007; 44 Suppl 2 (Suppl 2): S27–72. DOI: 10.1086/511159. PMID: 17278083.

32. Zimmerman J. E., Kramer A. A., McNair D.S., Malila F. M. Acute Physiology and Chronic Health Evaluation (APACHE) IV: hospital mortality assessment for today’s critically ill patients. Crit Care Med. 2006; 34 (5): 1297–310. DOI: 10.1097/01.CCM.0000215112.84523.F0. PMID: 16540951.

33. Ata Ur-Rehman H. M., Ishtiaq W., Yousaf M., Bano S., Mujahid A. M., Akhtar A. Modified Nutrition Risk in Critically Ill (mNUTRIC) score to assess nutritional risk in mechanically ventilated patients: a prospective observational study from the Pakistani population. Cureus. 2018; 10 (12): e3786. DOI: 10.7759/cureus.3786. PMID: 30854273.

34. «National Early Warning Score (NEWS) 2» https: //www.rcplondon.ac.uk/projects/outputs/national-early-warningscore-news-2.

35. Miyashita N., Matsushima T., Oka M., Japanese Respiratory Society. The JRS guidelines for the management of community-acquired pneumonia in adults: an update and new recommendations. Intern Med. 2006; 45 (7): 419–428. DOI: 10.2169/internalmedicine.45.1691. PMID: 16679695.

36. Charles P. G., Wolfe R., Whitby M., Fine M. J., Fuller A. J., Stirling R., Wright A. A., et al.; Australian CommunityAcquired Pneumonia Study Collaboration; Grayson M. L. SMART-COP: a tool for predicting the need for intensive respiratory or vasopressor support in community-acquired pneumonia. Clin Infect Dis. 2008; 47 (3): 375–384. DOI: 10.1086/589754. PMID: 18558884.

37. Le Gall J., Lemeshow S., Saulnier F. A New Simplified Acute Physiology Score (SAPS II) based on a European/North American multicenter study. JAMA. 1993; 270 (24): 2957–2963. DOI: 10.1001/jama.1993.03510240069035. PMID: 8254858.