作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Polymorphism of Gut Microbiota in High Altitude Tibetan Patients with Coronary Artery Heart Disease
-
摘要:目的 分析青藏高原藏族冠心病(coronary artery heart disease, CHD)患者肠道菌群的分布和组成特征。方法 2018年9月至2020年9月, 连续招募世居青藏高原(海拔3600~4500 m)的藏族CHD患者[高海拔藏族CHD患者(high altitude Tibetan CHD, HTC)]和藏族健康人群[高海拔藏族健康人群(high altitude Tibetan normal, HTN)], 长期居住于西宁(海拔2260 m)的汉族CHD患者[中海拔汉族CHD患者(middle altitude Han CHD, MHC)]和武汉(海拔13 m)汉族CHD患者[低海拔汉族CHD患者(low altitude Han CHD, LHC)]。其中HTC与MHC均来自青海大学附属医院心内科住院患者, HTN均来自青海大学附属医院体检中心, LHC均来自华中科技大学附属协和医院心内科住院患者。收集研究对象粪便组织标本, 对肠道菌群16S rRNA V3~V4区进行DNA测序并进行生物信息学分析。结果 共入选符合纳入和排除标准的CHD患者36例(HTC 8例、MHC 14例、LHC 14例), HTN 34例。α多样性分析显示, HTC与HTN的肠道菌群Shannon指数无显著性差异(P=0.091);HTC的肠道菌群Shannon指数最高, MHC次之, LHC最低(P=0.025)。β多样性分析显示, HTC的肠道菌群分布与HTN、MHC、LHC均存在显著差异。在对肠道菌群组成成分的分析中, HTC在门水平、属水平亦显示出不同于MHC、LHC的特征, 其致病菌如链球菌(Streptococcus)、埃希氏菌_志贺氏菌(Escherichia_Shigella)和克雷伯氏菌(Klebsiella)的相对丰度下降, 有益菌如粪杆菌(Faecalibacterium)、普氏菌(Prevotella)、链型杆菌(Catenibacterium)和乳酸杆菌(Lactobacillus)的相对丰度升高。结论 高海拔藏族CHD患者肠道菌群呈现出不同于同海拔藏族健康人群以及中、低海拔CHD患者的多态性。Abstract:Objective To analyze the distribution and composition of intestinal flora in Tibetan patients with coronary artery heart disease (CHD) on the Qinghai-Tibet Plateau.Methods From September 2018 to September 2020, following patients were recruited: Tibetan CHD patients living in the area of Qinghai-TibetPlateau [altitude 3600-4500 m, Tibetan patients at high altitudes with CHD (HTC)], healthy people [(normal Tibetans at high altitudes(HTN)], Han patients with CHD living in Xining [altitude 2260 m, Han CHD at a middle altitude (MHC)] and Wuhan [altitude 13 m, Han CHD at a low altitude(LHC)], for a long time. Among them, HTC and MHC were all from inpatients of the Department of Cardiology, Affiliated Hospital of Qinghai University. HTN were all from the Physical Examination Center of the Affiliated Hospital of Qinghai University, and LHC were all from inpatients of the Department of Cardiology, the Union Hospital Affiliated to Huazhong University of Science and Technology. The fecal samples were collected, and the 16S rRNA V3-V4 regions of the intestinal flora were DNA sequenced and bioinformatic analysis was performed.Results A total of 36 CHD patients (8 HTC, 14 MHC, 14 LHC) and 34 HTN patients that met the inclusion and exclusion criteria were enrolled. α-diversity analysis showed that there was no significant difference in the Shannon index of intestinal flora between HTC and HTN (P=0.091), the Shannon index of intestinal flora in HTC was the highest, followed by MHC, and the lowest in LHC(P=0.025). β-diversity analysis showed that the intestinal flora distribution of HTC was significantly different from that of HTN, MHC and LHC. In the analysis of the composition of intestinal flora, HTC also showed different characteristics from MHC and LHC at the phylum level and genus water. The relative abundance of its pathogenic bacteria, i.e. Streptococcus, Escherichia_Shigella and Klebsiella decreased; the beneficial bacteria, i.e. Faecalibacterium, Prevotella, Catenibacterium and Lactobacillus, were increased in relative abundance.Conclusions The intestinal flora of high-altitude Tibetan patients with CHD showed polymorphisms that were different from those of healthy Tibetans at the same altitude and CHD patients at medium and low altitudes.
-
Keywords:
- coronary artery heart disease /
- gut microbiota /
- high altitude /
- Tibetan
-
侵袭性真菌感染(invasive fungal infections，IFI)是导致免疫功能低下人群死亡的重要原因之一，近年来占院内感染的比例逐年增加，其中念珠菌感染已跃居院内感染第4位[1-2]。ICU患者病情危重、免疫稳态失衡，且中心静脉置管、气管与尿管插管等侵入性操作多，是IFI的高危人群[3]，研究表明重症患者IFI发生率高达50%[4]。因此，探究真菌感染现状及其危险因素，不仅有助于院感工作的改进，且对改善ICU重症患者预后具有重要意义。
西藏地区平均海拔在4000 m以上，具有低氧含量、低气温、低气压、气候干燥、紫外线照射强等特点，长期生活在该地区的人群呈现出特殊的代谢特征[5]，其真菌感染情况亦可能异于平原地区的人群。目前，高海拔地区重症患者真菌感染相关研究较少。本研究探究西藏地区成人重症患者真菌检出现状，并进一步分析真菌检出的影响因素，旨在为该地区真菌感染防控工作提供借鉴。
1. 资料与方法
1.1 研究对象及分组
1.1.1 研究对象
本研究为回顾性分析。纳入2018年1月1日至2019年12月31日西藏自治区人民医院重症医学科诊治的全部成人重症患者。重症患者诊断标准：入ICU时急性生理学和慢性健康状况评价Ⅱ(acute physiology and chronic health evaluationⅡ, APACHE Ⅱ)≥8分。排除标准：(1)在高海拔地区生活时间不足3个月；(2)ICU住院时间＜48 h。
本研究已通过西藏自治区人民医院伦理审查委员会审批(审批号：ME-TBHP19-26)。
1.1.2 分组
根据送检标本真菌检出结果，将患者分为真菌检出阳性组、真菌检出阴性组。
1.2 研究方法
1.2.1 资料收集
通过电子病历系统收集患者的临床资料，包括(1)一般资料：性别、年龄、居住地海拔、患者来源、合并疾病及住院原因等；(2)入院前14 d内广谱抗菌药物、免疫抑制剂使用情况；(3)入ICU时实验室检测指标：总胆红素、血肌酐、血红蛋白、白细胞等；(4)疾病严重程度：入ICU时APACHE Ⅱ评分、序贯性器官衰竭评分(sequential organ failure assessment, SOFA)(入ICU后第1个24 h内测得的最高值)；(5)入院后主要干预措施：手术、管路植入及抗菌药物使用情况；(6)ICU住院时间。
1.2.2 标本送检
收集患者ICU住院期间的送检标本，包括痰液、血液、脑脊液、尿液、导管引流液及其他标本(包括切口分泌物、浆膜腔积液、咽拭子等)。标本的采集方法严格按照《全国临床检查操作规程》执行[6]。标本采集后即刻送检，室温条件放置时间不超过2 h。若痰液以及尿液标本无法2 h内送检，可置于4 ℃冰箱储存，但储存时间不超过24 h。记录检出阳性菌株。若同一患者同一部位标本多次留取，病原体检测结果相同且药敏试验结果相同，记录为1株病原体。同一患者任意部位标本检出真菌即为真菌检出阳性，若患者所有送检标本均未检出真菌，即为真菌检出阴性。
1.2.3 药敏试验结果判定
采用K-B扩散纸片法进行药敏试验。参与药敏试验的药物包括两性霉素B、氟胞嘧啶、氟康唑、伊曲康唑、伏立康唑。依据美国临床和实验室标准化协会(Clinical and Laboratory Standards Institute, CLSI)M27-S4标准[7]对药敏试验结果进行判读。
1.3 偏倚控制
为减小信息偏倚，于资料收集阶段使用电子病历系统尽可能广泛地收集患者多方面客观指标资料。
1.4 统计学处理
采用SPSS 22.0软件进行统计学分析。年龄、APACHE Ⅱ评分、血红蛋白水平为正态分布计量资料，以均数±标准差表示，组间比较采用独立样本t检验；居住地海拔、SOFA评分等为非正态分布计量资料，以中位数(四分位数)表示，组间比较采用Mann-Whitney U检验。性别、患者来源、合并疾病等为计数资料，以例数(百分数)表示，组间比较采用卡方检验或Fisher精确概率法。将单因素分析有统计学意义的指标纳入多因素Logistic回归分析，以筛选真菌检出的影响因素。双侧检验，以P＜0.05为差异具有统计学意义。
2. 结果
2.1 一般临床资料
共纳入755例符合纳入和排除标准的成人重症患者(送检标本4917份)。其中真菌检出阳性组142例、真菌检出阴性组613例。
4917份送检标本中，来自痰液3231份(65.7%)、血液543份(11.0%)、脑脊液405份(8.2%)、尿液189份(3.9%)、导管引流液127份(2.6%)、其他标本422份(8.6%)。共检出阳性真菌192株，其中念珠菌183株(95.3%)、曲霉7株(3.7%)、其他真菌2株(1.0%)。念珠菌中，白色念珠菌164株(89.6%)、光滑念珠菌9株(4.9%)、近平滑念珠菌7株(3.8%)、克柔念珠菌2株(1.1%)、热带念珠菌1株(0.6%)。曲霉中，烟曲霉3株(42.8%)、黑曲霉2株(28.6%)、黄曲霉2株(28.6%)。真菌检出阳性的标本来源分别为痰液115株(59.9%)、尿液22株(11.5%)、血液3株(1.6%)、导管引流液42株(21.9%)、创面分泌物4株(2.0%)、其他标本6株(3.1%)。
药敏试验结果显示，除克柔念珠菌对氟康唑天然耐药外，尚未发现其他耐药菌株。
2.2 真菌检出阳性组与真菌检出阴性组患者临床资料比较
真菌检出阳性组与真菌检出阴性组患者在居住地海拔，SOFA评分，合并糖尿病、慢性阻塞性肺疾病、慢性消化系统疾病、冠状动脉粥样硬化性心脏病的比例，住院原因，白细胞减少的比例，血肌酐，血红蛋白水平方面存在显著性差异(P均＜0.05)。两组年龄、性别、患者来源等均无显著性差异(P均＞0.05)，见表 1。
表 1 真菌检出阳性组与真菌检出阴性组患者临床资料比较指标 真菌检出阳性组(n=142) 真菌检出阴性组(n=613) P值 年龄(x±s, 岁) 53.59±15.24 51.03±15.48 0.073 男性[n(%)] 96(67.6) 390(63.6) 0.372 居住地海拔[M(P25, P75), m] 3680(3650, 3992) 3680(3680, 4020) 0.026 疾病严重程度 APACHE Ⅱ评分(x±s, 分) 16.55±5.83 15.75±5.69 0.133 SOFA评分[M(P25, P75), 分] 10(7, 11) 7(6, 9) ＜0.001 患者来源[n(%)] 0.216 急诊转入 45(31.7) 159(26.0) 0.164 院内其他科室转入ICU 93(65.5) 444(72.4) 0.100 院外转入 4(2.8) 10(1.6) 0.345# 合并疾病[n(%)] 糖尿病 14(9.9) 27(4.4) 0.010 慢性阻塞性肺疾病 7(4.9) 11(1.8) 0.027 慢性消化系统疾病 30(21.1) 79(12.9) 0.012 高血压 54(38.0) 188(30.7) 0.098 冠状动脉粥样硬化性心脏病 14(9.9) 37(6.0) 0.032 实体肿瘤 10(7.0) 35(5.7) 0.972 入院前14 d内使用广谱抗菌药物[n(%)] 2(1.4) 5(0.8) 0.859# 入院前14 d内使用免疫抑制剂[n(%)] 3(2.1) 5(0.8) 0.365# 住院原因[n(%)] 0.013 休克 10(7.0) 36(5.9) 0.600 呼吸系统重症 21(14.8) 52(8.5) 0.022 神经系统重症 65(45.8) 336(54.8) 0.600 消化系统重症 30(21.1) 83(13.6) 0.022 妇产科重症 2(1.4) 34(5.5) 0.037# 多发伤 6(4.2) 38(6.2) 0.366 其他 8(5.7) 34(5.5) 0.967 实验室检测指标 总胆红素[M(P25, P75), μmol/L] 19.70(11.70, 34.42) 17.90(11.10, 28.21) 0.171 血肌酐[M(P25, P75), μmol/L] 77.25(56.00, 118.00) 64.00(48.70, 88.50) ＜0.001 血红蛋白(x±s, g/L) 128.83±42.02 143.38±39.63 ＜0.001 白细胞减少*[n(%)] 8(5.6) 12(2.0) 0.014 APACHE Ⅱ：急性生理学和慢性健康状况评价Ⅱ；SOFA：序贯性器官衰竭评分；*ICU血常规检查白细胞计数低于4.0×109/L；#采用Fisher精确概率法 2.3 真菌检出阳性组与真菌检出阴性组患者入院后主要干预措施及ICU住院时间比较
真菌检出阳性组与真菌检出阴性组患者在中心静脉置管留置时间≥24 h、气管插管时间≥48 h、碳青霉烯类药物使用时间≥24 h、糖肽类药物使用时间≥24 h、头孢菌素类+β-内酰胺酶抑制剂药物使用时间≥24 h、糖肽类+碳青霉烯类药物使用时间≥24 h的比例及ICU住院时间方面存在显著性差异(P均＜0.05)。两组在其他主要治疗措施方面均无显著性差异(P均＞0.05)，见表 2。
表 2 真菌检出阳性组与真菌检出阴性组患者入院后主要干预措施及ICU住院时间比较指标 真菌检出阳性组(n=142) 真菌检出阴性组(n=613) P值 手术[n(%)] 腹腔手术 22(15.5) 115(18.8) 0.363 胸腔手术 5(3.5) 37(6.0) 0.239 颅脑手术 52(36.6) 232(37.9) 0.786 其他部位手术 5(3.5) 37(6.0) 0.239 未行手术 58(40.9) 192(31.3) 0.103 管路植入[n(%)] 中心静脉置管留置时间≥24 h 111(78.2) 405(66.1) 0.014 尿管植入时间≥48 h 134(94.4) 555(90.5) 0.146 气管插管时间≥48 h 109(76.8) 328(53.5) 0.000 住院期间抗生素使用情况[n(%)] 碳青霉烯类药物使用时间≥24 h 68(47.9) 112(18.3) 0.000 糖肽类药物使用时间≥24 h 52(36.6) 88(14.4) 0.000 头孢菌素类+β-内酰胺酶抑制剂药物使用时间≥24 h 75(52.8) 170(27.7) 0.000 青霉素类+β-内酰胺酶抑制剂药物使用时间≥24 h 72(50.7) 308(50.2) 0.921 喹诺酮类药物使用时间≥24 h 13(9.2) 39(6.4) 0.236 糖肽类+碳青霉烯类药物使用时间≥24 h 40(28.2) 52(8.5) 0.000 ICU住院时间[M(P25, P75), d] 9(4, 13) 6(3, 11) 0.000 2.4 真菌检出影响因素的多因素Logistic回归分析
以单因素分析差异有统计学意义的指标以及年龄(基于临床经验考虑)为自变量，真菌检出结果为因变量进行多因素Logistic回归分析。其中年龄、居住海拔、SOFA评分、血肌酐、血红蛋白、ICU住院时间为连续变量，经Box-Tidwell分析证实其与因变量的Logit转换值存在线性关系，故直接进入回归模型(未转换为分类变量)。同时考虑海拔的影响，将居住海拔分别以“m”“100 m”“500 m”为单位进入回归模型。结果显示，高SOFA评分、消化系统重症、气管插管时间≥48 h、碳青霉烯类药物使用时间≥24 h、头孢菌素类+β-内酰胺酶抑制剂类药物使用时间≥24 h、长ICU住院时间是成人重症患者真菌检出的独立危险因素，高居住地海拔、高血红蛋白水平是其保护因素，见表 3。
表 3 真菌检出影响因素的多因素Logistic回归分析结果指标 β值 SE Wald χ2 OR(95% CI) P值 年龄 0.005 0.007 0.417 1.005(0.990~1.019) 0.518 居住地海拔1 0.000 0.000 4.227 0.999(0.999~1.000) 0.040 居住地海拔2 -0.560 0.027 4.227 0.946(0.897~0.997) 0.040 居住地海拔3 -0.279 0.136 4.227 0.756(0.580~0.987) 0.040 SOFA评分 0.338 0.047 50.826 1.402(1.277~1.538) ＜0.001 合并疾病 糖尿病 0.748 0.480 2.431 2.113(0.825~5.413) 0.119 慢性阻塞性肺疾病 0.274 0.620 0.196 1.315(0.390~4.433) 0.658 慢性消化系统疾病 -0.096 0.300 0.102 0.909(0.505~1.634) 0.749 冠状动脉粥样硬化性心脏病 0.719 0.483 2.220 2.053(0.797~5.288) 0.136 住院原因 呼吸系统重症 0.384 0.369 1.087 1.469(0.713~3.025) 0.297 消化系统重症 0.983 0.307 10.270 2.671(1.465~4.872) 0.001 妇产科重症 -1.369 0.860 2.534 0.254(0.047~1.372) 0.111 入院时实验室检测指标 白细胞减少 0.940 0.594 2.499 2.559(0.798~8.204) 0.114 血肌酐 0.001 0.001 1.475 1.001(0.999~1.002) 0.225 血红蛋白 -0.006 0.003 5.412 0.994(0.988~0.999) 0.020 入院后主要治疗措施 中心静脉置管留置时间≥24 h 0.458 0.269 2.909 1.581(0.934~2.677) 0.088 气管插管时间≥48 h 0.979 0.256 14.609 2.661(1.611~4.397) 0.000 碳青霉烯类药物使用时间≥24 h 1.039 0.316 10.828 2.825(1.522~5.245) 0.001 糖肽类药物使用时间≥24 h 0.363 0.440 0.680 1.437(0.607~3.404) 0.410 头孢菌素类+β-内酰胺酶抑制剂药物使用时间≥24 h 0.985 0.238 17.105 2.678(1.679~4.272) 0.000 糖肽类+碳青霉烯类药物使用时间≥24 h 0.023 0.571 0.002 0.978(0.319~2.996) 0.969 ICU住院时间 0.042 0.016 7.031 1.043(1.011~1.076) 0.008 SOFA：同表 1；居住地海拔1：回归分析时以“m”为单位；居住地海拔2：回归分析时以“100 m”为单位；居住地海拔3：回归分析时以“500 m”为单位 3. 讨论
真菌在自然界分布广泛，且多数对人体无害，但少数侵袭性真菌具有致病性。随着广谱抗菌药物、免疫抑制剂的广泛应用，IFI逐渐引起临床关注。尤其ICU重症患者，免疫功能低、住院时间长、侵入性操作多、抗菌药物与免疫抑制剂应用时间长，更易合并真菌感染。与细菌感染相比，真菌感染具有治疗时间长、预后差的特点。以念珠菌感染为例，多项回顾性研究显示，念珠菌血症患者的死亡率为46%~75%，经研究人群匹配后，念珠菌血症死亡率亦可达10%~49%[8]。2020年《中国成人念珠菌病诊断与治疗专家共识》指出，侵袭性念珠菌病的致死率为40%~60%[9]，因此真菌感染不容忽视。本研究对西藏地区ICU成人重症患者送检标本真菌检出情况进行分析，结果显示755例患者中，142例(18.8%) 真菌检出阳性；进一步分析发现，真菌检出阳性的影响因素包括患者居住地海拔、SOFA评分、住院原因、实验室检测指标、气管插管时间、抗菌药物使用时间以及ICU住院时间等多个方面。
3.1 真菌检出情况及病原体分布
真菌对生长环境的温度(最适宜生存的温度为22 ℃~37 ℃)和湿度(最适宜生存的相对湿度为95%~100%)要求较高，耐紫外线、不耐热，其在不同地区间的分布存在明显差异[10-11]。西藏地区气候干燥、昼夜温差大、紫外线照射较强，不利于环境中常见病原微生物生存，以致该地区的真菌分布情况异于平原地区。随着我国西部地区经济快速发展、人群交流进一步频繁以及真菌检出技术不断进步，西藏地区临床工作中重症患者真菌检出阳性已不再罕见。但既往多数研究主要局限于海拔对微生物多样性的影响[12]，以及牲畜真菌感染相关疾病[13]，尚缺乏针对该地区重症患者这一特殊群体的报道。
本研究结果显示，755例成人重症患者中，真菌检出阳性率为18.8%，稍高于既往国内平原地区相关报道结果(5.47%~13.96%)[14-15]。可能原因：文献中均为真菌感染，而本研究仅为真菌检出情况，未对真菌感染与定植进行区分，以致真菌检出率增高。
念珠菌是常见的真菌，包括白色念珠菌、光滑念珠菌、热带念珠菌等，常引起机体深部真菌感染。孙艾丝等[16]对云南地区人类免疫缺陷病毒感染者/艾滋病患者深部真菌感染特征调查后发现，念珠菌感染最常见(占43.3%)。岳磊等[17]在广州医科大学附属脑科医院ICU患者深部真菌感染的调查中显示，真菌感染病原体以白色念珠菌(75.25%)为主，其次为光滑念珠菌(10.22%)、热带念珠菌(9.82%)、克柔念珠菌(1.77%)、近平滑念珠菌(1.57%)和丝状真菌(1.38%)。目前，尚未见西藏地区重症患者真菌检出病原体分布的相关报道。本研究结果显示，检出阳性的192株真菌中，念珠菌最常见(占95.3%)，与上述报道结果类似。但本研究检出阳性的念珠菌中，白色念珠菌具有绝对优势(占89.6%)，显著高于中国医院侵袭性真菌监测网相关数据(白色念珠菌检出率所占比例为44.9%)[9]，其原因尚不清楚。同时，本研究白色念珠菌检出株数位居西藏自治区人民医院重症医学科所有病原体检出数目第2位，仅次于肺炎克雷伯菌。假设真菌检出即为真菌感染，则与既往报道中念珠菌感染位居院内感染第4位的结果存在差异[1-2]，提示西藏地区医务工作者应重视重症患者念珠菌感染情况。此外，一项针对中国67家医院ICU患者的多中心、前瞻性、观察性研究结果表明，非白色念珠菌所致的感染占比高于白色念珠菌[18]。国外有研究显示，白色念珠菌引起的深部真菌感染发病率近年呈下降趋势[19]。但西藏地区检出真菌菌种分布的变化趋势尚需进一步观察。
有研究表明曲霉是引起深部真菌感染的第2常见病原体[20]，其中烟曲霉为最常见的致病菌。本研究共检出曲霉7株(3.7%)，其中烟曲霉3株、黑曲霉2株、黄曲霉2株，与平原地区研究结果不一致。可能原因：与曲霉的生存环境相关，其主要寄生于人体皮肤，而西藏地区气候干燥、昼夜温差大，不适合曲霉生存，以致曲霉检出率降低。本研究药敏试验结果显示，除克柔念珠菌对氟康唑天然耐药外，尚未发现其他耐药菌株，提示西藏地区成人重症患者检出的真菌尚未出现明显耐药性。但随着抗真菌药物的广泛应用，真菌流行病学特征正在发生改变，既往较少见的致病菌被报道的次数明显增多[21]，应警惕“超级真菌”的出现。
3.2 真菌检出的影响因素
本研究在真菌检出危险因素的分析中，除纳入常见的患者因素和主要治疗措施外，同时引入了患者居住地海拔和血红蛋白水平2项与西藏地区人群关系密切的指标。随海拔升高，氧含量降低，为适应低氧环境，高海拔地区生活人群的红细胞代谢相关指标明显升高。多因素Logistic回归分析在排除居住地海拔和血红蛋白共线性后，发现随着居住海拔增高，成人重症患者真菌检出风险降低，且居住地海拔相差越大，此种影响越明显。可能原因：海拔越高，越不适合真菌生存。随着血红蛋白水平增高，重症患者真菌检出风险亦降低，其原因尚不清楚。除此之外，本研究发现长ICU住院时间、消化系统重症、高SOFA评分、碳青霉烯类药物使用时间≥24 h、头孢菌素类+β-内酰胺酶抑制剂类药物使用时间≥24 h、气管插管时间≥48 h均为成人重症患者真菌检出的独立危险因素，可能原因：该类患者病情危重、住院时间长且侵入性操作多，同时抗菌药物广泛、长时间使用造成菌群失调，发生真菌感染及真菌检出的风险显著增加。
本研究局限性：(1)为单中心回顾性研究，研究对象均为西藏自治区人民医院重症医学科诊治的重症患者，其代表性需进一步验证；(2)未对不同部位标本的真菌检出情况进行比较，而不同部位感染的真菌流行病学因素可能不同。
综上，西藏地区成人重症患者真菌检出现象并非少见，白色念珠菌是检出的主要菌株。长ICU住院时间、气管插管≥48 h、消化系统重症、高SOFA评分、碳青霉烯类药物使用时间≥24 h、头孢菌素类+β-内酰胺酶抑制剂类药物使用时间≥24 h是真菌检出的独立危险因素，而高居住地海拔、高血红蛋白水平是其保护因素。除居住地海拔为环境因素外，其他影响因素均为患者个体因素及入院后医疗干预因素，而后者正是院感预防控制策略实施的着眼点。此外，西藏地区环境干燥，多数真菌难以生存，人体肠道可能是真菌最大的载体，对于住院的重症患者，肠内营养的给予及大便的科学管理可能是减少消化系统真菌检出、预防真菌感染的突破口。
作者贡献：高中山、任明、马玉兰进行研究构思与设计、可行性分析以及论文撰写与修订；高中山、朱露露进行标本、文献资料收集；马玉兰负责论文的质量控制及审校。利益声明：所有作者均声明不存在利益冲突 -
![]()
图 1 高海拔藏族冠心病患者和高海拔藏族健康人群肠道菌群多样性比较
A.稀疏曲线(Shannon指数)；B. α多样性(Shannon指数)；C. β多样性(主坐标分析)；HTN、HTC: 同表 1；PCoA: 主坐标分析
![]()
![]()
图 3 不同海拔、民族冠心病患者肠道菌群在门水平上的组成差异
A.肠道菌群优势菌门分布；B.Firmicutes和Bacteroidetes相对丰度比值；C~E.门水平肠道菌群组成差异；HTC、MHC、LHC: 同表 1；F/B: Firmicutes/Bacteroidetes
![]()
图 4 不同海拔、民族冠心病患者肠道菌群属水平分布和组成差异
A. 肠道菌群分布的LEfSe图；B.物种丰度热图示肠道菌群在属水平上的组成；HTC、MHC、LHC：同表 1
表 1 患者一般临床资料比较
指标 HTN(n=34) HTC(n=8) MHC(n=14) LHC(n=14) P值 年龄(x±s，岁) 52.4±6.5 57.6±9.7 58.4±12.1 54.9±8.3 0.130 男性[n(%)] 23(67.6) 5(62.5) 10(62.5) 10(71.4) 0.968 吸烟[n(%)] 8(23.5) 1(12.5) 8(57.1) 5(35.7) 0.084 体质量指数(x±s，kg/m2) 23.7±4.5 24.4±1.9 23.9±1.2 25.1±2.1 0.606 收缩压(x±s，mm Hg) 119.2±4.4 121.0±12.1 121.2±6.3 124.9±14.2 0.219 舒张压(x±s，mm Hg) 76.5±6.3 75.1±5.8 78.6±5.4 75.6±7.8 0.540 总胆固醇(x±s，mmol/L) 4.23±1.04 3.89±0.88 3.34±0.49* 3.30±0.89* 0.003 甘油三酯(x±s，mmol/L) 1.52±0.73 1.92±0.66 1.58±0.57 1.54±0.68 0.510 高密度脂蛋白胆固醇(x±s，mmol/L) 1.03±0.22 1.04±0.34 0.85±0.18 1.05±0.27 0.093 低密度脂蛋白胆固醇(x±s，mmol/L) 2.82±0.94 2.10±0.94* 1.97±0.56* 1.84±0.79* 0.001 HTC：高海拔藏族冠心病患者；HTN：高海拔藏族健康人群；MHC：中海拔汉族冠心病患者；LHC：低海拔汉族冠心病患者；*与HTN比较，差异具有统计学意义 
下载: 导出CSV
-
[1] Mingji C, Onakpoya IJ, Perera R, et al. Relationship between altitude and the prevalence of hypertension in Tibet: a systematic review[J]. Heart, 2015, 101: 1054-1060. DOI: 10.1136/heartjnl-2014-307158
[2] Faeh D, Gutzwiller F, Bopp M, et al. Lower mortality from coronary heart disease and stroke at higher altitudes in Switzerland[J]. Circulation, 2009, 120: 495-501. DOI: 10.1161/CIRCULATIONAHA.108.819250
[3] Fujimoto N, Matsubayashi K, Miyahara T, et al. The risk factors for ischemic heart disease in Tibetan highlanders[J]. Jpn Heart J, 1989, 30: 27-34. DOI: 10.1536/ihj.30.27
[4] 次仁罗布, 姜铁民, 金峰, 等. 西藏高海拔地区冠心病患者冠状动脉病变特点及其介入治疗疗效观察[J]. 世界最新医学信息文摘, 2018, 18: 13-18. https://www.cnki.com.cn/Article/CJFDTOTAL-WMIA201879006.htm [5] Tang WH, Kitai T, Kitai T, et al. Gut Microbiota in Cardiovascular Health and Disease[J]. Circ Res, 2017, 120: 1183-1196. DOI: 10.1161/CIRCRESAHA.117.309715
[6] Jia Z, Zhao X, Liu X, et al. Impacts of the Plateau Environment on the Gut Microbiota and Blood Clinical Indexes in Han and Tibetan Individuals[J]. mSystems, 2020, 5: 1-16.
[7] Caporaso JG, Kuczynski J, Stombaugh J, et al. QⅡME allows analysis of high-throughput community sequencing data[J]. Nat Methods, 2010, 7: 335-336. DOI: 10.1038/nmeth.f.303
[8] Magoč T, Salzberg SL. FLASH: fast length adjustment of short reads to improve genome assemblies[J]. Bioinformatics, 2011, 27: 2957-2963. DOI: 10.1093/bioinformatics/btr507
[9] Edgar RC, Haas BJ, Clemente JC, et al. UCHIME improves sensitivity and speed of chimera detection[J]. Bioinformatics, 2011, 27: 2194-2200. DOI: 10.1093/bioinformatics/btr381
[10] Edgar RC. Search and clustering orders of magnitude faster than BLAST. Bioinformatics[J]. Bioinformatics, 2010, 26: 2460-2461. DOI: 10.1093/bioinformatics/btq461
[11] Quast C, Pruesse E, Yilmaz P, et al. The SILVA ribosomal RNA gene database project: improved data processing and web-based tools[J]. Nucleic Acids Res, 2013, 41: 590-596.
[12] Gasmi A, Mujawdiya PK, Pivina L, et al. Relationship between gut microbiota, gut hyperpermeability, and obesity[J]. Curr Med Chem, 2020, 27: 1-13. DOI: 10.2174/092986732701200218105010
[13] 胡海兵, 崔立, 郭靓骅, 等. 基于高通量测序技术的冠心病患者肠道菌群多样性研究[J]. 上海交通大学学报(农业科学版), 2016, 34: 1-19. https://www.cnki.com.cn/Article/CJFDTOTAL-SHNX201602001.htm [14] Arseneault-Bréard J, Rondeau I, Gilbert K, et al. Combination of Lactobacillus helveticus R0052 and Bifidobacterium longum R0175 reduces post-myocardial infarction depression symptoms and restores intestinal permeability in a rat model[J]. Br J Nutr, 2012, 107: 1793-1799. DOI: 10.1017/S0007114511005137
[15] Lam V, Su J, Koprowski S, et al. Intestinal microbiota determine severity of myocardial infarction in rats[J]. FASEB J, 2012, 26: 1727-1735. DOI: 10.1096/fj.11-197921
[16] Ott SJ, El Mokhtari NE, Musfeldt M, et al. Detection of diverse bacterial signatures in atherosclerotic lesions of patients with coronary heart disease[J]. Circulation, 2006, 113: 929-937. DOI: 10.1161/CIRCULATIONAHA.105.579979
[17] Koren O, Spor A, Felin J, et al. Human oral, gut, and plaque microbiota in patients with atherosclerosis[J]. Proc Natl ACHD Sci USA, 2011, 108: 4592-4598. DOI: 10.1073/pnas.1011383107
[18] Wu P, Chen JN, Chen JJ, et al. Trimethylamine N-oxide promotes apoE-/- mice atherosclerosis by inducing vascular endothelial cell pyroptosis via the SDHB/ROS pathway[J]. J Cell Physiol, 2020, 235: 6582-6591. DOI: 10.1002/jcp.29518
[19] 朱华, 李卓, 苏磊, 等. 冠心病人源肠道菌群小鼠模型的建立及评价[J]. 中国实验动物学报, 2019, 27: 716-724. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGSD201906004.htm [20] Zhu LL, Ma ZJ, Ren M, et al. Distinct Features of Gut Microbiota in High-Altitude Tibetan and Middle-Altitude Han Hypertensive Patients[J]. Cardiol Res Pract, 2020, 2020: 1957843.
[21] Schneeberger M, Everard A, Gómez-Valadés AG, et al. Akkermansia muciniphila inversely correlates with the onset of inflammation, altered adipose tissue metabolism and metabolic disorders during obesity in mice[J]. Sci Rep, 2015, 5: 16643. DOI: 10.1038/srep16643
[22] Ma Y, Zhu L, Ma Z, et al. Distinguishing feature of gut microbiota in Tibetan highland coronary artery disease patients and its link with diet[J]. Sci Rep, 2021, 11: 18486. DOI: 10.1038/s41598-021-98075-9
[23] Courtney HS, Pownall HJ. The structure and function of serum opacity factor: a unique streptococcal virulence determinant that targets high-density lipoproteins[J]. J Biomed Biotechnol, 2010, 2010: 956071.
[24] Zhang B, Wang X, Xia R, et al. Gut microbiota in coronary artery disease: a friend or foe?[J]. Biosci Rep, 2020, 40: 1-11.
[25] Li J, Zhao F, Wang Y, et al. Gut microbiota dysbiosis contributes to the development of hypertension[J]. Microbiome, 2017, 5: 14. DOI: 10.1186/s40168-016-0222-x
[26] Zhang M, Zhou L, Wang Y, et al. Faecalibacterium prausnitzii produces butyrate to decrease c-Myc-related metabolism and Th17 differentiation by inhibiting histone deacetylase 3[J]. Int Immunol, 2019, 31: 499-514. DOI: 10.1093/intimm/dxz022
[27] De Vadder F, Kovatcheva-Datchary P, Zitoun C, et al. Microbiota-Produced Succinate Improves Glucose Homeostasis via Intestinal Gluconeogenesis[J]. Cell Metab, 2016, 24: 151-157. DOI: 10.1016/j.cmet.2016.06.013
[28] Kelly TN, Bazzano LA, Ajami NJ, et al. Gut Microbiome Associates With Lifetime Cardiovascular Disease Risk Profile Among Bogalusa Heart Study Participants[J]. Circ Res, 2016, 1198: 956-964.
[29] Park YE, Kim MS, Shim KW, et al. Effects of Lactobacillus plantarum Q180 on Postprandial Lipid Levels and Intestinal Environment: A Double-Blind, Randomized, Placebo-Controlled, Parallel Trial[J]. Nutrients, 2020, 12: 255. DOI: 10.3390/nu12010255
[30] Malik M, Suboc TM, Tyagi S, et al. Lactobacillus plantarum 299v Supplementation Improves Vascular Endothelial Function and Reduces Inflammatory Biomarkers in Men With Stable Coronary Artery Disease[J]. Circ Res, 2018, 123: 1091-1102. DOI: 10.1161/CIRCRESAHA.118.313565
[31] Gan XT, Ettinger G, Huang CX, et al. Probiotic administration attenuates myocardial hypertrophy and heart failure after myocardial infarction in the rat[J]. Circ Heart Fail, 2014, 7: 491-499. DOI: 10.1161/CIRCHEARTFAILURE.113.000978
[32] Liu H, Chen X, Hu X, et al. Alterations in the gut microbiome and metabolism with coronary artery disease severity[J]. Microbiome, 2019, 7: 68. DOI: 10.1186/s40168-019-0683-9
-
期刊类型引用(1)
1. 丁新华，朱利勇，章卉，史忠洋. 748例重症监护患者真菌检出情况及其影响因素分析. 实用预防医学. 2023(02): 233-236 . 
百度学术
其他类型引用(1)
计量
- 文章访问数: 616
- HTML全文浏览量: 122
- PDF下载量: 22
- 被引次数: 2
