高敏肌钙蛋白I 即时检测的诊断性能评价

背景：在全球范围内，越来越多患者因疑似心肌梗死到急诊科就诊。使用肌钙蛋白即时检测有可能更快对该高危人群做出决策，并减轻急诊机构的负担。在本文中，我们评估了一项高敏肌钙蛋白I即时检测的诊断性能。

方法：我们进行了一项前瞻性队列研究，包括从2013年7月至2016年7月因疑似心肌梗死到急诊科就诊的患者。以669例患者作为探索队列，建立了一个高敏肌钙蛋白I即时检测的诊断算法，并在另外610例患者中进行验证。

结果：该即时检测的推导0/1h法则包括：入院肌钙蛋白I＜4ng/L且0h至1h的δ＜3ng/L用于排除非ST段抬高心肌梗死，以及入院肌钙蛋白I≥90ng/L或0h至1h的δ≥20ng/L用于确诊非ST段抬高心肌梗死。在验证队列中的应用结果表明，阴性预测值为99.7%（95% CI, 98.1%-100.0%），48.0%的患者被排除，而阳性预测值为86.5%（95% CI, 77.6%-92.8%），14.6%的患者被确诊。该高敏即时检测与指南推荐使用的实验室的高敏肌钙蛋白检测的诊断性能可比性强。

结论：在临床上应用基于高敏肌钙蛋白I即时检测的0/1 h诊断法则是安全的，且其诊断性能可与基于实验室的高敏肌钙蛋白I检测相当。

疑似急性心肌梗死（AMI）的患者数量越来越多，给全世界的急诊科造成了负担。现行指南建议使用心脏肌钙蛋白（cTn）来诊断AMI。应用高敏心脏肌钙蛋白（hs-cTn）检测能够准确测量低肌钙蛋白浓度，从而诞生了用于分诊疑似AMI患者的“快速法则”。目前，欧洲心脏病学会（ESC）指南建议直接在入院时和入院1h后（0/1h）连续测量2次hs-cTn，以安全地排除（rule out）AMI并使患者快速出院，或确诊（rule in）AMI并为很大一部分患者提供快速的救命管理。

使用急诊科直接配备的、由医务人员在患者环境中进行操作的所谓即时（POC）肌钙蛋白检测系统，使小型医疗中心能够对疑似AMI患者分诊且无需依赖当地的中心实验室机构。另外，使用全血样本的POC检测由于减少了样本运输和制备所需的时间，可以缩短从采血到分析的时间。迄今为止，现代hs-Tn检测的高灵敏度只有在使用中心实验室配备的自动化分析仪时才能实现，这限制了hs-Tn在开设了现场临床化学科室的大型医疗中心的应用。同样，0/1h算法至今也未用于POC检测。将POC检测的优点（操作简便和周转时间短）与现代hs-Tn检测的高灵敏度和准确度相结合，可以改善急诊科对具有AMI表现的患者的管理。

在本研究中，我们评估了一项POC肌钙蛋白I检测（PATHFAST hs-cTnI, LSI Medience）。被测系统是一台34cm×57cm×48cm的台式设备，经美国食品药品监督管理局（US FDA）批准用于POC检测。

我们在疑似急性AMI患者中推导和验证了一个快速诊断算法，并比较了该POC检测与指南推荐使用的既定实验室hs-cTnI检测的性能。

— 方  法 —

1. 研究概念

我们先前发表了急性心脏护理的生物标志物（BACC）研究。简而言之，我们纳入了到汉堡大学心脏中心急诊科和胸痛专科就诊的患者。所有患者均是2013年7月至2016年7月连续登记的患者。入选标准为疑似AMI、年龄超过18岁、及能够提供知情同意书。BACC研究在www.clinicaltrials.gov网站做了登记，符合赫尔辛基宣言，并经过当地伦理委员会批准。关于诊断准确度的研究报告的STARD Checklist见在线数据补充（参见本文在线版本的附属数据补充中的表1，http://www.clinchem.org/content/vol65/issue12）。

金标准诊断。受过训练的医务人员在患者入院时收集了标准心电图。常规情况下，会在入院时和入院3h后使用当地的标准护理肌钙蛋白T检测（Elecsys® troponin T high-sensitive，Roche Diagnostics，hs-cTnT）测定肌钙蛋白。在入院时、入院后1h和入院后3h进行了研究指定的采血，并将样本处理后冷冻储存于-80℃供进一步分析。

按照第三版心肌梗死定义，最终诊断基于hs-cTnT结果和所有可用的临床和影像学结果、心电图和常规实验室检测。诊断非ST段抬高心肌梗死（NSTEMI），需要hs-cTnT浓度高于参考上限（14ng/L）1个单位且0h至3h的相对变化≥20%。所有患者病情的最终诊断均由2名受过训练的心脏病专家独立判定。如有意见分歧，则由第三名心脏病专家审核案例并作出诊断。为了评估12个月死亡率，通过电话、书面问卷、与全科医生面谈或审核病历等方式随访所有患者。当这些方法都不成功时，则会联系当地死亡登记处，查明所有死亡案例。

推导和验证队列。推导队列包括2013年7月至2014年12月参加BACC研究且具有入院时和入院后1h血样的患者。验证队列包括2015年1月至2016年7月入选研究且具有入院时和入院后1h血样的患者。我们通过进一步分析排除了ST段抬高心肌梗死（STEMI），因为STEMI主要由心电图发现，也不是基于生物标志物的诊断。总体来说，推导队列包括669例患者，而验证队列包括610例患者。分析纳入和排除的患者详情参见在线数据补充中的表2。

肌钙蛋白I测量。POC hs-cTnI测量使用储存于-80℃的等分EDTA血浆样本。在DIAneering实验室（德国海德堡）的PATHFAST免疫分析仪系统上使用 PATHFAST POC hs-cTnI检测完成测量。DIAneering实验室得出该POC hs-cTnI检测的以下分析数据：该检测的检出限（LoD）为2.9ng/L。该检测的不精密度分析如在线数据补充中的图1所示，在11.0ng/L的变异系数为10%。实验室评估该POC检测的方法学描述，包括健康参考人群的第99百分位值和高于LoD的可检测结果，参见在线数据补充中的表3。整个队列的第99百分位值为24.2ng/L（95% CI，17.6-27.4ng/L）；在女性中为21.1ng/L（95% CI，13.4-25.3ng/L），在男性中为27.0ng/L（95% CI，18.5-27.7ng/L）。

为了比较POC检测与既定hs-cTnI检测的结果，使用Abbott Architect hs-cTnI assay（Abbott Diagnostics，ARCHITECT i2000SR）测定了TnI，被称之为“基于实验室”（LB）的hs-cTnI。这些测量是在汉堡大学埃普多夫医院中心实验室的常规测量期间利用新鲜生物材料完成的。该检测的检出限（LoD）为1.9ng/L。在普通人群中的第99百分位值为27ng/L。

2. 统计数据

排除和确诊算法的推导。使用推导队列中669例患者的TnI结果，建立POC hs-cTnI检测的快速诊断算法。计算每个诊断算法的阴性预测值（NPV）、阳性预测值（PPV）、灵敏度、特异性以及所有患者中排除或确诊患者的百分比；检验了NSTEMI的1h排除和确诊算法。POC hs-cTnI结果必须低于基线临界值（X）和0h至1h的δ变化（Y），才能排除NSTEMI。检验了一系列的组合以使NPV达到99.5%以上，即排除的患者数量最多。为了获得排除NSTEMI的单一基线，在整个队列及已知症状出现超过3h的个体中仅用入院时的样本检验不断升高的基线临界值。排除NSTEMI的目标NPV是100%。

POC hs-cTnI结果必须高于或等于基线临界值（X）或0h至1h的δ变化必须高于或等于临界值（Y），才能确诊NSTEMI。目标最低PPV为75%，特异性＞95%。

对于每个排除和确诊算法，计算在随访12个月后发生死亡或MI的Kaplan-Meier估计量。

在推导队列中，39.0%患者的肌钙蛋白浓度低于POC hs-cTnI检测的 LoD，而20.5%患者的肌钙蛋白浓度低于LB hs-cTnI检测的LoD。

已建立快速算法的验证。将推导出的算法用于验证队列中的610例患者。同样，计算NPV、PPV、灵敏度、特异性以及所有患者中排除或确诊患者的百分比。

在验证队列中，41.5%患者的肌钙蛋白浓度低于POC hs-cTnI检测的LoD，而7.7%患者的肌钙蛋白浓度低于LB hs-cTnI检测的LoD。

POC hs-cTnI与LB hs-cTnI检测的诊断性能比较。将疑似AMI患者在入院时和入院后1h使用POC hs-cTnI与LB hs-cTnI测量的对数转换肌钙蛋白浓度绘制成散点图，包括Passing-Bablok拟合线。计算Pearson相关系数。利用具有两项检测结果的所有患者（验证和推导队列）。

生成非参数ROC曲线，并计算ROC曲线下面积（AUC），以评估POC hs-cTnI与LB hs-cTnI检测的0h和1h肌钙蛋白I结果用于鉴别诊断NSTEMI的能力。利用了推导和验证队列中具有两项检测各时间点结果的所有患者。

最后，利用具有两项检测各时间点结果的所有患者（验证和推导队列），直接比较POC hs-cTnI的已建立快速诊断算法与ESC指南推荐使用的LB hs-cTnI 0/1h算法的诊断性能。用 Kosinsky等人所述的方法检验了排除NPV和确诊PPV的相等性。为了评估依据两项检测的排除、观察和确诊分类进行的风险分层，利用Kaplan-Meier方法计算了12个月的全因死亡率。通过拟合Cox比例风险模型（检测指标（POC hs-cTnI或LB hs-cTnI）作为唯一预测指标）并使用校正后的方差估计值来说明相关观察结果，以此检验每个类别（排除、观察和确诊）的生存曲线的相等性。每例患者在该分析中被考虑了两次：一次是使用POC算法分类，一次是使用LB算法（ESC）分类。

使用R 3.5.1（R Foundation for Statistical Computing）执行所有分析。

— 结  果 —

1. 患者特征

总体来说，分析包括1279例患者：探索队列中669例患者年龄中位数是66岁；大多数患者为男性（64.1%），且传统的心血管风险因素呈典型分布（70.2%高血压、44.1%异常脂蛋白血症、15.2%糖尿病）。最终134例患者（20.0%）被诊断为NSTEMI。验证队列中610例患者具有相似特征：最终112例患者（18.4%）被诊断为NSTEMI。风险因素的分布与推导队列相似（表1）。

2. POC hs-cTnI检测快速诊断算法的推导和验证

利用0h和1h连续POC hs-cTnI浓度排除和确诊NSTEMI：算法推导。为了排除NSTEMI，检验了各种临界值组合。在入院POC hs-cTnI浓度＜4ng/L且0h至1h的δ＜3ng/L时，达到了目标NPV＞99.5%。NPV为99.7%（95% CI，98.2%-100.0%），灵敏度为99.3%（95% CI，95.9%-100.0%），45.4%的患者被排除（参见在线数据补充中的表4）。

为了确诊NSTEMI，检验了各种临界值组合。入院浓度≥90ng/L或0h至1h的δ≥20ng/L时，达到了目标PPV＞75%、特异性＞95%。根据这一算法，PPV为77.0%（95% CI，68.1%-84.4%），特异性为95.1%（95% CI，93.0%-96.8%），在所有患者中16.9%被确诊（参见在线数据补充中的表5）。

利用单一入院POC hs-cTnI结果立即排除NSTEMI：算法推导。使用单一POC hs-cTnI测量结果时，采用近似或低于检测 LoD的临界值未能达到目标NPV 100%。入院时，hs-cTnI浓度＜3ng/L显示NPV 98.1%（95% CI，96.1%-99.4%），灵敏度96.3%（95% CI，91.5%-98.8%）。39.3%的患者被排除NSTEMI（参见在线数据补充中的表6）。当仅对症状出现＞3h的患者进行分析时，近似 LoD（＜3ng/L）的临界值显示NPV 100%（95% CI，97.6%-100%），灵敏度100%（95% CI，95.7%-100.0%），36%的患者被排除（参见在线数据补充中的表7）。

排除和确诊算法的验证。推导出的0/1h算法，即入院临界值＜4ng/L且0h至1h的δ＜3ng/L，在应用于验证队列时显示出高度相似的性能：NPV为99.7%（95% CI，98.1%-100.0%），灵敏度为99.1%（95% CI，95.1%-100.0%），48.0%的患者被排除。对于验证队列中症状出现超过3h的患者，采用入院POC hs-cTnI结果（临界值＜3ng/L）进行立即排除，显示NPV为100%（95% CI，97.7%-100.0%），灵敏度为100%（95% CI，95.5%-100.0%），38.3%的患者被排除（表2）。

推导出的确诊算法，即入院浓度≥90ng/L或0h至1h的δ≥20ng/L，用于验证队列后显示PPV为86.5%（95% CI，77.6%-92.8%），特异性为97.6%（95% CI，95.8%-98.7%），14.6%的患者被确诊（表2）。

3. POC hs-cTnI与LB hs-cTnI的比较

两项hs-cTnI检测的相关性和鉴别作用。POC和LB hs-cTnI检测测定的TnI结果的Pearson相关系数r在0h和1h分别为0.96和0.93（参见在线数据补充中的图2）。

ROC分析显示两项TnI检测对NSTEMI诊断的鉴别作用相等。POC hs-cTnI与LB hs-cTnI的0h AUC分别为0.91（95% CI，0.89-0.93）和0.90（95% CI，0.87-0.92）。1h后，两者的AUC值增加到 0.94（95% CI，0.93-0.96）和0.94（95% CI，0.92-0.96）（图1）。

ESC 0/1h算法与推导的POC hs-cTnI 0/1h算法的比较。POC hs-cTnI与指南推荐使用的LB hs-cTnI在排除NSTEMI诊断方面的性能相当。在已知症状出现≥3h的患者中，入院时采用近似检测特定LoD的临界值显示NPV为100%，但POC hs-cTnI和LB hs-cTnI分别排除了37.2%和14.3%的患者。使用建立的POC hs-cTnI 1-h算法显示NPV为99.7%，47.2%的患者被排除；使用指南推荐的ESC算法（LBhs-cTnI）显示NPV为99.3%，33.7%的患者被排除。两者的NPV差异不显著（P=0.28）（表3）。

在确诊NSTEMI方面，POC hs-cTnI 0/1h算法的PPV高于ESC 0/1h算法（80.1% vs 65.4%，P=0.001）；但是，确诊的患者数量较少（15.6%vs24.4%）（表3）。在女性和男性中分别应用POC hs-cTnI 0/1h算法，结果显示在两性中的诊断性能相等：在女性中NPV为99.6%，53%女性被排除；在男性中NPV为99.7%，43.6%男性被排除。在女性中PPV为78.4%，16.6%女性被确诊；在男性中PPV为81.2%，15.1%男性被确诊（参见在线数据补充中的表8）。

预后评估。在POC hs-cTnI 0/1h算法或ESC 0/1h算法排除的患者中未发现显著的12个月全因死亡率差异（P=0.09）。同样，在两项检测确诊的患者中也未发现显著的12个月死亡率差异（P=0.57）。对于1h后既未被排除也未被确诊、被归类为观察区的患者，按照POC hs-cTnI算法得出的12个月死亡率更高（P=0.02）（图2）。每组的绝对死亡数和死亡率参见在线数据补充中的表9。

— 讨  论 —

本研究评估了POC hs-cTnI检测的诊断性能。对于该POC hsTnI检测，我们推导出了一个排除和确诊NSTEMI的快速诊断算法。其次，我们验证了这个算法。最后，经过与指南推荐使用的LB hs-cTnI检测相比较，结果发现两种诊断策略的性能相似。

类似于ESC指南提出的既定hs-cTnI检测快速诊断算法，我们在669例患者中推导出了针对POC hs-cTnI检测的算法。为了排除NSTEMI，我们利用入院和1h后的连续测量，计算了多种临界值组合。按照预定标准，我们选择了入院浓度＜4ng/L且δ＜3ng/L作为临界值。在第二个验证队列中检验这一算法再次获得了优异的性能，NPV为99.7%、48.0%的患者被排除。为了确诊NSTEMI，我们选择了入院浓度≥90ng/L或0h至1h的δ≥20ng/L作为临界值。同样，将该算法应用到验证队列中后，其诊断性能与推导队列高度可比，PPV为86.5%、特异性为97.6%、14.6%的患者被确诊。该结果表明我们的发现是可信的，利用入院1h后2次连续POC hs-cTnI测量对60%以上的患者进行分诊似乎是可行的。

同时利用既定的hs-Tn检测，在症状出现至少3h的患者中检验入院浓度＜3ng/L的单一肌钙蛋白临界值（近似检测的LoD 2.9ng/L），结果显示NPV为100%。因而，如果症状出现时间是可靠的（在临床常规情况下具有挑战性），POC hs-cTnI检测甚至能够立即排除NSTEMI。

比较POC hs-cTnI与既定LBhs-cTnI检测发现两者的诊断性能相似。在ROC分析中，两项检测显示完全相同的AUC值，且两项检测在排除诊断时具有相似的高NPV（POC hs-cTnI 99.7% vs LB hs-cTnI 99.3%，P=0.28）。在确诊NSTEMI时，POChs-cTnI算法的PPV更高（POC hs-cTnI 80.1% vs LB hs-cTnI 65.4%，P=0.001）；但是，它确诊的患者数量较少。两项检测判定位于观察区的患者比例相当（POC算法37.2%与LB 0/1h ESC算法41.9%）。与先前的报告一致，这些患者未来发生致命事件的风险较高，因此可能需要仔细检查，包括附加肌钙蛋白检测和影像学检测，以积极影响他们的预后。有趣的是，将POC hs-cTnI算法分别用于两性时，诊断性能相似。

此外，在我们的数据集中，按照0/1 h ESC算法执行LB hs-cTnI检测的性能与近期发表的在3500例患者中验证ESC算法的结果一致。重要的是，POC与ESC算法排除的患者的12个月死亡率没有显著差异。

迄今为止，POC肌钙蛋白检测与LB检测相比的可能优势，比如周转时间短、无需现场中心实验室、无需样本运输，被可用POC检测系统的低灵敏度抵消了。我们的数据表明，PATHFAST POC hs-cTnI在疑似AMI患者中具有良好诊断性能，而且在我们对健康个体的分析中，它符合高灵敏度标准。在近期发表的一项报告中，Pickering等人描述了其他的新型POCTnI检测（I-Stat TnI-Nx; Abbott Point of Care）。与我们的结果相似，作者们表示仅使用入院时的单一 TnI测定值可能足以排除AMI。然而，在Pickering等人的研究中，纳入的患者数量较少，尤其是症状出现时间较短的患者数量。此外，未描述该检测在健康参考人群中的性能。因而，我们的数据是对 Pickering等人发现的补充和延伸。但是，两项研究均表明POC技术在过去几年中有所改进，并克服了先前检测的局限性，能够应用于快速诊断方案中。

我们的研究具有一些优势和局限性。BACC研究是一项单中心研究；然而，它是一个当代队列，患者特征与诊断多中心研究相似。基于hs-cTnT检测的高度标准化的最终诊断判定使其成为检验高敏肌钙蛋白检测诊断性能的有效队列。推导和验证队列之间结果的高度一致性突出了研究结果的稳健性，以及推导算法在临床中的适用性。但是，需要承认的是推导和验证队列都是BACC研究的一部分。因此，我们无法排除招募偏移（bias）。由于样本量问题，该算法的预后意义有限。另外，预测价值受验前概率影响。应在具有不同MI发病率的临床背景下验证我们的结果。此外，在我们的分析中，POC hs-cTnI测量是在实验室环境中利用冷冻EDTA血浆完成的。因为该POC检测的预期临床用途包含全血样本类型，所以需要在新鲜全血样本中验证我们的结果。该验证非常重要，因为我们的数据表明在快速算法中应用POC检测时，需要非常低的肌钙蛋白临界值才能达到高NPV。然而，在临床背景下使用新鲜样本时，该检测在这些肌钙蛋白浓度下的准确度可能更低。

总而言之，我们针对一项 POC hs-cTnI检测推导出了一个快速诊断算法并对算法进行了验证。该检测的诊断性能与指南推荐使用的既定LB hs-cTnT检测相当。

摘自《Clinical Chemistry》

编译：王小茜

审校：李卫东