PAI-1-Genpolymorphismen beeinflussen das Outcome von Sepsispatienten durch Modulation der Neutrophilenaktivität

PAI-1-Genpolymorphismen beeinflussen das Outcome von Sepsispatienten durch Modulation der Neutrophilenaktivität

Sepsis bleibt eine kritische Herausforderung im Gesundheitswesen, die durch lebensbedrohliche Organdysfunktionen infolge einer dysregulierten Wirtsantwort auf Infektionen charakterisiert ist. Trotz Fortschritte im Management bleiben die Mortalitätsraten bei Sepsis hoch, insbesondere auf Intensivstationen (ICU). Neue Erkenntnisse unterstreichen die Rolle genetischer Faktoren bei der Modulation von Krankheitsverlauf und Outcomes. Plasminogen-Aktivator-Inhibitor-1 (PAI-1), ein Schlüsselregulator der Fibrinolyse und Entzündung, steht im Zusammenhang mit der Sepsis-Pathophysiologie. Diese Studie untersucht das Zusammenspiel zwischen PAI-1-Genpolymorphismen, Serum-PAI-1-Spiegeln, Neutrophilenaktivität und klinischen Outcomes bei Sepsispatienten und liefert Einblicke in potenzielle Biomarker und Therapieziele.

Studiendesign und Patienteneigenschaften

Eine retrospektive Analyse wurde an 181 Sepsispatienten (113 Männer, 68 Frauen; mittleres Alter 58,7 ± 10,7 Jahre) durchgeführt, die zwischen 2016 und 2018 in der ICU des Xinhua-Krankenhauses behandelt wurden. Patienten wurden gemäß Sepsis-3-Kriterien in Sepsis- (n = 137) und septischen Schockgruppen (n = 42) stratifiziert. Das primäre Outcome war die 28-Tage-Mortalität, die bei 32 Patienten (17,7 %) auftrat. Basisassessments umfassten APACHE-II- (14,44 ± 8,50) und SOFA-Scores (5,33 ± 3,29), Komorbiditäten (z. B. Hypertonie [40,9 %], Diabetes [29,3 %], chronische Herzinsuffizienz [18,2 %]) sowie Infektionsherde (respiratorisch [46,4 %], abdominal [36,6 %], urogenital [14,4 %]). Eine disseminierte intravasale Koagulation (DIC) wurde anhand der JAAM- und ISTH-Kriterien bewertet, mit initialen DIC-Scores von 2,17 ± 2,05 bzw. 2,44 ± 1,39.

Genetische Analyse und PAI-1-Polymorphismen

Der rs1799768-Single-Nukleotid-Polymorphismus (SNP) in der PAI-1-Promotorregion (4G/5G) wurde genotypisiert. Unter 177 erfolgreich analysierten Patienten betrug die Genotypverteilung 4G/4G (36,2 %), 4G/5G (43,5 %) und 5G/5G (20,3 %). Das 4G-Allel war mit höherer transkriptioneller Aktivität verglichen mit dem 5G-Allel assoziiert, das eine zusätzliche Repressor-Bindungsstelle aufweist. Serum-PAI-1-Spiegel (ELISA-gemessen) korrelierten signifikant mit dem Genotyp: Patienten mit 4G/4G- oder 4G/5G-Genotypen zeigten höhere PAI-1-Konzentrationen (OR = 2,49; 95 %-KI: 1,09–5,68) als 5G/5G-Träger. Ein Cut-off von 4.363 ng/ml differenzierte Hoch- (n = 75) und Niedrig-PAI-1-Gruppen (n = 106), wobei erstere eine Mortalitätsrate von 28 % vs. 10,4 % aufwiesen (P = 0,0017).

Neutrophilenaktivität und inflammatorische Biomarker

Der Neutrophilen-Lymphozyten-Ratio (NLR), ein Marker systemischer Entzündung, zeigte eine inverse Assoziation mit dem 5G/5G-Genotyp (OR = 0,96; 95 %-KI: 0,93–0,99). Der maximale NLR während des Krankenhausaufenthalts war bei 5G/5G-Patienten niedriger (17,28 ± 14,15 vs. 29,00 ± 23,87 bei 4G-Trägern). Die Serumchemokinanalyse ergogen erhöhte Spiegel von CXCL8 (IL-8), CCL2 (MCP-1), CCL3 (MIP-1α), CCL4 (MIP-1β) und CCL20 (MIP-3α) in Hoch-PAI-1-Patienten, was auf verstärkte Neutrophilenrekrutierung und -aktivierung hindeutet. Im Gegensatz dazu wiesen 5G/5G-Individuen reduzierte CCL5-Spiegel (RANTES; 1.604,6 ± 862,9 pg/ml vs. 2.167,6 ± 1.417,3 pg/ml; OR = 1,00; 95 %-KI: 1,00–1,00) auf, was eine genotypspezifische Modulation von Chemokinnetzwerken nahelegt.

Diabetes und PAI-1-Interaktionen

5G/5G-Patienten hatten eine höhere Diabetesprävalenz (52,8 % vs. 24,8 % bei 4G-Trägern; OR = 3,98; 95 %-KI: 1,66–9,49) und erhöhte HbA1c-Werte (8,04 ± 2,94 % vs. 6,64 ± 2,09 %; P < 0,05). Diese Subgruppe zeigte auch höhere APACHE-II-Scores (17,47 ± 8,70 vs. 13,75 ± 8,27), was auf einen schwereren Krankheitsverlauf hinweist. Dennoch unterschied sich das Mortalitätsrisiko nicht signifikant von 4G-Trägern (OR = 1,47; 95 %-KI: 0,59–3,62), möglicherweise aufgrund kompensatorischer Effekte durch reduzierte PAI-1-Aktivität.

DIC und Koagulationsdynamik

Hohe PAI-1-Spiegel korrelierten mit der DIC-Schwere (JAAM-Kriterien: OR = 2,62; 95 %-KI: 1,41–4,86; ISTH-Kriterien: OR = 2,97; 95 %-KI: 1,12–7,84). Erhöhtes PAI-1 beeinträchtigte die Fibrinolyse und förderte mikrovaskuläre Thrombosen und Organdysfunktionen. Patienten mit PAI-1 > 4.363 ng/ml hatten höhere maximale DIC-Scores (3,67 ± 2,23 vs. 2,54 ± 2,39; P < 0,05) und DIC-Entstehungsraten (52 % vs. 29,3 %; P = 0,003).

Überlebensanalyse und Mortalitätsprädiktoren

Eine multivariate logistische Regression identifizierte septischen Schock (OR = 41,60; 95 %-KI: 6,17–280,61) und erhöhtes PAI-1 (OR = 7,29; 95 %-KI: 1,12–47,60) als unabhängige Mortalitätsprädiktoren. Hoch-PAI-1-Patienten zeigten reduzierte CD3+- (356,7 ± 255,9 vs. 615,3 ± 341,4 Zellen/µl) und CD4+-T-Zellzahlen (192,8 ± 119,3 vs. 374,8 ± 232,5 Zellen/µl), was auf Immunsuppression hindeutet. Entzündungsmarker wie IL-6 (277,5 ± 377,6 vs. 113,0 ± 194,9 pg/ml) und CCL20 (261,3 ± 228,4 vs. 113,7 ± 172,3 pg/ml) waren bei Nicht-Überlebenden signifikant erhöht.

Mechanistische Einblicke

PAI-1s duale Rolle in Fibrinolyse und Entzündung erklärt seinen Einfluss auf die Sepsis. Durch Hemmung von Plasminogenaktivatoren (t-PA, u-PA) fördert PAI-1 Fibrinablagerungen und mikrovaskuläre Okklusionen, was die Organischämie verstärkt. Gleichzeitig verstärkt PAI-1 die TLR4-vermittelte Neutrophilenaktivierung und Chemokinproduktion (z. B. IL-8, CCL2), was Gewebeschäden perpetuiert. Die Assoziation des 4G-Allels mit höheren PAI-1-Spiegeln schafft ein prothrombotisches und proinflammatorisches Milieu, während der 5G/5G-Genotyp durch reduziertes PAI-1 einen relativen Schutz bieten könnte.

Klinische Implikationen

PAI-1-Genotypisierung könnte das Sepsisrisiko stratifizieren, insbesondere bei Diabetikern. Die gezielte Hemmung von PAI-1 könnte neutrophilengetriebene Entzündung und Koagulationsstörungen mildern. Therapeutische Strategien wie PAI-1-Inhibitoren oder Neutrophilenclearance-Verstärker könnten Hochrisikopatienten zugutekommen. Die Überwachung von NLR und Chemokinprofilen könnte das dynamische Risikomanagement unterstützen.

Limitationen und zukünftige Richtungen

Die retrospektive Design und Einzelzentrenkohorte begrenzen die Generalisierbarkeit. Größere prospektive Studien sind erforderlich, um die Interaktion zwischen PAI-1-Polymorphismen, Diabetes und Sepsis-Outcomes zu validieren. Mechanistische Studien zur direkten Wirkung von PAI-1 auf Neutrophilenfunktion und metabolische Signalwege sind notwendig.

doi.org/10.1097/CM9.0000000000002316

Schreibe einen Kommentar 0

Your email address will not be published. Required fields are marked *