早期経腸栄養中の重症患者におけるグルコース軌跡サブフェノタイプの開発と検証：後ろ向きコホート研究

ICUでの血糖変動が重要な理由

集中治療室で重篤な状態にある患者は、自力で食事を摂れないことが多く、経管栄養で液体の栄養を受けます。同時に、強いストレス状態にあるため血糖値が危険なほど高くなったり低くなったりしやすくなります。これらの変動は単なるモニター上の数値以上の意味があり、感染、入院期間の延長、さらには死亡リスクと関連しています。本研究は単純だが重要な問いを立てます：経管栄養開始時に患者は認識可能な血糖の変化パターンに従うのか、そしてそのパターンを早期に予測してより安全なケアに役立てられるか？

重症患者で見られる異なる血糖の軌跡

研究者らは、ある大病院のICUに入院し少なくとも2日間連続して経管栄養を受けた478人の成人の記録を遡及的に調べました。入院後最初の48時間は4時間ごとに血液ガス検査で血糖が測定されていました。個々の測定値を別々に扱うのではなく、研究チームは時間経過に伴う血糖の全体的な形をもとに患者をグループ化する統計手法を用いました。このアプローチにより、患者が単一の共通パターンに従うわけではないことが明らかになり、代わりに開始時の血糖値の高さとその後48時間の挙動を示す3つの異なる「軌跡」が現れました。

3つの血糖パターンのタイプ

第1の群は科学的には“軽度の安定した高血糖”と呼ばれ、やや高めの血糖で比較的安定していました。第2の群は中等度のレベルで始まり、2日間のうちに目立つピークに達しました。第3の群は明確に高い値で始まり、さらに上昇してから平坦化しました。これらの群は無作為ではありませんでした。高値かつピーキングする群の患者は糖尿病を持っている割合が高く、強力なインスリン治療を受けていることが多く、より重症を示す所見や特定の栄養剤の使用が多い傾向がありました。これは基礎疾患と治療の選択が、経管栄養開始時の血糖の挙動を形作ることを示唆しています。

血糖軌跡と生存の関連

研究ではまた、これら3つの血糖軌跡がICU入室後28日以内の生存とどのように関連するかを検討しました。年齢、全身的な重症度、糖尿病の既往やその他の医療因子を考慮に入れた上で、最も高度に上昇しピークを示す群は、軽度で安定した群と比べて28日以内の死亡リスクが明らかに高いことが分かりました。中等度のピーキング群はリスク増加が示唆されましたが、その確実性はやや低いものでした。これらの結果は、単一の高値だけでなく、時間に沿った血糖のパターン自体が患者の予後に重要な情報を与えることを支持します。

問題を早期に察知するための機械学習の活用

観察から実用への一歩として、研究チームはXGBoostとして知られる機械学習手法を用いてコンピュータモデルを構築しました。モデルには経管栄養開始時に通常利用可能な年齢、既往歴、検査値、重症度スコア、投薬（インスリンやステロイドを含む）などのルーチン情報を入力しました。モデルは新しい患者が3つの血糖軌跡のどれに属するかを予測することを学習しました。未使用のデータで評価したところ、群を識別する能力は良好で、予測と実際の経過との整合性も概ね高かった。最も影響力の大きかった入力項目にはインスリン使用の有無、糖尿病の有無、C反応性タンパクやインターロイキン-6などの炎症マーカーの値が含まれていました。

患者と介護者にとっての意義

家族や介護者にとっての要点は、ICUでの早期経管栄養がすべての患者の血糖に同じ影響を与えるわけではないということです。ある患者は比較的穏やかな軌跡をたどる一方で、他は鋭いピークを経験し、それが悪化した転帰と結びついています。これらの異なる軌跡を認識し、日常的に得られるデータからそれらを予測するツールを用いることで、臨床医は栄養計画やインスリン治療をより慎重に調整できる可能性があります。本研究はこれらのパターンに基づいて治療を変えることで生存率が改善することを証明するものではなく、単一施設で行われた研究である点は限界ですが、生の血糖値をより明確なリスク信号に変えて極めて脆弱な治療期の患者の安全性向上に役立てる道筋を示しています。

引用: Weng, C., Su, J., Wang, H. et al. Development and validation of glucose trajectory subphenotypes in critically ill patients on early enteral nutrition: a retrospective cohort study. Sci Rep 16, 15841 (2026). https://doi.org/10.1038/s41598-026-47083-8

キーワード: 重症疾患, 血糖, 経腸栄養, 集中治療, 機械学習