牙周治疗中的菌血症阐明脓毒症的基础

牙周治疗中的菌血症以阐明脓毒症的基础 假说 在心血管疾病 (CVD) 和脓毒症的背景下，本研究假设 (1) 牙周病导致特定的 CVD 表型，在某种程度上可以通过治疗牙周病来逆转； (2) 非手术牙周治疗可用作评估可用于败血症临床的生物标志物的人体菌血症模型； (3) 内源性抗菌肽谱决定了菌血症的严重程度； (4) 来自口腔生物膜的蛋白酶可以影响由口腔细菌及其产物引起的菌血症的严重程度。

目标 A. 与未治疗组相比，治疗牙周病的长期临床和组学相关 CVD 表型效应是什么？ B. 生物标志物能否用于检测菌血症或既往菌血症？ C. 菌血症对心血管生物标志物的影响是否与个体的抗菌肽谱有关？ D. 细菌蛋白酶（如牙龈蛋白酶）的存在是否与牙周治疗引起的菌血症和菌血症引起的全身反应有关？ 项目描述 为了回答牙科椅和败血症重症监护室的临床问题，研究人员设计了菌血症研究。 目标 1 是一项干预研究，而目标 2 和 3 正在调查该关联的病理生理学基础。 在研究牙周治疗对 CVD 表型马尔默后代牙科研究 (MODS) 的长期影响时，尽管被告知患有牙周病但仍未寻求牙科护理的参与者将被邀请作为未治疗的对照。 主要结果变量将是每年总颈动脉斑块面积 (TPA) 的变化。

在目标 2 和 3 中，参数用于剖析菌血症的不同方面。 具有更严重菌血症（通过血液培养测量）的受试者与没有菌血症的受试者的 AMP 概况可能不同。 主要结果是与血培养阴性的人相比，菌血症期间和之后的 CVD 生物标志物浓度（血培养阳性）。

招募参与者是在瑞典隆德斯科讷牙科服务中心的牙周病科招募的。 纳入标准是患有牙周病——一个象限有 ≥ 2 颗牙齿，袋深度 (PD) > 5mm，并且在采集血样时将对这个象限进行治疗。 治疗是机械非手术牙周治疗。 排除标准是在牙周治疗中需要预防性抗生素的情况。

招募参与者人数 该研究将招募 100 名参与者以及未寻求牙周治疗的 MODS 参与者的复查。 不幸的是，关于牙周治疗中菌血症的现有文献差异很大 (13-75%)，因此难以进行有意义的功效计算。 调查人员已决定 100 名参与者，并已获得伦理审查机构的批准。

心血管表型分析 在基线以及 1 年和 2 年后，参与者在斯科讷大学医院 (Kliniska Forskningsenheten, KFE) 的临床研究部门接受心血管表型分析。 该项目中的心血管表型分析基于下文提到的几个亚临床参数，但最重要的是用于评估颈动脉斑块面积和稳定性的颈动脉超声。 Jönsson 副教授是调查牙周病与颈动脉总斑块面积之间关联的出版物的第一作者和 Olle Melander 的合著者。 该项目中的颈动脉成像由同一个人使用与 Jönsson 等人相同的设备执行。

• 两条颈动脉的颈动脉超声(GE logiq E9)。

• 存在颈动脉斑块。
• 颈动脉斑块数。
• 颈动脉斑块面积。
• 视觉帽。
• 狭窄程度。
• 颈动脉斑块的灰度介质 (GSM)。
• 统计几何特征 (SGF) - 斑块的斑点。 GSM和SGF（实际上是SGF/斑块面积或SGF/狭窄程度）是超声上斑块异质性的表达，与斑块面积的脂质、巨噬细胞和出血以及细胞因子表达相关。 GSM 给出了斑块中的整体回声，而 SGF 是一种描述斑块内灰度级分布的测量值。

项目中包含的心血管表型分析的其他参数：

• 血压——坐姿血压。
• BMI 和臀部/腰部测量值。
• 总胆固醇 (TC)、LDL-C 和 HDL-C。
• 空腹血糖 (FBG) 和 HbA1c。
• GWAS 用于与 CVD 相关的基因。 血培养和血液 16S 测序 在所有时间点抽血进行培养和血液 16S 测序分析。 为了培养研究中的抽血师，感染诊所的护士对如何抽血进行培养进行了培训——每个时间点 4 个血培养瓶——每只手臂上有一个厌氧菌和一个需氧菌。

将抽血并从 PBMC 中提取 DNA。 对于后续测序，16S 扩增子测序将与基于扩增子测序变体 (ASV) 的生物信息学管道一起使用，这会提高分辨率并允许通过物种分辨率识别更大比例的细菌。 然后将血液 16S 测序的结果与口腔生物膜的含量进行比较。

生物标志物生物标志物在这个项目中扮演着两个重要的角色——首先，它们是研究人员评估的菌血症的生物标志物，而血液细菌的测序也被认为是先前菌血症的生物标志物，如上所述。 其次，也许更重要的是，它们共同反映了系统性反应。 菌血症可引发败血症，但宿主反应才是导致该病症的原因。

对于分析，生物标志物分为立即送往医院实验室的生物标志物和研究人员在收集所有样本后分析的生物标志物。 立即分析的生物标志物是

• 降钙素原 (PCT)
• 高敏肌钙蛋白 T (hsTNT)
• 高敏 C 反应蛋白 (hs-CRP)
• N端脑利钠肽激素原（NT-proBNP）

在稍后阶段，调查人员还将分析：

• 中区肾上腺髓质素原 (MR-pro-ADM)
• C 端内皮素原 1 (CT-pro-ET-1)

当研究人员收集所有样本时，研究人员将利用多重方法检测新的生物标志物，例如 OLINK 蛋白质组学。

抗菌肽抗菌肽将根据该小组先前发表的工作，通过定量选​​择反应监测质谱法 (SRM-MS) 进行分析。

蛋白酶 蛋白酶，尤其是牙龈蛋白酶形式的牙龈卟啉单胞菌最近发表了一篇关于牙龈蛋白酶对阿尔茨海默氏病疾病进展影响的报道，引起了人们的关注。 具体而言，蛋白酶和牙龈蛋白酶将在 GCF 和血浆中进行分析。 由于之前的资助，研究人员与 Innovagen 合作，创造了抗牙龈蛋白酶抗体，将与马尔默大学的副教授 Bertil Kinnby 和 Claes Wickström 合作评估这些抗体。

统计目标 1 统计 - 干预试验方面将主要基于颈动脉总斑块面积 (TPA) 的变化。 TPA 的年度变化将首先在来自 MODS 的未治疗受试者中进行评估。 TPA 的变化将被视为线性回归中的因变量。 牙周治疗与未治疗对照将用作自变量。 其他自变量将是混杂因素，如年龄、吸烟状况、教育、药物、血压等。 然后，研究人员将继续使用与组学相关的生物标志物，例如 OLINK 蛋白，作为独立变量。

目标 2 统计数据——为了调查心血管生物标志物与菌血症之间的关联，研究人员将分别调查每个时间点（图 1）。 为了研究菌血症和 CVD 生物标志物之间的关联，阳性血培养/以前的血培养/菌落形成单位 (CFU) 将用作因变量，生物标志物将用作逻辑/线性回归中的自变量，并针对混杂因素进行调整。 将构建 ROC 曲线以测试各个时间点的菌血症生物标志物，以预测阳性血培养/先前的血培养。

目标 3 统计数据——为了评估 AMP 配置文件的影响，单个肽将包含在主成分分析 (PCA) 中。 将构建以生物标志物为因变量，以血培养和 PCA 因素为自变量的线性回归模型。

目标 4 统计 - 蛋白酶将作为独立变量包含在逻辑回归和线性回归模型中，血培养和生物标志物分别作为因变量。

在目标 3 和 4 中，将分别分析微生物组血液测序的结果与对生物标志物和血培养的影响。

意义 彻底调查 CVD 和牙周病之间关联的基础以及牙周病如何影响 CVD 的病程对于理解这种关联非常重要。 数十年来频繁发生的低度菌血症可能对心血管系统造成了更严重的损害，需要心脏病专家进行更个性化的关注。 这项研究阐明了心脏病专家应该寻找什么。

在脓毒症的背景下，当前的项目有可能通过更精确和更快地瞄准引发疾病的细菌，帮助更多的脓毒症患者在疾病中幸存下来。 一种比血培养对菌血症更敏感并允许快速分析的生物标志物将有助于缩短纠正抗生素的时间，这是缩短住院时间和减少败血症死亡的最重要因素。