研究文章

烧伤、溃疡及手部重建中延迟愈合的早期数字与炎症标志物：一项前瞻性队列研究

19 次观看

⸱

2026年9月11日

 ,  ,  , 
1Department of Burn and Plastic Surgery, General Hospital of Northern Theater Command, 2Second Surgery Department, Liaoning Provincial Corps Hospital of Chinese People's Armed Police Force

本文内容

摘要

这项前瞻性队列研究评估了烧伤、慢性溃疡和手部重建伤口的数字伤口特征、热成像及局部炎症标志物。多模态模型显示出适度的内部验证区分能力，相较于临床评估并无显著提升，仅支持探索性风险分层，且在临床应用前需进行外部验证。

摘要

烧伤、慢性溃疡和手部软组织重建伤口的延迟愈合评估方法各不相同，但这些患者通常由同一伤口治疗团队管理。本项前瞻性单中心队列研究评估了标准化的数字伤口特征、热成像和局部炎症标志物是否能够增强对这三类伤口早期延迟愈合风险的预测能力。研究纳入2024年1月1日至2025年12月31日期间成年患者，采集基线伤口照片、热成像图像及伤口液体样本。延迟愈合根据预先设定的伤口类型特异性标准进行定义。构建了包含临床因素、数字特征、炎症标志物、基线综合模型以及第7天更新模型的多种预测模型，所有模型均强制纳入伤口类型变量，并通过1000次自助法抽样进行内部验证。共纳入168例患者（烧伤57例，慢性溃疡70例，手部软组织重建伤口41例），其中59例（35.1%）符合延迟愈合标准。延迟愈合伤口更深，腐肉和坏死组织更多，渗出评分更高，伤口与参照区域温差更大，白细胞介素-6（IL-6）浓度更高；其他多项差异则不够明确。临床模型、基线综合模型和早期更新模型的表观AUC分别为0.691、0.717和0.715；经乐观偏倚校正后的AUC分别为0.632、0.660和0.649。基线综合模型相较于临床模型并未显著提升判别能力（ΔAUC 0.026；DeLong p = 0.400），加入第7天面积缩小情况后亦未改善基线综合模型表现（ΔAUC -0.002；p = 0.662）。因此，这些模型显示出有限的内部验证性能，尚不具备临床应用准备条件。目前，它们主要作为早期风险分层的假设生成框架。在实际应用前，仍需进行独立的外部验证和前瞻性影响评估。

引言

延迟愈合的伤口在烧伤、慢性溃疡以及术后软组织重建中仍然是一个临床难题。这些情况在病因和预期愈合时间上各不相同，但三级伤口诊疗服务通常需要在早期做出相同的决策：哪些伤口需要更密切的监测、更早的专科评估或升级评估。烧伤可能需要及时清创或植皮1,2，慢性溃疡则反映了灌注、压力、神经病变、感染和代谢因素之间的相互作用3,4，而重建手术后的伤口可能因裂开、感染或皮瓣/移植物受损而失败。只有在明确保留伤口类型并评估其异质性而非忽略其差异的情况下，统一的预测模型才具有临床相关性。

慢性溃疡呈现出一个不同但同样棘手的问题。这些伤口常常由于灌注受损、感染、神经病变、压力、水肿、代谢性疾病或局部过度炎症而持续不愈。大规模的慢性伤口建模研究表明，伤口层面的因素，如面积、深度、持续时间、部位和病因，对愈合预测具有重要影响3。在糖尿病足溃疡中，早期伤口面积的百分比变化已被证明可预测后续的完全愈合情况，其中4周时的面积缩小程度可作为识别仅靠标准治疗难以愈合伤口的实用基准4。然而，等待数周以判断伤口是否有所反应，对于存在高感染风险、组织丢失或重建失败风险的伤口而言，可能过于缓慢。

数字化伤口评估为早期评估提供了更客观的方法。标准化的伤口摄影和校准后的平面测量法在量化伤口面积和表面变化方面，比单纯的视觉估计更为一致5。基于图像的测量还可提取额外的伤口床特征，包括腐肉百分比、坏死组织、红斑、渗出物相关表现以及纹理异质性。基于智能手机和ImageJ的数字化测量方法 increasingly 被评估为在临床及接近临床环境中进行伤口面积评估的实用工具6。然而，目前大多数常规伤口评估仍仅依赖面积缩小情况，可能遗漏在愈合延迟之前即已出现的早期组织质量变化。

热成像为伤口评估提供了另一种无创的维度。局部温度变化可能反映炎症活动、灌注改变、细菌负荷或组织应激，具体取决于伤口类型和发生时间。已有研究探索利用热纹理分析来预测静脉性腿部溃疡的愈合轨迹，提示热异质性可能包含超出伤口大小的预后信息7。近期综述也指出，即时热成像作为伤口监测的辅助手段具有前景，尤其是在结合临床表现和影像学特征进行解读时，而非作为独立的诊断检测手段8。对于异质性伤口人群，热评估因此可能有助于捕捉在常规照片中不可见的生理信号。

尽管病因不同，但三种伤口类型在修复过程中均存在可量化的共同环节：组织负荷、炎症激活、基质更新、局部灌注以及伤口面积的早期变化。伤口渗出液中的细胞因子可反映局部组织反应9,10，而基质金属蛋白酶-9（MMP-9）可反映蛋白酶活性及细胞外基质的降解情况，并已发现与糖尿病足溃疡愈合不良相关11。这些共有的生物学过程为采用统一模型进行研究提供了生物学依据，但并不能证明各类型伤口之间的预测因子效应完全相同。

大多数已发表的研究集中于单一伤口类型或单一测量领域，而混合型伤口诊所则使用共用的成像设备和标准化的评估流程。因此，采用整合模型可能减少工作流程的碎片化，但其临床价值取决于模型设定的透明度、内部验证、校准以及明确的亚组评估。12伤口类型特异性的结果和相互作用分析是必要的保障措施，因为不同伤口的愈合时间不可互换。

尽管组织修复具有共同的生理过程，但在常规临床环境中，针对不同伤口人群的多模态评估整合仍存在空白。我们假设，一种新型的汇总模型——通过结合早期临床、数字化、热成像及炎症特征并根据伤口类型进行调整——相较于仅依赖标准临床评估的方法，能够更有效地实现对愈合延迟的早期预测，同时明确保留病因学异质性。因此，本研究的主要目标是评估这些早期特征与延迟愈合之间的关联，并比较预先设定的临床模型与多模态模型。分析还进一步评估了各伤口类别内的模型表现、伤口类型与预测因子之间的交互作用，以及模型对基线后治疗暴露的敏感性。鉴于本研究采用单中心开发设计，所有性能估计均被视为探索性结果，并仅进行内部验证，尚不具备直接应用条件。若经外部验证，该框架最终可能通过识别高风险伤口以实现早期专科干预，并优化混合伤口服务中的资源分配，从而影响临床决策。

方案

本研究在启动前已通过北部战区总医院伦理委员会审查和批准（批准编号 Y(2023)455；批准日期 2023 年 11 月 11 日）。由于本研究为严格观察性且非干预性研究，伦理委员会豁免了书面知情同意的要求。临床记录、伤口照片、热成像图像、伤口液或拭子标本以及生物标志物数据均去标识化，并以唯一的研究编号进行编码；重新识别密钥单独保存，仅授权的研究人员可访问。所用全部试剂、设备、热成像相机型号及软件名称/版本/RRID 均列于材料表中。

研究设计与研究环境

本项前瞻性观察性队列研究于2024年1月1日至2025年12月31日期间，在一家三级教学医院的烧伤与整形外科及手外科单元开展。在首次创面评估时或术后48小时内，连续筛查患有烧伤创面、慢性溃疡或手部软组织重建创面的成年患者。报告遵循《加强流行病学中观察性研究报告规范》（STROBE）的建议13。筛查、入组、基线评估、随访及分析流程见图1。

在2024年1月1日至2025年12月31日期间，共筛查了196名患有烧伤创面、慢性溃疡或手部软组织重建创面的患者。排除28名患者后（其中12名不符合纳入标准，6名缺乏完整的基线影像资料，5名无可用的液体或拭子样本，5名拒绝随访），最终纳入168名患者，并将其分类为烧伤创面、慢性溃疡或手部软组织重建创面。所有纳入患者均接受基线标准化创面摄影、热成像及创面液体生物标志物采样，随后在第7天、第14天、第21天、第28天/第4周以及第12周进行计划内的评估。最终根据愈合情况将患者分为及时愈合组和延迟愈合组进行分析，延迟愈合的广义定义为未达到特定创面类型的闭合里程碑，或需要非计划性外科干预。

参与者

纳入患者的年龄范围为18至85岁，须存在一个临床上可识别的目标伤口且具有可测量的创面床，并预计能够完成至少4周的随访。研究包含三类伤口：烧伤创面、慢性溃疡和手部软组织重建创面。这些生物学上不同病因的伤口被合并分析，以反映混合性伤口三级诊疗服务的实际运行情况，并捕捉组织修复过程中共有的可测量指标；同时通过预先设定的亚组分析和交互作用分析明确处理病因异质性问题（详见统计分析部分）。烧伤创面包括浅表部分皮层厚度、深层部分皮层厚度和全层皮肤烧伤，根据临床需要采取保守敷料治疗、分期清创或植皮处理。慢性溃疡包括糖尿病足溃疡、静脉性下肢溃疡、压力性溃疡以及持续超过4周未愈合的创伤性溃疡。手部软组织重建创面包括局部皮瓣修复后创面、皮肤移植后创面、肌腱暴露创面的覆盖以及软组织缺损重建后的创面。

如果患者存在恶性伤口、活动性系统性自身免疫性疾病、在过去30天内接受过全身性皮质类固醇或免疫抑制治疗、在过去3个月内接受过化疗、患有需要紧急血运重建的严重外周动脉疾病、基线伤口影像不完整、无法获取伤口液体或伤口拭子样本，或在首次结局评估前失访，则被排除在外。

对于有多个伤口的患者，在基线成像前选择一个目标伤口。目标伤口定义为面积最大、组织受累最深或临床上对愈合延迟最为关注的伤口。在整个研究过程中均追踪同一个目标伤口。

研究时间线与评估时间安排

基线评估定义为T0。对于烧伤和慢性溃疡患者，T0为入组后首次标准化伤口评估时间点。对于手部软组织重建患者，T0定义为术后第1至第3天，在可行的情况下，于常规换药前进行。

在第7天±2天、第14天±3天、第21天±2天（用于评估烧伤上皮化）、第28天±5天以及第12周±7天进行随访评估。在第21天评估烧伤创面的上皮化情况。在第4周评估慢性溃疡的早期面积缩小情况，并在第12周评估其完全愈合情况。手部重建创面在术后第28天评估其稳定闭合、伤口裂开、皮瓣或移植物受损、感染以及是否需要计划外再次手术等情况。固定的评估时间表见Table 1。

标准化伤口摄影与数字化伤口测量

使用配备4800万像素主摄像头的商用智能手机拍摄伤口照片，手机位置位于伤口平面正上方约30 cm处，且与伤口平面垂直。在无菌区域外的伤口平面上放置一根2 cm的无菌一次性尺子和一张颜色校准卡。关闭闪光灯，采用固定的临床照明，图像分辨率至少为3024像素 × 4032像素。若图像出现运动模糊、伤口边界不完整、反光过强、缺少尺子或颜色校准卡，或拍摄角度大于约15°，则需在敷料覆盖前重新拍摄。

使用开源图像分析软件进行图像预处理。将图像旋转至统一方向，裁剪至目标伤口及周围参考皮肤区域，并利用2 cm标尺进行比例缩放。在组织分割前，使用色卡的中性色块对颜色进行归一化。通过标尺、伤口边缘解剖标志以及保存的多边形掩膜，对各次随访中的图像感兴趣区域进行对齐。由两名经过培训且对愈合状态设盲的评估人员独立勾画伤口边界。若面积估算值差异超过10%，则由第三名评估人员重复测量，并采用两个最接近估算值的平均值14。基线数字特征包括伤口面积、周长、圆形度、腐肉百分比、坏死组织百分比、红斑指数、渗出液评分和纹理熵。在颜色归一化后，使用图像分析软件中的色调–饱和度–亮度（Hue–Saturation–Brightness）颜色阈值工具对腐肉和坏死组织进行分割。根据标准化操作规程，由两名经过培训且设盲的评估人员针对每幅图像交互式优化阈值，以在归一化的真彩色图像上达成视觉共识作为最终接受标准。随后手动校正敷料残留、血渍、镜面反光及非伤口像素。所有编辑均保存在软件的感兴趣区域集合中。纹理熵通过软件内的灰度共生矩阵插件，基于灰度图像计算获得，像素距离设为1，方向分别为0°、45°、90°和135°，最终取四个方向的平均值。

第7天的伤口面积缩小率按如下公式计算：

第7天面积减少率公式、百分比计算方法、科学数据分析 (1)

负值表示伤口扩大。基线伤口面积的可靠性采用组内相关系数 [ICC(2,1)] 进行评估，该方法为双向随机效应、绝对一致性模型，并结合个体水平的自助法 95% 置信区间。

热成像与温度衍生特征

使用与智能手机兼容的商用红外热成像相机连接同一部智能手机采集热成像图像。皮肤表面成像时，发射率设定固定为0.98。每次成像前，根据制造商提供的自动校准程序对设备进行校准。伤口暴露于室温空气中5分钟后进行图像采集。实验环境温度维持在22–25 °C，相对湿度维持在40–60%。成像前15分钟内未进行伤口清洁、冲洗、局部抗菌药物应用或清创处理。

记录了三个区域：创面床、创缘周围1 cm内的周围皮肤，以及对侧或邻近的完整参考皮肤。主要的热变量为创面-参考温度差，通过从创面床感兴趣区域的平均像素温度中减去完整参考皮肤感兴趣区域的平均像素温度计算得出。预先规定温度差≥2.0 °C为高温风险模式。由于温度对炎症、灌注、环境及近期操作均敏感，因此将红外热成像视为一种辅助手段7,8。

采用标准的开源编程语言和计算机视觉库提取热成像纹理熵。将热成像帧裁剪至与照片相同的视野范围；利用伤口边缘标志点和相机叠加图像对伤口掩膜进行配准，并在提取前进行目视检查。伤口区域内的像素强度被归一化至完整皮肤参考区域。未能通过对焦、视野范围、稳定性或配准检查的热成像帧将被重复采集或排除。热成像纹理分析为探索性分析7。

伤口液及局部炎症标志物采集

在T0时间点，于清创、冲洗、清创术或局部用药前采集局部炎症样本。当伤口渗出液充足时，使用无菌人造丝拭子轻轻放置在伤口床表面30秒（不引起出血）收集伤口液。对于相对干燥的伤口，先用200 µL无菌生理盐水湿润伤口床，然后等待60秒后采集拭子。每根拭子放入含有0.05%吐温-20的1.0 mL磷酸盐缓冲液中，涡旋振荡60秒，随后在4 °C条件下以3,000 × g离心10分钟。将上清液分装后储存在−80 °C。样本在检测前仅允许解冻一次。

局部炎症因子检测 panel 包括白细胞介素-6（IL-6）、白细胞介素-8（IL-8/CXCL8）、肿瘤坏死因子-α（TNF-α）和基质金属蛋白酶-9（MMP-9）。所有生物标志物均采用市售的酶联免疫吸附测定（ELISA）试剂盒进行检测。实验操作严格按照试剂盒制造商的说明书进行。具体而言，一抗孵育在室温（20–25 °C）下进行，持续 2 小时。标准曲线范围和最低检测限分别为：IL-6 为 3.1–300 pg/mL 和 0.7 pg/mL；IL-8/CXCL8 为 1.5 pg/mL 和 7.5 pg/mL；TNF-α 为 0.5 pg/mL 和 5.5 pg/mL；MMP-9 为 31.2 pg/mL 和 2,000 pg/mL。每个样本均设复孔检测，当变异系数超过 15% 时需重复实验。细胞因子浓度以 pg/mL 表示，MMP-9 以 ng/mL 表示。采用标准化的伤口拭子方法对局部微环境进行表征15。

采用二辛可宁酸蛋白测定法测定每份伤口液洗脱液中的总蛋白浓度。主要分析使用标志物的绝对浓度。敏感性分析则使用经总蛋白浓度标准化后的生物标志物浓度，以减少渗出液稀释的影响。

在临床条件允许时，于T0时间点采集外周血样本，用于白细胞（WBC）计数、C反应蛋白、血清白蛋白、血红蛋白、空腹血糖和糖化血红蛋白检测。当临床怀疑感染或存在脓性渗出物时，进行伤口细菌培养。

临床伤口评估与治疗记录

每次随访时，均记录伤口深度、渗出水平、坏死组织、腐肉、肉芽组织、上皮化、伤口周围红斑、气味及疼痛情况。伤口深度分级如下：1级，表皮或浅层真皮受累；2级，全层皮肤或皮下组织受累，但无肌腱、骨骼、关节囊或植入物暴露；3级，深层组织受累，伴有肌腱、骨骼、关节囊、植入物暴露或皮瓣/移植组织受损。

渗出液评分从0到4（0 = 无；1 = 极少量；2 = 中等量；3 = 大量；4 = 过多或需要非计划性更换敷料）。基线临床感染的定义为存在脓性分泌物，或以下体征中至少出现两项：疼痛加剧、局部发热、红斑、肿胀、恶臭、肉芽组织生长延迟、组织易碎或全身炎症反应。

治疗方案未由研究方案指定。随访记录中记录了患者是否接受了全身性抗生素治疗 >72小时，负压伤口治疗，术后T0时间点的清创术、植皮或皮瓣修整，或非计划性再次手术。由于提供的分析数据集中未包含确切的起止日期，因此无法对这些事件与各次影像学检查及采样访视之间的时间关系进行建模。这些基线后的指标仅用于敏感性分析，未纳入主要的基线模型中。

结局定义与判定

主要结局为愈合延迟，根据预先规定的伤口类型特异性标准进行定义。对于烧伤创面，愈合延迟定义为受伤后21天内未能实现完全上皮化、因保守治疗失败而需计划外植皮，或因持续存在非活性组织而需反复手术清创。对于慢性溃疡，愈合延迟定义为第4周时创面面积减少不足50%，或第12周时未能实现完全闭合。对于手部软组织重建创面，愈合延迟定义为术后第28天未能实现稳定的创面闭合、创面裂开、皮瓣或移植物坏死需进一步干预、在T0时间点后出现新发或加重的手术部位感染并需全身性抗生素治疗，或计划外的翻修手术。

完全闭合的定义为在连续两次随访中，溃疡面实现完全上皮覆盖，且无需引流或敷料保护。慢性溃疡延迟愈合是指 <4周时面积减少50%或12周时未完全闭合。MMP-9被保留作为候选预测因子，因为伤口液中MMP-9水平升高与糖尿病足溃疡愈合不良相关11.

结局裁定由两名对数字特征值和生物标志物浓度不知情的临床医生进行。分歧由第三位资深伤口专家解决。预先指定的延迟愈合标准总结如下 表 2.

预测时间点与候选预测因子对照

预设了两个预测时间点。基线模型仅使用T0时可获得的变量，包括临床变量、基线数字伤口特征、基线热成像特征以及基线炎症标志物。早期更新模型 additionally 包含了第7天的伤口面积缩小情况。这种区分避免将第7天的信息作为基线预测因子处理。

最终的分析队列包括168名患者和59例延迟愈合事件。基线联合模型包含六个预先指定的连续性/有序预测因子以及两个伤口类型指示变量；早期模型增加了第7天的面积缩小率。该事件与参数比例有限，因此对系数和亚组估计值的解释持谨慎态度，并报告了自助法乐观校正结果。

数据管理与缺失数据

临床数据被录入一个安全的基于网络的电子数据采集平台。每位患者被分配一个研究识别编号。可识别信息与分析数据集分开存储。图像文件根据研究识别编号、伤口类型和访视时间点进行重命名（例如，W023_T0_photo 和 W023_D7_thermal）。

分析前进行了范围检查，极端值在验证后予以保留，而非自动删除。模型预测变量的缺失率低于5%：白蛋白、第7天面积缩小率、红斑和IL-6各自有3个缺失值，腐肉有3个缺失值，MMP-9有6个缺失值。连续型预测变量采用队列中位数进行填补，分类变量采用众数进行填补。主要结局指标无缺失。

统计分析

采用标准的开源统计与数据分析软件包重复进行分析。连续变量以均值 ± 标准差（SD）表示，并采用 Welch 独立样本 t 检验 进行比较；分类变量以 n (%) 表示，根据情况采用 Fisher 精确检验或卡方检验进行比较。p 值为双侧检验结果。

在模型拟合之前预先确定预测因子，而非根据单变量p值进行筛选。全程采用逻辑回归分析。伤口类型以慢性溃疡和手部重建指标表示，烧伤伤口作为参照。连续型预测因子按预先规定进行标准化处理。

评估了五个预先指定的模型：临床模型、数字伤口特征模型、炎症标志物模型、基线联合模型和早期更新联合模型。采用DeLong 95%置信区间（CIs）的AUC值来总结区分度。计算了校准截距、校准斜率和Brier评分。内部验证采用1000次自助法抽样来估计经乐观校正后的AUC、校准性能和Brier评分。研究遵循《个体预后或诊断多变量预测模型透明报告规范》（TRIPOD）指南16。

从患者水平的预测概率中计算了阈值范围为0.10至0.60的经验决策曲线。采用DeLong检验比较相关的AUC值。使用合并模型的预测结果，分别在烧伤（n = 57）、慢性溃疡（n = 70）和手部重建（n = 41）亚组中评估模型性能。预测因子与伤口类型之间的交互作用逐个添加，并通过双自由度似然比检验进行评估。亚组分析和交互作用分析均为探索性分析。

可重复的工作流程如图2所示。匿名的患者水平数据、数据字典、患者水平预测结果、回归系数、受试者工作特征（ROC）/校准/决策曲线原始数据表，以及用于重新生成分析结果和图表的Python脚本均作为补充文件提供。

敏感性分析

进行了五项敏感性分析：排除基线临床感染后重新拟合模型；评估慢性溃疡在12周时未愈合的合并模型预测效果；将IL-6和MMP-9替换为log(1 + 浓度)；将这些生物标志物除以总创面液蛋白；以及加入五项基线后治疗指标。对经治疗调整的分析解释为混杂因素评估，而非有效的基线预测模型，因为治疗方案是根据临床严重程度选择的，且部分治疗与结局标准存在重叠。

结果

患者筛选与结局分类

2024年1月1日至2025年12月31日期间，共筛查了196名烧伤创面、慢性溃疡或手部软组织重建创面的患者。其中28名患者被排除：12名不符合纳入标准，6名缺乏完整的基线创面影像，5名无法提供可用的创面液体或创面拭子样本，5名拒绝随访。最终共有168名患者被纳入研究，并纳入最终分析（图1）。

在纳入的168例患者中，57例为烧伤创面，70例为慢性溃疡，41例为手部软组织重建创面。根据固定的评估时间表（表1）和预设的结局指标标准（表2），可重复的伤口类型特异性结局算法将109例患者（64.9%）分类为及时愈合，59例患者（35.1%）分类为延迟愈合。

基线临床、数字及热成像伤口特征

预先设定的分析工作流程见图2，模型拟合所用的预测变量结构详见表3。基线临床、数字和热成像特征汇总于表4。平均年龄为54.7年±14.7年，94例患者（56.0%）为男性，62例（36.9%）患有糖尿病。延迟愈合患者的基线临床感染更常见（20.3% vs 8.3%，p = 0.029）；年龄、性别、糖尿病、吸烟、血红蛋白和白蛋白差异无统计学意义。

愈合结局组间的基线创面面积无显著差异（延迟愈合组为16.0 cm2 ± 12.4 cm2，及时愈合组为15.5 cm2 ± 12.0 cm2，p = 0.768）。延迟愈合创面更深（2.20 ± 0.74 vs 1.80 ± 0.70，p < 0.001）。创面类型分布在不同结局间无显著差异（p = 0.167）。

延迟愈合的伤口含有更多的腐肉（31.2% ± 12.8% vs 24.3% ± 14.2%，p = 0.002）、更多的坏死组织（10.8% ± 7.1% vs 8.1% ± 7.3%，p = 0.026），以及更高的渗出液评分（1.90 ± 0.88 vs 1.44 ± 0.90，p = 0.002）。红斑指数（p = 0.176）与照片纹理熵（p = 0.060）的差异尚不明确。基线面积一致性为 ICC(2,1) = 0.997（自助法 95% 置信区间 0.996–0.998）；其中有 5 例需要进行第三次测量。

所有纳入的168幅基线热成像图像均通过质量控制。延迟愈合伤口的伤口-参考温度差较高（1.41 °C ± 0.84 °C 对比 1.06 °C ± 0.74 °C，p = 0.009），且≥2.0 °C的模式出现比例分别为25.4%与11.9%（p = 0.031）。热纹理熵值无显著差异（p = 0.372）。由于缺乏读者水平的非面积类数字与热成像特征的重复测量数据，无法进行事后组内相关系数（ICC）或kappa值估计。

在165例患者中观察到第7天创面面积缩小，延迟愈合组的平均值较低，但差异无统计学意义（17.9% ± 11.3% vs 21.5% ± 12.2%，p = 0.059）。6例患者在第7天出现创面扩大。患者水平的数字图像与热分布图见图3。

局部炎症标志物及治疗暴露

局部标志物和治疗暴露情况总结于表5中。所选的这些特定生物标志物代表了组织修复受损的不同且具有生物学意义的通路：IL-6、IL-8/CXCL8 和 TNF-α 是早期炎症激活和白细胞募集的经典介质，而 MMP-9 则是细胞外基质过度降解的主要驱动因子。在愈合延迟的伤口中，IL-6 水平较高（65.5 pg/mL ± 49.6 pg/mL 对比 50.2 pg/mL ± 30.4 pg/mL，p = 0.034）。IL-8/CXCL8 的数值也较高（238.7 pg/mL ± 149.0 pg/mL 对比 195.0 pg/mL ± 112.4 pg/mL），但其差异的置信度有限（p = 0.052）；TNF-α 水平则无显著差异（p = 0.097）。

MMP-9 浓度在延迟愈合伤口中为 391.4 ng/mL ± 192.3 ng/mL，在及时愈合伤口中为 357.4 ng/mL ± 187.3 ng/mL（p = 0.285）。经蛋白标准化的 MMP-9、CRP、白细胞计数及培养阳性频率的差异亦无统计学显著性。

延迟愈合患者的随访全身抗生素使用、清创术、植皮/皮瓣修正以及非计划性再次手术更为常见（p = 0.009、p = 0.046、p = 0.026 和 p = 0.013），而负压伤口治疗则无显著差异（p = 0.126）。三种伤口类别之间的暴露频率差异无统计学意义（所有 p ≥ 0.106）。尽管记录了这些广泛的干预措施类别，但具体的临床管理本质上因病因不同而异（例如，烧伤的早期切除与植皮；慢性溃疡的减压、加压或血运重建；重建性伤口的皮瓣挽救）。确切的干预时机尚不可知。

图4展示了所有可获得的患者水平生物标志物观测值，以及由分析数据集生成的方形、标签对齐的Spearman相关性矩阵。延迟愈合的伤口显示出较高的IL-6浓度，而IL-8/CXCL8和MMP-9的差异则不够明确；炎症标志物与热成像特征及组织负荷特征之间表现出适度的相关性。

延迟愈合的单变量与多变量预测因素

未校正的组间比较发现，延迟愈合组的伤口深度、腐肉、坏死组织、渗出液、温度差异、基线感染水平和IL-6均更高。这些比较为描述性分析。根据既定的分析流程（图2），多变量模型采用了预先设定的预测因子（详见表3），并未依据单变量显著性进行变量筛选。

完整的系数见表6。在基线联合模型中，伤口面积、腐肉、温差、IL-6 或 MMP-9 均未在 p < 0.05 水平上独立地与结局相关。伤口深度的估计值最大（校正比值比 [aOR] 每等级 1.70，95% 可信区间 0.98–2.95；p = 0.061）。

基线面积、腐肉、温度、IL-6 和 MMP-9 的估计值对应的调整后比值比（aOR）分别为 0.99（95% CI 0.74–1.33）、1.22（0.90–1.65）、1.44（0.89–2.32）、1.07（0.88–1.30）和 0.97（0.80–1.17）。慢性溃疡与烧伤相比，aOR 为 0.55（0.24–1.25）；手部重建与烧伤相比，aOR 为 1.24（0.50–3.08）。

在早期更新的模型中，第7天伤口面积减少每增加10%，其校正后比值比（aOR）为0.94（95%置信区间 0.68–1.29；p = 0.703），其余估计值与基线联合模型相似。表6列出了截距项及所有回归系数。个体风险通过公式 p = 1/[1 + exp(-η)] 计算，其中η为截距项加上各列出系数与其对应标准化预测变量值乘积之和。

这些较宽的置信区间以及大多数预测因子缺乏独立证据，表明存在较大的不确定性。系数图如 图5 因此显示估计值及95%置信区间，而不将预测因子标注为已确立的决定因素。

探索性伤口类型特异性估计及交互作用 p 数值以……表示 图5 和 补充 文件 1未发现任何伤口类型与预测因子之间的交互作用具有统计学显著性（基线模型P交互作用 = 0.271–0.922；第7天缩小值P交互作用 = 0.850），但亚组的置信区间较宽。

预测模型性能

模型性能总结见表7。临床模型的表观AUC为0.691（95% CI 0.608–0.773），数字特征模型为0.719（0.637–0.801），炎症标志物模型为0.645（0.553–0.737），基线联合模型为0.717（0.632–0.801），早期更新模型为0.715（0.630–0.799）。

校正乐观偏倚后的AUC分别为0.632、0.660、0.566、0.660和0.649。基线联合模型相较于临床模型的表观AUC仅提高了0.026（DeLong p = 0.400）；早期更新模型与临床模型相比差异为0.024（p = 0.434），与基线联合模型相比差异为-0.002（p = 0.662）。

对于基线联合模型，经乐观校正的Brier得分为0.219，校准斜率为0.713，校准截距为0.005。相应的早期更新值分别为0.222、0.671和0.002。这些估计值表明存在校准收缩，不支持在常规临床实践中推广应用。

经验决策曲线未显示多模态模型在所有阈值范围内相较于临床模型具有明确且稳定的净获益优势。 图6 因此将决策曲线视为探索性分析，而非临床有效性的证据。

图6 基于全部168例患者水平的预测概率生成；受试者工作特征曲线为经验性阶梯函数，校准曲线使用十分位数组并带Wilson区间，决策曲线则采用未经平滑处理的观测预测值。

伤口类型特异性性能与敏感性分析

需要明确指出的是，按伤口类型进行的分析属于探索性分析，统计效能不足。在烧伤患者中（n = 57；20 个事件），基线联合模型的 AUC 为 0.639（95% CI 0.473–0.805）；在慢性溃疡患者中（n = 70；20 个事件），AUC 为 0.741（0.596–0.886）；在手部重建患者中（n = 41；19 个事件），AUC 为 0.711（0.551–0.870）。相应的早期更新 AUC 分别为 0.630、0.744 和 0.706。

交互作用分析未显示出具有统计学意义的效果差异，但不应将此解释为等效性。例如，慢性溃疡的伤口深度aOR为2.88（95% CI 1.17–7.09），而烧伤的aOR为1.17（0.48–2.83），Pinteraction = 0.271。由于亚组样本量较小且置信区间较宽，所有按伤口类型分层的结果均属探索性。

排除基线临床感染后，敏感性AUC为0.698，慢性溃疡在第12周未愈合的AUC为0.750，对生物标志物进行对数转换后的AUC为0.715，蛋白质标准化生物标志物的AUC为0.716。加入五个随访治疗指标后，表观AUC从0.717提高到0.810（ΔAUC 0.093；p = 0.005），但经乐观性校正后的AUC为0.743。由于治疗方案是根据病情严重程度选择的，发生在基线之后，且部分与结局标准重叠，因此该提升可能受到适应症混杂以及时间/循环偏倚的影响，而非真正反映基线预测能力的改善。

探索性伤口类型特异性疗效分析数据、五项敏感性分析、带有95%置信区间的伤口类型特异性校正效应及交互作用 p 值、按伤口类别划分的治疗暴露情况以及治疗校正后的敏感性模型详见补充文件1。

患者入组、伤口类型和愈合结局的临床研究流程图
图1：患者筛选、入组、随访及分析流程。在2024年1月1日至2025年12月31日期间，共筛查了196名烧伤创面、慢性溃疡或手部软组织重建创面的患者。排除28名患者后（其中12名不符合入组标准，6名缺乏完整的基线影像，5名缺乏可用的液体或拭子样本，5名拒绝随访），最终纳入168名患者，并将其分类为烧伤创面、慢性溃疡或手部软组织重建创面。所有入组患者均接受基线标准化创面摄影、热成像及创面液体生物标志物采样，随后在第7天、第14天、第21天、第28天/第4周及第12周进行计划内的评估。最终根据愈合情况将患者判定为及时愈合组或延迟愈合组进行分析，延迟愈合广义定义为未能达到特定创面类型的闭合时间点，或需要非计划性外科干预。请点击此处查看该图的放大版本。

伤口愈合预测流程图；数据层、特征提取、模型评估、风险分层。
图 2：用于预测延迟愈合的多模态分析工作流程。在基线时收集了临床变量、标准化伤口照片、热成像图像以及伤口液中的炎症标志物。提取数字化伤口特征、热成像特征和炎症标志物，并输入预设的预测模型中。基线模型仅使用T0时点的变量，而早期更新模型 additionally incorporated day-7 wound area reduction。采用区分度、校准度、Brier评分、自助法内部验证和决策曲线分析对临床模型、数字化伤口特征模型、炎症标志物模型及联合模型进行评估。请点击此处查看该图的放大版本。

分析伤口愈合的小提琴图与散点图；基线面积、温度、腐肉百分比。
图3：患者层面的数字化与热成像伤口特征。（A）基线伤口面积（n = 109 及时愈合；n = 59 延迟愈合）。（B）腐肉百分比（n = 106 及时愈合；n = 59 延迟愈合）。（C）伤口-参考温度差（n = 109 及时愈合；n = 59 延迟愈合）。（D）基线面积与第7天面积减少量的关系；显示所有可用观察值（n = 108 及时愈合；n = 57 延迟愈合）。（E）按愈合状态排序的全部168例患者的热图。对于图（A–C），小提琴图显示数据的概率密度，内部箱形图表示中位数（中心线）和四分位距（IQR，铰链），须线延伸至最大1.5 × IQR。在图（D）中，阴影误差带表示线性回归拟合周围的95%置信区间。p 值采用双侧Welch独立样本t检验计算。小提琴图、箱形图与散点图层展示全部可用数据；模型/热图中的第7天缺失值仅按所述方法进行插补。请点击此处查看该图的高清版本。

愈合分析中IL-6、IL-8、MMP-9的小提琴图与热图；包含相关性矩阵。
图4：患者水平的炎症标志物分布及相关性矩阵。（A）IL-6。（B）IL-8/CXCL8。（C）MMP-9。（D）行与列变量相同的方形Spearman相关性矩阵。显示所有可用观测值；双组比较的p值采用Welch t检验。请点击此处查看此图的放大版本。

伤口愈合分析；伤口类型交互效应的比值比图表（A，B）和热图（C）。
图5调整后的模型估计值及探索性伤口类型特异性效应。 (A) 基线联合模型校正后的比值比及其95%置信区间。B早期更新模型估计。C) 伤口类型特异性的调整后比值比来自单预测因子交互作用模型；Pinteraction 为双自由度似然比检验。烧伤 n = 57，慢性溃疡 n = 70，手部重建 n = 41。 请点击此处以查看此图的放大版本。

受试者工作特征曲线、校准曲线、决策曲线分析、AUC比较图表。
图6：基于患者水平预测的可重复模型性能。（A）经验性ROC曲线，含表观AUC及DeLong法计算的95%置信区间。（B）基于十分位数的表观校准曲线，含Wilson区间。（C）决策曲线。（D）表观AUC及其95%置信区间，以及经Bootstrap法校正乐观偏倚后的AUC。联合基线模型相较于临床模型并未显著提升AUC（p = 0.400）。请点击此处查看该图的高清版本。

评估项目基线 T0第 7 天 ± 2 天第 14 天 ± 3 天第 21 天 ± 2 天第 28 天 ± 5 天 / 第 4 周第 12 周 ± 7 天
入组资格确认是否否否否否
书面知情同意是否否否否否
人口统计学与临床病史是否否否否否
创面类型分类是否否否否否
目标创面选择是否否否否否
临床创面评估是是是是是是
标准化创面摄影是是是可选是是
数字化创面面积测量是是是可选是是
腐肉、坏死组织及红斑评估是是是可选是是
热成像是是可选可选可选可选
创面液体或创面拭子取样是可选否否否否
局部炎症标志物检测是可选否否否否
外周血炎症标志物是可选可选可选可选否
临床指征下的创面细菌培养是可选可选可选可选可选
治疗记录是是是是是是
第 7 天创面面积缩小计算否是否否否否
烧伤创面上皮化评估否否否是若未闭合则进行否
手部重建结局评估否否可选可选是否
慢性溃疡面积缩小评估否否否否是否
慢性溃疡完全闭合评估否否否否可选是
主要延迟愈合结局判定否否烧伤可选烧伤为是手部重建及慢性溃疡早期反应为是慢性溃疡闭合为是

表1：固定的评估时间表。缩写：T0，基线评估时间点。注：“可选”表示该评估在临床可行或临床指征明确时进行，但并非主要基线模型所必需。

伤口类型评估时间点正常愈合定义延迟愈合定义
烧伤伤口第21天 ± 2天在第21天前实现完全上皮化，且无需计划外植皮或重复清创在第21天前未实现完全上皮化，保守治疗失败后需行计划外植皮，或因持续存在非活性组织而需重复手术清创
慢性溃疡第4周和第12周第4周时伤口面积减少≥50%，且第12周时完全闭合第4周时伤口面积减少<50%，或第12周时未完全闭合
手部软组织重建伤口术后第28天 ± 5天伤口稳定闭合，无裂开、皮瓣/移植物坏死、新发或加重的感染，且无需计划外修正手术术后第28天仍未实现稳定闭合，出现伤口裂开、需干预处理的皮瓣/移植物坏死、T0后新发或加重并需全身抗生素治疗的感染，或需行计划外修正手术

表2：预先规定的伤口类型特异性结局标准。 慢性溃疡的及时愈合要求第4周时面积减少≥50%且第12周时完全闭合；愈合延迟定义为面积减少<50%或未完全闭合。完全闭合要求在连续两次访视中均实现完全上皮覆盖，且无渗出液或无需敷料保护。

模型预测因子伤口类型校正作用 / 评估方法
临床模型年龄（每10年）、糖尿病、血清白蛋白（每5 g/L）、基线伤口面积（每10 cm²）、伤口深度分级慢性溃疡和手部重建指标；以烧伤为参照对照模型；表观及经乐观校正的AUC、校准度、Brier评分
数字伤口特征模型腐肉（每10%）、坏死组织（每10%）、渗出评分、红斑指数、伤口照片纹理熵、伤口-参考温度差慢性溃疡和手部重建指标；以烧伤为参照领域模型；表观及经乐观校正的AUC、校准度、Brier评分
炎症标志物模型IL-6（每20 pg/mL）、IL-8/CXCL8（每100 pg/mL）、TNF-α（每10 pg/mL）、MMP-9（每100 ng/mL）、CRP（每10 mg/L）、伤口培养结果慢性溃疡和手部重建指标；以烧伤为参照领域模型；表观及经乐观校正的AUC、校准度、Brier评分
基线联合模型基线伤口面积、伤口深度分级、腐肉、伤口-参考温度差、IL-6 和 MMP-9慢性溃疡和手部重建指标；以烧伤为参照主要基线模型；与临床模型进行DeLong比较并进行决策曲线分析
早期更新联合模型所有基线联合模型的预测因子，加上第7天伤口面积减少率（每10%）慢性溃疡和手部重建指标；以烧伤为参照早期动态更新；与临床模型及基线联合模型进行DeLong比较

表3：精确的预测模型结构。 预测因子为预先指定，且伤口类型被强制纳入每个模型中。基线分析与第7天更新分析分别保留。缩写：AUC，受试者工作特征曲线下面积；CRP，C反应蛋白；IL，白细胞介素；MMP-9，基质金属蛋白酶-9。

变量总体队列 (n = 168)及时愈合 (n = 109)延迟愈合 (n = 59)P 值
年龄，年54.7 ± 14.755.6 ± 15.153.2 ± 14.00.315
男性，n (%)94 (56.0)59 (54.1)35 (59.3)0.626
体重指数，kg/m²24.8 ± 4.024.5 ± 4.125.3 ± 3.70.184
糖尿病，n (%)62 (36.9)43 (39.4)19 (32.2)0.404
当前吸烟，n (%)48 (28.6)33 (30.3)15 (25.4)0.593
血红蛋白，g/L129.2 ± 16.8129.6 ± 17.2128.3 ± 16.20.636
血清白蛋白，g/L37.6 ± 4.538.1 ± 4.436.8 ± 4.70.085
基线临床感染，n (%)21 (12.5)9 (8.3)12 (20.3)0.029
伤口类型，n (%)0.167
烧伤伤口57 (33.9)37 (33.9)20 (33.9)
慢性溃疡70 (41.7)50 (45.9)20 (33.9)
手部软组织重建伤口41 (24.4)22 (20.2)19 (32.2)
基线伤口面积，cm²15.7 ± 12.115.5 ± 12.016.0 ± 12.40.768
伤口深度等级1.94 ± 0.741.80 ± 0.702.20 ± 0.74<0.001
腐肉面积，%26.8 ± 14.124.3 ± 14.231.2 ± 12.80.002
坏死组织面积，%9.0 ± 7.48.1 ± 7.310.8 ± 7.10.026
渗出液评分1.60 ± 0.921.44 ± 0.901.90 ± 0.880.002
红斑指数0.28 ± 0.090.27 ± 0.080.30 ± 0.110.176
纹理熵4.59 ± 0.444.54 ± 0.454.67 ± 0.420.060
伤口-参考温度差，°C1.18 ± 0.791.06 ± 0.741.41 ± 0.840.009
温度差 ≥2.0 °C，n (%)28 (16.7)13 (11.9)15 (25.4)0.031
热纹理熵4.76 ± 0.504.78 ± 0.504.71 ± 0.520.372
第7天伤口面积减少率，%20.3 ± 12.021.5 ± 12.217.9 ± 11.30.059
第7天伤口扩大，n (%)6 (3.6)2 (1.9)4 (7.0)0.183

表4：基线临床、数字及热力特征。 数值以均值 ± 标准差或 n（%）表示。p 值根据情况采用 Welch t 检验、卡方检验或 Fisher 精确检验；描述性比较适用可获得病例的 n 值。

变量总体队列 (n = 168)及时愈合 (n = 109)延迟愈合 (n = 59)P 值
IL-6, pg/mL55.7 ± 38.950.2 ± 30.465.5 ± 49.60.034
IL-8/CXCL8, pg/mL210.3 ± 127.7195.0 ± 112.4238.7 ± 149.00.052
TNF-α, pg/mL23.5 ± 11.622.3 ± 10.825.6 ± 12.80.097
MMP-9, ng/mL369.0 ± 189.1357.4 ± 187.3391.4 ± 192.30.285
总创面液蛋白, mg/mL1.89 ± 0.731.84 ± 0.681.99 ± 0.830.233
MMP-9 按总蛋白标准化, ng/mg230.2 ± 148.2219.8 ± 136.3249.4 ± 167.50.251
C-反应蛋白, mg/L13.8 ± 9.913.3 ± 9.814.7 ± 9.90.385
白细胞计数, ×10⁹/L7.5 ± 1.97.3 ± 1.97.7 ± 2.00.211
创面培养阳性, n (%)72 (42.9)46 (42.2)26 (44.1)0.871
全身性抗生素使用 >72 小时, n (%)44 (26.2)21 (19.3)23 (39.0)0.009
负压创面治疗, n (%)39 (23.2)21 (19.3)18 (30.5)0.126
基线后手术清创, n (%)44 (26.2)23 (21.1)21 (35.6)0.046
植皮或皮瓣修整, n (%)34 (20.2)16 (14.7)18 (30.5)0.026
非计划再手术, n (%)17 (10.1)6 (5.5)11 (18.6)0.013

表5：局部炎症标志物及随访期间的治疗暴露情况。 治疗变量为二分类的“是否曾暴露”指标；确切的开始/结束日期不可用，因此这些变量未纳入主要的基线模型中。

预测因子基线 β基线 aOR基线 95% CI基线 P早期 β早期 aOR早期 95% CI早期 P
截距-2.5520.0780.021–0.296<0.001-2.3420.0960.017–0.5310.007
基线创面面积，每增加 10 cm²-0.0100.9900.738–1.3280.947-0.0170.9830.732–1.3210.912
创面深度等级，每增加 1 级0.5281.6960.976–2.9490.0610.5081.6620.948–2.9160.076
腐肉面积，每增加 10%0.1991.2200.900–1.6530.2010.1951.2160.897–1.6480.208
创面-参考温度差，每升高 1 °C0.3641.4390.894–2.3160.1340.3661.4420.895–2.3230.132
IL-6，每增加 20 pg/mL0.0691.0710.884–1.2980.4820.0651.0670.880–1.2950.509
MMP-9，每增加 100 ng/mL-0.0300.9710.803–1.1740.759-0.0350.9660.797–1.1700.721
第 7 天创面面积减少量，每增加 10%未纳入未纳入——-0.0620.9400.685–1.2910.703
创面类型：慢性溃疡 vs 烧伤-0.5990.5490.241–1.2520.154-0.5940.5520.242–1.2590.158
创面类型：手部重建 vs 烧伤0.2161.2410.500–3.0780.6410.2001.2210.490–3.0420.668

表6： 基线联合模型与早期更新模型的完整逻辑回归设定，包括截距、系数、校正后的比值比、95% 置信区间、p 值以及伤口类型指示变量。个体风险计算公式为 p = 1/[1 + exp(-η)]。

模型表观 AUC95% 置信区间经乐观校正的 AUC校正后的校准斜率校正后的校准截距校正后的 Brier 评分与临床模型相比的 ΔAUCDeLong 法与临床模型比较的 P 值
临床模型0.6910.608–0.7730.6320.6950.0040.227——
数字伤口特征模型0.7190.637–0.8010.6600.7080.0050.221——
炎症标志物模型0.6450.553–0.7370.5660.5790.0070.235——
基线联合模型0.7170.632–0.8010.6600.7130.0050.2190.0260.400
早期更新联合模型0.7150.630–0.7990.6490.6710.0020.2220.0240.434
早期更新联合模型 vs 基线联合模型——————-0.0020.662

表7： 表观性能及经1000次自助抽样乐观校正后的模型性能，包括ΔAUC和DeLong p值。报告了经校正的校准值和Brier值。模型比较采用相关性AUC的DeLong检验。

补充文件1：支持本研究结果的数据。请点击此处下载该文件。

讨论

基于患者水平的分析得出了谨慎的结论。在描述性比较中，愈合延迟的伤口更深，且表现出更大的组织负荷、渗出量、温度差异、基线感染水平和IL-6水平，但大多数预先设定的多变量系数估计不精确。基线和早期多模态模型经乐观校正后的AUC分别为0.660和0.649，相较于临床模型并未实现显著改善。这些发现符合更广泛的观点，即炎症、基质转换和组织重塑在修复过程中相互作用17,18,19,20，但尚不足以确立一个可在临床部署的预测模型。

影像学发现支持标准化测量，同时也揭示了一个重要的可重复性差距。校准摄影可改善面积测量5,6,14，而热成像可能捕捉到常规图像中不可见的生理信息7,8。然而，创面床准备和组织分类仍对预处理和人工校正较为敏感21,22。基线面积的一致性良好，但腐肉、坏死、红斑、纹理及热学特征的阅片者水平数据未被保留。因此，本研究无法声称这些非面积特征具有可重复性。创面液检测结果也弱于既往报道；尽管基于先前创面液和蛋白酶研究具有生物学合理性9,10,11,15,23,24,25,26，但IL-6在描述性上存在差异，而MMP-9则无差异。

实际应用将不仅需要统计学上的区分能力。与智能手机兼容的热成像技术增加了设备购置、校准、操作人员培训、环境稳定、图像配准以及质量控制等方面的要求。ELISA 则增加了样本采集和冷链运输、重复检测、实验室人员工时、批量处理以及结果回报延迟等问题。具体的本地成本和周转时间并未前瞻性地记录，且未进行正式的成本效益分析。由于联合模型相较于临床模型的 ΔAUC 较小且无统计学意义，目前尚不足以证明在常规应用中增加技术与实验室负担的合理性。

治疗方案的差异使因果解释变得复杂。在愈合延迟的患者中，基线后的抗生素使用、清创、植皮/皮瓣修复以及再次手术更为频繁。此外，这些不同伤口类型之间在标准护理管理上的显著异质性引入了重要的未测量混杂因素。这些多样化且病因特异的临床路径可能改变了伤口自然愈合的过程，并掩盖了基线预测信号，从而导致合并的多模态模型判别能力有限。经治疗调整后的模型表现出更高的表观AUC值，但这些干预措施是根据病情严重程度选择的，其中一些干预本身即构成特定伤口类型的结局评价标准。由于存在适应症混杂、治疗时机信息缺失以及残余混杂，无法将基线后治疗变量的系数解释为干预效应或有效的基线预测因子。

合并样本的依据是共同的混合伤口临床工作流程和可量化的修复领域，而非基于生物学等效性的假设。伤口类型被强制纳入每个模型中，并报告了各亚组的AUC值、预测因子效应及交互作用。然而，烧伤、慢性溃疡和手部损伤亚组分别仅包含57、70和41例患者，因此缺乏显著交互作用并不能证明结果的一致性。其他局限性包括单中心设计、仅进行内部验证、事件与参数比例有限、采用中位数/众数填补缺失值、非面积可靠性数据不完整、无法获得确切的干预时间，以及影像学和检测流程可能存在中心特异性。在实施前，尚需进行独立验证、重新校准以及前瞻性影响评估12,27,28,29。

综上所述，尽管特定的数字、热力和炎症特征分别与愈合延迟相关，但多模态预测模型仅表现出适度的内部验证性能，相较于标准临床评估并未提供具有统计学意义的区分优势。因此，这些结果目前不支持该汇总模型的临床应用；相反，它们为未来充分把握统计效能的多中心研究提供了探索性基础。

披露

作者无任何利益冲突需要披露。

致谢

作者感谢中国北部战区总医院烧伤整形科以及中国武警辽宁省总队医院外科二科的临床医护人员在患者筛选和创面成像方面提供的协助。作者同时感谢参与本研究的患者。本研究未从任何公共、商业或非营利机构获得特定资助。

材料

本文使用的材料清单
姓名公司目录编号评论
BCA 蛋白检测试剂盒Thermo Fisher Scientific23225-
FLIR ONE Pro 热成像相机FLIR Systems435-0006-03-
FIJI 的 GLCM 纹理插件FIJI/ImageJ 社区v0.4-
人 IL-6 Quantikine ELISA 检测试剂盒R&D SystemsD6050-
人 IL-8/CXCL8 Quantikine ELISA 检测试剂盒R&D SystemsD8000C-
人 MMP-9 ELISA 检测试剂盒Abcamab100610-
人 TNF-α Quantikine ELISA 检测试剂盒R&D SystemsDTA00D-
iPhone 14 ProApple—-
磷酸盐缓冲液 (PBS)Thermo Fisher Scientific10010023-
无菌人造丝棉签Puritan Medical Products25-806 1WR-
Tween-20Sigma-AldrichP1379-
X-Rite ColorChecker Classic Mini 色卡Calibrite / X-RiteMSCCVPR-MINI-
FIJI / ImageJ美国国立卫生研究院1.54jSCR_002285
scikit-learnscikit-learn 开发团队1.9.0SCR_002577
REDCap范德堡大学14.0.9SCR_003282
SciPySciPy 开发团队1.18.0SCR_008058
PythonPython 软件基金会3.12.13SCR_008394
MatplotlibMatplotlib 开发团队3.11.1SCR_008624
NumPyNumPy 开发团队2.5.1SCR_008628
OpenCVOpenCV 团队4.9.0SCR_015526
StatsmodelsStatsmodels 开发团队0.14.6SCR_016074
SeabornSeaborn 开发团队0.13.2SCR_018132
pandaspandas 开发团队3.0.5SCR_018214
scikit-imagescikit-image 开发团队0.22.0SCR_021340

参考文献

  1. Rowan MP, et al. Burn wound healing and treatment: review and advancements. Crit Care. 2015;19(1):243.
  2. Ji S, Xiao S, Xia Z. Consensus on the treatment of second-degree burn wounds (2024 edition). Burns Trauma. 2024;12:tkad061.
  3. Cho SK, Mattke S, Gordon H, Sheridan M, Ennis W. Development of a model to predict healing of chronic wounds within 12 weeks. Adv Wound Care. 2020;9(9):516–24.
  4. Sheehan P, Jones P, Caselli A, Giurini JM, Veves A. Percent change in wound area of diabetic foot ulcers over a 4-week period is a robust predictor of complete healing in a 12-week prospective trial. Diabetes Care. 2003;26(6):1879–82.
  5. Kientzy M, et al. Accuracy of digital measurement for quantitative and qualitative indicators of wound healing and repair: a systematic review protocol. BMJ Open. 2024;14(5):e085969.
  6. Tanner J, et al. Digital wound monitoring with artificial intelligence to prioritise surgical wounds in cardiac surgery patients for priority or standard review: protocol for a randomised feasibility trial (WISDOM). BMJ Open. 2024;14(9):e086486.
  7. Monshipouri M, et al. Thermal imaging potential and limitations to predict healing of venous leg ulcers. Sci Rep. 2021;11(1):13239.
  8. Fridberg M, Bafor A, Iobst CA, Laugesen B. The role of thermography in assessment of wounds: a scoping review. Injury. 2024;55(11):111833.
  9. Saleh K, Sonesson A, Persson K, Riesbeck K, Schmidtchen A. Inflammation biomarkers and correlation to wound status after full-thickness skin grafting. Front Med. 2019;6:159.
  10. Rembe JD, et al. Immunomarker profiling in human chronic wound swabs reveals IL-1β/IL-1RA and CXCL8/CXCL10 ratios as potential biomarkers for wound healing, infection status and regenerative stage. J Transl Med. 2025;23(1):407.
  11. Liu Y, et al. Increased matrix metalloproteinase-9 predicts poor wound healing in diabetic foot ulcers. Diabetes Care. 2009;32(1):117–9.
  12. Efthimiou O, et al. Developing clinical prediction models: a step-by-step guide. BMJ. 2024;386:e078276.
  13. von Elm E, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Ann Intern Med. 2007;147(8):573–7.
  14. Sharun K, Dhama K, Tiwari R. Comparative assessment of smartphone-based digital wound area measurement and ImageJ-based digital image analysis. Narra J. 2025.
  15. Rembe JD, et al. Assessment and monitoring of the wound micro-environment in chronic wounds using standardized wound swabbing for individualized diagnostics and targeted interventions. Biomedicines. 2024;12(10):2187.
  16. Collins GS, Reitsma JB, Altman DG, Moons KGM. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis: the TRIPOD statement. Ann Intern Med. 2015;162(1):55–63.
  17. Wallace HA, Basehore BM, Zito PM. Wound healing phases. StatPearls. Treasure Island (FL): StatPearls Publishing; 2023.
  18. Landén NX, Li D, Ståhle M. Transition from inflammation to proliferation: a critical step during wound healing. Cell Mol Life Sci. 2016;73(20):3861–85.
  19. Schultz GS, Ladwig G, Wysocki A. Extracellular matrix: review of its roles in acute and chronic wounds. Principles of Wound Healing. Adelaide: University of Adelaide Press; 2011.
  20. Almadani YH, Vorstenbosch J, Davison PG, Murphy AM. Wound healing: a comprehensive review. Semin Plast Surg. 2021;35(3):141–4.
  21. Sibbald RG, Elliott JA, Persaud-Jaimangal R. Wound bed preparation 2021. Adv Skin Wound Care. 2021;34(4):183–95.
  22. Harries RL, Bosanquet DC, Harding KG. Wound bed preparation: TIME for an update. Int Wound J. 2016;13(Suppl 3):8–14.
  23. Gao M, et al. Regulation of inflammation during wound healing: the function of mesenchymal stem cells and strategies for therapeutic enhancement. Front Pharmacol. 2024;15:1345779.
  24. Mikosiński J, Kruk-Jeromin J, Drobnik J. Longitudinal evaluation of biomarkers in wound fluids from chronic venous leg ulcers. Acta Derm Venereol. 2022;102:adv00667.
  25. Trengove NJ, et al. Analysis of the acute and chronic wound environments: the role of proteases and their inhibitors. Wound Repair Regen. 1999;7(6):442–52.
  26. Fu K, Zheng Q, Wei H. Role of matrix metalloproteinases in diabetic foot ulcers. Front Pharmacol. 2022;13:1050630.
  27. Collins GS, et al. Evaluation of clinical prediction models: from development to external validation. BMJ. 2024;384:e074819.
  28. Binuya MAE, Engelhardt EG, Schats W, Schmidt MK, Steyerberg EW. Methodological guidance for the evaluation and updating of clinical prediction models: a systematic review. BMC Med Res Methodol. 2022;22(1):316.
  29. Saelmans A, et al. Implementation and updating of clinical prediction models: a systematic review. Mayo Clin Proc Digit Health. 2025;3(3):100228.

重印与许可

标签

6
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。