Research Article

Quantitative Bewertung signifikanter hämatologischer Parameter Abweichung vom gesunden Zustand für das klinische Monitoring der Sepsis

DOI:

10.3791/68840

July 8th, 2025

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie schlägt eine neuartige quantitative Metrik vor, die auf dem euklidischen Abstand von drei signifikanten hämatologischen Parametern (Hb, Lymph%, PDW) aus einem gesunden Zustand basiert, um den Schweregrad der Sepsis zu beurteilen. Die Ergebnisse zeigen eine starke Korrelation mit den SOFA-Werten und bieten ein einfaches, objektives Instrument zur Überwachung von Sepsis mithilfe von routinemäßigen Bluttests.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Sepsis, eine lebensbedrohliche Erkrankung, erfordert eine verbesserte Diagnostik und Beurteilung des Schweregrads. Basierend auf klinischen Langzeitbeobachtungen ändern sich das Hämoglobin (Hb), der Lymphozytenanteil (Lymph%) und die Thrombozytenverteilungsbreite (PDW) während der Sepsis signifikant. Ziel dieser Studie war es, diese drei Parameter des vollständigen Blutbildes (CBC) zur Unterscheidung von Sepsis-Patienten von gesunden Personen zu bewerten und eine neuartige quantitative Metrik zu entwickeln, die auf ihrer kombinierten Abweichung von einem gesunden Zustand basiert, um den Schweregrad der Sepsis zu beurteilen. Diese retrospektive Fall-Kontroll-Studie umfasste 496 Sepsis-Patienten (diagnostiziert nach Sepsis-3-Kriterien bei der Aufnahme) und 1136 gesunde Kontrollpersonen. Anfänglicher Hb, Lymph% und PDW waren z-Score-standardisiert. Der 3D-Schwerpunkt der gesunden Kohorte wurde berechnet und der euklidische Abstand jedes Sepsis-Patienten von diesem Schwerpunkt wurde berechnet. Gruppenunterschiede und Korrelationen mit SOFA-Scores wurden analysiert. 3D-Streudiagramme visualisierten diese Beziehungen. Hb, Lymph% und PDW unterschieden sich signifikant zwischen Sepsis-Patienten und Kontrollen (p < 0,001), wobei die Sepsis einen niedrigeren Hb/Lymph% und einen höheren PDW aufwies. Der berechnete euklidische Abstand vom gesunden Schwerpunkt war bei Sepsis-Patienten signifikant größer (p < 0,001). Dieser Abstand korrelierte stark mit den SOFA-Werten (r = 0,45, p < 0,001) und war bei Patienten mit höherem Schweregrad der Erkrankung größer. Die 3D-Visualisierung bestätigte die Gruppentrennung, wobei die Farbintensität diesen Abstand widerspiegelte und mit zunehmender Abweichung vom gesunden Schwerpunkt korrelierte. Der euklidische Abstand der wichtigsten CBC-Parameter vom Schwerpunkt einer gesunden Kohorte quantifiziert effektiv die Abweichung von einem gesunden Zustand und korreliert mit dem Schweregrad der Erkrankung. Dieser Ansatz unter Verwendung von routinemäßigen CBC-Daten bietet ein vielversprechendes, einfaches Instrument zur Beurteilung und Überwachung des Schweregrads der Sepsis.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Sepsis als systemisches Entzündungsreaktionssyndrom, das durch eine Infektion verursacht wird, kann zu schweren Organfunktionsstörungen führen und ist nach wie vor eine der häufigsten Todesursachen auf Intensivstationen weltweit 1,2. Trotz der Fortschritte bei Diagnose- und Behandlungstechnologien in den letzten Jahren ist die Sepsis-Sterblichkeitsrate mit 20 % bis 40 % nach wie vor hoch3. Die rechtzeitige Identifizierung und genaue Beurteilung des Schweregrads der Sepsis ist entscheidend für die klinische Entscheidungsfindung und die Verbesserung der Prognose4.

Derzeit stützen sich die Diagnose und die Beurteilung des Schweregrads von Sepsis in erster Linie auf Scoring-Systeme wie das Sequential Organ Failure Assessment (SOFA) und das Acute Physiology and Chronic Health Evaluation II (APACHE II)5,6. Obwohl diese Systeme in der klinischen Praxis weit verbreitet sind, weisen sie Einschränkungen auf, darunter komplexe Berechnungen, zeitaufwändige Bewertungen, Anforderungen an mehrere physiologische Indikatoren und biochemische Testergebnisse sowie ein gewisses Maß an Subjektivität und Inkonsistenz in der klinischen Praxis 7,8. Die Implementierung dieser Bewertungssysteme stellt erhebliche Herausforderungen dar, insbesondere in Einrichtungen der primären Gesundheitsversorgung und in Gebieten mit begrenzten Ressourcen9. Daher ist die Entwicklung eines einfachen, zuverlässigen und leicht zu implementierenden Sepsis-Assessment-Tools von großer klinischer Bedeutung.

Hämatologische Indikatoren sind die grundlegendsten klinischen Untersuchungsgegenstände und zeichnen sich durch eine schnelle Detektion, niedrige Kosten und eine breite Verfügbarkeitaus 10,11. Klinische Beobachtungen haben gezeigt, dass mehrere hämatologische Indikatoren bei Sepsis-Patienten signifikante Veränderungen aufweisen, wobei das Hämoglobin (Hb), der Lymphozytenanteil (Lymph%) und die Thrombozytenverteilungsbreite (PDW) besonders bemerkenswerte Veränderungen aufweisen12,13. Ein vermindertes Hämoglobin spiegelt eine Sepsis-bedingte Anämie wider, ein verringerter Lymphozytenanteil deutet auf eine Unterdrückung der Immunfunktion hin, während eine erhöhte Thrombozytenverteilungsbreite mit einer Entzündungsreaktion und Gerinnungsstörung verbunden ist14,15. Frühere Studien 12,13,14,15 haben bestätigt, dass diese Indikatoren individuell mit dem Schweregrad und der Prognose der Sepsis in gewissem Maße korrelieren, aber es fehlt an systematischen Methoden zur integrierten Bewertung mehrerer Indikatoren 16.

In den letzten Jahren wurden mehrdimensionale Datenanalysemethoden zunehmend in der Krankheitsbeurteilung eingesetzt17. Der euklidische Abstand als geometrische Messmethode zur Quantifizierung von Unterschieden zwischen Proben kann verwendet werden, um den Grad der Abweichung von Patientenindikatoren von normalen Referenzwerten zu bewerten. Die Anwendung dieses Konzepts auf die mehrdimensionale klinische Datenanalyse kann neue Erkenntnisse für die Beurteilung des Schweregrads von Krankheiten liefern. Derzeit fehlt es jedoch an quantitativer Forschung zur Sepsis-Assessment, die auf den mehrdimensionalen räumlichen Eigenschaften hämatologischer Indikatoren basiert18,19.

Basierend auf dem oben genannten Hintergrund zielt diese Studie darauf ab: die Wirksamkeit von Hämoglobin, Lymphozytenanteil und Thrombozytenverteilungsbreite bei der Unterscheidung von Sepsis-Patienten von gesunden Populationen zu bewerten; auf der Grundlage dieser drei Indikatoren einen standardisierten mehrdimensionalen Raum einzurichten und den euklidischen Abstand der Patientenproben vom gesunden Mittelpunkt zu berechnen; Analyse der Korrelation zwischen dieser Distanz und dem Schweregrad der Sepsis (SOFA-Score); Erfahren Sie mehr über den Anwendungswert dieser neuen Bewertungsmethode, die auf routinemäßigen hämatologischen Untersuchungen bei der klinischen Überwachung von Sepsis basiert. Diese Methode bietet ein neues, objektives und komfortables Instrument zur Früherkennung, Bewertung des Schweregrads und zur dynamischen Überwachung von Sepsis, das sich besonders für die klinische Praxis in Gesundheitseinrichtungen auf verschiedenen Ebenen eignet10.

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bei dieser Studie handelte es sich um eine retrospektive Fall-Kontroll-Untersuchung, die von der Ethikkommission des Sunsimiao-Krankenhauses der Universität für Chinesische Medizin Peking genehmigt wurde (Zulassungsnummer: SSMYY-KYPJ-2024-065). Alle Teilnehmer oder ihre gesetzlichen Vertreter unterschrieben Einwilligungserklärungen.

Studiendesign und Teilnehmende
Die Studie umfasste 496 Patienten, bei denen eine Sepsis diagnostiziert wurde (gemäß Sepsis-3-Kriterium3) und 1136 gesunde Kontrollpersonen aus dem Gesundheitsuntersuchungszentrum im Zeitraum von Januar 2024 bis März 2025. Zu den Ausschlusskriterien für die Beobachtungsgruppe gehörten: (1) Alter < 18 Jahre; (2) schwangere Frauen; (3) primäre hämatologische Erkrankungen; (4) Krebspatienten; (5) Bluttransfusionsbehandlung vor der Aufnahme; (6) kürzliche immunsuppressive Therapie oder Immunschwäche; (7) unvollständige klinische Daten. Die tägliche Überwachung umfasste morgendliche Blutabnahmen (06:00-08:00 Uhr) für die CBC-Analyse, wobei die Ergebnisse innerhalb von 12 Stunden vorlagen. Die SOFA-Scores wurden von geschulten Intensivmedizinern anhand standardisierter Kriterien berechnet. Die Patienten wurden bis zum klinischen Abklingen, zur Entlassung, zum Tod oder bis zu einer maximalen Nachbeobachtungszeit von 30 Tagen überwacht.

Laboruntersuchungen und Datenerhebung
Demografische Daten (Alter, Geschlecht, Größe, Gewicht usw.) und klinische Informationen wurden für alle eingeschlossenen Probanden gesammelt. CBC-Proben wurden mit einem Hämatologie-Analysator untersucht, Serumproben wurden mit einem klinischen Analysator und Gerinnungsproben mit einem Hämatologie-Analysator getestet. Alle Blutproben mussten innerhalb der angegebenen Testzeit untersucht werden. Alle Tests wurden von geschulten Labortechnikern nach Standardarbeitsanweisungen durchgeführt. Das Labor führte regelmäßig interne und externe Qualitätskontrollen durch.

Bei Sepsis-Patienten wurden die Hauptdiagnose, die Infektionsstelle, die Komorbiditäten, der SOFA-Score (Sequential Organ Failure Assessment), die Acute Physiology and Chronic Health Evaluation II (APACHE II) und die Laboruntersuchungsergebnisse bei der Aufnahme aufgezeichnet. Basierend auf dem SOFA-Score bei der Aufnahme wurden die Sepsis-Patienten in drei Gruppen eingeteilt: leicht (SOFA ≤ 6 Punkte), mittelschwer (7 ≤ SOFA ≤ 12 Punkte) und schwer (SOFA ≥ 13 Punkte). Für eine Untergruppe von Patienten wurden die Laboruntersuchungsergebnisse und SOFA-Scores täglich während ihres Krankenhausaufenthalts für eine kontinuierliche Tracking-Analyse mit einem Beobachtungszeitraum von 30 Tagen oder bis zur Entlassung oder zum Tod des Patienten gesammelt. Proben aus der gesunden Kontrollgruppe wurden von Teilnehmern des Gesundheitsuntersuchungszentrums entnommen, bei denen bestätigt wurde, dass sie keine akuten oder chronischen Krankheiten haben.

Datenanalyse und -visualisierung
Standardisierung, Verarbeitung und Signifikanzanalyse
Um dimensionale Unterschiede zwischen verschiedenen Indikatoren zu eliminieren, wurde eine Z-Score-Standardisierung für alle Hb-, Lymph%- und PDW-Stichprobendaten durchgeführt:

Data_norm, mu, sigma] = zscore([H; P])

wobei H die Datenmatrix der gesunden Kontrollgruppe, P die Datenmatrix der Sepsis-Patientengruppe und mu und Sigma der Mittelwert bzw. die Standardabweichung sind. Nach der Standardisierung entsprachen die Daten einer Standardnormalverteilung mit einem Mittelwert von 0 und einer Standardabweichung von 1.

Für die signifikanten Indikatoren Hb, Lymph% und PDW wurden Signifikanzvisualisierungsdiagramme (Abbildung 1) erstellt, die intuitiv die Unterschiede zwischen gesunden Proben und Sepsis-Patienten in jeder Indikatordimension darstellen. Die tatsächliche Bedeutung der quantitativen Analyse zwischen den Indikatoren ist in Tabelle 1 dargestellt. Deskriptive Statistiken (Mittelwert, Standardabweichung, Median, Quartile usw.) wurden berechnet, unabhängige Stichproben-t-Tests wurden verwendet, um Unterschiede zwischen den Gruppen zu vergleichen, und Cohens d-Effektgröße wurde berechnet, um die Signifikanz von Unterschieden zu bewerten.

Gesunde Mittelpunktsberechnung und euklidische Abstandsmessung
Basierend auf den standardisierten Daten der gesunden Kontrollgruppe wurden die Koordinaten ihres Mittelpunktes im dreidimensionalen Merkmalsraum berechnet. Anschließend wurde der euklidische Abstand von jeder Sepsis-Patientenprobe zum gesunden Mittelpunkt berechnet, um den Grad der Abweichung der hämatologischen Indikatoren des Patienten vom gesunden Zustand als objektiven Bewertungsindikator für den Schweregrad der Erkrankung zu quantifizieren.

Dreidimensionale Visualisierungsmethode
Dreidimensionale Streudiagramme (Abbildung 2) wurden erstellt, um die Verteilung der beiden Stichprobengruppen im Merkmalsraum darzustellen. Sie verwenden einen Farbverlauf (Jet-Farbschema), um den Schweregrad der Sepsis darzustellen, wobei Dunkelblau für eine leichte Sepsis, Rot für eine schwere Sepsis und die gesunde Kontrollgruppe für eine grüne + gekennzeichnet ist.

Klinische Validierung langer Kohortenproben
Um die Anwendbarkeit dieser Methode auf neue Proben von Patienten mit langer Kohorte (3-6 Monate nach der Aufnahme) zu evaluieren, wurde ein prädiktiver Validierungsprozess entwickelt. Für eine typische Sepsis-Stichprobe in einer langen Kohorte wurde eine standardisierte Verarbeitung unter Verwendung des zuvor gespeicherten Mittelwerts (mu) und der Standardabweichung (Sigma) aus dem Regularisierungsprozess durchgeführt, und dann wurde der euklidische Abstand vom gesunden Mittelpunkt berechnet. Basierend auf dem berechneten Distanzwert, kombiniert mit der zuvor festgestellten Korrespondenz zwischen Distanz und Krankheitsschweregrad, wurde der Schweregrad der Sepsis der neuen Proben bewertet. Durch kontinuierliches Tracking wurden Zeitreihenvergleichskurven der euklidischen Distanz und des SOFA-Scores (Abbildung 3) gezeichnet, um die Konsistenz und Korrelation der Veränderungen in den beiden Trends zu analysieren.

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Signifikanzanalyse
Basierend auf der klinischen Langzeitpraxis wurde beobachtet, dass Patienten mit fortschreitender Sepsis signifikant verringerte Hämoglobinspiegel und Lymphozytenanteile aufweisen, zusammen mit einer signifikant erhöhten Thrombozytenverteilungsbreite12,16. Durch die Analyse dieser drei hämatologischen Schlüsselindikatoren - Hämoglobin, Lymphozytenanteil und Thrombozytenverteilungsbreite - wur...

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Neue Methode zur Sepsis-Beurteilung auf Basis hämatologischer Schlüsselindikatoren
Diese Studie stellt eine neue Methode zur Beurteilung des Schweregrads der Sepsis vor, die auf drei hämatologischen Schlüsselindikatoren (Hämoglobin, Lymphozytenanteil und Thrombozytenverteilungsbreite) basiert. Diese Methode quantifiziert den Grad der Abweichung hämatologischer Indikatoren vom gesunden Zustand, indem sie den euklidischen Abstand von Patientenproben vom Mittelpunkt der ...

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das Softwaretool Multivariate State Color Scatter Plot (V1.0) wird von Beijing Intelligent Entropy Science & Technology Co., Ltd. entwickelt und ist im Besitz von Beijing Intelligent Entropy Science & Technology Co., Ltd. Alle geistigen Eigentumsrechte an dieser Software liegen beim Unternehmen. Die Autoren erklären, dass keine Interessenkonflikte bestehen.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie wurde durch das Jahresprojekt 2024 zur Verbesserung der Forschungskapazitäten für Traditionelle Chinesische Medizin der Städtischen Krankenhäuser für Traditionelle Chinesische Medizin der Provinzverwaltung für Traditionelle Chinesische Medizin Shaanxi (SZY-NLTL-2024-003) unterstützt.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MATLABMathWorks 2023BComputing und Visualisierung
Das bunte Streudiagramm des multivariaten Zustands   Intelligent
 
Multivariater Entropie-Zustand V1.0Beijing Intelligent Entropy Science & Technology Co Ltd.
Modellierung für multivariate Zustände

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Jarczak, D., Kluge, S., Nierhaus, A. Sepsis-Pathophysiology and Therapeutic Concepts. Front Med. 8, 628302(2021).
  2. Saito, H. Sepsis in Global Health: Current global strategies to fight against sepsis. Acute Med Surg. 12, e70045(2025).
  3. Singer, M., et al. The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). JAMA. 315 (8), 801-810 (2016).
  4. Fernando, S. M., et al. Clinical implications of the Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). Canadian Med Assoc J. 190 (36), E1058-E1059 (2018).
  5. van der Poll, T., Shankar-Hari, M., Wiersinga, W. J. The immunology of sepsis. Immunity. 54 (11), 2450-2464 (2021).
  6. Denny, K. J., et al. Diagnosing sepsis in the ICU: Comparison of a gene expression signature to pre-existing biomarkers. J Crit Care. 76, 154286(2023).
  7. Pölkki, A., et al. Association of Sequential Organ Failure Assessment (SOFA) components with mortality. Acta anaesthesiologica Scandinavica. 66 (6), 731-741 (2022).
  8. Pan, X., et al. Evaluate prognostic accuracy of SOFA component score for mortality among adults with sepsis by machine learning method. BMC Infect Dis. 23 (1), 76(2023).
  9. Bignami, E. G., et al. Artificial Intelligence in Sepsis Management: An Overview for Clinicians. J Clin Med. 14 (1), 286(2025).
  10. Herawati, S., et al. Integrating Routine Hematological and Extended Inflammatory Parameters as a Novel Approach for Timely Diagnosis and Prognosis in Sepsis Management. Diagnostics. 14 (9), 956(2024).
  11. Barichello, T., et al. Biomarkers for sepsis: more than just fever and leukocytosis-a narrative review. Crit Care. 26 (1), 14(2022).
  12. Li, H., et al. The relationship between hemoglobin, albumin, lymphocyte, and platelet (HALP) score and 28-day mortality in patients with sepsis: a retrospective analysis of the MIMIC-IV database. BMC Infect Dis. 25 (1), 333(2025).
  13. Yang, J., et al. A nomogram based on lymphocyte percentage for predicting hospital mortality in exertional heatstroke patients: a 13-year retrospective study. World J Emerg Med. 14 (6), 434-441 (2023).
  14. Ligi, D., et al. Platelet distribution width (PDW) as a significant correlate of COVID-19 infection severity and mortality. Clin Chem Lab Med. 62 (3), 385-395 (2023).
  15. Saragih, R. A. C., Yanni, G. N. Correlation between Platelet Profile (Mean Platelet Volume, Platelet Volume Distribution Width and Plateletcrit) with Procalcitonin and C-reactive Protein in Critically Ill Children. Prague Med Rep. 123 (2), 82-87 (2022).
  16. Zheng, X., et al. A new hematological parameter model for the diagnosis and prognosis of sepsis in emergency department: A single-center retrospective study. Int J Lab Hematol. 46 (2), 250-258 (2024).
  17. Lyu, Y., et al. Predictive Value of Red Blood Cell Distribution Width-to-Platelet Ratio for Severity in Pyogenic Liver Abscess: A Retrospective Observational Study. Surg Infect. 26 (1), 33-38 (2025).
  18. Fleuren, L. M., et al. Machine learning for the prediction of sepsis: a systematic review and meta-analysis of diagnostic test accuracy. Intens Care Med. 46 (3), 383-400 (2020).
  19. Kijpaisalratana, N., et al. Machine learning algorithms for early sepsis detection in the emergency department: A retrospective study. Int J Med Info. 160, 104689(2022).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Sepsis MonitoringHematological ParametersComplete Blood CountSepsis SeverityHemoglobin LevelsLymphocyte PercentagePlatelet Distribution WidthEuclidean DistanceSOFA ScoreCase Control Study
Video Coming Soon

Related Articles