Research Article

הערכה כמותית של פרמטרים המטולוגיים משמעותיים סטייה ממצב בריא לניטור קליני של אלח דם

DOI:

10.3791/68840

⸱

July 8th, 2025

 ,  ,  ,  , 
1Outpatient Department, Dongzhimen Hospital, Beijing University of Chinese Medicine, 2Emergency Department, Sunsimiao Hospital, Beijing University of Chinese Medicine, 3Intensive Care Medicine Department, Sunsimiao Hospital, Beijing University of Chinese Medicine, 4Beijing Intelligent Entropy Science & Technology Co., Ltd., 5Department of Clinical Laboratory, Dongzhimen Hospital, Beijing University of Chinese Medicine

In This Article

Summary

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

מחקר זה מציע מדד כמותי חדש המבוסס על המרחק האוקלידי של שלושה פרמטרים המטולוגיים משמעותיים (Hb, לימפה, PDW) ממצב בריא כדי להעריך את חומרת אלח הדם. התוצאות מדגימות מתאם חזק עם ציוני SOFA, ומציעות כלי פשוט ואובייקטיבי לניטור אלח דם באמצעות בדיקות דם שגרתיות.

Abstract

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

אלח דם, מצב מסכן חיים, דורש אבחון משופר והערכת חומרה. בהתבסס על תצפית קלינית ארוכת טווח, המוגלובין (Hb), אחוז הלימפוציטים (לימפה) ורוחב פיזור הטסיות (PDW) משתנים באופן משמעותי במהלך אלח דם. מחקר זה נועד להעריך את שלושת הפרמטרים הללו של ספירת דם מלאה (CBC) להבחנה בין חולי אלח דם לאנשים בריאים ולפתח מדד כמותי חדש המבוסס על הסטייה המשולבת שלהם ממצב בריא כדי להעריך את חומרת אלח הדם. מחקר מקרה-ביקורת רטרוספקטיבי זה כלל 496 חולי אלח דם (שאובחנו על פי קריטריונים של אלח דם 3 עם קבלתם) ו-1136 קבוצת ביקורת בריאה. Hb ראשוני, לימפה ו-PDW היו מתוקננים לציון z. המרכז התלת-ממדי של הקבוצה הבריאה חושב וחושב המרחק האוקלידי של כל חולה אלח דם מהמרכז הזה. נותחו הבדלים בין קבוצות ומתאם עם ציוני SOFA. תרשימי פיזור תלת-ממדיים הדמיינו את הקשרים הללו. Hb, לימפה ו-PDW היו שונים באופן משמעותי בין חולי אלח דם לקבוצת הביקורת (p < 0.001), כאשר אלח דם הראה Hb/Lymph% נמוך יותר ו-PDW גבוה יותר. המרחק האוקלידי המחושב מהמרכז הבריא היה גדול משמעותית בחולי אלח דם (p < 0.001). מרחק זה נמצא בקורלציה חזקה עם ציוני SOFA (r = 0.45, p < 0.001) והיה גדול יותר בחולים עם חומרת מחלה גבוהה יותר. הדמיה תלת מימדית אישרה הפרדה קבוצתית, כאשר עוצמת הצבע משקפת מרחק זה ומתאמת עם סטייה הולכת וגוברת מהמרכז הבריא. המרחק האוקלידי של פרמטרי CBC מרכזיים מהמרכז של קבוצה בריאה מכמת ביעילות סטייה ממצב בריא ומתאם עם חומרת המחלה. גישה זו המשתמשת בנתוני CBC שגרתיים מציעה כלי מבטיח ופשוט להערכה וניטור של חומרת אלח דם.

Introduction

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

אלח דם, כתסמונת תגובה דלקתית מערכתית הנגרמת על ידי זיהום, יכול להוביל לתפקוד לקוי חמור של איברים ונותר אחד מגורמי המוות המובילים ביחידות טיפול נמרץ ברחבי העולם 1,2. למרות ההתקדמות בטכנולוגיות האבחון והטיפול בשנים האחרונות, שיעורי התמותה מאלח דם נותרו גבוהים ועומדים על 20%-40%3. זיהוי בזמן והערכה מדויקת של חומרת אלח דם הם חיוניים לקבלת החלטות קליניות ולשיפור הפרוגנוזה4.

נכון לעכשיו, אבחון אלח דם והערכת חומרה מסתמכים בעיקר על מערכות ניקוד כגון הערכת כשל איברים רציף (SOFA) ופיזיולוגיה חריפה והערכת בריאות כרונית II (APACHE II)5,6. למרות שמערכות אלו מיושמות באופן נרחב בפרקטיקה הקלינית, יש להן מגבלות הכוללות חישובים מורכבים, הערכות גוזלות זמן, דרישות למספר אינדיקטורים פיזיולוגיים ותוצאות בדיקות ביוכימיות, ומידה מסוימת של סובייקטיביות וחוסר עקביות בפרקטיקה הקלינית 7,8. יישום מערכות ניקוד אלה מציב אתגרים משמעותיים, במיוחד במוסדות בריאות ראשוניים ובאזורים מוגבלים במשאבים9. לכן, לפיתוח כלי פשוט, אמין וקל ליישום להערכת אלח דם יש משמעות קלינית חשובה.

אינדיקטורים המטולוגיים, כפריטי הבדיקה הקלינית הבסיסיים ביותר, כוללים זיהוי מהיר, עלות נמוכה וזמינות רחבה10,11. תצפיות קליניות מצאו כי אינדיקטורים המטולוגיים מרובים בחולי אלח דם עוברים שינויים משמעותיים, כאשר המוגלובין (Hb), אחוז הלימפוציטים (לימפה%) ורוחב התפלגות טסיות הדם (PDW) מראים שינויים בולטים במיוחד12,13. ירידה בהמוגלובין משקפת אנמיה הקשורה לאלח דם, ירידה באחוז הלימפוציטים מעידה על דיכוי תפקוד חיסוני, בעוד שרוחב חלוקת טסיות מוגבר קשור לתגובה דלקתית ולתפקוד לקוי של קרישה14,15. מחקרים קודמים 12,13,14,15 אישרו כי אינדיקטורים אלה קשורים באופן אינדיבידואלי לחומרת אלח דם ופרוגנוזה במידה מסוימת, אך חסרות שיטות שיטתיות להערכה משולבת של אינדיקטורים מרובים 16.

בשנים האחרונות, שיטות ניתוח נתונים רב-ממדיות ראו יישומים הולכים וגדלים בהערכת מחלות17. מרחק אוקלידי, כשיטת מדידה גיאומטרית לכימות הבדלים בין דגימות, יכול לשמש להערכת מידת הסטייה של אינדיקטורים של מטופלים מערכי ייחוס נורמליים. יישום מושג זה על ניתוח נתונים קליניים רב-ממדי עשוי לספק תובנות חדשות להערכת חומרת המחלה. עם זאת, כיום חסר מחקר כמותי להערכת אלח דם המבוסס על המאפיינים המרחביים הרב-ממדיים של אינדיקטורים המטולוגיים18,19.

בהתבסס על הרקע לעיל, מחקר זה נועד: להעריך את היעילות של המוגלובין, אחוז הלימפוציטים ורוחב התפלגות טסיות הדם בהבחנה בין חולי אלח דם לאוכלוסיות בריאות; להקים מרחב רב-ממדי סטנדרטי המבוסס על שלושת האינדיקטורים הללו ולחשב את המרחק האוקלידי של דגימות חולים מנקודת המרכז הבריאה; לנתח את המתאם בין מרחק זה לחומרת אלח דם (ציון SOPE); חקור את ערך היישום של שיטת הערכה חדשה זו המבוססת על בדיקות המטולוגיות שגרתיות בניטור קליני של אלח דם. שיטה זו מספקת כלי אובייקטיבי ונוח חדש לזיהוי מוקדם, הערכת חומרה וניטור דינמי של אלח דם, המתאים במיוחד לתרגול קליני במוסדות בריאות ברמות שונות10.

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

Protocol

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

מחקר זה היה חקירת מקרה-ביקורת רטרוספקטיבית שאושרה על ידי ועדת האתיקה של בית החולים Sunsimiao, אוניברסיטת בייג'ינג לרפואה סינית (מספר אישור: SSMYY-KYPJ-2024-065). כל המשתתפים או נציגיהם המשפטיים חתמו על טפסי הסכמה מדעת.

עיצוב המחקר והמשתתפים
המחקר כלל 496 חולים שאובחנו עם אלח דם (על פי קריטריונים3 של אלח דם-3) ו-1136 בקרות בריאות ממרכז בדיקות הבריאות בתקופה שבין ינואר 2024 למרץ 2025. קריטריוני ההכללה של קבוצת התצפית כללו: (1) גיל < 18 שנים; (2) נשים בהריון; (3) מחלות המטולוגיות ראשוניות; (4) חולי סרטן; (5) טיפול בעירוי דם לפני האשפוז; (6) טיפול מדכא חיסון או כשל חיסוני לאחרונה; (7) נתונים קליניים חלקיים. הניטור היומי כלל בדיקות דם בבוקר (06:00-08:00) לניתוח CBC, עם תוצאות זמינות תוך 12 שעות. המטופלים היו במעקב עד לפתרון קליני, שחרור, מוות או תקופת מעקב מקסימלית של 30 יום.

בדיקות מעבדה ואיסוף נתונים
נתונים דמוגרפיים (גיל, מין, גובה, משקל וכו') ומידע קליני נאספו עבור כל הנבדקים שנכללו. דגימות CBC נבדקו באמצעות מנתח המטולוגיה, דגימות סרום נבדקו באמצעות מנתח קליני, ודגימות קרישה נבדקו באמצעות מנתח המטולוגי. כל דגימות הדם נדרשו להיבדק בזמן הבדיקה שצוין. כל הבדיקות בוצעו על ידי טכנאי מעבדה מיומנים בהתאם לנוהלי הפעלה סטנדרטיים. המעבדה ביצעה באופן שוטף בקרת איכות פנימית וחיצונית.

עבור חולי אלח דם, נרשמו האבחנה העיקרית, אתר הזיהום, מחלות נלוות, ציון הערכת כשל איברים רציף (SOFA), פיזיולוגיה חריפה והערכת בריאות כרונית II (APACHE II) ותוצאות בדיקות מעבדה בעת הקבלה. בהתבסס על ציון ה-SOFA בעת הקבלה, חולי אלח דם חולקו לשלוש קבוצות: קלה (SOFA ≤ 6 נקודות), בינונית (7 ≤-SOFA ≤-12 נקודות) וחמורה (SOFA ≥-13 נקודות). עבור תת-קבוצה של חולים, תוצאות בדיקות מעבדה וציוני SOFA נאספו מדי יום במהלך אשפוזם לצורך ניתוח מעקב רציף, עם תקופת תצפית של 30 יום או עד שהמטופל שוחרר או נפטר. דגימות מקבוצת הביקורת הבריאה נאספו ממשתתפי מרכז בדיקות בריאות שאושרו כי אין להם מחלות חריפות או כרוניות.

ניתוח נתונים ותצוגה חזותית
סטנדרטיזציה, עיבוד וניתוח משמעויות
כדי למנוע הבדלי מימדים בין אינדיקטורים שונים, בוצעה סטנדרטיזציה של ציון Z על כל נתוני הדגימה של Hb, Lymph% ו-PDW:

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

כאשר H היא מטריצת הנתונים של קבוצת הביקורת הבריאה, P היא מטריצת הנתונים של קבוצת חולי אלח דם, ו-mu וסיגמא הם הממוצע וסטיית התקן, בהתאמה. לאחר התקינה, הנתונים התאימו להתפלגות נורמלית סטנדרטית עם ממוצע של 0 וסטיית תקן של 1.

תרשימי הדמיה מובהקים (איור 1) נוצרו עבור האינדיקטורים המשמעותיים Hb, לימפה ו-PDW, המראים באופן אינטואיטיבי את ההבדלים בין דגימות בריאות לחולי אלח דם בכל ממד אינדיקטורים. המשמעות הממשית של ניתוח כמותי בין אינדיקטורים מוצגת בטבלה 1. חושבו נתונים סטטיסטיים תיאוריים (ממוצע, סטיית תקן, חציון, רבעונים וכו'), מבחני t מדגם בלתי תלויים שימשו להשוואת הבדלים בין קבוצות, וגודל אפקט d של כהן חושב כדי להעריך את משמעות ההבדלים.

חישוב נקודת מרכז בריא ומדידת מרחק אוקלידית
בהתבסס על הנתונים המתוקננים מקבוצת הביקורת הבריאה, חושבו הקואורדינטות של נקודת המרכז שלה במרחב התכונות התלת מימדי. לאחר מכן, חושב המרחק האוקלידי מכל דגימה של חולי אלח דם לנקודת המרכז הבריאה כדי לכמת את מידת הסטייה של האינדיקטורים ההמטולוגיים של המטופל מהמצב הבריא, כאינדיקטור הערכה אובייקטיבי של חומרת המחלה.

שיטת הדמיה תלת מימדית
עלילות פיזור תלת-ממדיות (איור 2) נוצרו כדי להציג את ההתפלגות של שתי קבוצות הדגימות במרחב התכונות. הם משתמשים בשיפוע צבע (ערכת צבעים סילון) כדי לייצג את חומרת אלח דם, כאשר כחול כהה מייצג אלח דם קל, אדום מייצג אלח דם חמור, וקבוצת הביקורת הבריאה מסומנת בירוק +.

אימות קליני של דגימות עוקבה ארוכות
כדי להעריך את הישימות של שיטה זו על דגימות חדשות ממטופלים בקבוצה ארוכה (במעקב במשך 3-6 חודשים לאחר האשפוז), תוכנן תהליך אימות ניבוי. עבור דגימת עוקבה ארוכה טיפוסית של אלח דם, עיבוד סטנדרטי בוצע באמצעות הממוצע (mu) וסטיית התקן (סיגמא) שנשמרו בעבר מתהליך ההסדרה, ולאחר מכן חושב המרחק האוקלידי מנקודת המרכז הבריאה. בהתבסס על ערך המרחק המחושב, בשילוב עם ההתאמה שנקבעה מראש בין המרחק לחומרת המחלה, הוערכה חומרת אלח הדם של דגימות חדשות. באמצעות מעקב רציף, שורטטו עקומות השוואה של סדרות זמן של מרחק אוקלידי וציון SOFA (איור 3) כדי לנתח את העקביות והמתאם של השינויים בשתי המגמות.

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

Results

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

ניתוח משמעויות
בהתבסס על פרקטיקה קלינית ארוכת טווח, נצפה כי ככל שאלח דם מתקדם, חולים מראים ירידה משמעותית ברמות ההמוגלובין ובאחוזי הלימפוציטים, יחד עם עלייה משמעותית ברוחב חלוקת טסיותהדם 12,16. באמצעות ניתוח שלושת האינדיקטורים ההמטולוגיים העיקריים הללו - המוגלובין, אחוז לימפוציטים ורוחב התפלגות טסיות הדם - נמצאו הבדלים משמעותיים בין חולי אלח דם לאוכלוסיות בריאות.

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

Discussion

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

שיטה חדשה להערכת אלח דם המבוססת על אינדיקטורים המטולוגיים מרכזיים
מחקר זה מציע שיטה חדשה להערכת חומרת אלח דם המבוססת על שלושה אינדיקטורים המטולוגיים מרכזיים (המוגלובין, אחוז לימפוציטים ורוחב התפלגות טסיות הדם). שיטה זו מכמתת את מידת הסטייה של אינדיקטורים המטולוגיים מהמצב הבריא על ידי חישוב המרחק האוקלידי של דגימות חולים מנקודת המרכז של האוכלוסייה הבריאה, ומספקת כלי הערכה חדש לניטור קליני של אלח דם.

ניתוח הדמיה תלת מימדית (

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

Disclosures

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

כלי התוכנה Multivariate State Color Scatter Plot (V1.0) פותח ונמצא בבעלות Beijing Intelligent Entropy Science & Technology Co., Ltd. כל זכויות הקניין הרוחני של תוכנה זו שייכות לחברה. המחברים מצהירים שאין ניגודי אינטרסים.

Acknowledgements

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

מחקר זה נתמך על ידי הפרויקט השנתי לשנת 2024 לשיפור יכולת המחקר של הרפואה הסינית המסורתית של בתי החולים העירוניים לרפואה סינית מסורתית של המינהל המחוזי של שאאנשי לרפואה סינית מסורתית (SZY-NLTL-2024-003).

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MATLABMathWorks 2023במחשוב וויזואליזציה 
עלילת הפיזור הצבעוני של המצב הרב-משתני   אינטליגנטי
  אנטרופיה		מצב רב משתני V1.0בייג'ינג אנטרופיה אינטליגנטית מדע & טכנולוגיה בע"מ
מידול למדינה רב-משתנית

References

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