Research Article

Ilościowa ocena istotnych parametrów hematologicznych odchylenia od stanu zdrowia dla klinicznego monitorowania sepsy

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

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

To badanie proponuje nowatorską metrykę ilościową opartą na euklidesowej odległości trzech istotnych parametrów hematologicznych (Hb, Limfa%, PDW) od stanu zdrowia w celu oceny nasilenia sepsy. Wyniki wskazują na silną korelację z wynikami SOFA, oferując proste, obiektywne narzędzie do monitorowania sepsy za pomocą rutynowych badań krwi.

Abstract

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

Sepsa, stan zagrażający życiu, wymaga lepszej diagnostyki i oceny ciężkości. Na podstawie długotrwałej obserwacji klinicznej stwierdzono, że hemoglobina (Hb), odsetek limfocytów (limfa%) i szerokość dystrybucji płytek krwi (PDW) zmieniają się znacząco podczas sepsy. Badanie to miało na celu ocenę tych trzech parametrów pełnej morfologii krwi (CBC) w celu odróżnienia pacjentów z sepsą od osób zdrowych oraz opracowanie nowego wskaźnika ilościowego opartego na ich łącznym odchyleniu od stanu zdrowia w celu oceny ciężkości sepsy. To retrospektywne badanie kliniczno-kontrolne obejmowało 496 pacjentów z sepsą (zdiagnozowaną zgodnie z kryteriami sepsy-3 przy przyjęciu) i 1136 zdrowych osób z grupy kontrolnej. Początkowe Hb, Limfa i PDW były standaryzowane z-score. Obliczono 3D środek ciężkości zdrowej kohorty i obliczono odległość euklidesową każdego pacjenta z sepsą od tego centroidu. Przeanalizowano różnice grupowe i korelację z wynikami SOFA. Wykresy punktowe 3D wizualizowały te relacje. Hb, limfa i PDW różniły się istotnie między pacjentami z sepsą a grupą kontrolną (p < 0,001), przy czym posocznica wykazywała niższą Hb/Lymph% i wyższą PDW. Obliczona odległość euklidesowa od zdrowego środka ciężkości była istotnie większa u pacjentów z sepsą (p < 0,001). Odległość ta silnie korelowała z wynikami SOFA (r = 0,45, p < 0,001) i była większa u pacjentów z większym nasileniem choroby. Wizualizacja 3D potwierdziła separację grup, przy czym intensywność kolorów odzwierciedlała tę odległość i korelowała z rosnącym odchyleniem od zdrowego środka ciężkości. Euklidesowa odległość kluczowych parametrów morfologii krwi od środka ciężkości zdrowej kohorty skutecznie określa ilościowo odchylenie od zdrowego stanu i koreluje z ciężkością choroby. To podejście, wykorzystujące rutynowe dane z morfologii krwi, stanowi obiecujące, proste narzędzie do oceny i monitorowania nasilenia sepsy.

Introduction

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

Sepsa, jako zespół ogólnoustrojowej reakcji zapalnej spowodowany infekcją, może prowadzić do ciężkiej dysfunkcji narządów i pozostaje jedną z głównych przyczyn zgonów na oddziałach intensywnej terapii na całym świecie1,2. Pomimo postępu w technologiach diagnostycznych i leczniczych w ostatnich latach, śmiertelność z powodu sepsy utrzymuje się na wysokim poziomie 20%-40%3. Szybka identyfikacja i dokładna ocena ciężkości sepsy mają kluczowe znaczenie dla podejmowania decyzji klinicznych i poprawy rokowania4.

Obecnie, diagnoza sepsy i ocena ciężkości opierają się głównie na systemach punktacji, takich jak Sekwencyjna Ocena Niewydolności Narządów (SOFA) oraz Ostra Fizjologia i Ocena Przewlekłego Zdrowia II (APACHE II)5,6. Chociaż systemy te są szeroko stosowane w praktyce klinicznej, mają ograniczenia, takie jak skomplikowane obliczenia, czasochłonne oceny, wymagania dotyczące wielu wskaźników fizjologicznych i wyników testów biochemicznych oraz pewien stopień subiektywizmu i niespójności w praktyce klinicznej7,8. Wdrożenie tych systemów punktacji stanowi poważne wyzwanie, zwłaszcza w placówkach podstawowej opieki zdrowotnej i obszarach o ograniczonych zasobach9. Dlatego opracowanie prostego, niezawodnego i łatwego do wdrożenia narzędzia do oceny sepsy ma ważne znaczenie kliniczne.

Wskaźniki hematologiczne, jako najbardziej podstawowe elementy badań klinicznych, charakteryzują się szybkim wykrywaniem, niskim kosztem i szeroką dostępnością10,11. Obserwacje kliniczne wykazały, że wiele wskaźników hematologicznych u pacjentów z sepsą ulega znaczącym zmianom, przy czym hemoglobina (Hb), procent limfocytów (limf%) i szerokość dystrybucji płytek krwi (PDW) wykazują szczególnie zauważalne zmiany12,13. Obniżona hemoglobina odzwierciedla niedokrwistość związaną z sepsą, zmniejszony odsetek limfocytów wskazuje na supresję funkcji immunologicznej, podczas gdy zwiększona szerokość dystrybucji płytek krwi jest związana z odpowiedzią zapalną i dysfunkcją krzepnięcia14,15. Poprzednie badania12,13,14,15 potwierdziły, że te wskaźniki indywidualnie korelują z nasileniem sepsy i rokowaniem w pewnym stopniu, ale brakuje systematycznych metod zintegrowanej oceny wielu wskaźników16.

W ostatnich latach wielowymiarowe metody analizy danych zyskały coraz więcej zastosowań w ocenie chorób17. Odległość euklidesowa, jako geometryczna metoda pomiarowa służąca do ilościowego określania różnic między próbkami, może być wykorzystana do oceny stopnia odchylenia wskaźników pacjenta od normalnych wartości referencyjnych. Zastosowanie tej koncepcji do wielowymiarowej analizy danych klinicznych może dostarczyć nowych informacji na temat oceny ciężkości choroby. Obecnie jednak brakuje badań ilościowych oceniających sepsę opartych na wielowymiarowych charakterystykach przestrzennych wskaźników hematologicznych18,19.

Na podstawie powyższego tła, to badanie ma na celu: ocenę skuteczności hemoglobiny, procentu limfocytów i szerokości dystrybucji płytek krwi w odróżnianiu pacjentów z sepsą od zdrowych populacji; ustanowienie standaryzowanej przestrzeni wielowymiarowej w oparciu o te trzy wskaźniki i obliczenie euklidesowej odległości próbek pacjentów od zdrowego punktu centralnego; analiza korelacji między tą odległością a nasileniem sepsy (wynik SOFA); zbadanie aplikacji wartość tej nowej metody oceny opartej na rutynowych badaniach hematologicznych w klinicznym monitorowaniu sepsy. Metoda ta stanowi nowe, obiektywne i wygodne narzędzie do wczesnej identyfikacji, oceny ciężkości i dynamicznego monitorowania sepsy, szczególnie przydatne w praktyce klinicznej w placówkach opieki zdrowotnej na różnych poziomach10.

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

Protocol

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

To badanie było retrospektywnym badaniem kliniczno-kontrolnym zatwierdzonym przez Komisję Etyki Szpitala Sunsimiao, Pekińskiego Uniwersytetu Medycyny Chińskiej (numer zatwierdzenia: SSMYY-KYPJ-2024-065). Wszyscy uczestnicy lub ich przedstawiciele prawni podpisali formularze świadomej zgody.

Projekt badania i uczestnicy
W badaniu wzięło udział 496 pacjentów, u których zdiagnozowano sepsę (według kryteriów Sepsis-3 3) oraz 1136 zdrowych osób z grupy kontrolnej z centrum badań zdrowotnych w okresie od stycznia 2024 r. do marca 2025 r. Kryteria wykluczenia dla grupy obserwacyjnej obejmowały: (1) wiek < 18 lat; 2) kobiety w ciąży; 3) pierwotne choroby hematologiczne; 4) pacjenci z chorobami onkologicznymi; 5) transfuzja krwi przed przyjęciem; (6) niedawno przebyta terapia immunosupresyjna lub niedobór odporności; (7) niepełne dane kliniczne. Codzienne monitorowanie obejmowało poranne pobieranie krwi (06:00-08:00) do analizy morfologii krwi, a wyniki były dostępne w ciągu 12 godzin. Wyniki SOFA zostały obliczone przez przeszkolonych intensywistów przy użyciu standardowych kryteriów. Pacjenci byli monitorowani do momentu ustąpienia objawów klinicznych, wypisu ze szpitala, zgonu lub maksymalnego 30-dniowego okresu obserwacji.

Testy laboratoryjne i zbieranie danych
Zebrano dane demograficzne (wiek, płeć, wzrost, waga itp.) oraz informacje kliniczne dla wszystkich włączonych uczestników. Próbki morfologii krwi badano za pomocą analizatora hematologicznego, próbki surowicy badano za pomocą analizatora klinicznego, a próbki krzepnięcia badano za pomocą analizatora hematologicznego. Wszystkie próbki krwi musiały zostać przebadane w określonym czasie testu. Wszystkie testy zostały przeprowadzone przez przeszkolonych techników laboratoryjnych zgodnie ze standardowymi procedurami operacyjnymi. Laboratorium regularnie przeprowadzało wewnętrzną i zewnętrzną kontrolę jakości.

Dla pacjentów z sepsą rejestrowano główne rozpoznanie, miejsce infekcji, choroby współistniejące, wynik Oceny Sekwencyjnej Niewydolności Narządów (SOFA), Ocenę Ostrej Fizjologii i Przewlekłego Zdrowia II (APACHE II) oraz wyniki badań laboratoryjnych przy przyjęciu. Na podstawie punktacji SOFA przy przyjęciu pacjenci z sepsą podzielono na trzy grupy: łagodną (SOFA ≤ 6 punktów), umiarkowaną (7 ≤ SOFA ≤ 12 punktów) i ciężką (SOFA ≥ 13 punktów). W przypadku podgrupy pacjentów wyniki badań laboratoryjnych i wyniki SOFA były zbierane codziennie podczas ich hospitalizacji w celu ciągłej analizy śledzenia, z okresem obserwacji wynoszącym 30 dni lub do momentu wypisania pacjenta lub śmierci. Próbki od zdrowej grupy kontrolnej pobrano od uczestników centrum badań zdrowotnych, u których potwierdzono brak ostrych lub przewlekłych chorób.

Analiza i wizualizacja danych
Standaryzacja, przetwarzanie i analiza istotności
Aby wyeliminować różnice wymiarowe między różnymi wskaźnikami, przeprowadzono standaryzację wskaźnika Z-score na wszystkich próbkach Hb, Lymph% i PDW:

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

gdzie H to macierz danych zdrowej grupy kontrolnej, P to macierz danych grupy pacjentów z sepsą, a mu i sigma to odpowiednio średnia i odchylenie standardowe. Po standaryzacji dane były zgodne ze standardowym rozkładem normalnym ze średnią 0 i odchyleniem standardowym 1.

Wykresy wizualizacji istotności (Rysunek 1) zostały stworzone dla istotnych wskaźników Hb, Lymph% i PDW, które intuicyjnie pokazują różnice między zdrowymi próbkami a pacjentami z sepsą w każdym wymiarze wskaźnika. Rzeczywiste znaczenie analizy ilościowej pomiędzy wskaźnikami przedstawiono w tabeli 1. Obliczono statystyki opisowe (średnia, odchylenie standardowe, mediana, kwartyle itp.), do porównania różnic między grupami wykorzystano testy t dla prób niezależnych, a wielkość efektu d Cohena obliczono w celu oceny istotności różnic.

Obliczanie zdrowego punktu środkowego i pomiar odległości euklidesowej
Na podstawie standaryzowanych danych z zdrowej grupy kontrolnej obliczono współrzędne jego punktu środkowego w trójwymiarowej przestrzeni cech. Następnie obliczono euklidesową odległość od każdej próbki pacjenta z sepsą do zdrowego punktu środkowego w celu ilościowego określenia stopnia odchylenia wskaźników hematologicznych pacjenta od stanu zdrowego, jako obiektywnego wskaźnika oceny ciężkości choroby.

Metoda wizualizacji trójwymiarowej
Stworzono trójwymiarowe wykresy punktowe (Rysunek 2) w celu przedstawienia rozkładu dwóch grup próbek w przestrzeni cech. Używają gradientu kolorów (schemat kolorów Jet) do reprezentowania nasilenia sepsy, gdzie ciemnoniebieski reprezentuje łagodną sepsę, czerwony oznacza ciężką sepsę, a zdrowa grupa kontrolna jest oznaczona zielonym +.

Walidacja kliniczna długich próbek kohortowych
Aby ocenić możliwość zastosowania tej metody na nowych próbkach od pacjentów z długą kohortą (obserwowanych przez 3-6 miesięcy po przyjęciu), zaprojektowano proces walidacji predykcyjnej. Dla typowej długiej próbki kohortowej sepsy przeprowadzono standaryzowane przetwarzanie przy użyciu wcześniej zapisanej średniej (mu) i odchylenia standardowego (sigma) z procesu regularyzacji, a następnie obliczono odległość euklidesową od zdrowego punktu środkowego. Na podstawie obliczonej wartości odległości, w połączeniu z wcześniej ustaloną zgodnością między odległością a ciężkością choroby, oceniono nasilenie sepsy w nowych próbkach. Poprzez ciągłe śledzenie, narysowano krzywe porównania szeregów czasowych odległości euklidesowej i wyniku SOFA (Rysunek 3) w celu przeanalizowania spójności i korelacji zmian w tych dwóch trendach.

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

Results

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

Analiza istotności
Na podstawie wieloletniej praktyki klinicznej zaobserwowano, że wraz z postępem sepsy pacjenci wykazują znacznie obniżony poziom hemoglobiny i procentowy udział limfocytów, a także znacznie zwiększoną szerokość dystrybucji płytek krwi12,16. Poprzez analizę tych trzech kluczowych wskaźników hematologicznych - hemoglobiny, procentu limfocytów i szerokości dystrybucji płytek krwi - stwierdzono ...

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

Discussion

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

Nowa metoda oceny sepsy w oparciu o kluczowe wskaźniki hematologiczne
W badaniu tym zaproponowano nową metodę oceny nasilenia sepsy w oparciu o trzy kluczowe wskaźniki hematologiczne (hemoglobina, procent limfocytów i szerokość dystrybucji płytek krwi). Metoda ta określa ilościowo stopień odchylenia wskaźników hematologicznych od stanu zdrowego poprzez obliczenie odległości euklidesowej próbek pacjentów od punktu środkowego zdrowej populacji, zapewniając nowe narzędzie oceny do klinicznego monitorow...

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

Disclosures

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

Narzędzie programowe Multivariate State Color Scatter Plot (V1.0) zostało opracowane i jest własnością Beijing Intelligent Entropy Science & Technology Co., Ltd. Wszelkie prawa własności intelektualnej do tego oprogramowania należą do firmy. Autorzy deklarują brak konfliktu interesów.

Acknowledgements

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

To badanie było wspierane przez Roczny Projekt 2024 na rzecz Poprawy Możliwości Badawczych Tradycyjnej Medycyny Chińskiej Miejskich Szpitali Tradycyjnej Medycyny Chińskiej Prowincji Shaanxi (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 2023BObliczenia i wizualizacja 
Kolorowy wykres punktowy stanu wielowymiarowego   Inteligentny
  		Entropia Stan wielowymiarowy V1.0Pekin Inteligentna nauka o entropii i Technology Co Ltd.
Modelowanie dla stanu wielowymiarowego

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