Reprodukowalny protokół oceny biochemiczno-koagulacyjnej przy przyjęciu w celu rozpoznania zespołu niewydolności wielonarządowej w ostrym zapaleniu trzustki

Podsumowanie

W niniejszym opracowaniu przedstawiamy protokół dotyczący zestawiania kohorty, harmonizacji laboratoryjnej, opracowania modelu z regularyzacją (karą), walidacji oraz konstruowania skali punktowej do stosowania przy łóżku pacjenta w celu wczesnej stratyfikacji ryzyka wystąpienia zespołu wielonarządowej niewydolności w przebiegu ostrego zapalenia trzustki.

Streszczenie

Wczesne rozpoznanie zespołu niewydolności wielonarządowej w ostrym zapaleniu trzustki pozostaje trudne, ponieważ pogorszenie funkcji narządów może wystąpić przed zakończeniem konwencjonalnych ocen ciężkości stanu pacjenta. Niniejszy artykuł opisuje powtarzalny protokół opracowania, walidacji i zastosowania przy przyjęciu do szpitala złożonego wskaźnika biochemiczno-ukrzewnego, opartego na rutynowych badaniach laboratoryjnych wykonanych w ciągu 24 h od przyjęcia. Zespół niewydolności wielonarządowej wybrano jako główny punkt końcowy, ponieważ odzwierciedla on klinicznie istotną dysfunkcję obejmującą więcej niż jeden układ narządowy i bezpośrednio warunkuje intensywność wczesnego monitorowania, planowanie eskalacji leczenia oraz przydział zasobów intensywnej terapii. Protokół obejmuje tworzenie wieloośrodkowej kohorty, weryfikację kryteriów kwalifikacji, rozstrzyganie punktów końcowych, harmonizację jednostek laboratoryjnych, przetwarzanie brakujących danych, skalowanie predyktorów, opracowanie modelu regresji z regularyzacją (penalized regression), walidację na zbiorze testowym, konstrukcję wskaźnika, porównanie z uznanymi skalami ciężkości oraz analizy wrażliwości. Ciągłe zmienne laboratoryjne są zachowywane podczas opracowywania modelu, aby zminimalizować utratę informacji, natomiast interpretowalne klinicznie kategorie są stosowane wyłącznie przy przekształcaniu końcowego modelu w praktyczny wskaźnik przyłóżkowy. Punkty kontrolne procedury obejmują potwierdzenie złożenia kohorty, progi brakujących danych, zablokowane reguły wstępnego przetwarzania, wyniki wyboru modelu, wyniki walidacji oraz końcową interpretację wskaźnika. Dzięki takiemu schematowi pracy rutynowo mierzone markery biochemiczne i ukrzewne mogą zostać zintegrowane w ustrukturyzowane narzędzie stratyfikacji ryzyka przy przyjęciu w przypadku zespołu niewydolności wielonarządowej powiązanego z ostrym zapaleniem trzustki. Wskaźnik ten ma na celu wspieranie ściślejszej obserwacji, powtarzalnej oceny laboratoryjnej i przygotowania do wdrożenia terapii wspomagania narządów, jednak powinien on uzupełniać, a nie zastępować ocenę kliniczną lub uznane systemy oceny ciężkości stanu pacjenta.

Wprowadzenie

Ostre zapalenie trzustki to częsty nagły przypadek gastroenterologiczny, którego przebieg kliniczny obejmuje spektrum od łagodnego, samoistnie ustępującego stanu zapalnego po gwałtownie postępującą chorobę powikłaną niewydolnością narządową. Obecna ocena ciężkości stanu pacjenta opiera się zazwyczaj na zrewidowanej klasyfikacji z Atlanty, która definiuje stopień ciężkości choroby na podstawie powikłań miejscowych, powikłań ogólnoustrojowych oraz obecności i czasu trwania niewydolności narządowej¹. W początkowym okresie hospitalizacji stosuje się również przyłóżkowe systemy punktowe w celu wsparcia oceny ryzyka i decyzji o intensyfikacji leczenia. Bedside Index for Severity in Acute Pancreatitis wykorzystuje pięć zmiennych dostępnych w ciągu pierwszych 24 h i został opracowany w celu oszacowania ryzyka śmiertelności wewnątrzszpitalnej². Aktualne wytyczne kliniczne nadal podkreślają znaczenie wczesnego rozpoznania ciężkiej postaci choroby, powtarzalnej oceny stanu pacjenta, odpowiedniej płynoterapii, planowania wsparcia narządowego oraz terminowego zwiększenia poziomu opieki³.

Wczesna ocena ryzyka pozostaje trudna w rutynowej praktyce. Odpowiedź zapalna w ostrym zapaleniu trzustki zmienia się szybko, a niektóre tradycyjne systemy punktowe wymagają wielokrotnych pomiarów, zmiennych fizjologicznych ewoluujących po przyjęciu do szpitala lub wyników obrazowania, które mogą nie być dostępne podczas pierwszej wizyty klinicznej⁴. W konsekwencji klasyfikacja ryzyka może różnić się w zależności od czasu pobrania próbek, lokalnego przepływu pracy oraz ścieżki leczenia. Niepewności te mogą prowadzić do niepotrzebnego intensywnego monitorowania lub interwencji u pacjentów niskiego ryzyka, podczas gdy pacjenci, których stan szybko się pogarsza, mogą doświadczyć opóźnionej eskalacji leczenia. Niedawny przegląd metod przewidywania ciężkości przebiegu ostrego zapalenia trzustki wskazał, że skuteczność skal klinicznych i poszczególnych biomarkerów różni się w zależności od populacji pacjentów, rozkładu ciężkości choroby oraz okna oceny⁵.

Większość niedawnych badań nad predykcją próbowała wykorzystać zmienne zebrane w ciągu 24 h od przyjęcia do szpitala, często przyjmując trwałą niewydolność narządową lub ciężkie ostre zapalenie trzustawki jako wynik docelowy. Takie podejście jest przydatne klinicznie, jednak wiele opublikowanych modeli pozostaje ograniczonych przez jednocentryczny projekt, niepełną walidację oraz niewystarczający opis metod preprocessingu i obsługi brakujących danych⁶. Przejrzyste raportowanie jest szczególnie istotne w przypadku modeli predykcyjnych, ponieważ kryteria kwalifikacji, definicje predyktorów, wielkość próby, sposób postępowania z brakującymi danymi, decyzje dotyczące budowy modelu oraz procedury walidacyjne bezpośrednio wpływają na powtarzalność i interpretację kliniczną⁷. Aby metoda oparta na danych z momentu przyjęcia była użyteczna w różnych placówkach, powinna opierać się na rutynowo dostępnych badaniach, definiować procedury konwersji jednostek, wyjaśniać sposób harmonizacji wartości laboratoryjnych oraz określać, w jaki sposób traktowane są niepełne wartości predyktorów przed dopasowaniem modelu.

Nieprawidłowości biochemiczne i krzepnięcia krwi mają istotne znaczenie dla wczesnego pogorszenia stanu pacjenta w ostrym zapaleniu trzustki. Aktywacja zapalna, uszkodzenie śródbłonka, hemokoncentracja, hipoperfuzja nerek oraz zaburzenia mikrokrążenia mogą wystąpić wczesnym etapie i przyczyniać się do dysfunkcji narządów. Aktywacja krzepnięcia jest ściśle powiązana ze stanem zapalnym, a koagulopatia towarzysząca ostremu zapaleniu trzustki została opisana jako element progresji w stronę utrwalonej niewydolności narządowej i niekorzystnych wyników⁸. Wykazano również, że poziom D-dimerów w momencie przyjęcia jest markerem związanym z niewydolnością narządową, powikłaniami miejscowymi, koniecznością przyjęcia na oddział intensywnej terapii oraz śmiertelnością w ostrym zapaleniu trzustki⁹. Jednak wskaźniki krzepnięcia są często interpretowane oddzielnie, a nie w połączeniu z rutynowymi zmiennymi biochemicznymi w ramach ustrukturyzowanego procesu przyjęcia pacjenta.

Zespół wielonarządowej niewydolności wybrano jako główny punkt końcowy w niniejszym protokole, ponieważ reprezentuje on klinicznie istotną dysfunkcję obejmującą więcej niż jeden układ narządowy. Utrzymująca się niewydolność narządowa pozostaje kluczowym elementem klasyfikacji stopnia ciężkości ostrego zapalenia trzustki, jednak zespół wielonarządowej niewydolności jest bliższy praktycznemu pytaniu stawianemu przy przyjęciu: czy pacjent prawdopodobnie będzie wymagał ściślejszego nadzoru, powtarzalnej oceny laboratoryjnej, przygotowania do wsparcia narządowego lub zasobów intensywnej terapii. Punkt końcowy ten pozwala również na ocenę sygnałów biochemicznych i krzepnięcia w odniesieniu do szerszego wzorca systemowego pogorszenia stanu zdrowia, a nie tylko pojedynczego wyniku opartego na funkcji jednego narządu.

Artykuł do tej metody opisuje powtarzalny protokół punktacji biochemiczno-koagulacyjnej przy przyjęciu, służący do wczesnej stratyfikacji ryzyka zespołu wielonarządowej niewydolności w ostrym zapaleniu trzustki. Protokół wykorzystuje rutynowe zmienne laboratoryjne uzyskane w ciągu 24 h od przyjęcia, standaryzuje harmonizację jednostek i sposób postępowania z brakującymi danymi, stosuje rozwój modelu z penalizacją oraz przekłada końcowy model na klinicznie interpretowalny wynik złożony. Celem nie jest zastąpienie oceny klinicznej ani uznanych schematów oceny ciężkości stanu pacjenta, lecz zapewnienie przejrzystego, replikowalnego przepływu pracy, który pomoże placówkom w organizacji laboratoryjnych danych przy przyjęciu w formie praktycznych informacji o ryzyku.

Protokół

Protokół badania został zatwierdzony przez Komisję Etyki Badań Biomedycznych z Udziałem Ludzi w First People’s Hospital of Jiashan, Jiashan Hospital Affiliated to Jiaxing University (nr zatwierdzenia 2026 Research Approval No. 005; nr akceptacji LW2026004; data zatwierdzenia: 13 stycznia 2026 r.). Wymóg uzyskania indywidualnej świadomej zgody został zniesiony, ponieważ w tym badaniu retrospektywnym wykorzystano zanonimizowane dane kliniczne. Przed analizą usunięto bezpośrednie identyfikatory, w tym imię i nazwisko, szpitalny numer identyfikacyjny, numer telefonu, adres oraz krajowy numer identyfikacyjny. Przetwarzanie danych odbywało się zgodnie z instytucyjnymi wymogami ochrony danych oraz Deklaracją Helsińską¹⁰.

Projekt badania i dobór wieloośrodkowej kohorty
W tym retrospektywnym wieloośrodkowym badaniu kohortowym wykorzystano biochemiczne i koagulologiczne dane przy przyjęciu do szpitala w celu opracowania powtarzalnego schematu punktacji do wczesnej stratyfikacji ryzyka zespołu niewydolności wielonarządowej (MODS) w ostrym zapaleniu trzustki (AP). AP zdefiniowano jako wystąpienie co najmniej dwóch z następujących kryteriów: typowy ból brzucha, poziom amylazy lub lipazy w surowicy co najmniej trzykrotnie przekraczający górną granicę normy lub wyniki badań obrazowych zgodne z AP. Okres bazowy zdefiniowano jako pierwsze 24 h po przyjęciu do szpitala. Dla każdego predyktora laboratoryjnego wykorzystano pierwszą kwalifikującą się wartość w tym oknie czasowym. Wartości uzyskane po pierwszym udokumentowanym wystąpieniu MODS nie były wykorzystywane do konstrukcji predyktorów.

Kolejno następujące hospitalizacje z powodu AP w ośrodkach uczestniczących w okresie od 1 stycznia 2023 r. do 20 grudnia 2025 r. były analizowane przy użyciu jednolitego rejestru przesiewowego, listy kontrolnej kwalifikacji, słownika danych oraz formularza rozstrzygania punktów końcowych. W rejestrze przesiewowym odnotowano całkowitą liczbę analizowanych przyjęć, przyjęcia powielone, wykluczenia ze względu na niepotwierdzone AP, wiek poniżej 18 lat, przewlekłe zapalenie trzustki, zapalenie trzustki związane z nowotworem trzustki, niewiarygodny czas przyjęcia, brak danych laboratoryjnych z 24 h, niekompletne rekordy punktów końcowych oraz ostateczną kohortę analityczną. Zablokowany rejestr przesiewowy posłużył do wygenerowania Rysunku 1. Liczba pacjentów na Rysunku 1 została zweryfikowana z końcowym zbiorem danych analitycznych przed przeprowadzeniem analizy.

Po ustaleniu kohorty analitycznej, pacjenci zostali przydzieleni do kohorty rozwojowej oraz do niezależnej kohorty walidacyjnej w stosunku 7:3. Podział został przeprowadzony w programie R wersja 4.3.2 przy użyciu pakietu caret wersja 6.0-94, z ustalonym ziarnem losowym 20260420. Przeprowadzono próbkowanie warstwowe według stanu MODS oraz ośrodka. Jeśli rozkład ośrodków różnił się o więcej niż 5 punktów procentowych między kohortami, zastosowano połączone warstwy ośrodek-MODS. Przydział do kohort został zapisany przed dopasowaniem modelu i nie był później modyfikowany. Reguły wstępnego przetwarzania, ustawienia imputacji, strojenie modelu, szacowanie współczynników, konstrukcja wyniku oraz wybór wartości odcięcia zostały opracowane wyłącznie na podstawie kohorty rozwojowej. Niezależna kohorta walidacyjna została wykorzystana wyłącznie do oceny ustalonego modelu.

Kryteria kwalifikacji i procedury rekrutacji
Kwalifikowalni pacjenci byli osobami dorosłymi w wieku 18 lat lub starszymi z potwierdzonym AP, możliwym do ustalenia czasem przyjęcia do szpitala, co najmniej jednym panelem badań biochemicznych lub układu krzepnięcia wykonanym w ciągu 24 h od przyjęcia oraz pełną dokumentacją szpitalną służącą do oceny punktów końcowych. Pacjenci byli wykluczani, jeśli nie można było potwierdzić AP, w przypadku wystąpienia przewlekłego zapalenia trzustki lub zapalenia trzustki związanego z nowotworem trzustki, bądź gdy nie można było wiarygodnie odtworzyć czasu pierwszego przyjęcia do szpitala. Przypadki pacjentów przekazanych z innych placówek wykluczano, gdy czas pierwszego przyjęcia, czas pierwszego pobrania materiału do badań laboratoryjnych lub wczesny stan dysfunkcji narządów nie były możliwe do ustalenia pomiędzy instytucjami. W przypadku wielokrotnych przyjęć tego samego pacjenta w okresie badania, uwzględniano jedynie pierwszą kwalifikowalną hospitalizację. Dla każdego wykluczonego przypadku odnotowano jeden główny powód wykluczenia.

Wyniki i rozstrzyganie punktów końcowych
Głównym punktem końcowym był szpitalny zespół niewydolności wielonarządowej (MODS), zdefiniowany jako dysfunkcja dwóch lub więcej układów narządowych podczas hospitalizacji. Dysfunkcję narządową oceniano na podstawie zapisów z zakresu układu oddechowego, sercowo-naczyniowego, nerek, wątroby, krzepnięcia oraz zapisów neurologicznych w elektronicznej dokumentacji medycznej. Te same wcześniej określone kryteria dla układów narządowych zastosowano we wszystkich ośrodkach przed opracowaniem modelu, a operacyjne kryteria wykorzystane do rozstrzygania punktów końcowych podsumowano w Tabeli uzupełniającej 1.

Dwoje przeszkolonych recenzentów niezależnie oceniło każdy zanonimizowany rekord, wykorzystując notatki z przyjęcia, notatki z przebiegu leczenia, dokumentację oddziału intensywnej terapii, dokumentację zabiegów, raporty laboratoryjne, zapisy parametrów życiowych oraz wypisy ze szpitala. Formularz oceny zawierał kod badania pacjenta, zajęty układ organów, rekord źródłowy, datę i godzinę wystąpienia objawów, potwierdzającą wartość laboratoryjną lub fizjologiczną, decyzję recenzenta oraz końcowy status rozstrzygnięcia. Zgodność między recenzentami uznawano za ostateczną. Rozbieżności były rozstrzygane przez trzeciego, starszego recenzenta. Drugorzędowe punkty końcowe obejmowały przyjęcie na oddział intensywnej terapii, inwazyjną lub nieinwazyjną wentylację mechaniczną, terapię zastępcza nerek, śmiertelność wewnątrzszpitalną, zainfekowaną martwicę lub procedurę drenażu oraz długość pobytu w szpitalu. Długość pobytu obliczano jako datę wypisu pomniejszoną o datę przyjęcia plus 1 dzień.

Potencjalne predyktory w momencie przyjęcia
Wybór potencjalnych predyktorów ograniczono do rutynowych zmiennych dostępnych w ciągu 24 h od przyjęcia. W przypadku wielokrotnych badań wykonanych w oknie 24 h, zachowano pierwszą kwalifikującą się wartość. Zmienne biochemiczne obejmowały liczbę białych krwinek, białko C-reaktywne, prokalcytoninę (jeśli była dostępna), mleczany, glukozę, wapń całkowity, azot moczowy we krwi, kreatyninę, aminotransferazę alaninową, bilirubinę całkowitą, albuminy oraz dehydrogenazę mleczanową. Zmienne krzepnięcia obejmowały liczbę płytek krwi, czas protrombinowy, międzynarodowo znormalizowany współczynnik czasu protrombinowego (INR), czas częściowej tromboplastyny aktywowanej, fibrynogen oraz D-dimery.

Podstawowe zmienne kliniczne zostały zebrane w celu opisu składu przypadków oraz obliczenia wyników referencyjnych. Zmienne te obejmowały wiek, płeć, wskaźnik masy ciała, czas od wystąpienia objawów do przyjęcia do szpitala, etiologię AP, status palenia tytoniu, przebyte zapalenie trzustki, choroby współistniejące, tętno w momencie przyjęcia, średnioarteryjne ciśnienie tętnicze, status zespołu ogólnoustrojowej odpowiedzi zapalnej, wynik wskaźnika BISI (Bedside Index for Severity in Acute Pancreatitis), wynik w skali APACHE II (Acute Physiology and Chronic Health Evaluation II) oraz wynik w skali SOFA (Sequential Organ Failure Assessment). W przypadkach, gdy dostępne były zarówno czas protrombinowy, jak i międzynarodowy wskaźnik INR czasu protrombinowego, do modelowania wykorzystano międzynarodowy wskaźnik INR czasu protrombinowego, natomiast czas protrombinowy zachowano do raportowania opisowego. Plik ekstrakcyjny zawierał jeden wiersz na każdą hospitalizację i obejmował kod ośrodka, kod pacjenta w badaniu, czas przyjęcia, czas pobrania próbek, wartość surową, jednostkę surową, wartość zharmonizowaną, jednostkę zharmonizowaną, tabelę źródłową oraz flagę brakujących danych.

Harmonizacja laboratoryjna pomiędzy ośrodkami
Wszystkie zmienne laboratoryjne przed analizą przeliczono na uprzednio określone jednostki docelowe: liczba białych krwinek i liczba płytek krwi, 10⁹/L; białko C-reaktywne, mg/L; prokalcytonina, ng/mL; mleczany, glukoza, wapń całkowity i azot mocznika we krwi, mmol/L; kreatynina i bilirubina całkowita, µmol/L; aminotransferaza alaninowa i dehydrogenaza mleczanowa, U/L; albuminy i fibrynogen, g/L; czas protrombinowy i czas aktywowanej częściowej tromboplastyny, sekundy; wskaźnik INR (międzynarodowy wskaźnik standaryzowany czasu protrombinowego), stosunek bezwymiarowy; oraz D-dimery, mg/L ekwiwalentnych jednostek fibrynogenu. Wartości D-dimerów podane w µg/mL ekwiwalentnych jednostek fibrynogenu przeliczono na mg/L ekwiwalentnych jednostek fibrynogenu przy użyciu przelicznika liczbowego 1:1. Wartości D-dimerów podane w jednostkach D-dimerów przeliczono tylko wtedy, gdy lokalne laboratorium dostarczyło zwalidowany czynnik konwersji. Wartości bez zwalidowanego czynnika konwersji traktowano jako brakujące w modelu.

Przed połączeniem danych przeanalizowano jednostki raportowania, zakresy referencyjne, zapisy z analiz oraz uwagi dotyczące analizatorów z każdego ośrodka. Plik harmonizacji zawierał oryginalną jednostkę, jednostkę docelową, regułę konwersji oraz osobę odpowiedzialną za weryfikację konwersji. W analizie podstawowej wartości laboratoryjne nie były normalizowane względem zakresów referencyjnych poszczególnych ośrodków, ponieważ wynik miał opierać się na bezwzględnych wartościach klinicznych. Kod ośrodka zachowano podczas imputacji i analizy wrażliwości. Oznaczono wartości ujemne w testach nieprzyjmujących wyników ujemnych, jednostki niekompatybilne, znaczniki czasu spoza okna 24 h oraz wartości niepoparte zapisami źródłowymi. Wartość korygowano tylko wtedy, gdy zapis źródłowy potwierdzał błąd transkrypcji lub błąd konwersji jednostek; w przeciwnym razie traktowano ją jako brakującą.

Przetwarzanie wstępne danych i postępowanie z brakującymi danymi
Przed dopasowaniem modelu podsumowano braki danych w podziale na zmienne, ośrodki oraz status MODS. Potencjalne predyktory wykluczano z opracowywania modelu, jeśli całkowity odsetek braków przekroczył 30% lub jeśli braki przekroczyły 50% w którymkolwiek pojedynczym ośrodku. Pacjentów wykluczano z zestawu danych do modelowania, jeśli brakowało ponad 40% potencjalnych predyktorów lub jeśli nie można było rozstrzygnąć wyniku podstawowego.

Predyktory ciągłe poddano winsoryzacji na poziomach 1. i 99. percentyla oszacowanych w kohorcie rozwojowej. Te same progi zastosowano w kohorcie walidacyjnej (hold-out). Progi nie były ponownie szacowane w danych walidacyjnych. Zmienne o skośności większej niż 2 po winsoryzacji przekształcono za pomocą logarytmu naturalnego; w przypadku zmiennych, które mogły zawierać zero, zastosowano log(x + 0,01). Predyktory ciągłe zestandaryzowano, wykorzystując średnią i odchylenie standardowe kohorty rozwojowej, a te same parametry zastosowano do danych walidacyjnych.

Wielokrotna imputacja została przeprowadzona za pomocą łańcuchowych równań w programie R z wykorzystaniem pakietu mice w wersji 3.16.0. Wygenerowano dwadzieścia imputowanych zbiorów danych, wykonując 20 iteracji dla każdego zbioru. W przypadku zmiennych ciągłych zastosowano dopasowanie średnich predykcyjnych (predictive mean matching), dla zmiennych binarnych regresję logistyczną, a dla nominalnych zmiennych kategorycznych wielomianową regresję logistyczną. Model imputacji obejmował potencjalne predyktory, kod ośrodka, wskaźnik kohorty oraz status MODS w celu opracowania modelu. Wyniki walidacji nie były wykorzystywane do modyfikacji reguł wstępnego przetwarzania, kwalifikowalności zmiennych ani progów. Szacunki regresji, jeśli zostały podane, łączono zgodnie z regułami Rubina. Metryki predykcji obliczano w ramach każdego imputowanego zbioru danych, a następnie podsumowano jako szacunki połączone lub mediany wraz z zakresami. Z góry określono dwie analizy wrażliwości: analizę przypadków kompletnych z wykorzystaniem pacjentów bez brakujących predyktorów modelu końcowego oraz analizę wartości bazowych z zastosowaniem najgorszego kwalifikowalnego wyniku laboratoryjnego w ciągu 24 h zamiast wartości najwcześniejszej.

Analiza statystyczna i opracowanie modelu
Charakterystyka wyjściowa została podsumowana oddzielnie dla kohorty rozwojowej oraz kohorty walidacyjnej. Zmienne ciągłe przedstawiono jako średnia ± odchylenie standardowe lub mediana z rozstępem międzykwartylowym, a zmienne kategoryczne jako n (%). Biochemiczne i krzepnięce parametry przy przyjęciu porównano pomiędzy pacjentami z MODS i bez MODS. W przypadku zmiennych ciągłych zastosowano test t Studenta lub test sum rang Wilcoxona, natomiast dla zmiennych kategorycznych test chi-kwadrat lub dokładny test Fishera. Wartości P miały charakter opisowy i nie były wykorzystywane samodzielnie do wyboru predyktorów.

Opracowanie modelu ograniczono do kohorty rozwojowej. W celu zminimalizowania nadmiernego dopasowania (overfitting) przy ograniczonej liczbie zdarzeń i skorelowanych predyktorach laboratoryjnych zastosowano ukarany regresję logistyczną jako główny model. Model dopasowano w programie R w wersji 4.3.2 z użyciem pakietu glmnet w wersji 4.1-8 z rodziną dwumianową (binomial family), zestandaryzowanymi predyktorami oraz penalizacją metodą LASSO (least absolute shrinkage and selection operator), określoną przez alpha = 1. Do dostrojenia kary wykorzystano dziesięciokrotną walidację krzyżową powtórzoną 10 razy, przy ustalonym ziarnie losowości (random seed) 20260420. Parametr kary wybrano zgodnie z regułą jednego błędu standardowego. Zapisano ścieżkę współczynników, wartości błędu walidacji krzyżowej, wybrany parametr kary oraz zachowane predyktory. Schemat analizy przedstawiono na Rysunku 2. Oprogramowanie, pakiety statystyczne, systemy baz danych i platformy laboratoryjne wykorzystane w protokole wymieniono w Tabeli materiałów.

Regresja logistyczna bez kary nie była stosowana jako główny model wnioskowania po selekcji z nałożeniem kary. W przypadku raportowania ilorazów szans w celu interpretacji klinicznej, zostały one oznaczone jako opisowe szacunki po selekcji. Dyskryminację oszacowano za pomocą pola pod krzywą charakterystyki operacyjnej odbiornika (ROC), a 95% przedziały ufności obliczono metodą DeLonga w pakiecie pROC w wersji 1.18.5. Kalibrację oceniono za pomocą punktu przecięcia kalibracji, nachylenia kalibracji, wyniku Briera oraz wykresów kalibracji. W kohorcie rozwojowej zastosowano resamping bootstrapowy z 1 000 powtórzeniami w celu oszacowania wydajności skorygowanej o optymizm. Analiza krzywych decyzyjnych nie została zachowana w zrewidowanym zestawie analiz; w związku z tym z manuskryptu usunięto twierdzenia dotyczące klinicznej korzyści netto.

Wyprowadzenie i interpretacja wyniku
Punktowy złożony wynik biochemiczno-koagulacyjny dla przyjęć został wyprowadzony z zablokowanych współczynników modelu z karą. Podczas dopasowywania modelu stosowano zmienne ciągłe. Progi kategoryzowane wprowadzono dopiero po sfinalizowaniu modelu, aby umożliwić obliczenia przy łóżku pacjenta. Progi wybrano zgodnie z ustalonymi klinicznymi zakresami referencyjnymi, powszechnie stosowanymi progami nieprawidłowości laboratoryjnych lub punktami odcięcia opartymi na współczynnikach, określonymi w kohorcie rozwojowej przed walidacją. Progi nie były optymalizowane w kohorcie walidacyjnej.

Punkty całkowite przypisano zgodnie z kierunkiem i względną wielkością zablokowanych współczynników. Wyższa liczba punktów wskazywała na bardziej niekorzystne profile laboratoryjne. Całkowity wynik obliczono poprzez zsumowanie punktów z zachowanych komponentów. Wstępnie określone kategorie ryzyka wykorzystano wyłącznie do stratyfikacji ryzyka; nie służyły one do definiowania MODS. Wynik miał na celu zidentyfikowanie pacjentów, którzy mogą wymagać ściślejszej obserwacji, powtórnej oceny laboratoryjnej lub przygotowania do procedur wsparcia narządowego. Nie był on stosowany jako samodzielna reguła diagnostyczna, wyzwalacz przeciwzakrzepowy ani zamiennik ponownej oceny klinicznej.

Walidacja na zbiorze testowym i benchmarking
Zablokowane reguły preprocessingu, struktura imputacji, progi winsoryzacji, parametry standaryzacji, współczynniki modelu, reguły punktacji oraz z góry określone wartości odcięcia zostały zastosowane do kohorty walidacyjnej (hold-out). Nie przeprowadzono dalszego przesiewu predyktorów, ponownego dopasowania modelu, rekalibracji współczynników ani optymalizacji progów. Efektywność walidacji podsumowano za pomocą dyskryminacji, kalibracji, wyniku Briera, czułości, swoistości, dodatniej wartości predykcyjnej oraz ujemnej wartości predykcyjnej.

Ustanowione narzędzia oceny ciężkości stanu pacjenta obliczono z tego samego okna przyjęcia, w którym dane były dostępne, w tym Bedside Index for Severity in Acute Pancreatitis, wynik Acute Physiology and Chronic Health Evaluation II, wynik Sequential Organ Failure Assessment, wynik Ranson, Harmless Acute Pancreatitis Score oraz kryteria zespołu ogólnoustrojowej odpowiedzi zapalnej. W porównaniach zastosowano ten sam punkt końcowy, populację analizowaną oraz schemat walidacji. Sparowane porównania powierzchni pod krzywą przeprowadzono przy użyciu testów DeLonga.

Wszystkie wykresy walidacyjne oraz wykresy z podziałem na warstwy wyników zostały wygenerowane z zablokowanego zbioru danych analitycznych. Przed przygotowaniem rycin sprawdzono wielkość próby w każdym panelu ryciny w odniesieniu do końcowej kohorty analitycznej, kohorty rozwojowej, odseparowanej kohorty walidacyjnej lub wcześniej określonej warstwy wyników. Metody wizualizacji przeznaczonych dla wysokowymiarowych danych omicznych, ekologicznych danych licznych lub analiz różnicowej obfitości nie były stosowane w przypadku rutynowych danych z laboratorium klinicznego.

Wyniki

Charakterystyka kohorty i porównywalność wyjściowa
Do końcowej kohorty analitycznej włączono łącznie 300 pacjentów z ostrym zapaleniem trzustki. Zgodnie z wcześniej określonym warstwowym podziałem w stosunku 7:3, 210 pacjentów przydzielono do kohorty rozwojowej, a 90 pacjentów do odseparowanej kohorty walidacyjnej. Wszyscy włączeni pacjenci posiadali kwalifikujące się pomiary biochemiczne i krzepnięcia w ciągu 24 h od przyjęcia do szpitala.

Charakterystyka wyjściowa został...

Dyskusja

Zespoły niewydolności wielonarządowej (MODS) związane z ostrym zapaleniem trzustki mogą rozwinąć się w krótkim czasie po przyjęciu do szpitala, szczególnie u pacjentów z wczesnym zapaleniem systemicznym, uszkodzeniem śródbłonka, zaburzoną perfuzją tkankową i niestabilnością metaboliczną. Niniejszy protokół został opracowany z uwzględnieniem tego okna przyjęcia, ponieważ pierwsze 24 h często decydują o tym, czy pacjent pozostanie pod rutynową obserwacją na oddziale, czy wymaga dokładniejszej oceny, zwiększonego monitorowa...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Nazwa	Nazwa firmy	Numer katalogowy / URL	Komentarze
oprogramowanie statystyczne R	R Foundation for Statistical Computing	Wersja 4.3.2 https://www.r-project.org/	Środowisko obliczeń statystycznych wykorzystane do wstępnego przetwarzania danych, opracowania modelu, walidacji oraz generowania rycin.
pakiet R caret	CRAN / Max Kuhn	Wersja 6.0-94 https://cran.r-project.org/package=caret	Wykorzystywane do stratyfikowanego podziału danych na zbiór rozwojowy i walidacyjny w proporcji 7:3 przy użyciu funkcji createDataPartition.
pakiet R glmnet	Autorzy CRAN / glmnet	Wersja 4.1-8 https://cran.r-project.org/package=glmnet	Stosowane do regresji logistycznej z karą LASSO z rozkładem dwumianowym i alpha = 1.
pakiet R mice	Projekt CRAN / amices	Wersja 3.16.0 https://cran.r-project.org/package=mice	Wykorzystano do wielokrotnej imputacji za pomocą łańcuchowych równań z zastosowaniem 20 imputowanych zbiorów danych i 20 iteracji.
pakiet pROC w języku R	autorzy CRAN / pROC	Wersja 1.18.5 https://cran.r-project.org/package=pROC	Stosowane do analizy ROC, szacowania AUC, wyznaczania przedziałów ufności oraz porównań metodą DeLonga.
seria modułowych analizatorów cobas 8000	Roche Diagnostics	05641446001 / SYS_128 Seria analizatorów cobas 8000 zintegrowany system do badań immunochemicznych i klinicznej chemii zoptymalizowane wyniki, zautomatyzowany przepływ pracy i najwyższa wydajność W dzisiejszych czasach laboratoria diagnostyczne muszą radzić sobie z rosnącym zapotrzebowaniem na badania przy jednoczesnej konieczności skrócenia czasu oczekiwania na wynik i utrzymania najwyższej jakości. Seria analizatorów cobas 8000 została zaprojektowana tak, aby sprostać tym wymaganiom, oferując zintegrowane rozwiązanie do immunochemii i chemii klinicznej, które maksymalizuje wydajność i minimalizuje błędy. Kluczowe korzyści: Większa wydajność i przepustowość: System cobas 8000 integruje moduły do badań immunochemicznych i chemicznych, co pozwala na jednoczesne przetwarzanie ogromnej liczby próbek. Dzięki temu laboratoria mogą zwiększyć swoją przepustowość bez konieczności rozbudowy powierzchni roboczej. Zoptymalizowany przepływ pracy: Automatyzacja procesów ładowania próbek, zarządzania odczynnikami i raportowania wyników redukuje ręczne interwencje, co znacząco obniża ryzyko błędów przedanalitycznych i analitycznych. Szerokie menu testowe: Dostęp do kompleksowego portfolio testów Roche, obejmującego markery kardiologiczne, endokrynologiczne, nowotworowe oraz szeroki zakres parametrów biochemicznych, co pozwala na realizację większości badań w ramach jednego systemu. Niezawodna precyzja i jakość: Zaawansowane technologie detekcji i rygorystyczne systemy kontroli jakości zapewniają powtarzalne i dokładne wyniki, niezbędne do postawienia prawidłowej diagnozy i monitorowania stanu pacjenta. Zintegrowane zarządzanie danymi: Pełna kompatybilność z systemami informatycznymi laboratorium (LIS), co umożliwia płynny przesył danych, automatyczną walidację wyników i szybkie przekazywanie informacji do lekarzy prowadzących. Zastosowania: Seria cobas 8000 jest idealnym rozwiązaniem dla dużych laboratoriów szpitalnych oraz centrów diagnostycznych o wysokim wolumenie badań, które dążą do optymalizacji kosztów operacyjnych przy jednoczesnym podniesieniu standardów opieki nad pacjentem.	Analizy biochemiczne i immunochemiczne. Przed przesłaniem należy zweryfikować model analizatora oraz informacje katalogowe z dokumentacją laboratorium uczestniczącego.
Automatyczny analizator hematologiczny XN-1000	Sysmex Corporation	Model XN-1000 https://www.sysmex.com/en-us/lab-solutions/hematology/xn-series/xn-1000	Zmienne morfologii krwi, w tym liczba leukocytów i płytek krwi. Zweryfikować z dokumentacją laboratorium uczestniczącego przed przesłaniem.
Automatyczny analizator krzepliwości krwi CS-5100	Sysmex Corporation	Model CS-5100 Sysmex CS-5100 Nowy standard w automatyzacji hemostazy Zoptymalizuj swój przepływ pracy dzięki zaawansowanej automatyzacji, niezawodności i precyzji. System CS-5100 to zautomatyzowany analizator hemostazy, który łączy w sobie wydajność i precyzję, aby sprostać wymaganiom współczesnych laboratoriów. Dzięki zaawansowanej technologii zapewnia szybkie i dokładne wyniki, optymalizując procesy diagnostyczne w obszarze krzepliwości krwi. Kluczowe korzyści: Zwiększona wydajność: Zautomatyzowany proces obsługi próbek skraca czas oczekiwania na wynik (TAT) i minimalizuje ryzyko błędów przedanalitycznych. Bezpieczeństwo i precyzja: System zapewnia najwyższą dokładność pomiarów, co przekłada się na bezpieczniejszą diagnostykę i terapię pacjentów. Intuicyjna obsługa: Nowoczesny interfejs użytkownika ułatwia zarządzanie analizatorem i monitorowanie procesów laboratoryjnych. Elastyczność konfiguracji: Możliwość dostosowania systemu do specyficznych potrzeb laboratorium, niezależnie od jego wielkości i liczby wykonywanych badań. Zastosowania: System CS-5100 jest przeznaczony do rutynowego badania hemostazy, w tym pomiaru czasu protrombinowego (PT), czasu aktywowanej częściowej tromboplastyny (aPTT), poziomu fibrynogenu oraz innych kluczowych parametrów krzepliwości. Wybierz Sysmex CS-5100, aby wprowadzić swoje laboratorium na wyższy poziom automatyzacji i zapewnić najwyższą jakość opieki nad pacjentem.	Parametry krzepnięcia, w tym PT, APTT, fibrynogen i D-dimery. Przed przesłaniem zweryfikować z zapisami laboratorium uczestniczącego.
analizator gazometrii krwi ABL90 FLEX PLUS	Radiometer Medical ApS	Model ABL90 FLEX PLUS https://www.radiometer.com/pl/produkty/badanie-gazometrii/analizator-gazometrii-krwi-abl90-flex-plus	Pomiar poziomu mleczanu, jeśli korzystano z tej platformy. Przed przesłaniem należy zweryfikować dane z dokumentacją uczestniczącego laboratorium.
System elektronicznej dokumentacji medycznej	Szpitale uczestniczące	Specyficzne dla instytucji; nie dotyczy	Służy do pobierania notatek z przyjęcia, notatek z przebiegu leczenia, dokumentacji z oddziału intensywnej terapii, procedur, parametrów życiowych oraz dokumentacji wypisowej. W miejsce tego opisu należy wpisać rzeczywistego dostawcę i nazwę systemu, jeśli są one znane.
Laboratoryjny system informatyczny	Szpitale uczestniczące	Specyficzne dla instytucji; nie dotyczy	Służy do pobierania znaczników czasu z laboratorium, wartości surowych, jednostek i danych zharmonizowanych. W przypadku dostępności należy zastąpić właściwą nazwą dostawcy i systemu.
Formularz oceny punktów końcowych	Zespół badawczy	Niestandardowy dokument badania; nie dotyczy	Znormalizowany formularz stosowany przez dwóch recenzentów oraz trzeciego, starszego recenzenta w celu rozstrzygnięcia statusu i momentu wystąpienia MODS.
Słownik danych i tabela konwersji jednostek	Zespół badawczy	Niestandardowy dokument badania; nie dotyczy	Definiuje nazwy zmiennych, jednostki docelowe, reguły konwersji, flagi brakujących danych, kody ośrodków oraz formaty gotowe do analizy.