W tym prospektywnym badaniu kohortowym oceniono cyfrowe cechy ran, termografię oraz miejscowe markery stanu zapalnego w przypadku oparzeń, owrzodzeń przewlekłych oraz ran po rekonstrukcjach dłoni. Modele multimodalne wykazały umiarkowaną, wewnętrznie zwalidowaną zdolność dyskryminacji bez znaczącej poprawy w stosunku do oceny klinicznej, co wspiera jedynie eksploracyjną stratyfikację ryzyka i wymaga zewnętrznej walidacji przed zastosowaniem w praktyce klinicznej.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł badawczy
Wczesne cyfrowe i zapalne markery opóźnionego gojenia w oparzeniach, owrzodzeniach i rekonstrukcjach dłoni: prospektywne badanie kohortowe
93 wyświetleń
⸱
11 września 2026
W tym artykule
Podsumowanie
Streszczenie
Opóźnione gojenie jest oceniane w różny sposób w przypadku oparzeń, owrzodzeń przewlekłych i ran po rekonstrukcji tkanek miękkich dłoni, mimo że pacjenci ci są często leczeni w ramach tej samej poradni leczenia ran. W tym prospektywnym, jednocentrycznym badaniu kohortowym oceniano, czy ustandaryzowane cyfrowe cechy rany, termografia i miejscowe markery stanu zapalnego wnoszą wartość dodaną do wczesnej oceny ryzyka opóźnionego gojenia w tych trzech kategoriach. Dorośli uczestnicy włączeni do badania między 1 stycznia 2024 r. a 31 grudnia 2025 r. zostali poddani bazowej fotografii rany, obrazowaniu termowizyjnemu oraz pobraniu próbek płynu z rany. Opóźnione gojenie zdefiniowano przy użyciu uprzednio określonych kryteriów specyficznych dla rodzaju rany. Dopasowano modele kliniczne, oparte na cechach cyfrowych, markerach zapalnych, model bazowy łączony oraz zaktualizowany model z 7. dnia, wymuszając uwzględnienie rodzaju rany w każdym modelu, a następnie przeprowadzono wewnętrzną walidację z wykorzystaniem 10 próbek bootstrapowych. Spośród 168 pacjentów (57 z oparzeniami, 70 z owrzodzeniami przewlekłymi i 41 z ranami po rekonstrukcji tkanek miękkich dłoni), 59 osób (35,1%) spełniało kryteria opóźnionego gojenia. Rany z opóźnionym gojeniem były głębsze, charakteryzowały się większą ilością martwicy i tkanek włóknistych, wyższymi wskaźnikami wysięku, większymi różnicami temperatury rany względem punktu odniesienia oraz wyższymi stężeniami interleukiny-6 (IL-6); kilka innych różnic było nieprecyzyjnych. Pozorne wartości AUC wyniosły 0,691 dla modelu klinicznego, 0,717 dla bazowego modelu łączonego i 0,715 dla wczesnego modelu zaktualizowanego. Odpowiednie wartości AUC skorygowane o optymizm wyniosły 0,632, 0,60 i 0,649. Bazowy model łączony nie poprawił istotnie dyskryminacji w porównaniu z modelem klinicznym (ΔAUC 0,026; test DeLong p = 0,40), a dodanie redukcji powierzchni w 7. dniu nie poprawiło bazowego modelu łączonego (ΔAUC -0,02; p = 0,62). Modele te wykazały zatem umiarkowaną skuteczność w walidacji wewnętrznej, a nie gotowość do zastosowania klinicznego. Obecnie służą one przede wszystkim jako ramy do generowania hipotez w zakresie wczesnej stratyfikacji ryzyka. Przed wdrożeniem niezbędna jest niezależna walidacja zewnętrzna oraz prospektywna ocena wpływu na leczenie.
Wprowadzenie
Opóźnione gojenie ran pozostaje problemem klinicznym w przypadku oparzeń, owrzodzeń przewlekłych oraz pooperacyjnej rekonstrukcji tkanek miękkich. Stany te różnią się przyczyną i oczekiwaniem co do czasu gojenia, jednak specjalistyczne poradnie leczenia ran często muszą podejmować te same wczesne decyzje operacyjne: które rany wymagają ściślejszego monitorowania, wcześniejszej konsultacji specjalistycznej lub rozszerzenia diagnostyki. Oparzenia mogą wymagać terminowego wycięcia lub przeszczepu1,2, owrzodzenia przewlekłe odzwierciedlają oddziaływanie perfuzji, nacisku, neuropatii, infekcji oraz czynników metabolicznych3,4, a rany rekonstrukcyjne mogą ulec niepowodzeniu w wyniku rozstępu, infekcji lub upośledzenia funkcji płata/przeszczepu. Ujednolicony model jest istotny klinicznie tylko wtedy, gdy typ rany jest wyraźnie zachowany, a heterogeniczność jest oceniana, a nie pomijana w założeniach.
Przewlekłe owrzodzenia stanowią inny, lecz równie trudny problem. Rany te często nie goją się ze względu na zaburzoną perfuzję, infekcję, neuropatię, ucisk, obrzęk, choroby metaboliczne lub nadmierny miejscowy stan zapalny. Modelowanie ran przewlekłych na szeroką skalę wykazało, że czynniki na poziomie rany, takie jak powierzchnia, głębokość, czas trwania, lokalizacja i etiologia, w istotny sposób wpływają na prognozowanie gojenia3. W przypadku owrzodzeń stopy cukrzycowej wykazano, że wczesna procentowa zmiana powierzchni rany pozwala przewidzieć późniejsze całkowite wygojenie, a redukcja powierzchni w ciągu 4 tygodni służy jako praktyczny punkt odniesienia do identyfikacji ran, które prawdopodobnie nie zagoją się przy zastosowaniu wyłącznie standardowej opieki4. Jednak oczekiwanie kilku tygodni na ustalenie, czy rana reaguje na leczenie, może być zbyt długie w przypadku ran obarczonych wysokim ryzykiem infekcji, utraty tkanek lub niepowodzenia rekonstrukcji.
Cyfrowa ocena ran oferuje sposób na bardziej obiektywne przeprowadzenie wczesnej ewaluacji. Standaryzowana fotografia ran oraz skalibrowana planimetria pozwalają na bardziej spójną kwantyfikację powierzchni rany i zmian powierzchniowych niż sama ocena wizualna5. Pomiar oparty na obrazowaniu umożliwia również wyodrębnienie dodatkowych cech łoża rany, w tym procentowej zawartości włóknika, tkanki martwiczej, rumienia, wyglądu związanego z wysiękiem oraz heterogeniczności tekstury. Metody pomiarów cyfrowych oparte na smartfonach oraz oprogramowaniu ImageJ są coraz częściej oceniane jako praktyczne narzędzia do oceny powierzchni ran w warunkach klinicznych i przedklinicznych6. Niemniej jednak większość rutynowych ocen ran nadal opiera się wyłącznie na redukcji powierzchni, co może prowadzić do pominięcia wczesnych zmian jakości tkanki, które poprzedzają opóźnione zamknięcie rany.
Obrazowanie termowizyjne stanowi kolejny nieinwazyjny wymiar oceny ran. Lokalne różnice temperatury mogą odzwierciedlać aktywność zapalną, zaburzenia perfuzji, obciążenie bakteryjne lub stres tkankowy, w zależności od rodzaju rany i etapu gojenia. Analiza tekstury termicznej była badana pod kątem przewidywania trajektorii gojenia żylnych owrzodzeń podudzi, co sugeruje, że heterogeniczność termiczna może dostarczać informacji prognostycznych wykraczających poza wielkość rany7. W aktualnych przeglądach opisano również termografię w punkcie opieki (point-of-care) jako obiecujące narzędzie wspomagające monitorowanie ran, szczególnie gdy jest ona interpretowana wraz z cechami klinicznymi i obrazowymi, a nie jako samodzielny test diagnostyczny8. W przypadku heterogenicznych populacji ran ocena termiczna może zatem pomóc w uchwyceniu sygnałów fizjologicznych, które nie są widoczne na konwencjonalnych fotografiach.
Mimo różnych etiologii, trzy kategorie ran wykazują mierzalne procesy istotne dla gojenia: obciążenie tkankowe, aktywację zapalną, obrót macierzy, perfuzję miejscową oraz wczesną zmianę powierzchni rany. Cytokiny w płynie z rany mogą odzwierciedlać miejscową odpowiedź tkankową9,10, natomiast metaloproteinaza macierzy 9 (MMP-9) odzwierciedla aktywność proteaz oraz degradację macierzy zewnątrzkomórkowej i była wiązana ze słabym gojeniem owrzodzeń stopy cukrzycowej1. Wspólne obszary te stanowią biologiczne uzasadnienie dla testowania wspólnego modelu, jednak nie dowodzą one, że efekty predykcyjne są identyczne we wszystkich kategoriach ran.
Większość opublikowanych badań koncentruje się na jednym typie rany lub jednej dziedzinie pomiarowej, podczas gdy mieszane kliniki leczenia ran korzystają ze wspólnego sprzętu obrazującego i jednolitych procedur oceny. Model zbiorczy mógłby zatem ograniczyć fragmentację przepływu pracy, jednak jego wartość kliniczna zależy od przejrzystej specyfikacji modelu, walidacji wewnętrznej, kalibracji oraz wyraźnej oceny podgrup12. Wyniki specyficzne dla rodzaju rany oraz analizy interakcji są niezbędnymi zabezpieczeniami, ponieważ ramy czasowe gojenia nie są ze sobą zamienne.
Mimo wspólnych procesów fizjologicznych w naprawie tkanek, w rutynowej praktyce klinicznej wciąż brakuje zintegrowanych ocen multimodalnych dla zróżnicowanych populacji ran. Postawiliśmy hipotezę, że nowy model zbiorczy, dostosowany do typu rany, łączący wczesne cechy kliniczne, cyfrowe, termiczne oraz zapalne, poprawi wczesną predykcję opóźnionego gojenia w porównaniu z samą standardową oceną kliniczną, przy jednoczesnym wyraźnym zachowaniu heterogeniczności etiologicznej. W związku z tym głównym celem była ocena powiązań tych wczesnych cech z opóźnionym gojeniem oraz porównanie wcześniej określonych modeli klinicznych i multimodalnych. Analiza objęła również ocenę wydajności w obrębie każdej kategorii ran, interakcje między typem rany a predyktorem oraz wrażliwość na ekspozycję na leczenie po punkcie wyjścia. Ze względu na jednocentrowy projekt opracowania, wszystkie szacunki wydajności uznano za eksploracyjne i zwalidowane wewnętrznie, a nie gotowe do wdrożenia. Po zewnętrznej walidacji ramy te mogłyby ostatecznie wpłynąć na podejmowanie decyzji klinicznych poprzez segregację ran wysokiego ryzyka w celu wcześniejszej interwencji specjalistycznej i optymalizację alokacji zasobów w mieszanych oddziałach leczenia ran.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół
Badanie zostało przeanalizowane i zatwierdzone przed rozpoczęciem przez Komisję Etyczną Szpitala Generalnego Północnego Dowództwa Teatralnego (numer zatwierdzenia Y(2023)45; data zatwierdzenia 1 listopada 2023). Komisja Etyczna zwolniła z obowiązku uzyskania pisemnej świadomej zgody, ponieważ badanie miało charakter ściśle obserwacyjny i nieinterwencyjny. Dokumentacja kliniczna, fotografie ran, obrazy termowizyjne, próbki płynu z rany lub wymazy oraz dane dotyczące biomarkerów zostały zanonimizowane i oznaczone unikalnymi identyfikatorami badania; klucz do ponownej identyfikacji był przechowywany osobno i dostępny wyłącznie dla upoważnionego personelu badawczego. Szczegółowe informacje o wszystkich użytych odczynnikach, sprzęcie, modelu kamery termowizyjnej oraz nazwach/wersjach/RRID oprogramowania znajdują się w Tabeli materiałów.
Projekt i warunki badania
Niniejsze prospektywne obserwacyjne badanie kohortowe zostało przeprowadzone w Zakładzie Chirurgii Oparzeń i Plastycznej oraz w Oddziale Chirurgii Ręki w trzeciostoniowym szpitalu klinicznym w okresie od 1 stycznia 2024 r. do 31 grudnia 2025 r. Kolejno zgłaszani dorośli pacjenci z ranami oparzeniowymi, owrzodzeniami przewlekłymi lub ranami po rekonstrukcji tkanek miękkich ręki byli poddawani przesiewowi podczas pierwszej oceny rany lub w ciągu 48 h po operacji. Raportowanie przebiegało zgodnie z wytycznymi Strengthening the Reporting of Observational Studies in Epidemiology (STROBE)13. Ścieżka przesiewu, rekrutacji, oceny wyjściowej, obserwacji i analizy została przedstawiona na Rysunku 1.
W okresie od 1 stycznia 2024 do 31 grudnia 2025 roku przebadano łącznie 196 pacjentów z oparzeniami, owrzodzeniami przewlekłymi lub ranami po rekonstrukcji tkanek miękkich dłoni. Po wykluczeniu 28 pacjentów (12 nie spełniało kryteriów kwalifikacji, 6 miało niekompletną obrazowanie wyjściowe, 5 nie posiadało użytecznych próbek płynu lub wymazów, a 5 odmówiło udziału w obserwacji), do badania włączono 168 pacjentów, których podzielono na grupy z oparzeniami, owrzodzeniami przewlekłymi lub ranami po rekonstrukcji tkanek miękkich dłoni. Wszyscy włączeni pacjenci zostali poddani ustandaryzowanej fotografii ran, obrazowaniu termowizyjnemu oraz pobraniu biomarkerów z płynu z rany w punkcie wyjściowym, a następnie zaplanowanym ocenom w 7., 14., 21., 28. dniu/4. tygodniu oraz w 12. tygodniu. Końcowa weryfikacja pozwoliła na podzielenie pacjentów na grupy z gojeniem terminowym i gojeniem opóźnionym do celów analizy, przy czym gojenie opóźnione zdefiniowano szeroko jako nieosiągnięcie kamieni milowych zamknięcia rany specyficznych dla jej rodzaju lub konieczność przeprowadzenia nieplanowanej interwencji chirurgicznej.
Uczestnicy
Kwalifikowalność pacjentów obejmowała osoby w wieku 18–85 lat, u których stwierdzono jedną klinicznie identyfikowalną ranę docelową z mierzalnym dnem rany i od których oczekiwano ukończenia co najmniej 4 tygodni obserwacji. Uwzględniono trzy kategorie ran: rany oparzeniowe, owrzodzenia przewlekłe oraz rany po rekonstrukcji tkanek miękkich dłoni. Te biologicznie odmienne etiologie zostały zgrupowane, aby odzwierciedlić rzeczywistość operacyjną specjalistycznej służby medycznej zajmującej się różnorodnymi typami ran oraz aby uchwycić wspólne, mierzalne obszary naprawy tkanek, przy czym heterogeniczność etiologiczną uwzględniono w sposób jawny poprzez z góry określone analizy podgrup i interakcji (szczegóły w sekcji Analiza statystyczna). Rany oparzeniowe obejmowały oparzenia powierzchowne II stopnia, głębokie II stopnia oraz III stopnia, leczzone za pomocą opatrunków konserwatywnych, etapowego oczyszczania chirurgicznego lub przeszczepów w razie klinicznego wymogu. Owrzodzenia przewlekłe obejmowały owrzodzenia stopy cukrzycowej, owrzodzenia żylne kończyn dolnych, odleżyny oraz urazowe owrzodzenia niegojące się przez ponad 4 tygodnie. Rany po rekonstrukcji tkanek miękkich dłoni obejmowały rany po naprawie płatową miejscową, przeszczepach skóry, pokryciu ran z odsłoniętymi ścięgnami lub rekonstrukcji ubytków tkanek miękkich.
Z badania wykluczono pacjentów z ranami nowotworowymi, aktywną systemową chorobą autoimmunologiczną, stosujących systemową terapię kortykosteroidami lub leki immunosupresyjne w ciągu ostatnich 30 dni, chemioterapię w ciągu ostatnich 3 miesięcy, ciężką niedrożność tętnic obwodowych wymagającą pilnej rewaskularyzacji, niekompletną obrazowanie ran wyjściowych, brak dostępnych próbek płynu z rany lub wymazów z rany, a także osoby, z którymi utracono kontakt przed pierwszą oceną efektów.
W przypadku pacjentów z wieloma ranami, przed obrazowaniem wyjściowym wybrano jedną ranę docelową. Raną docelową była rana o największej powierzchni, najgłębszym zajęciu tkanek lub budząca największy niepokój kliniczny w kontekście opóźnionego gojenia. Tę samą ranę docelową monitorowano przez cały okres trwania badania.
Harmonogram badania i plan ocen
Ocenę wyjściową określono jako T0. W przypadku pacjentów z oparzeniami i owrzodzeniami przewlekłymi T0 stanowiła pierwsza zstandaryzowana ocena rany po rekrutacji. Dla pacjentów poddanych rekonstrukcji tkanek miękkich dłoni T0 określono jako okres od 1. do 3. doby po operacji, przed rutynową zmianą opatrunku, o ile było to możliwe.
Oceny kontrolne przeprowadzono w 7. ± 2 dniu, 14. ± 3 dniu, 21. ± 2 dniu w celu oceny epitelializacji oparzeń, 28. ± 5 dniu oraz w 12. ± 7 tygodniu. Rany oparzeniowe oceniano pod kątem epitelializacji w 21. dniu. W przypadku owrzodzeń przewlekłych oceniano wczesną redukcję powierzchni w 4. tygodniu oraz całkowite zamknięcie rany do 12. tygodnia. Rany po rekonstrukcji dłoni oceniano pod kątem stabilnego zamknięcia, rozpadu rany, upośledzenia funkcji płata lub przeszczepu, infekcji oraz nieplanowanych zabiegów rewizyjnych do 28. dnia po operacji. Stały harmonogram ocen przedstawiono w Tabeli 1.
Standaryzowana fotografia ran i cyfrowy pomiar ran
Fotografie ran wykonano za pomocą komercyjnego smartfona wyposażonego w główny aparat 48 megapikseli, umieszczonego w odległości około 30 cm nad płaszczyzną rany i prostopadle do niej. W płaszczyźnie rany, poza polem sterylnym, umieszczono sterylną jednorazową linijkę o długości 2 cm oraz kartę kalibracji kolorów. Lampa błyskowa była wyłączona, zastosowano stałe oświetlenie kliniczne, a rozdzielczość obrazu wynosiła co najmniej 3024 pikseli × 4032 pikseli. Zdjęcia z rozmyciem ruchu, niepełnymi krawędziami rany, nadmiernym odblaskiem, brakiem linijki lub karty kolorów lub pod kątem większym niż około 15° powtarzano przed założeniem opatrunku.
Wstępne przetwarzanie obrazów przeprowadzono przy użyciu otwartoźródłowego oprogramowania do analizy obrazu. Obrazy obrócono do wspólnej orientacji, przycięto do obszaru docelowej rany i otaczającej skóry referencyjnej oraz przeskalowano przy użyciu linijki 2 cm. Przed segmentacją tkanek znormalizowano kolory, wykorzystując neutralne pola karty kalibracji kolorów. Obszar zainteresowania na zdjęciach dopasowano pomiędzy wizytami, korzystając z linijki, punktów orientacyjnych krawędzi rany oraz zapisanej maski wielokąta. Marginesy rany były obrysowywane niezależnie przez dwóch przeszkolonych oceniających, którzy nie znali stanu gojenia. Jeśli szacunki powierzchni różniły się o więcej niż 10%, trzeci oceniający powtarzał pomiar, a jako wynik przyjmowano średnią z dwóch najbliższych szacunków14. Wyjściowe cechy cyfrowe obejmowały powierzchnię rany, obwód, kołowość, procentowy udział tkanki włóknistej, procentowy udział tkanki martwiczej, indeks rumienia, ocenę wysięku oraz entropię tekstury. Tkankę włóknistą i martwiczą segmentowano w oprogramowaniu do analizy obrazu po normalizacji kolorów, używając narzędzia progowania kolorów Hue–Saturation–Brightness. Progi były optymalizowane interaktywnie dla każdego obrazu przez dwóch przeszkolonych, zaślepionych oceniających zgodnie ze standardowymi procedurami operacyjnymi, przy czym ostatecznym kryterium akceptacji był wizualny konsensus między oceniającymi w odniesieniu do znormalizowanego obrazu w prawdziwych kolorach. Następnie przeprowadzono ręczną korektę pozostałości opatrunku, zabarwień krwią, odblasków oraz pikseli niebędących częścią rany. Wszystkie edycje zapisano w zestawie obszarów zainteresowania oprogramowania. Entropię tekstury obliczono z obrazów w skali szarości, korzystając z wtyczki macierzy współwystępowania poziomów szarości w oprogramowaniu, przy odległości pikseli równej 1 i kierunkach 0°, 45°, 90° oraz 135°, a następnie wyciągnięto średnią z tych czterech wartości.
Wskaźnik redukcji powierzchni rany w 7. dniu obliczono w następujący sposób:
(1)
Wartość ujemna oznaczała powiększenie rany. Niezawodność pomiaru wyjściowej powierzchni rany oceniono za pomocą współczynnika korelacji wewnątrzklasowej [ICC(2,1)], dwukierunkowego modelu efektów losowych z bezwzględną zgodnością oraz 95% przedziału ufności bootstrap na poziomie badanego.
Obrazowanie termowizyjne i cechy pochodne temperatury
Obrazy termiczne pozyskano za pomocą komercyjnej kamery termowizyjnej kompatybilnej ze smartfonem, podłączonej do tego samego urządzenia. Ustawienie emisyjności dla obrazowania powierzchni skóry ustalono na poziomie 0,98. Przed każdą sesją obrazowania urządzenie kalibrowano zgodnie z automatyczną procedurą kalibracji producenta. Obrazy rejestrowano po wystawieniu rany na powietrze pokojowe przez 5 min. Temperaturę w pomieszczeniu utrzymywano w zakresie 2–25 °C, a wilgotność względną na poziomie 40–60%. Na 15 min przed obrazowaniem nie przeprowadzano oczyszczania rany, irygacji, miejscowego stosowania środków przeciwdrobnoustrojowych ani opracowania chirurgicznego rany.
Zarejestrowano trzy obszary: dno rany, skórę okołoranową w odległości do 1 cm od krawędzi rany oraz przeciwległą lub sąsiadującą nieuszkodzoną skórę referencyjną. Główną zmienną termiczną, czyli różnicę temperatur między raną a punktem referencyjnym, obliczono poprzez odjęcie średniej temperatury pikseli z obszaru zainteresowania nieuszkodzonej skóry referencyjnej od średniej temperatury pikseli z obszaru zainteresowania dna rany. Różnicę ≥2.0 °C zdefiniowano wcześniej jako wzorzec wysokiego ryzyka wysokiej temperatury. Termografię potraktowano jako metodę pomocniczą, ponieważ temperatura jest wrażliwa na stan zapalny, perfuzję, środowisko oraz niedawne manipulacje7,8.
Entropię tekstury termicznej wyodrębniono przy użyciu standardowych otwartoźródłowych języków programowania i bibliotek wizji komputerowej. Klatkę termiczną przycięto do tego samego pola widzenia, co w przypadku fotografii; maskę rany zarejestrowano przy użyciu punktów charakterystycznych krawędzi rany i nałożonej mapy kamery, a następnie sprawdzono wizualnie przed ekstrakcją. Intensywności pikseli w obszarze rany znormalizowano względem obszaru referencyjnego nieuszkodzonej skóry. Klatki termiczne, które nie przeszły kontroli ostrości, pola widzenia, stabilizacji lub rejestracji, powtórzono lub wykluczono. Analiza tekstury termicznej miała charakter eksploracyjny7.
Pobieranie płynu z rany i lokalnych markerów stanu zapalnego
Lokalne próbki zapalne pobrano w czasie T0 przed oczyszczaniem rany, irygacją, opracowaniem chirurgicznym lub zastosowaniem leków miejscowych. W przypadku występowania wystarczającej ilości wysięku, płyn z rany pobierano za pomocą sterylnego wymazu z rayonu, który delikatnie przykładano do łożyska rany na 30 s, nie powodując krwawienia. W przypadku ran stosunkowo suchych łożysko rany nawilżano 20 µL sterylnej soli fizjologicznej, a wymaz pobierano po 60 s. Każdy wymaz umieszczano w 1,0 mL soli fizjologicznej w buforze fosforanowym zawierającym 0,05% Tween-20, mieszano w wortexie przez 60 s i wirowano przy 3,0 x g przez 10 min w temperaturze 4 °C. Nadosad zniesiono do osobnych probówek i przechowywano w temperaturze −80 °C. Próbki rozmrażano tylko raz przed analizą.
Lokalny panel zapalny obejmował interleukinę-6 (IL-6), interleukinę-8 (IL-8/CXCL8), czynnik martwicy nowotworu alfa (TNF-α) oraz metaloproteinazę macierzy-9 (MMP-9). Wszystkie biomarkery zmierzono przy użyciu dostępnych komercyjnie zestawów testów immunoenzymatycznych (ELISA). Analizy przeprowadzono zgodnie z instrukcjami producentów. W szczególności inkubacje pierwotne odbywały się w temperaturze pokojowej (20–25 °C) przez 2 h. Zakresy krzywej wzorcowej i dolne granice wykrywalności wynosiły odpowiednio: 3,1–300 pg/mL i 0,7 pg/mL dla IL-6; 1,5 pg/mL i 7,5 pg/mL dla IL-8/CXCL8; 0,5 pg/mL i 5,5 pg/mL dla TNF-α oraz 31,2 pg/mL i 20 pg/mL dla MMP-9. Próbki analizowano w dubletach i powtarzano badanie, gdy współczynnik zmienności przekraczał 15%. Stężenia cytokin wyrażono w pg/mL, a MMP-9 w ng/mL. Do charakterystyki lokalnego mikrośrodowiska zastosowano ustandaryzowane metody wymazów z rany15.
Całkowite stężenie białka w każdym elucycie płynu z rany zmierzono przy użyciu testu białkowego z kwasem bicinchoninowym. Analiza główna opierała się na bezwzględnych stężeniach markerów. W analizie wrażliwości wykorzystano stężenia biomarkerów znormalizowane do całkowitego stężenia białka, aby ograniczyć wpływ rozcieńczenia wysięku.
Próbki krwi obwodowej pobrano w punkcie T0 w celu oznaczenia liczby białych krwinek (WBC), białka C-reaktywnego, albuminy surowiczej, hemoglobiny, glukozy na czczo oraz hemoglobiny glikowanej, o ile były one dostępne klinicznie. Posiew bakterii z rany wykonano w przypadku klinicznego podejrzenia infekcji lub obecności wysięku ropnego.
Kliniczna ocena rany i dokumentacja leczenia
Podczas każdej wizyty odnotowywano głębokość rany, poziom wysięku, obecność tkanki martwiczej, włóknina, granulację, epitelializację, rumień okołoranowy, zapach oraz ból. Głębokość rany klasyfikowano w następujący sposób: stopień 1 – zajęcie naskórka lub powierzchownych warstw skóry właściwej; stopień 2 – zajęcie pełnej grubości skóry lub tkanki podskórnej bez odsłonięcia ścięgna, kości, torebki stawowej lub implantu; oraz stopień 3 – głębokie zajęcie z odsłoniętym ścięgnem, kością, torebką stawową, implantem lub z uszkodzeniem płata/przeszczepu.
Przesięk oceniano w skali od 0 do 4 (0 = brak; 1 = minimalny; 2 = umiarkowany; 3 = obfity; 4 = nadmierny lub wymagający niezaplanowanej zmiany opatrunku). Wyjściową infekcję kliniczną definiowano jako występowanie wydzieliny ropnej lub co najmniej dwa z następujących objawów: nasilenie bólu, ciepłota, rumień, obrzęk, nieprzyjemny zapach, opóźniona granulacja, tkanka krucha lub ogólnoustrojowa odpowiedź zapalna.
Leczenie nie zostało przypisane zgodnie z protokołem. W zapisach z obserwacji odnotowano, czy pacjent otrzymał systemową antybiotykoterapię przez >72 h, terapię rany ciśnieniem ujemnym, chirurgiczne opracowanie rany po czasie T0, przeszczep skóry lub rewizję płata, bądź czy przeprowadzono nieplanowaną reoperację. Dokładne daty rozpoczęcia i zakończenia nie były dostępne w dostarczonym zbiorze danych analitycznych, zatem nie można było zamodelować czasu w odniesieniu do poszczególnych wizyt obrazowych i pobierania próbek. Te wskaźniki po wyjściowe zostały wykorzystane wyłącznie w analizach wrażliwości, a nie w głównych modelach wyjściowych.
Definicja i ocena punktów końcowych
Głównym punktem końcowym było opóźnione gojenie, zdefiniowane przy użyciu uprzednio określonych kryteriów specyficznych dla rodzaju rany. W przypadku oparzeń opóźnione gojenie zdefiniowano jako brak pełnej epitelializacji do 21. dnia po urazie, nieplanowane przeszczepienie po niepowodzeniu leczenia zachowawczego lub powtarzające się chirurgiczne opracowanie rany z powodu utrzymującej się martwicy tkanek. W przypadku owrzodzeń przewlekłych opóźnione gojenie zdefiniowano jako zmniejszenie powierzchni rany o mniej niż 50% do 4. tygodnia lub brak całkowitego zamknięcia rany do 12. tygodnia. W przypadku ran po rekonstrukcji tkanek miękkich dłoni opóźnione gojenie zdefiniowano jako brak stabilnego zamknięcia rany do 28. dnia po operacji, rozejście się brzegów rany, martwicę płata lub przeszczepu wymagającą dodatkowej interwencji, nowe lub nasilające się zakażenie miejsca operowanego po czasie T0 wymagające systemowej antybiotykoterapii lub nieplanowaną operację rewizyjną.
Całkowite zamknięcie zdefiniowano jako pełne pokrycie nabłonkowe bez drenażu lub ochrony opatrunkiem podczas dwóch kolejnych wizyt. Opóźnione gojenie owrzodzeń przewlekłych określono jako redukcję powierzchni o <50% w 4. tygodniu lub brak całkowitego zamknięcia do 12. tygodnia. MMP-9 zachowano jako potencjalny predyktor, ponieważ podwyższony poziom MMP-9 w płynie z rany wiąże się ze słabym gojeniem owrzodzeń stopy cukrzycowej1.
Ocena punktów końcowych została przeprowadzona przez dwóch klinicystów zaślepionych na wartości cech cyfrowych oraz stężenia biomarkerów. Rozbieżności rozstrzygał trzeci, starszy specjalista ds. leczenia ran. Zdefiniowane uprzednio kryteria opóźnionego gojenia zostały podsumowane w Tabeli 2.
Punkty czasowe predykcji i kontrola potencjalnych predyktorów
Wstępnie określono dwa punkty czasowe dla predykcji. Model bazowy wykorzystywał wyłącznie zmienne dostępne w punkcie T0, w tym zmienne kliniczne, bazowe cechy cyfrowe rany, bazowe cechy termiczne oraz bazowe markery zapalne. Wczesny model zaktualizowany dodatkowo uwzględniał redukcję powierzchni rany w 7. dniu. Taki podział pozwolił uniknąć traktowania informacji z 7. dnia jako predyktora bazowego.
Końcowa kohorta analityczna obejmowała 168 pacjentów i 59 zdarzeń związanych z opóźnionym gojeniem. Bazowy model łączony obejmował sześć określonych wcześniej predyktorów ciągłych/porządkowych oraz dwa wskaźniki typu rany; model wczesny uwzględniał redukcję powierzchni w 7. dniu. Stosunek liczby zdarzeń do parametrów jest ograniczony, dlatego współczynniki i szacunki dla podgrup interpretowano ostrożnie, a w raporcie podano korektę optymizmu metodą bootstrap.
Zarządzanie danymi i brakujące dane
Dane kliniczne wprowadzono do zabezpieczonej, internetowej platformy elektronicznego gromadzenia danych. Każdemu pacjentowi przypisano numer identyfikacyjny badania. Informacje umożliwiające identyfikację przechowywano oddzielnie od zbioru danych analitycznych. Pliki obrazów zmieniono, nadając im nazwy zawierające numer identyfikacyjny badania, typ rany oraz punkt czasowy wizyty (np. W023_T0_photo i W023_D7_thermal).
Przed analizą przeprowadzono kontrolę zakresów, a wartości ekstremalne po weryfikacji pozostawiono, zamiast usuwać je automatycznie. Odsetek brakujących danych w predyktorach modelu wynosił poniżej 5%: dla albuminy, redukcji powierzchni w 7. dniu, rumienia oraz IL-6 odnotowano po trzy brakujące wartości, dla złuszczania trzy, a dla MMP-9 sześć. Braki w predyktorach ciągłych uzupełniono medianą kohorty, a w predyktorach kategorycznych dominantą. Nie stwierdzono braków w głównych punktach końcowych.
Analiza statystyczna
Analizy powtórzono z wykorzystaniem standardowych otwartych pakietów do statystyki i analizy danych. Zmienne ciągłe przedstawiono jako średnią ± odchylenie standardowe (SD) i porównano za pomocą testów t Welcha dla prób niezależnych; zmienne kategoryczne przedstawiono jako n (%) i porównano za pomocą dokładnego testu Fishera lub testu chi-kwadrat, w zależności od potrzeb. Wartości p są obustronne.
Predyktory ustalono przed dopasowaniem modelu, zamiast wybierać je na podstawie jednowymiarowej wartości p. W całym badaniu zastosowano regresję logistyczną. Typ rany reprezentowano za pomocą wskaźników owrzodzenia przewlekłego oraz rekonstrukcji dłoni, przyjmując rany oparzeniowe jako grupę referencyjną. Predyktory ciągłe wyskalowano zgodnie z wcześniejszymi założeniami.
Oceniono pięć wcześniej określonych modeli: kliniczny, cyfrowy model cech rany, model markerów zapalnych, łączony model wyjściowy oraz łączony model zaktualizowany we wczesnej fazie. Zdolność dyskryminacyjną podsumowano za pomocą AUC z 95% przedziałami ufności (CIs) DeLonga. Obliczono punkt przecięcia kalibracji, nachylenie kalibracji oraz wynik Briera. Walidacja wewnętrzna została przeprowadzona z wykorzystaniem 10 próbek bootstrapowych w celu oszacowania AUC, kalibracji i wyniku Briera po korekcie o optymizm. Postępowano zgodnie z wytycznymi Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD)16.
Empiryczne krzywe decyzyjne obliczono na podstawie przewidywanych prawdopodobieństw na poziomie pacjenta dla progów od 0,10 do 0,60. Skorelowane wartości AUC porównano za pomocą testów DeLonga. Wydajność modelu oszacowano oddzielnie w podgrupach oparzeń (n = 57), owrzodzeń przewlekłych (n = 70) i rekonstrukcji dłoni (n = 41), wykorzystując predykcje modelu zbiorczego. Interakcje predyktora z typem rany dodawano po jednym predyktorze i oceniano za pomocą testu ilorazu wiarygodności z dwoma stopniami swobody. Analizy podgrup oraz interakcji miały charakter eksploracyjny.
Powtarzalny schemat postępowania przedstawiono na Rysunku 2. Zanonimizowane dane na poziomie pacjenta, słownik danych, predykcje na poziomie pacjenta, współczynniki, tabele źródłowe charakterystyki operacyjnej odbiornika (ROC)/kalibracji/krzywej decyzyjnej oraz skrypty w języku Python użyte do regeneracji analiz i rycin zostały udostępnione jako pliki uzupełniające.
Analizy wrażliwości
Przeprowadzono pięć analiz wrażliwości: ponowne dopasowanie modelu po wykluczeniu klinicznej infekcji wyjściowej; ocenę predykcji modelu połączonego w zakresie braku zamknięcia rany w 12. tygodniu wśród owrzodzeń przewlekłych; zastąpienie IL-6 oraz MMP-9 wartością log(1 + stężenie); podzielenie tych biomarkerów przez całkowitą ilość białka w płynie z rany; oraz dodanie pięciu wskaźników leczenia po pomiarach wyjściowych. Analizę skorygowaną o leczenie zinterpretowano jako ocenę czynników zakłócających, a nie jako poprawny model predykcyjny danych wyjściowych, ponieważ metody leczenia były dobierane w zależności od stopnia nasilenia klinicznego, a niektóre z nich pokrywały się z kryteriami oceny efektów.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Przesiew pacjentów i klasyfikacja wyników
W okresie od 1 stycznia 2024 do 31 grudnia 2025 roku przebadano 196 pacjentów z oparzeniami, owrzodzeniami przewlekłymi lub ranami po rekonstrukcji tkanek miękkich dłoni. Wykluczono dwudziestu ośmiu pacjentów: 12 nie spełniało kryteriów kwalifikacji, 6 miało niekompletną obrazówkę wyjściową ran, 5 nie mogło dostarczyć użytkowych próbek płynu z rany lub wymazów z rany, a 5 odmówiło udziału w badaniu kontrolnym. Łącznie do badania włączo...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
Analiza na poziomie pacjenta doprowadziła do ostrożnych wniosków. W porównaniach opisowych rany z opóźnionym gojeniem były głębsze i wykazywały większe obciążenie tkankowe, większą ilość wysięku, większą różnicę temperatur, częstszą infekcję wyjściową oraz wyższy poziom IL-6, jednak większość z góry określonych współczynników wieloczynnikowych była niedokładna. Modele multimodalne wyjściowy i wczesny miały wartości AUC skorygowane o optymizm wynoszące odpowiednio 0,60 i 0,649 i nie poprawiły znacząco modelu klinicznego. ...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Oświadczenia
Autorzy nie zgłaszają żadnych konfliktów interesów.
Podziękowania
Autorzy dziękują personelowi klinicznemu i pielęgniarkom z Oddziału Chirurgii Oparzeń i Plastycznej w General Hospital of Northern Theater Command oraz z Drugiego Oddziału Chirurgii w Liaoning Provincial Corps Hospital of Chinese People's Armed Police Force za pomoc w rekrutacji pacjentów i obrazowaniu ran. Autorzy dziękują również uczestniczącym pacjentom. Badanie to nie otrzymało żadnego specjalnego grantu z żadnej agencji finansującej w sektorze publicznym, komercyjnym lub non-profit.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Zestaw do oznaczania białka metodą BCA | Thermo Fisher Scientific | 23225 | - |
| Kamera termowizyjna FLIR ONE Pro | FLIR Systems | 435-0006-03 | - |
| Wtyczka GLCM Texture dla programu FIJI | społeczność FIJI/ImageJ | v0.4 | - |
| Zestaw Quantikine ELISA do oznaczania ludzkiej IL-6 | R&Systemy D | D6050 | - |
| Zestaw Quantikine ELISA do oznaczania ludzkiej IL-8/CXCL8 | R&Systemy D | D800C | - |
| Zestaw ELISA do oznaczania ludzkiej MMP-9 | Abcam | ab10610 | - |
| Ludzki TNF-α Zestaw Quantikine ELISA | R&Systemy D | DTA0D | - |
| iPhone 14 Pro | Jabłko | — | - |
| bufor fosforanowo-solny (PBS) | Thermo Fisher Scientific | 10010023 | - |
| Sterylne wymazówki z końcówką z wiskozy | Puritan Medical Products | 25-806 1WR | - |
| Tween-20 | Sigma-Aldrich | P1379 | - |
| X-Rite ColorChecker Classic Mini | Calibrite / X-Rite | MSCCVPR-MINI | - |
| FIJI / ImageJ | National Institutes of Health | 1,54j | SCR_0285 |
| scikit-learn | programiści scikit-learn | 1.9.0 | SCR_0257 |
| REDCap | Uniwersytet Vanderbilt | 14.0.9 | SCR_03282 |
| SciPy | Deweloperzy SciPy | 1.18.0 | SCR_08058 |
| Python | Python Software Foundation | 3.12.13 | SCR_08394 |
| Matplotlib | Zespół Programistyczny Matplotlib | 3.11.1 | SCR_08624 |
| NumPy | Deweloperzy NumPy | 2.5.1 | SCR_08628 |
| OpenCV | zespół OpenCV | 4.9.0 | SCR_01526 |
| Statsmodels | Deweloperzy Statsmodels | 0.14.6 | SCR_016074 |
| Seaborn | Twórcy biblioteki Seaborn | 0.13.2 | SCR_018132 |
| pandas | Zespół programistyczny pandas | 3.0.5 | SCR_018214 |
| scikit-image | twórcy scikit-image | 0.22.0 | SCR_021340 |
Bibliografia
- Rowan MP, et al. Burn wound healing and treatment: review and advancements. Crit Care. 2015;19(1):243.
- Ji S, Xiao S, Xia Z. Consensus on the treatment of second-degree burn wounds (2024 edition). Burns Trauma. 2024;12:tkad061.
- 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.
- 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.
- 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.
- 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.
- Monshipouri M, et al. Thermal imaging potential and limitations to predict healing of venous leg ulcers. Sci Rep. 2021;11(1):13239.
- Fridberg M, Bafor A, Iobst CA, Laugesen B. The role of thermography in assessment of wounds: a scoping review. Injury. 2024;55(11):111833.
- 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.
- 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.
- Liu Y, et al. Increased matrix metalloproteinase-9 predicts poor wound healing in diabetic foot ulcers. Diabetes Care. 2009;32(1):117–9.
- Efthimiou O, et al. Developing clinical prediction models: a step-by-step guide. BMJ. 2024;386:e078276.
- 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.
- Sharun K, Dhama K, Tiwari R. Comparative assessment of smartphone-based digital wound area measurement and ImageJ-based digital image analysis. Narra J. 2025.
- 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.
- 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.
- Wallace HA, Basehore BM, Zito PM. Wound healing phases. StatPearls. Treasure Island (FL): StatPearls Publishing; 2023.
- 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.
- 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.
- Almadani YH, Vorstenbosch J, Davison PG, Murphy AM. Wound healing: a comprehensive review. Semin Plast Surg. 2021;35(3):141–4.
- Sibbald RG, Elliott JA, Persaud-Jaimangal R. Wound bed preparation 2021. Adv Skin Wound Care. 2021;34(4):183–95.
- Harries RL, Bosanquet DC, Harding KG. Wound bed preparation: TIME for an update. Int Wound J. 2016;13(Suppl 3):8–14.
- 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.
- 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.
- 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.
- Fu K, Zheng Q, Wei H. Role of matrix metalloproteinases in diabetic foot ulcers. Front Pharmacol. 2022;13:1050630.
- Collins GS, et al. Evaluation of clinical prediction models: from development to external validation. BMJ. 2024;384:e074819.
- 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.
- Saelmans A, et al. Implementation and updating of clinical prediction models: a systematic review. Mayo Clin Proc Digit Health. 2025;3(3):100228.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.