Research Article

Количественная оценка существенного отклонения гематологических показателей от здорового состояния для клинического мониторинга сепсиса

DOI:

10.3791/68840

July 8th, 2025

In This Article

Summary

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

В этом исследовании предлагается новая количественная метрика, основанная на евклидовом расстоянии трех значимых гематологических параметров (Hb, Lymph%, PDW) от здорового состояния для оценки тяжести сепсиса. Результаты демонстрируют сильную корреляцию с баллами SOFA, предлагая простой и объективный инструмент для мониторинга сепсиса с использованием рутинных анализов крови.

Abstract

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

Сепсис, опасное для жизни состояние, требует улучшенной диагностики и оценки тяжести заболевания. На основании долгосрочного клинического наблюдения гемоглобин (Hb), процент лимфоцитов (Lymph%) и ширина распределения тромбоцитов (PDW) значительно изменяются во время сепсиса. Это исследование было направлено на оценку этих трех параметров общего анализа крови (ОАК) для отличия пациентов с сепсисом от здоровых людей и разработку новой количественной метрики, основанной на их совокупном отклонении от здорового состояния, для оценки тяжести сепсиса. В это ретроспективное исследование случай-контроль было включено 496 пациентов с сепсисом (диагноз был поставлен в соответствии с критериями сепсиса-3 при поступлении) и 1136 здоровых людей из контрольной группы. Исходные показатели Hb, Lymph% и PDW были стандартизированы по z-критерию. Был рассчитан 3D-центроид здоровой когорты и вычислено евклидово расстояние каждого пациента с сепсисом от этого центроида. Были проанализированы групповые различия и корреляция с баллами SOFA. 3D-диаграммы рассеяния визуализировали эти взаимосвязи. Hb, Lymph% и PDW значительно различались между пациентами с сепсисом и контрольной группой (p < 0,001), при этом сепсис показал более низкий Hb/Lymph% и более высокий PDW. Расчетное евклидово расстояние от здорового центроида было достоверно больше у пациентов с сепсисом (p < 0,001). Это расстояние сильно коррелировало с баллами по шкале SOFA (r = 0,45, p < 0,001) и было больше у пациентов с более высокой тяжестью заболевания. 3D-визуализация подтвердила разделение групп, при этом интенсивность цвета отражает это расстояние и коррелирует с увеличением отклонения от здорового центроида. Евклидово расстояние ключевых параметров ОАК от центроида здоровой когорты эффективно количественно определяет отклонение от здорового состояния и коррелирует с тяжестью заболевания. Такой подход с использованием рутинных данных общего анализа крови предлагает многообещающий и простой инструмент для оценки и мониторинга тяжести сепсиса.

Introduction

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

Сепсис, как синдром системной воспалительной реакции, вызванный инфекцией, может привести к тяжелой дисфункции органов и остается одной из ведущих причин смерти в отделениях интенсивнойтерапии во всем мире1,2. Несмотря на достижения в области технологий диагностики и лечения в последние годы, смертность от сепсиса остается высокой и составляет 20-40%3. Своевременное выявление и точная оценка тяжести сепсиса имеют решающее значение для принятия клинических решений и улучшения прогноза4.

В настоящее время диагностика сепсиса и оценка его тяжести в основном опираются на такие балльные системы, как оценка последовательной органной недостаточности (SOFA) и оценка острой физиологии и хронического здоровья II (APACHE II)5,6. Несмотря на то, что эти системы широко применяются в клинической практике, они имеют ограничения, включая сложные расчеты, трудоемкие оценки, требования к множественным физиологическим показателям и результатам биохимических тестов, а также определенную степень субъективности и противоречивости вклинической практике. Внедрение этих скоринговых систем сопряжено со значительными трудностями, особенно в учреждениях первичной медико-санитарной помощи и районах с ограниченными ресурсами9. Таким образом, разработка простого, надежного и легко реализуемого инструмента оценки сепсиса имеет важное клиническое значение.

Гематологические показатели, как наиболее основные объекты клинического обследования, отличаются быстротой выявления, низкой стоимостью, широкой доступностью10,11. Клинические наблюдения показали, что множественные гематологические показатели у пациентов с сепсисом претерпевают значительные изменения, при этом гемоглобин (Hb), процент лимфоцитов (Lymph%) и ширина распределения тромбоцитов (PDW) демонстрируют особенно заметные изменения12,13. Снижение гемоглобина отражает сепсис-ассоциированную анемию, снижение процента лимфоцитов указывает на подавление иммунной функции, в то время как увеличение ширины распределения тромбоцитов связано с воспалительной реакцией и нарушением свертываемости крови14,15. Предыдущие исследования 12,13,14,15 подтвердили, что эти показатели в некоторой степени индивидуально коррелируют с тяжестью и прогнозом сепсиса, но отсутствуют систематические методы комплексной оценки множественныхпоказателей16.

В последние годы методы многомерного анализа данных стали все чаще применяться для оценки заболеваний17. Евклидово расстояние, как геометрический метод измерения для количественной оценки различий между образцами, может быть использовано для оценки степени отклонения показателей пациента от нормальных референсных значений. Применение этой концепции к многомерному анализу клинических данных может дать новые представления для оценки тяжести заболевания. Однако в настоящее время ощущается недостаток в исследованиях количественной оценки сепсиса, основанных на многомерных пространственных характеристиках гематологических показателей18,19.

Исходя из вышеизложенного, данное исследование направлено на: оценку эффективности гемоглобина, процентного соотношения лимфоцитов и ширины распределения тромбоцитов в дифференциации пациентов с сепсисом от здоровых популяций; установить стандартизированное многомерное пространство на основе этих трех показателей и рассчитать евклидово расстояние образцов пациента от здоровой центральной точки; проанализировать корреляцию между этим расстоянием и тяжестью сепсиса (шкала SOFA); Изучите практическую ценность этого нового метода оценки, основанного на рутинных гематологических обследованиях, в клиническом мониторинге сепсиса. Этот метод представляет собой новый объективный и удобный инструмент для раннего выявления, оценки тяжести и динамического мониторинга сепсиса, особенно подходящий для клинической практики в учреждениях здравоохранения различныхуровней.

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

Protocol

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

Это исследование представляло собой ретроспективное исследование случай-контроль, одобренное Комитетом по этике больницы Сунсимяо Пекинского университета китайской медицины (номер одобрения: SSMYY-KYPJ-2024-065). Все участники или их законные представители подписали формы информированного согласия.

Дизайн исследования и участники
В исследование включено 496 пациентов с диагнозом сепсис (по критерию 3 сепсиса-3) и 1136 здоровых лиц контрольной группы из центра диспансеризации в период с января 2024 года по март 2025 года. Критерии исключения для группы наблюдения включали: (1) возраст < 18 лет; (2) беременные женщины; (3) первичные гематологические заболевания; (4) онкологические больные; (5) лечение переливанием крови перед поступлением; (6) недавняя иммуносупрессивная терапия или иммунодефицит; (7) неполные клинические данные. Ежедневный мониторинг включал утренний забор крови (06:00-08:00) для анализа общего анализа крови, результаты которого были доступны в течение 12 ч. Баллы SOFA рассчитывались обученными реаниматологами с использованием стандартизированных критериев. Пациенты находились под наблюдением до разрешения клинических проблем, выписки, смерти или максимального 30-дневного периода наблюдения.

Лабораторные испытания и сбор данных
Были собраны демографические данные (возраст, пол, рост, вес и т. д.) и клиническая информация для всех включенных субъектов. Образцы ОАК были исследованы с помощью гематологического анализатора, образцы сыворотки крови были исследованы с помощью клинического анализатора, а образцы коагуляции были исследованы с помощью гематологического анализатора. Все образцы крови должны были быть исследованы в течение указанного времени тестирования. Все испытания проводились обученными лаборантами в соответствии со стандартными операционными процедурами. В лаборатории регулярно проводится внутренний и внешний контроль качества.

У пациентов с сепсисом регистрировались основной диагноз, очаг инфекции, сопутствующие заболевания, оценка последовательной органной недостаточности (SOFA), оценка острой физиологии и хронического здоровья II (APACHE II), а также результаты лабораторного обследования при поступлении. На основании шкалы SOFA при поступлении пациенты с сепсисом были разделены на три группы: легкие (SOFA ≤ 6 баллов), умеренные (7 ≤ SOFA ≤ 12 баллов) и тяжелые (SOFA ≥ 13 баллов). Для подгруппы пациентов результаты лабораторных обследований и баллы SOFA собирались ежедневно во время их госпитализации для непрерывного анализа слежения с периодом наблюдения 30 дней или до выписки пациента или его смерти. Образцы здоровой контрольной группы были собраны у участников центра медицинского обследования без острых и хронических заболеваний.

Анализ и визуализация данных
Стандартизация, обработка и анализ значимости
Для устранения размерных различий между разными показателями была проведена стандартизация Z-оценки по всем данным выборки Hb, Lymph% и PDW:

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

где H — матрица данных здоровой контрольной группы, P — матрица данных группы пациентов с сепсисом, а mu и sigma — среднее и стандартное отклонение соответственно. После стандартизации данные соответствовали стандартному нормальному распределению со средним значением 0 и стандартным отклонением 1.

Для значимых показателей Hb, Lymph% и PDW были созданы графики визуализации значимости (рис. 1), которые интуитивно показывают различия между здоровыми образцами и пациентами с сепсисом по каждому показателю. Фактическое значение количественного анализа между показателями приведено в таблице 1. Рассчитывали описательную статистику (среднее, стандартное отклонение, медиану, квартили и т.д.), использовали независимые выборочные t-критерии для сравнения различий между группами, а для оценки значимости различий рассчитывали величину d-эффекта Коэна.

Расчет здоровой центральной точки и измерение евклидова расстояния
На основе стандартизированных данных здоровой контрольной группы были рассчитаны координаты ее центральной точки в трехмерном пространстве признаков. В последующем рассчитывали евклидово расстояние от каждой выборки пациента с сепсисом до точки здорового центра для количественной оценки степени отклонения гематологических показателей пациента от здорового состояния, в качестве объективного показателя оценки тяжести заболевания.

Метод трехмерной визуализации
Трехмерные диаграммы рассеяния (рис. 2) были созданы для отображения распределения двух групп выборок в пространстве признаков. Они используют цветовой градиент (цветовая схема Jet) для представления тяжести сепсиса, где темно-синий представляет легкий сепсис, красный — тяжелый сепсис, а здоровая контрольная группа отмечена зеленым +.

Клиническая валидация длинных когортных образцов
Для оценки применимости этого метода на новых образцах от пациентов с длительной когортой (наблюдались в течение 3-6 месяцев после госпитализации) был разработан процесс прогностической валидации. Для типичной длиннокогортной выборки сепсиса была выполнена стандартизированная обработка с использованием ранее сохраненного среднего (мю) и стандартного отклонения (сигма) от процесса регуляризации, а затем рассчитано евклидово расстояние от здоровой центральной точки. На основании рассчитанного значения расстояния в сочетании с заранее установленным соответствием между расстоянием и тяжестью заболевания оценивалась тяжесть сепсиса у новых образцов. С помощью непрерывного отслеживания были построены кривые сравнения временных рядов евклидова расстояния и оценки SOFA (рис. 3) для анализа согласованности и корреляции изменений в двух трендах.

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

Results

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

Анализ значимости
На основании многолетней клинической практики было замечено, что по мере прогрессирования сепсиса у пациентов наблюдается значительное снижение уровня гемоглобина и процентного содержания лимфоцитов, а также значительное увеличение ширины распределения тромбоцитов12,16. Благодаря анализу этих трех ключевых гематологических показателей – гемоглобина, процента лимфоцитов и ширины распределения т...

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

Discussion

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

Новый метод оценки сепсиса на основе ключевых гематологических показателей
В этом исследовании предлагается новый метод оценки тяжести сепсиса на основе трех ключевых гематологических показателей (гемоглобин, процент лимфоцитов и ширина распределения тромбоцитов). Этот метод количественно оценивает степень отклонения гематологических показателей от здорового состояния путем вычисления евклидова расстояния образцов пациентов от центральной точки здоровой популяции, обе...

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

Disclosures

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

Программное обеспечение многомерной диаграммы рассеяния цветов состояний (V1.0) разработано и принадлежит компании Beijing Intelligent Entropy Science & Technology Co., Ltd. Все права интеллектуальной собственности на данное программное обеспечение принадлежат компании. Авторы заявляют об отсутствии конфликта интересов.

Acknowledgements

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

Это исследование было поддержано Ежегодным проектом 2024 года по улучшению исследовательского потенциала в области традиционной китайской медицины муниципальных больниц традиционной китайской медицины Управления традиционной китайской медицины провинции Шэньси (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
MATLABМатематические труды 2023BВычисления и визуализация 
Многомерный график красочного рассеяния   Интеллектуальный
  Энтропия
Многомерное состояние V1.0Пекин Интеллектуальная энтропия Наука и Technology Co Ltd.
Моделирование многомерного состояния

References

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

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

Reprints and Permissions

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

Request Permission

Tags

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

Related Articles