Research Article

Sepsis Klinik İzlemi için Önemli Hematolojik Parametrelerin Sağlıklı Durumdan Sapmasının Kantitatif Olarak Değerlendirilmesi

DOI:

10.3791/68840

⸱

July 8th, 2025

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

In This Article

Summary

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

Bu çalışma, sepsis şiddetini değerlendirmek için sağlıklı bir durumdan üç önemli hematolojik parametrenin (Hb, Lenf%, PDW) Öklid mesafesine dayanan yeni bir kantitatif metrik önermektedir. Sonuçlar, rutin kan testleri kullanılarak sepsisin izlenmesi için basit, objektif bir araç sunan SOFA skorları ile güçlü bir korelasyon göstermektedir.

Abstract

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

Yaşamı tehdit eden bir durum olan sepsis, gelişmiş teşhis ve şiddet değerlendirmesi gerektirir. Uzun süreli klinik gözlemlere dayanarak, Sepsis sırasında Hemoglobin (Hb), lenfosit yüzdesi (Lenf% ) ve trombosit dağılım genişliği (PDW) önemli ölçüde değişir. Bu çalışma, sepsis hastalarını sağlıklı bireylerden ayırt etmek için bu üç Tam Kan Sayımı (CBC) parametresini değerlendirmeyi ve sepsis şiddetini değerlendirmek için sağlıklı bir durumdan birleşik sapmalarına dayalı yeni bir kantitatif metrik geliştirmeyi amaçladı. Bu retrospektif vaka kontrol çalışmasına 496 sepsis hastası (başvuru sırasında Sepsis-3 kriterlerine göre tanı konulan) ve 1136 sağlıklı kontrol dahil edildi. Başlangıç Hb, Lenf% ve PDW z-skoru standardize edildi. Sağlıklı kohortun 3 boyutlu sentroidi hesaplandı ve her sepsis hastasının bu sentroidden Öklid uzaklığı hesaplandı. Grup farklılıkları ve SOFA skorları ile korelasyon analiz edildi. 3B dağılım grafikleri bu ilişkileri görselleştirdi. Sepsis hastaları ve kontroller arasında Hb, Lenf% ve PDW anlamlı olarak farklılık gösterdi (p < 0.001), sepsis daha düşük Hb / Lenf % ve daha yüksek PDW gösterdi. Sağlıklı sentroidden hesaplanan Öklid mesafesi sepsis hastalarında anlamlı olarak daha yüksekti (p < 0.001). Bu mesafe SOFA skorları ile güçlü bir şekilde korelasyon gösterdi (r = 0.45, p < 0.001) ve hastalık şiddeti daha yüksek olan hastalarda daha büyüktü. 3D görselleştirme, bu mesafeyi yansıtan ve sağlıklı merkezden artan sapma ile ilişkili olan renk yoğunluğu ile grup ayrımını doğruladı. Temel CBC parametrelerinin sağlıklı bir kohortun sentroidinden Öklid uzaklığı, sağlıklı bir durumdan sapmayı etkili bir şekilde ölçer ve hastalık şiddeti ile ilişkilidir. Rutin CBC verilerini kullanan bu yaklaşım, sepsis şiddetinin değerlendirilmesi ve izlenmesi için umut verici, basit bir araç sunar.

Introduction

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

Enfeksiyonun neden olduğu sistemik bir inflamatuar yanıt sendromu olan sepsis, ciddi organ fonksiyon bozukluğuna yol açabilir ve dünya çapında yoğun bakım ünitelerinde önde gelen ölüm nedenlerinden biri olmaya devam etmektedir 1,2. Son yıllarda tanı ve tedavi teknolojilerindeki gelişmelere rağmen sepsis mortalite oranları %20-40 gibi yüksek oranlarda seyretmektedir3. Sepsis şiddetinin zamanında tanımlanması ve doğru değerlendirilmesi, klinik karar verme ve prognozun iyileştirilmesi için çok önemlidir4.

Şu anda, sepsis tanısı ve şiddeti değerlendirmesi öncelikle Sıralı Organ Yetmezliği Değerlendirmesi (SOFA) ve Akut Fizyoloji ve Kronik Sağlık Değerlendirmesi II (APACHE II) gibi skorlama sistemlerine dayanmaktadır5,6. Bu sistemler klinik uygulamada yaygın olarak uygulanmasına rağmen, karmaşık hesaplamalar, zaman alıcı değerlendirmeler, çoklu fizyolojik göstergeler ve biyokimyasal test sonuçları için gereksinimler ve klinik uygulamada belirli bir derecede öznellik ve tutarsızlık gibi sınırlamaları vardır 7,8. Bu puanlama sistemlerinin uygulanması, özellikle birinci basamak sağlık kurumlarında ve kaynakların sınırlı olduğu alanlarda önemli zorluklar ortaya çıkarmaktadır9. Bu nedenle, basit, güvenilir ve kolay uygulanabilir bir sepsis değerlendirme aracının geliştirilmesi önemli bir klinik öneme sahiptir.

Hematolojik indikatörler, en temel klinik muayene maddeleri olarak, hızlı teşhis, düşük maliyet ve geniş kullanılabilirlik özelliklerine sahiptir10,11. Klinik gözlemler, sepsis hastalarında çoklu hematolojik göstergelerin hemoglobin (Hb), lenfosit yüzdesi (Lenf% ) ve trombosit dağılım genişliği (PDW) ile önemli değişiklikler gösterdiğini bulmuştur12,13. Azalmış hemoglobin sepsis ile ilişkili anemiyi yansıtır, azalmış lenfosit yüzdesi immün fonksiyon baskılanmasını gösterirken, artmış trombosit dağılım genişliği inflamatuar yanıt ve pıhtılaşma disfonksiyonu ile ilişkilidir14,15. Önceki çalışmalar 12,13,14,15, bu göstergelerin ayrı ayrı sepsis şiddeti ve prognozu ile bir dereceye kadar ilişkili olduğunu doğrulamıştır, ancak çoklu göstergelerin entegre değerlendirmesi için sistematik yöntemler eksikliği vardır 16.

Son yıllarda, çok boyutlu veri analizi yöntemlerinin hastalık değerlendirmesinde artan uygulamaları görülmektedir17. Numuneler arasındaki farkları ölçmek için geometrik bir ölçüm yöntemi olarak Öklid mesafesi, hasta göstergelerinin normal referans değerlerden sapma derecesini değerlendirmek için kullanılabilir. Bu kavramı çok boyutlu klinik veri analizine uygulamak, hastalık şiddeti değerlendirmesi için yeni bilgiler sağlayabilir. Bununla birlikte, şu anda hematolojik göstergelerin çok boyutlu mekansal özelliklerine dayanan kantitatif sepsis değerlendirme araştırması eksikliği vardır18,19.

Yukarıdaki arka plana dayanarak, bu çalışma şunları amaçlamaktadır: sepsis hastalarını sağlıklı popülasyonlardan ayırt etmede hemoglobin, lenfosit yüzdesi ve trombosit dağılım genişliğinin etkinliğini değerlendirmek; bu üç göstergeye dayalı olarak standartlaştırılmış çok boyutlu bir alan oluşturmak ve hasta örneklerinin sağlıklı merkez noktasından Öklid mesafesini hesaplamak; bu mesafe ile sepsis şiddeti (SOFA skoru) arasındaki korelasyonu analiz edin; Sepsisin klinik izlenmesinde rutin hematolojik incelemelere dayanan bu yeni değerlendirme yönteminin uygulama değerini keşfedin. Bu yöntem, sepsisin erken tanımlanması, şiddet değerlendirmesi ve dinamik izlenmesi için özellikle çeşitli düzeylerdeki sağlık kurumlarında klinik uygulama için uygun olan yeni bir objektif ve uygun araç sağlar10.

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

Protocol

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

Bu çalışma, Pekin Çin Tıbbı Üniversitesi Sunsimiao Hastanesi Etik Kurulu tarafından onaylanan retrospektif bir vaka kontrol araştırmasıdır (onay numarası: SSMYY-KYPJ-2024-065). Tüm katılımcılar veya yasal temsilcileri bilgilendirilmiş onam formlarını imzaladı.

Çalışma tasarımı ve katılımcılar
Çalışmaya Ocak 2024-Mart 2025 döneminde sepsis tanısı alan 496 hasta (Sepsis-3 kriter3'e göre) ve sağlık muayene merkezinden 1136 sağlıklı kontrol dahil edildi. Gözlem grubu için dışlama kriterleri şunları içeriyordu: (1) yaş < 18 yıl; (2) hamile kadınlar; (3) primer hematolojik hastalıklar; (4) kanser hastaları; (5) kabulden önce kan transfüzyon tedavisi; (6) son immünosupresif tedavi veya immün yetmezlik; (7) eksik klinik veriler. Günlük izleme, CBC analizi için sabah kan alımlarını (06:00-08:00) içeriyordu ve sonuçlar 12 saat içinde mevcuttu. SOFA skorları, standart kriterler kullanılarak eğitimli yoğun bakım uzmanları tarafından hesaplandı. Hastalar klinik çözünürlük, taburculuk, ölüm veya maksimum 30 günlük takip süresine kadar izlendi.

Laboratuvar testleri ve veri toplama
Çalışmaya dahil edilen tüm olgular için demografik veriler (yaş, cinsiyet, boy, kilo vb.) ve klinik bilgiler toplandı. CBC örnekleri bir hematoloji analizörü kullanılarak test edildi, serum örnekleri bir klinik analizör kullanılarak test edildi ve pıhtılaşma örnekleri bir hematoloji analizörü kullanılarak test edildi. Tüm kan örneklerinin belirtilen test süresi içinde test edilmesi gerekiyordu. Tüm testler, standart çalışma prosedürlerine uygun olarak eğitimli laboratuvar teknisyenleri tarafından gerçekleştirilmiştir. Laboratuvar düzenli olarak iç ve dış kalite kontrolü yapmıştır.

Sepsis hastaları için ana tanı, enfeksiyon yeri, komorbiditeler, Ardışık Organ Yetmezliği Değerlendirme (SOFA) skoru, Akut Fizyoloji ve Kronik Sağlık Değerlendirme II (APACHE II) ve başvuru sırasındaki laboratuvar muayene sonuçları kaydedildi. Sepsis hastaları başvuru sırasındaki SOFA skoruna göre hafif (SOFA ≤ 6 puan), orta (7 ≤ SOFA ≤ 12 puan) ve şiddetli (SOFA ≥ 13 puan) olmak üzere üç gruba ayrıldı. Hastaların bir alt kümesi için, laboratuvar muayene sonuçları ve SOFA skorları, sürekli izleme analizi için hastanede kaldıkları süre boyunca, 30 günlük bir gözlem süresi ile veya hasta taburcu olana veya ölene kadar günlük olarak toplandı. Sağlıklı kontrol grubundan örnekler, akut veya kronik hastalığı olmadığı teyit edilen sağlık muayene merkezi katılımcılarından toplandı.

Veri analizi ve görselleştirme
Standardizasyon, işleme ve anlamlılık analizi
Farklı göstergeler arasındaki boyutsal farklılıkları ortadan kaldırmak için, tüm örnek Hb, Lenf %ve PDW verilerinde Z-skoru standardizasyonu gerçekleştirildi:

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

burada H sağlıklı kontrol grubu veri matrisi, P sepsis hasta grubu veri matrisi ve mu ve sigma sırasıyla ortalama ve standart sapmadır. Standardizasyondan sonra, veriler ortalama 0 ve standart sapma 1 olan standart bir normal dağılıma uydu.

Her bir gösterge boyutunda sağlıklı örnekler ve sepsis hastaları arasındaki farkları sezgisel olarak gösteren önemli göstergeler Hb, Lenf% ve PDW için anlamlılık görselleştirme grafikleri (Şekil 1) oluşturulmuştur. Göstergeler arasındaki kantitatif analizin gerçek önemi Tablo 1'de gösterilmektedir. Tanımlayıcı istatistikler (ortalama, standart sapma, medyan, çeyrekler vb.) hesaplandı, gruplar arasındaki farklılıkları karşılaştırmak için bağımsız örneklem t-testleri kullanıldı ve farklılıkların anlamlılığını değerlendirmek için Cohen'in d etki büyüklüğü hesaplandı.

Sağlıklı merkez noktası hesaplaması ve Öklid mesafesi ölçümü
Sağlıklı kontrol grubundan elde edilen standartlaştırılmış verilere dayanarak, üç boyutlu özellik uzayındaki merkez noktasının koordinatları hesaplandı. Daha sonra, hastalık şiddetinin objektif bir değerlendirme göstergesi olarak, hastanın hematolojik göstergelerinin sağlıklı durumdan sapma derecesini ölçmek için her sepsis hasta örneğinden sağlıklı merkez noktasına olan Öklid mesafesi hesaplandı.

Üç boyutlu görselleştirme yöntemi
Üç boyutlu dağılım grafikleri (Şekil 2), özellik alanındaki iki örnek grubunun dağılımını görüntülemek için oluşturulmuştur. Sepsis şiddetini temsil etmek için bir renk gradyanı (Jet renk şeması) kullanırlar, burada koyu mavi hafif sepsisi, kırmızı şiddetli sepsisi temsil eder ve sağlıklı kontrol grubu yeşil + ile işaretlenir.

Uzun kohort örneklerinin klinik validasyonu
Bu yöntemin uzun kohortlu (hastaneye yatıştan 3-6 ay sonra takip edilen) hastalardan alınan yeni numuneler üzerinde uygulanabilirliğini değerlendirmek için öngörücü bir doğrulama süreci tasarlanmıştır. Tipik bir uzun sepsis kohort örneği için, regülasyon işleminden daha önce kaydedilen ortalama (mu) ve standart sapma (sigma) kullanılarak standartlaştırılmış işleme gerçekleştirildi ve daha sonra sağlıklı merkez noktasından Öklid mesafesi hesaplandı. Hesaplanan mesafe değerine dayanarak, mesafe ve hastalık şiddeti arasında önceden belirlenmiş yazışma ile birlikte, yeni örneklerin sepsis şiddeti değerlendirildi. Sürekli izleme yoluyla, iki eğilimdeki değişikliklerin tutarlılığını ve korelasyonunu analiz etmek için Öklid mesafesi ve SOFA skorunun (Şekil 3) zaman serisi karşılaştırma eğrileri çizildi.

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

Results

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

Anlamlılık analizi
Uzun süreli klinik uygulamaya dayalı olarak, sepsis ilerledikçe hastaların hemoglobin düzeylerinde ve lenfosit yüzdelerinde önemli ölçüde azalma gösterdiği, trombosit dağılım genişliğinin ise anlamlı olarak arttığı gözlenmiştir12,16. Bu üç temel hematolojik göstergenin (hemoglobin, lenfosit yüzdesi ve trombosit dağılım genişliği) analizi sayesinde sepsis hastaları ve sağlıklı popülasyonlar ar...

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

Discussion

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

Anahtar hematolojik göstergelere dayalı sepsis değerlendirmesi için yeni yöntem
Bu çalışma, üç temel hematolojik göstergeye (hemoglobin, lenfosit yüzdesi ve trombosit dağılım genişliği) dayalı olarak sepsis şiddetini değerlendirmek için yeni bir yöntem önermektedir. Bu yöntem, hasta örneklerinin sağlıklı popülasyonun merkez noktasından Öklid mesafesini hesaplayarak hematolojik göstergelerin sağlıklı durumdan sapma derecesini ölçer ve sepsisin klinik izlenmesi için yen...

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

Disclosures

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

Çok Değişkenli Durum Renk Dağılımı Grafiği yazılım aracı (V1.0), Beijing Intelligent Entropy Science & Technology Co., Ltd. tarafından geliştirilmiş ve sahiplenilmiştir. Bu yazılımın tüm fikri mülkiyet hakları şirkete aittir. Yazarlar herhangi bir çıkar çatışması beyan etmemektedir.

Acknowledgements

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

Bu çalışma, Shaanxi İl Geleneksel Çin Tıbbı İdaresi Belediye Geleneksel Çin Tıbbı Hastanelerinin Geleneksel Çin Tıbbı Araştırma Kapasitesinin Geliştirilmesine Yönelik 2024 Yıllık Projesi (SZY-NLTL-2024-003) tarafından desteklenmiştir.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MATLABMatematik Çalışmaları 2023BBilgi işlem ve görselleştirme 
Çok Değişkenli Durum Renkli Dağılım Grafiği   Akıllı
  Entropi		Çok Değişkenli Durum V1.0Pekin Akıllı Entropi Bilimi ve Technology Co Ltd.
Çok Değişkenli Durum için Modelleme

References

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

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

Reprints and Permissions

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

Request Permission

Tags

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

Related Articles