患者のトリアージと結果の予測のための血液学的単細胞測定の活用

科学分野:

• 血液学
• 臨床病理
• 医療情報工学

背景:

• 血液検査 (CBC) は医学における基礎的な診断ツールです.
• 現代の血液分析器は,標準的なCBCマーカーを超える広範な細胞集団データ (CPD) を提供します.
• 一般的な患者集団におけるCPDの予後効果は,まだ十分に研究されていない.

研究 の 目的:

• 細胞集団データ (CPD) マーカーが,従来の全血球測定 (CBC) マーカーよりも予後効果があるかどうかを判断する.
• CPDマーカーの関連性と一般の患者のアウトカムを評価する.
• 予測モデルにCPDマーカーを組み込む影響を評価する.

主な方法:

• 1万人を超える患者のCBCとCPDマーカーを遡って分析した.
• 入院患者,死亡率,および入院期間とのマーカーの関連性に関する単変数および多変数分析.
• 機械学習モデルは,CBCとCPDマーカーを使用して結果の予測のために開発されました.

主要な成果:

• 多くのCPDマーカーは,死亡率,滞在期間,緊急治療室入院と有意な関連性を示しました.
• CPDマーカーは,CBCマーカーの調整後でも,さまざまな患者集団と医療専門分野における予後的有意性を維持しました.
• CPDマーカーを組み込んだ機械学習モデルは,予測性能の改善を示した (AUCは死亡率0. 79,入院率0. 81).
• 炎症性 (入院と関連) と失調性 (死亡率と関連) の2つの異なるCPD現象型が特定されました.

結論:

• 常時利用可能な細胞集団データ (CPD) は,全血球数 (CBC) の予後能力を著しく高めることができます.
• CPDマーカーは,一般的な患者群を評価するために貴重な情報を提供し,標準的な血液学的評価を補完します.
• 患者のリスクの階層化を改善するために,CPD分析を日常的な臨床実践に統合することを支持しています.