相关实验视频
Updated: Jul 16, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
246
使用临床信息和在救护车中取样的分子免疫标记物的组合来预测败血症
Kedeye Tuerxun1,2, Daniel Eklund3,4, Ulrika Wallgren5
1School of Medical Sciences, Faculty of Medicine and Health, Örebro University, Örebro, Sweden. kaya.tuerxun@oru.se.
Scientific reports
|September 10, 2023
概括
将免疫标志物添加到医院前败血症查工具中并没有提高预测准确度. 虽然一些标志物在败血症患者中升高,但将它们与临床数据相结合显示没有附加的预测价值,突出了分层方法的必要性.
科学领域:
- 紧急医疗 紧急医疗
- 免疫学 免疫学 免疫学
- 机器学习 机器学习
背景情况:
- 败血症的鉴定是时间关键的.
- 医院前临床查工具有助于检测败血症.
- 分子标记物对现有工具的附加值尚不清楚.
研究的目的:
- 评估免疫学分子标志物在医院前败血症查中的预测价值.
- 评估分子标记物是否增强现有的临床查工具.
- 开发改进的机器学习模型,用于早期的败血症诊断.
主要方法:
- 在瑞典斯德哥尔摩进行的前性队列研究 (n=551).
- 74个分子和15个基因的初始选.
- 机器学习模型 (嵌套交叉验证) 结合了临床和分子数据.
主要成果:
- 单独的分子标志物显示了中等的预测性表现 (AUC 0.65-0.70).
- 在败血症患者中,IL-1Ra,IL-17A,CCL19,CX3CL1和TNF的水平较高.
- 将分子标记物与临床数据相结合并没有改善由于多对线性而导致的预测值.
结论:
- 免疫学标志物没有增强医院前败血症查工具.
- 温度和标记物之间的高多线性限制了联合预测值.
- 需要考虑临床和分子参数的分层方法,以更好地预测败血症.
