相关实验视频
Updated: Jun 27, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
167
使用时间序列数据识别和验证败血症亚型
Chenxiao Hao1, Rui Hao2, Huiying Zhao1
1Department of Critical Care Medicine, Peking University People's Hospital, Beijing, 100044, China.
Heliyon
|May 1, 2024
概括
败血症是异质的. 研究人员使用时间序列数据确定了三个不同的败血症亚型 (A,B,C类型),显示出不同的炎症反应和器官功能. 这些发现有助于制定有针对性的败血症治疗策略.
科学领域:
- 关键护理医学 关键护理医学
- 计算生物学 计算生物学
- 翻译医学是一种翻译医学.
背景情况:
- 败血症是一种复杂的综合征,具有显著的异质性.
- 识别不同的败血症亚现象对于制定有针对性和有效的治疗策略至关重要.
- 目前对败血症异质性的理解需要通过先进的数据分析进一步细化.
研究的目的:
- 通过对生命体征和实验室指标的时间序列分析,识别和验证不同的败血症亚现象.
- 研究不同败血症亚型之间的炎症生物标志物和治疗反应的异质性.
- 提供数据驱动的基础,用于毒症管理中的个性化治疗方法.
主要方法:
- 利用时间序列k-means对MIMIC-IV和北京大学人民医院ICU数据库中的21个生命体征和实验室指标进行集群和动态时间扭曲.
- 随机将MIMIC-IV数据分为发展 (80%) 和内部验证 (20%) 队列;外部验证使用了北京大学的数据.
- 在已识别的亚表型中比较炎症生物标志物和治疗异质性.
主要成果:
- 确定了三种败血症亚型:A型 (稳定的生命体,公平的器官功能),B型 (明显的炎症,稳定的器官功能) 和C型 (严重损害器官功能).
- 类型C的死亡率 (33%) 和炎症标志物最高,其次是B型 (24%),A型 (11%).
- 在内部和外部队列中验证了子类型,显示一致的特征和死亡率. 幸存者在类型C有较低的液体摄入量;类型B和C的幸存者有更高的中央静脉导管使用.
结论:
- 通过时间序列数据分析成功识别和验证了三种新的败血症亚现象.
- 在败血症亚型中,炎症生物标志物,治疗反应和临床结果显著异质.
- 这些验证的亚现象型为更精确和个性化的败血症治疗策略提供了基础.
