相关实验视频
Updated: Jun 9, 2025

A Neonatal Imaging Model of Gram-Negative Bacterial Sepsis
Published on: August 12, 2020
临床和实验室预测细菌病的临床和实验室预测因素在严重病的小牛中
Mathilde L Pas1, Jade Bokma1, Filip Boyen2
1Department of Internal Medicine, Reproduction and Population Medicine, Faculty of Veterinary Medicine, Ghent University, Salisburylaan 133, Merelbeke 9820, Belgium.
在小牛中诊断败血症是具有挑战性的. 使用临床和血液变量的预测模型显示出潜力,但需要进一步精细化,以准确地预测重病小牛中的细菌病.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物卫生 动物健康
- 细菌学 细菌学是一门学科.
背景情况:
- 败血症是小牛死亡的一个重要原因.
- 准确诊断小牛的败血症仍然是一个临床挑战.
研究的目的:
- 开发和验证一种预测模型,用于严重病的小牛 (CIC) 中的细菌病.
- 确定与CIC中细菌病相关的关键临床和实验室变量.
主要方法:
- 一项涉及334头重病小牛 (CIC) 接受血培养的横截面研究.
- 用多变量逻辑回归和分类树分析来开发预测模型.
- 模型对30%的数据集进行了验证,并进行了单独的分析,不包括可能的细菌污染物.
主要成果:
- 最好的后勤回归模型包括分泌失眠,短心,酸血,低血糖,静脉缺血和低蛋白血,初始灵敏度/特异性为70.6%/98.0%.
- 除了可能的污染物,一个异常温度,心率,没有肠炎,低血和高乳糖血的模型显示了71.4%的灵敏度和93.9%的特异性.
- 与物流回归相比,分类树模型的性能较低.
结论:
- 低血糖,高乳糖和低蛋白是评估CIC细菌病的相关指标.
- 目前使用基本临床和血液变量的预测模型不足以可靠地预测重症小牛的细菌病.
更多相关视频
05:28Evaluation of a Reliable Biomarker in a Cecal Ligation and Puncture-Induced Mouse Model of Sepsis
Published on: December 9, 2022
09:01The Bovine Lung in Biomedical Research: Visually Guided Bronchoscopy, Intrabronchial Inoculation and In Vivo Sampling Techniques
Published on: July 3, 2014
相关概念视频
Acute Pyelonephritis II: Diagnostic Studies and Management
Pneumonia III: Complications and Assessment