通过大数据分析重新定义甲状腺激素参考间隔的多学科方法

科学领域:

• 临床化学 临床化学
• 内分泌学 在内分泌学.
• 大数据分析大数据分析

背景情况:

• 甲状腺功能测试的参考间隔 (RIs) 对于准确诊断至关重要.
• 现有的RI可能不反映当前的种群或分析方法,需要更新.
• 优化TSH反射算法可以改善临床决策和资源分配.

研究的目的:

• 使用大数据协调和完善甲状腺功能测试的参考间隔.
• 具体更新TSH的上限参考值.
• 优化TSH反射算法,以改善临床管理和测试利用.

主要方法:

• 从加拿大阿尔伯塔省提取大规模实验室数据 (TSH,自由T4,自由T3).
• 应用统计模型 (Bhattacharya,refineR,简单的非参数) 来导出新的RI.
• 排除了专家,住院患者,重复测试和具有特定生物标志物的个人数据.

主要成果:

• 确定的新TSH RIs:1.23-25.0 mIU/L (0-7天),1.00-6.80 mIU/L (8天-1年),以及0.20-6.50 mIU/L (≥1年). 在此期间,新发现的TSH RIs为1.23-25.0 mIU/L (0-7天),1.00-6.80 mIU/L (8天-1年),0.20-6.50 mIU/L (≥1年).
• 定义的新的自由T4 RIs:13.5-50.0 pmol/L (0-14天),8.7-32.5 pmol/L (15-29天) 和10.0-25.0 pmol/L (≥30天). 它们可以被测量为:
• 开发了一种更新的TSH反射算法,只有当TSH<0.1mIU/L时才能触发自由T4测试.

结论:

• 大数据分析和多学科合作成功增强了甲状腺功能RI.
• 上限TSH参考值被扩大到6.50mIU/L.
• 优化的RI和TSH反射算法为改善甲状腺功能测试解释提供了指南.