建立和验证基于淋巴细胞亚型的机器学习预测诺莫格拉姆的建立和验证,用于败血症患者的腹腔内角膜病
Jiahui Zhang1, Wei Cheng1, Dongkai Li1
1Department of Critical Care Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Science and Peking Union Medical College, Beijing, China.
Clinical and translational science
|January 21, 2025
概括
一种新型的诺莫图谱可以使用淋巴细胞子集和临床因素预测败血症患者的腹腔内候群 (IAC). 这种工具有助于早期诊断,通过识别高风险个体来改善患者的治疗结果.
科学领域:
- 传染性疾病 传染性疾病
- 临床医学 临床医学
- 免疫学 免疫学 免疫学
背景情况:
- 腹腔内角膜炎 (IAC) 是败血症患者的一种严重并发症,通常表现为非特异性症状,延迟诊断和治疗.
- 准确和早期预测IAC对于及时干预和改善患者存活率至关重要.
- 现有的诊断工具,如Candida评分,在有效预测IAC方面存在局限性.
研究的目的:
- 开发和验证用于早期和快速识别腹腔内候群 (IAC) 的预测性名谱,用于血症和腹腔内感染 (IAI) 的患者.
- 确定与IAC发展相关的关键临床因素和淋巴细胞子集.
- 为了比较开发的诺米图的诊断性能与现有的Candida评分.
主要方法:
- 一项前性队列研究,涉及连续633名被诊断患有败血症和IAI的患者.
- 临床特征的评估,淋巴细胞子集 (包括CD4+/CD8+T细胞比率) 和实验室标记在IAI开始时.
- 使用机器学习 (用于变量选择的随机森林) 和多变量后勤回归开发名录,然后验证其歧视,校准和临床实用性 (决策曲线分析).
主要成果:
- 对IAC的独立预测因素包括高剂量的皮质类固醇,CD4+/CD8+T细胞比,全腹营养,胃肠穿孔, (1,3) -β-D-葡萄糖 (BDG) 阳性,以及广谱抗生素.
- 开发的名图表显示出强大的预测性能,曲线下的面积 (AUC) 值在导出队列中为0.822,在验证队列中为0.808.
- 诺米图显著优于Candida评分 (AUC 0.822与0.521,p <0.001),并通过决策曲线分析显示出良好的校准和高临床价值.
结论:
- 结合淋巴细胞亚型 (CD4+/CD8+T细胞比率) 和临床风险因素的新型诺摩图,为预测败血症患者的IAC提供了准确和快速的工具.
- 这种名图可以帮助临床医生有效排除IAC或识别高风险患者,促进及时的管理决策.
- 这项研究强调了免疫状况评估 (淋巴细胞子集) 与传统临床因素一起对改善IAC预测的重要性.
