周围血液淋巴细胞轨迹的动态变化预测了败血症的临床结果

科学领域:

• 免疫学 免疫学 免疫学
• 关键护理医学 关键护理医学
• 生物统计学 生物统计学

背景情况:

• 败血症会导致免疫功能障碍,特别是淋巴缺血,影响患者的预后.
• 目前对败血症免疫状况的评估依赖于静态淋巴细胞计数,缺少动态疾病进展.
• 需要对淋巴细胞计数进行动态建模,以了解败血症中的免疫异质性.

研究的目的:

• 通过使用隐性类混合建模,在败血症患者中识别不同的淋巴细胞计数轨迹.
• 评估这些已识别的表型与临床结果的关联,包括死亡率.
• 在外部和潜在队列中验证这些表型的预测价值.

主要方法:

• 隐性类混合建模应用于从回顾性和前性败血症队列的纵向淋巴细胞计数数据.
• 确定了四种不同的淋巴细胞轨迹表型:高衰减 (α),稳定-中等 (β),高增加 (γ) 和稳定-低 (δ).
• 根据这些表型,分析了临床结果,包括疾病严重程度和28天死亡率. 多变量回归和名谱发展被用于风险预测.

主要成果:

• 确定并验证了四种表型:高衰减 (α,3.8%),稳定中等 (β,69.3%),高增长 (γ,3.2%) 和稳定低 (δ,23.8%).
• 与其他类型相比,高衰减 (α) 类型的疾病严重程度和死亡率 (25.9%) 显着更高.
• 淋巴细胞子集计数在表型之间有显著差异,和轨迹表型,以及临床因素,独立预测28天死亡率.

结论:

• 根据淋巴细胞计数轨迹,在败血症患者中划定了新的动态免疫表型.
• 这些表型与不同的临床结果有关,为败血症预后提供了新的见解.
• 整合纵向建模和淋巴细胞子集分析可以增强风险分层,并为败血症患者个性化免疫疗法选择.