相关实验视频
Updated: Jun 9, 2026
08:38
Extraction and Analysis of Cortisol from Human and Monkey Hair
Published on: January 24, 2014
29.0K
使用间接方法和机器学习算法来估计参考间隔,以皮质醇测量为例
Fatma Demet Arslan1, Georg Hoffmann2
1Department of Medical Biochemistry, Faculty of Medicine, Bakırçay University, Izmir, Türkiye.
Clinical chemistry and laboratory medicine
|October 21, 2025
概括
这项研究确定了成人可靠的总皮质醇 (TC) 参考间隔 (RI),发现年龄和采集时间显著影响了结果. 机器学习验证了这些RI,这对于准确的临床解释至关重要.
科学领域:
- 内分泌学 在内分泌学.
- 临床化学 临床化学
- 生物统计学 生物统计学
背景情况:
- 准确的参考间隔 (RIs) 对于解释激素水平至关重要.
- 总皮质醇 (TC) 水平表现出白天变化,并可能受到年龄的影响.
- 现有的RI可能无法完全解释这些生理因素.
研究的目的:
- 在成年人中确定可靠的总皮质醇 (TC) 的RI.
- 为了研究年龄和血液采集时间对TC水平的影响.
- 评估间接方法和机器学习对 RI 确定的有用性.
主要方法:
- 血清TC使用罗氏Elecsys皮质醇II套件进行测量.
- 使用了间接方法 (refineR,reflimR) 和机器学习 (mclust,rpart).
- 估计的RI与制造商建立的间隔进行了比较.
主要成果:
- 机器学习方法提供了更好地反映TC变异性的RI (例如,mclust的55.8-187μg/L).
- 聚类发现TC水平在清晨 (08:00-08:45) 和年轻成年人 (18-35岁) 中最高.
- 年龄分层 (≤35和>35岁) 和时间分层 (三个时期) 提高了RI准确性.
结论:
- 年龄和血液采集时间是准确的TC解释的关键因素.
- 间接方法和机器学习有效验证激素RI,特别是那些已知的异质性.
- 这种方法提高了与皮质醇水平相关的疾病诊断测试的可靠性.
