CN114480554A - 一种生物标志物组在制备用于筛查脓毒症的lip评分工具中的应用和评分方法及其系统 - Google Patents
一种生物标志物组在制备用于筛查脓毒症的lip评分工具中的应用和评分方法及其系统 Download PDFInfo
- Publication number
- CN114480554A CN114480554A CN202210171655.XA CN202210171655A CN114480554A CN 114480554 A CN114480554 A CN 114480554A CN 202210171655 A CN202210171655 A CN 202210171655A CN 114480554 A CN114480554 A CN 114480554A
- Authority
- CN
- China
- Prior art keywords
- value
- sepsis
- screening
- scoring
- reference range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010040047 Sepsis Diseases 0.000 title claims abstract description 79
- 239000000090 biomarker Substances 0.000 title claims abstract description 64
- 238000012216 screening Methods 0.000 title claims abstract description 57
- 238000013077 scoring method Methods 0.000 title claims abstract description 20
- 238000002360 preparation method Methods 0.000 title claims description 9
- 108010048233 Procalcitonin Proteins 0.000 claims abstract description 46
- CWCXERYKLSEGEZ-KDKHKZEGSA-N procalcitonin Chemical compound C([C@@H](C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@H](C(=O)N[C@@H](C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(=O)NCC(O)=O)[C@@H](C)O)NC(=O)[C@@H](NC(=O)[C@H](CC=1NC=NC=1)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCSC)NC(=O)[C@H]1NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CO)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(N)=O)NC(=O)CNC(=O)[C@@H](N)CSSC1)[C@@H](C)O)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 CWCXERYKLSEGEZ-KDKHKZEGSA-N 0.000 claims abstract description 46
- 210000004698 lymphocyte Anatomy 0.000 claims abstract description 39
- 239000012472 biological sample Substances 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000003556 assay Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000013211 curve analysis Methods 0.000 description 12
- 210000004369 blood Anatomy 0.000 description 9
- 239000008280 blood Substances 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 208000015181 infectious disease Diseases 0.000 description 6
- 210000000265 leukocyte Anatomy 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000007477 logistic regression Methods 0.000 description 5
- 238000004393 prognosis Methods 0.000 description 5
- 206010061218 Inflammation Diseases 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 4
- 230000004054 inflammatory process Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 108010094028 Prothrombin Proteins 0.000 description 3
- 102100027378 Prothrombin Human genes 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000000546 chi-square test Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 210000003714 granulocyte Anatomy 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 229940039716 prothrombin Drugs 0.000 description 3
- 208000032376 Lung infection Diseases 0.000 description 2
- 206010053159 Organ failure Diseases 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003907 kidney function Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000003908 liver function Effects 0.000 description 2
- 210000000440 neutrophil Anatomy 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- KVZLHPXEUGJPAH-UHFFFAOYSA-N 2-oxidanylpropanoic acid Chemical compound CC(O)C(O)=O.CC(O)C(O)=O KVZLHPXEUGJPAH-UHFFFAOYSA-N 0.000 description 1
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 206010072170 Skin wound Diseases 0.000 description 1
- 108090000190 Thrombin Proteins 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009798 acute exacerbation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 230000004900 autophagic degradation Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000001506 immunosuppresive effect Effects 0.000 description 1
- 238000010832 independent-sample T-test Methods 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000005427 lymphocyte apoptotic process Effects 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000031990 negative regulation of inflammatory response Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000003805 procoagulant Substances 0.000 description 1
- 230000000770 proinflammatory effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 229960004072 thrombin Drugs 0.000 description 1
- 239000002550 vasoactive agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/575—Hormones
- G01N2333/585—Calcitonins
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/26—Infectious diseases, e.g. generalised sepsis
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Immunology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Cell Biology (AREA)
- Primary Health Care (AREA)
- Analytical Chemistry (AREA)
- Microbiology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioethics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Tropical Medicine & Parasitology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及用于脓毒症的筛查技术领域，具体涉及一种生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用和评分方法及其系统。其中，LIP评分工具中的应用：测定提取自生物样本中的生物标志物组：淋巴细胞计数、国际标准化比值和降钙素原；将测定后的淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值分别和与之相对应的参考范围进行对比，且将每个生物标志物进行赋值，并对每个生物标志物的赋值进行汇总，得到总赋值信息。本发明的目的是解决现有的评分工具对脓毒症的需要检查的项目多，导致检查的时间长，难以及时进行脓毒症的早期筛查的问题。
Description
技术领域
本发明涉及用于脓毒症的筛查技术领域，具体涉及一种生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用和评分方法及其系统。
背景技术
脓毒症是感染所致机体的一种具有生命威胁性的全身炎症反应综合征。据估计全球每年有3150万脓毒症病例，1900万严重脓毒症病例，其中约有500万人因脓毒症死亡。
研究发现，脓毒症早期即可出现与全身炎症反应综合征(Systemic inflammatoryresponse syndrome，SIRS)相伴随的代偿性抗炎反应综合征(Compensatory anti-inflammatory response syndrome，CARS)，在短暂的促炎爆发期后，脓毒症患者将进入较长的免疫抑制期。
在没有特异性治疗手段的情况下，早期诊断对于改善脓毒症的预后密切相关。现有脓毒症的诊断是依靠Sepsis-3提出的SOFA(Sequential Organ Failure Assesement)评分≥2分为标准(即较其基线SOFA评分上升2分)，并提出了以qSOFA(quick SequentialOrgan Failure Assesement)评分工具作为脓毒症的门急诊筛查方法，但qSOFA敏感性较低，具有较高的假阴性，容易导致许多早期脓毒症的漏诊，延误治疗。而对于SOFA评分，需要对人体6大脏器和系统进行检测、评估，以致时间和经济花费都较多；另外SOFA评分需要采集患者的静脉血和动脉血两种样本，患者体验感差，这些使得SOFA评分在全球范围内尤其是中低收入国家的广大门急诊、广大社区卫生中心的应用具有明显的局限性。
因此，亟需探索能够在广大基层医院、中低收入国家或地区开展的、具有普适性的、且能够快速反映脓毒症全身炎症反应状态的筛查工具对脓毒症进行早期筛查和诊断，从而早期干预，最终改善患者预后。
发明内容
针对现有技术存在的不足，本发明的目的在于提出一种生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用以解决现有的评分工具对脓毒症的需要检查的项目多，导致检查的时间长，难以及时进行脓毒症的早期筛查的问题。
本发明的另一目的在于一种生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法及其系统，以解决现有的脓毒症的评分工具对脓毒症进行早期筛查和诊断速度慢，容易出现延误治疗的问题。
为达到上述目的，本发明采用如下技术方案：测定提取来自生物样本中的生物标志物组，所述生物标志物组包括：淋巴细胞计数、国际标准化比值和降钙素原；
将测定后的淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值分别和与之相对应的参考范围进行对比，且依据对比后的结果进行赋值，并对所有的赋值进行汇总，得到LIP评分工具的总赋值信息。
优选的，所述依据对比后的结果进行赋值的具体规则为：
若淋巴细胞计数的检测值大于与之相对应的参考范围的最低值、国际标准化比值的检测值小于与之相对应的参考范围值的最高值，降钙素原的检测值小于与之相对应的参考范围值的最高值，即赋值为零；
若淋巴细胞计数的检测值介于与之相对应的参考范围的最低值与位于最低值的70％之间、国际标准化比值介于与之相对应的参考范围值的最高值与位于最高值的六分之七之间，或降钙素原介于与之相对应的参考范围值的最高值与参考范围值的最高值的四倍之间，即赋值为X；
若淋巴细胞计数小于与之相对应的参考范围的最低值的70％、国际标准化比值大于与之相对应的参考范围值的最高值的六分之七，降钙素原大于与之相对应的参考范围值的最高值的四倍，即赋值为2X。
优选的，所述总赋值信息得到后，还包括对总赋值信息进行判断，得出筛查结果。
优选的，所述对总赋值信息进行判断的具体规则为：若总赋值信息
≥3X，得出为异常的筛查结果，若总赋值信息小于3X，得出正常的筛查结果。
本发明还提供一种生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法，所述评分方法采用计算机执行，所述计算机具体执行以下步骤：
接收所输入的患者数据，包括来自所述患者的生物样本中的生物标志物组的检测值，所述生物标志物组的检测值包括：淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值；
分析每一种生物标志物的检测值的水平、且根据赋值的规则将每一种生物标志物的检测值和与之相对应的参考值范围进行对比后进行赋值，分别得出淋巴细胞计数、国际标准化比值和降钙素原的赋值信息；
将淋巴细胞计数的赋值信息、国际标准化比值的赋值信息和降钙素原的赋值信息进行汇总，得出总赋值信息；
根据总赋值信息进行判断的规则，对总赋值信息进行判断，输出评分信息、并显示所述患者的评分信息。
本发明还提供以上生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法的评分系统，所述评分系统包括：
用于存储数据的存储模块，所述存储模块具有存储用于计算机执行所述评分方法的指令、淋巴细胞计数的参考范围的数据、国际标准化比值的参考范围的数据、降钙素原的参考范围的数据、赋值规则信息和判断规则信息；
用于处理数据的计算机处理器，计算机处理器用于配置成执行存储在所述存储组件中的指令、且接收患者数据并分析患者数据，计算机处理器的输出端输出患者数据的筛查信息；以及
用于显示关于所述患者的筛查信息的显示器。
本方案产生的有益效果是：
1、通过对患者提取的生物标志物：淋巴细胞计数、国际标准化比值和降钙素原进行检测，只通过患者的静脉血就能进行检测，检测的生物标志物少，从而通过对以上三个生物标志物的检测有利于广大急诊、门诊脓毒症患者的筛查，从而早期加强治疗，改善预后。
2、通过存储模块中储存的计算机执行的筛查方法的指令、淋巴细胞计数、国际标准化比值和降钙素原的参考范围的数据、赋值规则信息和判断规则信息，从而便于计算机处理器通过配置的指令进行处理，从而能够更加快捷和准确的得出脓毒症筛查的信息，提高筛查的效率。
附图说明
为了更清楚地说明本发明具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明中一种生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法的流程框图；
图2为本发明中生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法的评分系统的流程框图；
图3为本发明中生物标志物预测脓毒症患病的ROC曲线分析图；
图4为本发明生物标志物联合预测脓毒症患病中包括LIP三项指标两两联合及三者联合的ROC曲线分析图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
请参阅图1-图4，一种生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用。LIP评分工具中的LIP具体为：淋巴细胞计数(Lym)的首字母，国际标准化比值(INR)的首字母和降钙素原(PCT)的首字母的组合。具体的应用方式为：
首先，测定提取自生物样本中的生物标志物组。生物标志物组中的生物标志物包括淋巴细胞计数、国际标准化比值和降钙素原。
然后，将测定后的淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值分别和与之相对应的参考范围进行对比，且依据对比后的结果将每个生物标志物进行赋值，并对每个生物标志物的赋值进行汇总，得到总赋值信息。
具体的，将每个生物标志物进行赋值的赋值规则为：
若淋巴细胞计数的检测值大于与之相对应的参考范围的最低值、国际标准化比值的检测值小于与之相对应的参考范围值的最高值，降钙素原的检测值小于与之相对应的参考范围值的最高值，即赋值为零。
若淋巴细胞计数的检测值介于与之相对应的参考范围的最低值与位于最低值的70％之间、国际标准化比值介于与之相对应的参考范围值的最高值与位于最高值的六分之七之间，或降钙素原介于与之相对应的参考范围值的最高值与参考范围值的最高值的四倍之间，即赋值为X。
若淋巴细胞计数小于与之相对应的参考范围的最低值的70％、国际标准化比值大于与之相对应的参考范围值的最高值的六分之七，降钙素原大于与之相对应的参考范围值的最高值的四倍，即赋值为2X。
同时，总赋值信息得到后，还包括对总赋值信息进行判断，得出筛查结果。
具体的，对总赋值信息进行判断的判断规则为：若总赋值信息≥3X即得出为异常的筛查结果，异常即可表示为患有具有脓毒症。若总赋值信息小于3X，即得出正常的筛查结果，正常即可表示患者不患有脓毒症。
本实施例中，lym≤1，定义为低淋巴细胞血症，并将lym介于0.7～1定义为轻度异常；lym＜0.7定义为重度异常，分别予以0、1、2分以示区分。INR＜1.2视为正常；介于1.2～1.4视为轻度延长；＞1.4视为重度延长，并分别予以0、1、2分以示区分。PCT＜0.5视为基本正常；介于0.5～2视为轻度升高；＞2，视为明显升高。
赋值规则中的赋值为X的具体分值为1分。如表1的LIP评分工具中的对应关系。
| 0分 | 1分 | 2分 | |
| Lym | ＞1 | 0.7～1 | ＜0.7 |
| INR | ＜1.2 | 1.2～1.4 | ＞1.4 |
| PCT | ＜0.5 | 0.5～2 | ＞2 |
表1
当满足总分≥3分，筛查为脓毒症。
通过对患者提取的生物标志物：淋巴细胞计数(Lym)、国际标准化比值(INR)和降钙素原(PCT)的检测。通过脓毒症早期可出现淋巴细胞自身凋亡、自噬等病理生理反应，导致淋巴细胞所有亚群均显著减少，最终表现为淋巴细胞计数的降低。而炎症反应与凝血功能异常具有十分紧密的联系，机体为清除致病微生物而出现的炎症反应会迅速诱发脓毒症的促凝状态。
同时，降钙素原在严重感染在内的许多炎症刺激下，能够迅速分泌。从而通过对以上三个生物标志物的检测有利于广大急诊、门诊脓毒症患者的筛查，从而早期加强治疗，改善预后。
本发明还提供一种生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法，评分方法采用计算机执行，计算机具体执行以下步骤：
步骤一、接收所输入的患者数据，包括来自所述患者的生物样本中的生物标志物组。生物标志物组中的生物标志物的检测值包括淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值；
步骤二、分析每一种生物标志物的检测值的水平、且根据赋值规则将每一种生物标志物的检测值和与之相对应的参考值范围进行对比后进行赋值，分别得出淋巴细胞计数的、国际标准化比值和降钙素原对应的赋值信息。
步骤三、将淋巴细胞计数的赋值信息、国际标准化比值的赋值信息和降钙素原的赋值信息进行汇总，得出总赋值信息。
步骤四、对总赋值信息进行判断，则输出评分信息。
步骤五、显示患者的评分信息。
通过以上的计算机执行生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法，从而能够更加快捷和准确的得出脓毒症筛查的信息，提高筛查的效率。
同时，本发明还提供以上生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法的评分系统。评分系统包括用于存储数据的存储模块、用于处理数据的计算机处理器和用于显示关于所述患者的筛查信息的显示器。
具体的，存储模块具有存储用于计算机执行所述评分方法的指令、淋巴细胞计数的参考范围的数据、国际标准化比值的参考范围的数据、降钙素原的参考范围的数据、赋值规则信息和判断规则信息。储存模块可选用现有的硬盘，储存模块通过数据线与所述计算机处理器通信连接。
计算机处理器用于配置成执行存储在所述存储组件中的指令、且接收患者数据并分析患者数据，计算机处理器的输出端输出患者数据的筛查信息。计算机处理器可选用现有的桌面CPU。
以下为本发明中的LIP评分工具(LIP评分≥3分)的评分筛查效能与现有脓毒症诊断标准(SOFA评分≥2分，设为参考金标准)的筛查效果进行对比的验证数据。
1、验证方法：
收集了2017年1月至2021年4月就诊于本院的住院患者，在入院患者怀疑感染的第一时间或住院患者病情急性加重1小时内，对所有患者进行动脉血及静脉血的采集，同步完成SOFA评分及本研究所需数据的收集。完成血常规、肝肾功、电解质、凝血象、PCT、血气分析检查，并测定以下生物标志物：Lym、WBC、N#、N％、PLT、PT、APTT、INR、PCT、LAC。
收集患者的基本信息，包括性别、年龄。收集的临床信息包括：血常规、肝肾功、凝血象、PCT、血管活性药物使用情况、氧合指数、平均动脉压(MAP)、GCS评分。
2、验证数据分析
采用SPSS 25.0软件进行统计学分析，使用单样本Kolmogorov–Smirnov test对数据进行正态性检验，正态分布和非正态分布的连续变量分别被描述为平均值(标准差)和中位数(四分位间距)。正态分布的连续型变量数据两组间比较采用两独立样本t检验，非正态分布的变量数据两组间比较采用曼-惠特尼U非参数检验，分类变量(性别、患病等)组间率的比较采用卡方检验。
采用单因素及多因素logistic回归分析各生物标志物对于脓毒症患病的影响，然后绘制ROC曲线，通过ROC曲线下面积来评价各生物标志物对于脓毒症的诊断效能。最后通过配对卡方检验，评估“LIP”方案与“Sepsis-3标准”对脓毒症的诊断是否有差异性。P值<0.05(P<0.05)认为差异有统计学意义。
3、基线特征、脓毒症组与非脓毒症组生物标志物的比较
依据Sepsis-3标准，通过纳入和排除标准，共有1057例疑似感染的患者入组，其中脓毒症组444例，根据年龄和性别匹配非脓毒症组444例。组间分析显示，两组在生物标志物(Lym、PLT、WBC、N#、N％、NLR、PT、APTT、INR、PCT)、各类临床的评分上(qSOFA、SIRS、APACHEII评分)、培养阳性率均具有显著差异。见表2中脓毒症组与对照组基线数据进行比较的表格。
表2脓毒症组与对照组基线数据比较
注：a引流液及分泌物包括：腹腔引流液、胸腔引流液、纤维支气管镜灌洗液、脓液、胆汁液、皮肤创面分泌物；*表示差异具有显著性；qSOFA，快速序贯器官衰竭评分(QuickSequential Organ Failure Assessment)；SIRS，系统炎症反应综合征(SystemicInflammatory Response Syndrome)；APACHEII，急性生理和慢性健康评估评分系统(AcutePhysiology and Chronic Health Evaluation Scoring System)；Lym,淋巴细胞计数(Lymphocyte count)；PLT，血小板计数(Platelet)；WBC，白细胞计数(White Blood Cellcount)；N#，中心粒细胞计数绝对值(Neutrophil count)；N％，中心粒细胞百分比(Percentage of Neutrophil)；NLR，中心粒细胞计数与淋巴细胞计数比值(Neutrophil-to-lymphocyte Ratio)；PT，凝血酶原时间(Prothrombin time)；APTT，活化部分凝血酶时间(Activated Partial Prothrombin time)；INR,国际标准化比值(InternationalNormalized Ratio)；PCT,降钙素原(Procalcitonin)；Lac,乳酸(Lactate)；N/A，不适用的(Not Applicable)。
4、生物标志物与脓毒症患病的logistic回归分析
单因素logistic回归分析显示Lym、PLT、WBC、N#、N％、NLR、PT、APTT、INR、PCT，p值均＜0.05。进一步在多因素logistic回归分析中发现，Lym、NLR、PLT、PCT、INR，p值＜0.05，是患病的危险因素。见表3中的生物标志物组与脓毒症患病的单因素和多因素logistic回归分析。
表3
注：OR，Odd Ratio,即比值比。
5、生物标志物单独预测脓毒症患病的ROC曲线分析。
请一并参阅图3和表4。其中，图3中，A表示预测整体患者的ROC曲线分析图；B表示预测非肺部感染亚组的ROC曲线分析图；C表示肺部感染亚组的ROC曲线分析图。
表4：生物标志物单独预测脓毒症患病的ROC曲线分析
注：ROC，Receiver Operating Characteristics curve，接受者工作特征曲线。
6、生物标志物联合预测脓毒症患病的ROC曲线分析。
请一并参阅图4和表5。其中，图4中，A表示联合预测脓毒症患病的整体患者的ROC曲线分析图；B表示联合预测脓毒症患病的非肺部感染亚组的ROC曲线分析图；C表示联合预测脓毒症患病的肺部感染亚组的ROC曲线分析图。
表5：生物标志物联合预测脓毒症患病的ROC曲线分析
注：ROC，Receiver Operating Characteristics curve，接受者工作特征曲线。
7、使用LIP评分工具(LIP评分≥3分)的评分筛查效能与现有脓毒症诊断标准(SOFA评分≥2分)的筛查效果比较，以SOFA评分为参考金标准。见表6。
表6：LIP评分与SOFA评分对脓毒症筛查诊断效能的比较
采用配对卡方检验评价“LIP”评分与“SOFA”评分两者对于脓毒症诊断的是否具有差异性，结果显示两者无明显差异(P＞0.05)，即具有等效性。
通过以上的验证数据，当总评分≥3分，对脓毒症有良好的筛查作用。其筛查的患者与脓毒症目前金标准诊断的SOFA评分工具之间没有差异性。提示处理很好的临床应用前景。本发明只通过采集患者的静脉血就能进行检测，检测的生物标志物少，这将极大的有利于广大急诊、门诊脓毒症患者的筛查，从而早期加强治疗，改善预后。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用，其特征在于，测定提取来自生物样本中的生物标志物组，所述生物标志物组包括：淋巴细胞计数、国际标准化比值和降钙素原；
将测定后的淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值分别和与之相对应的参考范围进行对比，且依据对比后的结果进行赋值，并对所有的赋值进行汇总，得到LIP评分工具的总赋值信息。
2.根据权利要求1所述的生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用，其特征在于，所述依据对比后的结果进行赋值的具体规则为：
若淋巴细胞计数的检测值大于与之相对应的参考范围的最低值、国际标准化比值的检测值小于与之相对应的参考范围值的最高值，降钙素原的检测值小于与之相对应的参考范围值的最高值，即赋值为零；
若淋巴细胞计数的检测值介于与之相对应的参考范围的最低值与位于最低值的70%之间、国际标准化比值介于与之相对应的参考范围值的最高值与位于最高值的六分之七之间，或降钙素原介于与之相对应的参考范围值的最高值与参考范围值的最高值的四倍之间，即赋值为X；
若淋巴细胞计数小于与之相对应的参考范围的最低值的70%、国际标准化比值大于与之相对应的参考范围值的最高值的六分之七，降钙素原大于与之相对应的参考范围值的最高值的四倍，即赋值为2X。
3.根据权利要求2所述的生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用，其特征在于，所述总赋值信息得到后，还包括对总赋值信息进行判断，得出筛查结果。
4.根据权利要求3所述的生物标志物组在制备用于筛查脓毒症的LIP评分工具中的应用，其特征在于，所述对总赋值信息进行判断的具体规则为：若总赋值信息≥3X，得出为异常的筛查结果，若总赋值信息小于3X，得出正常的筛查结果。
5.一种生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法，其特征在于，所述评分方法采用计算机执行，所述计算机具体执行以下步骤：
接收所输入的患者数据，包括来自所述患者的生物样本中的生物标志物组的检测值，所述生物标志物组的检测值包括：淋巴细胞计数的检测值、国际标准化比值的检测值和降钙素原的检测值；
分析每一种生物标志物的检测值的水平、且根据赋值的规则将每一种生物标志物的检测值和与之相对应的参考值范围进行对比后进行赋值，分别得出淋巴细胞计数、国际标准化比值和降钙素原的赋值信息；
将淋巴细胞计数的赋值信息、国际标准化比值的赋值信息和降钙素原的赋值信息进行汇总，得出总赋值信息；
根据总赋值信息进行判断的规则，对总赋值信息进行判断，输出评分信息、并显示所述患者的评分信息。
6.一种根据权利要求5的生物标志物组在制备用于筛查脓毒症的LIP评分工具的评分方法的评分系统，其特征在于，所述评分系统包括：
用于存储数据的存储模块，所述存储模块具有存储用于计算机执行所述评分方法的指令、淋巴细胞计数的参考范围的数据、国际标准化比值的参考范围的数据、降钙素原的参考范围的数据、赋值规则信息和判断规则信息；
用于处理数据的计算机处理器，计算机处理器用于配置成执行存储在所述存储组件中的指令、且接收患者数据并分析患者数据，计算机处理器的输出端输出患者数据的筛查信息；以及
用于显示关于所述患者的筛查信息的显示器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210171655.XA CN114480554A (zh) | 2022-02-24 | 2022-02-24 | 一种生物标志物组在制备用于筛查脓毒症的lip评分工具中的应用和评分方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210171655.XA CN114480554A (zh) | 2022-02-24 | 2022-02-24 | 一种生物标志物组在制备用于筛查脓毒症的lip评分工具中的应用和评分方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114480554A true CN114480554A (zh) | 2022-05-13 |
Family
ID=81485057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210171655.XA Pending CN114480554A (zh) | 2022-02-24 | 2022-02-24 | 一种生物标志物组在制备用于筛查脓毒症的lip评分工具中的应用和评分方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114480554A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014117165A1 (en) * | 2013-01-28 | 2014-07-31 | Vanderbilt University | Method for differentiating sepsis and systemic inflammatory response syndrome (sirs) |
| CN112391460A (zh) * | 2019-08-19 | 2021-02-23 | 四川生美思达生物科技有限公司 | 用于脓毒症的生物标志物组及脓毒症判断方法和试剂盒 |
| CN113057587A (zh) * | 2021-03-17 | 2021-07-02 | 上海电气集团股份有限公司 | 一种病症预警方法、装置、电子设备及存储介质 |
| CN113555122A (zh) * | 2021-07-21 | 2021-10-26 | 中南大学湘雅二医院 | 一种重症脓毒症患者一过性和持续性aki的预测模型及其构建方法 |
| CN113671078A (zh) * | 2021-08-18 | 2021-11-19 | 郑州大学第一附属医院 | 一种基于代谢组学的脓毒症预后模型建立方法 |
-
2022
- 2022-02-24 CN CN202210171655.XA patent/CN114480554A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014117165A1 (en) * | 2013-01-28 | 2014-07-31 | Vanderbilt University | Method for differentiating sepsis and systemic inflammatory response syndrome (sirs) |
| CN112391460A (zh) * | 2019-08-19 | 2021-02-23 | 四川生美思达生物科技有限公司 | 用于脓毒症的生物标志物组及脓毒症判断方法和试剂盒 |
| CN113057587A (zh) * | 2021-03-17 | 2021-07-02 | 上海电气集团股份有限公司 | 一种病症预警方法、装置、电子设备及存储介质 |
| CN113555122A (zh) * | 2021-07-21 | 2021-10-26 | 中南大学湘雅二医院 | 一种重症脓毒症患者一过性和持续性aki的预测模型及其构建方法 |
| CN113671078A (zh) * | 2021-08-18 | 2021-11-19 | 郑州大学第一附属医院 | 一种基于代谢组学的脓毒症预后模型建立方法 |
Non-Patent Citations (4)
| Title |
|---|
| BIN LIU等: ""Developing a new sepsis screening tool based on lymphocyte count, international normalized ratio and procalcitonin (LIP score)"", 《SCIENTIFIC REPORTS》, vol. 12, no. 1, pages 1 - 12 * |
| 吴健锋: ""脓毒症免疫抑制的监测和治疗进展"", 《中山大学学报(医学版)》, vol. 41, no. 01, pages 31 * |
| 安莹波等: ""血清降钙素原在急诊脓毒症早期诊断中的意义"", 《疑难病杂志》, vol. 12, no. 07, pages 512 * |
| 黄粱镔等: ""实验室辅助诊断脓毒症时国际正常化比值变化研究"", 《检验医学与临床》, vol. 12, no. 23, pages 3584 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Velissaris et al. | Correlation between neutrophil-to-lymphocyte ratio and severity scores in septic patients upon hospital admission. A series of 50 patients | |
| Larsen et al. | Novel biomarkers for sepsis: A narrative review | |
| Bintcliffe et al. | Unilateral pleural effusions with more than one apparent etiology. A prospective observational study | |
| CN112017791B (zh) | 一种基于人工神经网络模型确定肝癌患者预后情况的系统 | |
| Huang et al. | Immature granulocytes: a novel biomarker of acute respiratory distress syndrome in patients with acute pancreatitis | |
| US20230160805A1 (en) | Detection of medical condition, severity, risk, and acuity using parameters | |
| US20140162370A1 (en) | Urine biomarkers for necrotizing enterocolitis and sepsis | |
| CN111989752A (zh) | 用于检测败血症的检测组 | |
| Ardestani et al. | Neutrophil to lymphocyte ratio (NLR) and derived NLR combination: a Cost-effective predictor of moderate to SEVERE COVID-19 progression | |
| Velissaris et al. | Soluble urokinase plasminogen activator receptor (suPAR) in the emergency department: An update | |
| CN117976213A (zh) | 一种脓毒症急性肝损伤风险预测方法、装置、设备及存储介质 | |
| US20220390467A1 (en) | Methods relating to sepsis associated acute kidney injury | |
| US20230251275A1 (en) | Npersevere: biomarkers estimating baseline mortality risk for neonatal sepsis and necrotizing enterocolitis | |
| Li et al. | Comparison of clinical, laboratory and radiological characteristics between Chlamydia psittaci and adenovirus pneumonias: a multicenter retrospective study | |
| US20230165492A1 (en) | Method of Detecting Sepsis Using Primary and Secondary Hematology Parameters | |
| CN114480554A (zh) | 一种生物标志物组在制备用于筛查脓毒症的lip评分工具中的应用和评分方法及其系统 | |
| CN114628024A (zh) | 一种生物标志物组在制备用于辅助筛查脓毒症的产品中的用途和辅助筛查方法及其系统 | |
| Pham et al. | Neutrophil CD64–a prognostic marker of sepsis in intensive care unit: a prospective cohort study | |
| Efgan et al. | Comparison of the BUN/albumin ratio and BISAP score in predicting severity of acute pancreatitis | |
| Yilmaz et al. | Does Mean Platelet Volume/Platelet Count Ratio and Red Rlood Cell Distribution Width Predict In-hospital Mortality in Patients Admitted for Acute Exacerbation of Chronic Obstructive Pulmonary Disease? | |
| Casini et al. | Use of transcriptomics for diagnosis of infections and sepsis in children: A narrative review | |
| Puspasari et al. | Higher Circulating White Blood Cell and Lymphocyte Counts in Obese Metabolic Syndrome Patients: A Preliminary Population-based Study in Yogyakarta, Indonesia. | |
| Bardakci et al. | Haemogram indices are as reliable as CURB-65 to assess 30-day mortality in Covid-19 pneumonia. | |
| Zong et al. | Spatially Distinct Immunothrombotic Signatures in Patients with Pneumonia-Related Acute Respiratory Distress Syndrome: Insights from Lung Alveolar and Blood Circulation Profiles | |
| Wang et al. | Analysis of the diagnostic and prognostic value of serum PAD2 in patients with sepsis in the intensive care unit |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |