CN115482925A - 感染检测和区分系统及方法 - Google Patents
感染检测和区分系统及方法 Download PDFInfo
- Publication number
- CN115482925A CN115482925A CN202211141872.0A CN202211141872A CN115482925A CN 115482925 A CN115482925 A CN 115482925A CN 202211141872 A CN202211141872 A CN 202211141872A CN 115482925 A CN115482925 A CN 115482925A
- Authority
- CN
- China
- Prior art keywords
- blood sample
- infection
- cell count
- concentration
- sepsis
- 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
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 113
- 238000001514 detection method Methods 0.000 title description 27
- 230000004069 differentiation Effects 0.000 title description 3
- 210000000265 leukocyte Anatomy 0.000 claims abstract description 113
- 210000004369 blood Anatomy 0.000 claims abstract description 96
- 239000008280 blood Substances 0.000 claims abstract description 96
- 210000001616 monocyte Anatomy 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004883 computer application Methods 0.000 claims abstract description 20
- 210000004027 cell Anatomy 0.000 claims description 171
- 239000000523 sample Substances 0.000 claims description 117
- 206010040047 Sepsis Diseases 0.000 claims description 108
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 claims description 35
- 230000035945 sensitivity Effects 0.000 claims description 35
- 210000000440 neutrophil Anatomy 0.000 claims description 33
- 238000004820 blood count Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 26
- 239000012472 biological sample Substances 0.000 claims description 24
- 210000003743 erythrocyte Anatomy 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 15
- 230000002458 infectious effect Effects 0.000 claims description 12
- 239000000090 biomarker Substances 0.000 claims description 6
- 238000002847 impedance measurement Methods 0.000 claims description 4
- 230000002980 postoperative effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 47
- 238000012360 testing method Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 22
- 230000001413 cellular effect Effects 0.000 description 18
- 230000001902 propagating effect Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 16
- 208000035475 disorder Diseases 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 12
- 238000000149 argon plasma sintering Methods 0.000 description 11
- 230000000644 propagated effect Effects 0.000 description 10
- 238000011282 treatment Methods 0.000 description 10
- 230000004054 inflammatory process Effects 0.000 description 9
- 206010061218 Inflammation Diseases 0.000 description 8
- 206010053879 Sepsis syndrome Diseases 0.000 description 8
- 238000002360 preparation method Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 230000009885 systemic effect Effects 0.000 description 7
- 206010040070 Septic Shock Diseases 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000036303 septic shock Effects 0.000 description 6
- 108010048233 Procalcitonin Proteins 0.000 description 5
- 210000000601 blood cell Anatomy 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 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 description 5
- 206010067268 Post procedural infection Diseases 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 230000003115 biocidal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000003153 chemical reaction reagent Substances 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 210000004698 lymphocyte Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011269 treatment regimen Methods 0.000 description 4
- 108010074051 C-Reactive Protein Proteins 0.000 description 3
- 102100032752 C-reactive protein Human genes 0.000 description 3
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 210000003651 basophil Anatomy 0.000 description 3
- 238000004159 blood analysis Methods 0.000 description 3
- 238000009640 blood culture Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009533 lab test Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000007430 reference method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 208000035143 Bacterial infection Diseases 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 2
- 206010033645 Pancreatitis Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 229940088710 antibiotic agent Drugs 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 208000022362 bacterial infectious disease Diseases 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 210000002421 cell wall Anatomy 0.000 description 2
- 208000035850 clinical syndrome Diseases 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000002074 deregulated effect Effects 0.000 description 2
- 210000003979 eosinophil Anatomy 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000005350 fused silica glass Substances 0.000 description 2
- 238000009652 hydrodynamic focusing Methods 0.000 description 2
- 210000002865 immune cell Anatomy 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 208000027866 inflammatory disease Diseases 0.000 description 2
- 230000028709 inflammatory response Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 210000001995 reticulocyte Anatomy 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 206010020843 Hyperthermia Diseases 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 206010021113 Hypothermia Diseases 0.000 description 1
- 206010053159 Organ failure Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 206010040642 Sickle cell anaemia with crisis Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 208000001435 Thromboembolism Diseases 0.000 description 1
- 206010047115 Vasculitis Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 239000008004 cell lysis buffer Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000009089 cytolysis Effects 0.000 description 1
- 230000001086 cytosolic effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 239000000104 diagnostic biomarker Substances 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000002637 fluid replacement therapy Methods 0.000 description 1
- 210000003714 granulocyte Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000036031 hyperthermia Effects 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 230000002631 hypothermal effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000092 prognostic biomarker Substances 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 206010040872 skin infection Diseases 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000008718 systemic inflammatory response Effects 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 208000008203 tachypnea Diseases 0.000 description 1
- 206010043089 tachypnoea Diseases 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0266—Investigating particle size or size distribution with electrical classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects thereof, e.g. conductivity or capacity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/12—Coulter-counters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1429—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1434—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its optical arrangement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1456—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
- G01N15/1459—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
-
- 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
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/49—Blood
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G01N2015/012—
-
- G01N2015/014—
-
- G01N2015/016—
-
- G01N2015/018—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G01N2015/1024—
-
- G01N2015/1029—
Abstract
实施方案可包括用于评价与从个体获取的血液样品相关联的感染状况的自动化方法。方法可包括使用第一模块确定与所述血液样品相关联的白血细胞浓度。另外,方法可包括使用第二模块确定与所述血液样品相关联的单核细胞体积量度。方法可包括使用数据处理模块评价与所述血液样品相关联的所述感染状况。所述数据处理模块可包括处理器和计算机可读介质。所述计算机可读介质可用计算机应用程序进行编程。该计算机应用程序在由所述处理器执行时,可导致所述处理器使用包括所述白血细胞浓度和所述单核细胞体积量度的函数来计算参数。所述计算机应用程序还可导致所述处理器基于所述参数来评价与所述血液样品相关联的所述感染状况。
Description
本申请是2017年01月24日提交的,申请号为201780006733.8(PCT/US2017/014708),发明名称为“感染检测和区分系统及方法”的专利申请的分案申请。
相关申请的交叉引用
本申请要求提交于2016年1月28日的美国临时申请No.62/288,091的优先权权益,该临时申请的内容以引用方式并入本文以用于所有目的。
背景技术
败血症是对感染的失控性全身炎症反应,它可快速进展到危及生命的病症,如果不立即治疗,可导致休克和器官衰竭(即,败血性休克和严重败血症)。住进医疗机构的患者可表现出全身炎症的临床特征。于是医疗专业人员试图确定该炎症是由感染引起(由此作出败血症的诊断)还是由一些其他原因引起(由此作出全身炎症反应综合征(SIRS)的诊断)。在一些情况下,患者可能没有明显的全身炎症征象,这可能意味着患者可能不会被认为存在败血症的风险。
如果未检测到,败血症可能导致严重败血症或败血性休克,其具有约60%的死亡率。大部分院内死亡与败血症相关联。诊断败血症富有挑战性,因为缺少准确的生物标志物。另外,可指示败血症的临床标准诸如体温过低、体温过高、心动过速、呼吸急促可能无法将败血症与SIRS区分开。这些标准可与医院急症室中可存在的非感染性病因相关联,包括创伤、烧伤、胰腺炎、镰状细胞危象和其他炎症性疾病。败血症与炎症之间的这些相似性可使得诊断败血症富有挑战性且很耗时。出于这些和另外的原因,需要用于评估全身感染(包括败血症)的可能性的改进或新型的系统和方法。
发明内容
本发明的实施方案可允许通过一种有效且准确的方式来评估个体是否具有感染,包括可能表现出与炎症相似的症状或临床标准的个体。实施方案包括使用可常规嘱咐的实验室测试。要接受测试的个体可处于急诊室中。用于评估感染可能性的系统和方法可具有目前公认的医护标准值0.60至0.70以上的敏感性和特异性。本发明的实施方案改进了诊断、生物和医疗相关技术。
在第一方面,实施方案可包括用于评价与从个体获取的血液样品相关联的感染状况的自动化方法。方法可包括使用第一模块确定与血液样品相关联的细胞计数或浓度。另外,方法可包括使用第二模块确定与血液样品相关联的单核细胞体积量度。此外,方法可包括使用数据处理模块评价与血液样品相关联的感染状况。数据处理模块可包括处理器和有形非暂态计算机可读介质。计算机可读介质可用计算机应用程序进行编程。该计算机应用程序在由处理器执行时,可导致处理器使用包括细胞计数或浓度和单核细胞体积量度的函数来计算参数。而且,计算机应用程序可导致处理器基于该参数来评价与血液样品相关联的感染状况。
细胞计数或浓度可包括白血细胞计数、中性粒细胞计数、白血细胞浓度或中性粒细胞浓度。中性粒细胞浓度可为白血细胞的中性粒细胞百分比。
单核细胞体积量度可包括与血液样品相关联的单核细胞体积的标准偏差。该函数可包括
其中SDVMo是单核细胞体积的标准偏差,WBC是白血细胞计数,并且a、b和c是实数常量。该函数的计算结果可为用于评价感染状况的指数或参数。从该函数可以看出,该函数可仅包括参数SDVMo和WBC作为变量,再加上常量和数学运算。
在一些实施方案中,该函数可包括
其中SDVMo是单核细胞体积的标准偏差,NE%是白血细胞的中性粒细胞百分比,并且a、b和c是实数常量。该函数的计算结果可为用于评价感染状况的指数或参数。从该函数可以看出,该函数可仅包括参数SDVMo和NE%作为变量,再加上常量和数学运算。
评价感染状况的方法可具有大于0.80的感染特异性。特异性可描述假阳性的概率。换句话讲,特异性可描述在不存在感染时该方法指示血液状况显示感染的可能性。特异性在实施方案中可为0.70或更高、0.75或更高、0.80或更高、0.85或更高、0.90或更高、或者0.95或更高。受试者工作特征(ROC)曲线中的曲线下面积(AUC)在实施方案中可为0.82或更高、0.85或更高、0.89或更高、0.90或更高、0.91或更高、0.92或更高、0.93或更高、0.94或更高、0.95或更高、0.96或更高、0.97或更高、0.98或更高、或者0.99或更高。
评价感染状况的方法可具有大于0.80的感染敏感性。敏感性可描述假阴性的概率。假阴性可描述在实际上存在感染时该方法却指示血液状况未显示感染的情况。敏感性在实施方案中可为0.70或更高、0.75或更高、0.80或更高、0.85或更高、0.90或更高、或者0.95或更高。
感染状况可为败血症状况、手术后感染状况或术后感染状况。感染可触发败血性事件。败血症由对感染的失控性全身反应引起。败血症可由体内的任何感染引起。例如,单纯皮肤感染可触发败血性事件。术后感染可为败血症,因为术后感染可包括感染和全身炎症。预测哪种感染性损害可导致败血性事件较困难且并不总是可行的。临床医生希望能早期检测或指示患者可能患上败血症。
除单核细胞体积量度的计算之外,计算该参数可不包括使用平均红细胞体积、血小板浓度、平均中性粒细胞体积、中性粒细胞体积的标准偏差或平均单核细胞体积。换言之,该函数可排除这些量度中的一者或多者。可排除这些量度是因为这些量度可能在感染状况的评价中无法提高置信度。在一些情况下,某量度在评价感染状况中可能并不比感染状况的随机选择好多少。该方法还可排除使用生物标志物。例如,败血症没有已知的可靠生物标志物。即使败血症确实有可靠的生物标志物,也可使用本文所述的实施方案决定是否要对患者运行生物标志物测试。
评价与血液样品相关联的感染状况可包括将该参数与截止值进行比较。可通过以下方式计算截止值:对于感染特异性的给定值而言,使感染敏感性的估计值最大化。在一些实施方案中,可根据优先级来调节敏感性和特异性的值。换句话讲,特异性或敏感性可被选择为一定值,同时调节其他准确性量度,从而优化总体准确性。截止值可基于其他标准来计算或选择,包括该指数在安置个体中的目的。例如,截止值可使识别个体中的感染优选于排除个体中的感染。
评价不存在感染可包括确定该参数小于截止值。评价存在感染可包括确定该参数大于或等于截止值。截止值在实施方案中可为0.85或更大、0.90或更大、0.91或更大、0.92或更大、0.93或更大、0.94或更大、0.95或更大、0.96或更大、0.97或更大、0.98或更大、或者0.99或更大。
如果该参数大于或等于截止值,则方法可包括执行与患有感染的个体相关的适当医疗程序。方法可包括治疗感染,包括例如开抗生素处方并施用抗生素。方法还可包括用于诊断感染的附加测试。附加测试可包括来自个体生物样品的培养物分析。
实施方案可包括评价即使当个体患有全身炎症反应综合征(SIRS)也不存在感染。换句话讲,实施方案可以能够区分个体何时仅患有SIRS或个体何时患有败血症(炎症和感染的组合)。在一些实施方案中,方法可以能够区分败血症和其他类型的感染(例如,非全身性的局部感染)。
方法还可包括朝着光学元件的细胞询问区递送生物样品的流体动力学聚焦料流。在一些实施方案中,方法可包括利用电极组件测量生物样品的逐个穿过细胞询问区的细胞的电流(DC)阻抗。单核细胞体积量度可基于由血液样品的细胞得出的DC阻抗测量结果。
实施方案可包括基于该参数来将感染指示分配给血液样品。例如,感染指示可包括未感染、已感染或未确定的标签。更具体地讲,感染指示可包括非败血症、败血症或未确定的标签。感染指示还可包括基于该参数的肯定程度。例如,感染指示可包括有可能感染、很可能感染或几乎肯定感染。离截止值更远的参数值可与更高的肯定程度相关联。参数值或指数的量值可指示感染的严重度。例如,高参数值或指数值更可能与严重败血症或败血性休克相关联。
实施方案可包括输出感染状况。例如,可将感染状况输出到计算机、移动设备、智能手表、终端或其他数字设备的显示器上。在一些实施方案中,可将感染状况输出为物理形式,诸如纸。
在一些实施方案中,评价个体血液样品的感染状况可包括预测个体是否患有感染,评估个体患有感染的可能性,或确定个体是否患有感染。
可按照公认的医疗方案使用注射器或任何合适的器械从个体获取血液样品。医师、护士或其他医疗专业人员可从个体获取血液样品。
在第二方面,实施方案可包括用于评价与从个体获取的血液样品相关联的败血症状况的自动化方法。该方法可包括使用模块确定与血液样品相关联的细胞计数或浓度。该方法还可包括使用数据处理模块评价与血液样品相关联的败血症状况。数据处理模块可包括处理器和有形非暂态计算机可读介质。计算机可读介质可用计算机应用程序进行编程,该计算机应用程序在由处理器执行时,导致处理器使用包括细胞计数或浓度的函数来计算参数,并且基于该参数来评价与血液样品相关联的败血症状况。细胞计数或浓度可包括白血细胞计数、中性粒细胞计数、白血细胞浓度或中性粒细胞浓度。
实施方案可包括具有下式的函数:
exp(-b×WBC)
其中WBC是白血细胞计数,并且b是实数常量。该函数还可包括本文所述的任何函数。
在一些实施方案中,该函数还可包括与血液样品相关联的单核细胞体积量度。单核细胞体积量度可包括单核细胞体积的标准偏差。单核细胞体积的标准偏差也可称为单核细胞分布宽度。
在另一个方面,实施方案可包括用于评价与从个体获取的血液样品相关联的感染状况的自动化系统。该系统可包括第一模块,该第一模块被配置为确定血液样品的细胞计数或浓度。该系统还可包括第二模块。该第二模块可包括电极组件,该电极组件被配置为测量血液样品的逐个穿过细胞询问区的细胞的直流(DC)阻抗。系统还可包括与第一模块和第二模块连接的数据处理模块。数据处理模块可包括处理器和有形非暂态计算机可读介质。计算机可读介质可用计算机应用程序进行编程,该计算机应用程序在由处理器执行时,导致处理器使用包括细胞计数或浓度和单核细胞体积量度的函数来计算参数。可使用DC阻抗测量结果来确定单核细胞体积量度。计算机应用程序还可导致处理器基于该参数来评价与血液样品相关联的感染状况。在第一模块或第二模块处测试该样品可能需要不到一分钟。细胞计数或浓度可包括白血细胞计数、中性粒细胞计数、白血细胞浓度或中性粒细胞浓度。
在实施方案中,计算机应用程序可包括使用本文所述的任何函数来计算该参数。在一些实施方案中,计算机应用程序还可导致处理器将该参数与截止值进行比较。如果该参数大于或等于截止值,则处理器可评价血液样品中存在感染,并且该个体患有感染。如果该参数小于截止值,则该过程可评价血液样品中不存在感染迹象,并且该个体不患有感染。
感染可为本文所述的任何感染。感染可为败血症,并且感染状况可为败血症状况。触发败血症的感染可包括术后感染,并且感染状况可为术后感染状况。一旦检测到感染,临床医生就可使用临床信息(诸如手术史、血压和其他可用信息)对感染进行进一步分类。
感染状况可具有大于0.80的感染敏感性以及大于0.80的感染特异性。例如,感染状况可具有大于0.84的感染敏感性以及大于0.80的感染特异性。特异性和敏感性可为本文所述的任何特异性和敏感性。
在又一个方面,实施方案可包括用于评价与从个体获取的血液样品相关联的感染状况的自动化系统。自动化系统可包括导管,该导管被配置为接收血液样品并且引导血液样品流动穿过孔。该系统还可包括电流测量设备。电流测量设备可被配置为在血液样品流过孔时使电流通过血液样品并且收集关于电流的数据。此外,该系统可被配置为基于与血液样品相关联的关于电流的数据和细胞计数或浓度来评价感染状况。细胞计数或浓度可包括白血细胞计数、中性粒细胞计数、白血细胞浓度或中性粒细胞浓度。
在一些实施方案中,该系统可包括模块,该模块被配置为确定血液样品的细胞计数或浓度。实施方案可包括自动化系统,该自动化系统被配置为基于该电流来确定单核细胞体积的标准偏差。该系统可使用本文所述的任何方法来评价感染状况。
在另一个方面,实施方案可包括用于评价与从个体获取的血液样品相关联的感染状况的自动化系统。该系统可包括用于在血液样品穿过孔时获得该样品的电流数据的换能器。该系统还可包括处理器。该系统还可包括存储介质。存储介质可包括计算机应用程序,该计算机应用程序在由处理器执行时,被配置为导致该系统使用与血液样品相关联的电流数据和细胞计数或浓度来评价与血液样品相关联的感染状况。除了评价感染状况之外,该计算机应用程序还可导致该系统从处理器输出与血液样品的所评价的感染状况相关的信息。细胞计数或浓度可包括白血细胞计数、中性粒细胞计数、白血细胞浓度或中性粒细胞浓度。
自动化系统可包括模块,该模块被配置为确定血液样品的细胞计数或浓度。在实施方案中,计算机应用程序还可被配置为由电流数据确定与血液样品相关联的单核细胞体积的标准偏差。该系统可使用本文所述的任何方法来评价感染状况。
附图说明
图1示出了根据本发明实施方案的血细胞分析的各方面。
图2示意性地描绘了根据本发明实施方案的细胞分析系统的各方面。
图3提供了示出根据本发明实施方案的细胞分析系统的各方面的系统框图。
图4示出了根据本发明实施方案的用于评估个体感染的可能性的自动化细胞分析系统的各方面。
图4A示出了根据本发明实施方案的细胞分析系统的光学元件的各方面。
图5描绘了根据本发明实施方案的用于评价个体感染状况的示例性方法的各方面。
图6提供了根据本发明实施方案的示例性模块系统的简化框图。
图7描绘了根据本发明实施方案的差分计数屏幕的示例性屏幕截图。
图7A示意性地示出了根据本发明实施方案的用于获得血细胞参数的技术。
图8示出了根据本发明实施方案的基于从个体获取的生物样品来评估感染可能性的方法的各方面。
图9示出了根据本发明实施方案的评价血液样品的败血症状况的方法。
图10示出了根据本发明实施方案的用于区分败血症和非败血症类别的受试者工作特征(ROC)曲线。
图11是根据本发明实施方案的白血细胞计数对不同患者类别的箱线图。
图12是根据本发明实施方案的单核细胞体积的标准偏差对不同患者类别的箱线图。
图13示出了根据本发明实施方案的用于区分败血症和非败血症类别的ROC曲线。
图14示出了根据本发明实施方案的用于区分败血症和SIRS类别的ROC曲线。
图15示出了根据本发明实施方案的用于区分败血症和SIRS类别的ROC曲线。
具体实施方式
本发明的实施方案可包括使用细胞计数和细胞群体数据评估患者的感染(包括败血症)的可能性的系统和方法。在一些实施方案中,可使用来自常规实验室测试的数据,诸如白血细胞计数。此外,可使用细胞群体数据,诸如单核细胞体积的标准偏差。可使用白血细胞计数和单核细胞体积的标准偏差来计算指数。可将该指数与截止值进行比较以便确定个体是否患有感染。将该指数与截止值进行比较的敏感性和特异性可为0.80以上。
“全身炎症反应综合征(SIRS)”可指由对非感染性损害(诸如自身免疫性疾病、胰腺炎、血管炎、血栓栓塞、烧伤或外科手术)的失调炎症反应引起的临床综合征。“败血症”可为由对感染的失调炎症反应引起的临床综合征。“严重败血症”可指败血症诱发的组织低灌注或由感染引起的器官功能障碍。“败血性休克”可指严重败血症加上即使液体复苏充分(可被定义为输注20-30mL/kg的晶体液)也会持续的低血压的病症。
用于诊断败血症的常规系统和方法可能效率低下和/或耗时。在当前实践中,可使用临床标准通过检测伴随败血症的全身炎症来诊断败血症。然而,该临床标准对于败血症以及可与非感染性病症相关联的SIRS而言可能是共同的。可能患有败血症的个体可接受实验室测试,包括全血计数与分类(CBC)、C反应蛋白(CRP)、血清乳酸、红细胞沉降率(ESR)、细菌培养和降钙素原(PCT)。这些技术在用于诊断败血症时可得到较差的敏感性和/或特异性。其他系统和方法可限于白细胞群体数据(CPD),并且可仍然缺乏敏感性和/或特异性。一些常规方法使用的CPD参数(例如,单核细胞体积)可缺乏本文使用的CPD参数的敏感性和/或特异性。在一些情况下,常规方法可能需要使用多个CPD参数才能显示出增强的敏感性或特异性。这些测试中的一些可能较昂贵并且可能无法常规地对个体开展,因此可能无法迅速诊断或根本无法诊断受感染但尚未有症状的个体。缺少有效且准确的方法和系统来评价感染状况,可促使临床医生施用抗生素作为预防措施,进而导致抗生素滥用。
一般来讲,总白血细胞计数和绝对中性粒细胞计数随细菌感染而增加。白血细胞的中性粒细胞百分比也可随感染而增加。即便如此,相当一部分(多达40%)患者可不表现出这些增加。因此,CBC可能不是败血症的灵敏或特异性标志物。另外,升高的白血细胞计数(WBC)可与败血症以外的病症(例如,创伤、烧伤和炎症性疾病)相关联,因此不可能使用WBC来区分败血症和其他病症。
其他测试也可能不适当。CRP可能对细菌性和病毒性感染没有特异性。血清乳酸可能对败血症没有特异性,并且可能更多地用作败血症的预后生物标志物而不是诊断生物标志物。ESR可表示与炎症过程相关联的物理特性,但对感染具有较差特异性。血液培养可能太耗时,而不允许医师作出即时或及时治疗决策。另外,抗生素药物和/或苛求病原体可限制血液培养的敏感性。在有症状的患者中缺乏足够敏感性和特异性的PCT可能无法将败血症与危重患者中SIRS的其他非感染性病因可靠地区分开。此外,由于PCT可为仅在临床医生要求时才可能执行的单独测试,因此该测试可能不会早期施行并且可能不是败血症患者的早期鉴别手段。
常规系统可包括计算机,该计算机即使具有从血液样品提供的所有信息,也不能够以足够敏感性和特异性来评价感染状况。本发明的实施方案可通过允许计算机执行感染状况的评价(包括败血症状况的评价)来改进计算机相关技术。
本发明的实施方案包括由白血细胞计数(WBC)和单核细胞体积的标准偏差(SD-V-MO)的逻辑斯蒂多元函数组合计算的指数。单核细胞是白血细胞亚群,因此预计使用与单核细胞相关的参数不会提高败血症的敏感性和特异性。该函数可为本文所述的任何函数。已证实WBC在一些情况下随败血症而增加。尽管无意于受理论的束缚,据认为感染的传播会引起循环免疫细胞(诸如单核细胞)的活化。循环免疫细胞的活化可与细胞体积的变化相关联。活化的单核细胞可在败血症的病理生理学方面发挥作用。与使用单一参数或单独使用参数相比,将WBC和SD-V-MO组合在指数中可实现更大的敏感性和特异性。WBC可不仅随败血症而增加,还随SIRS而增加,因此对败血症具有较低特异性。SD-V-MO可单独用于诊断败血症,但是WBC与SD-V-MO的组合可带来败血症检测的显著改善。在受试者工作特征(ROC)曲线上,基于单一SD-V-MO的败血症相对于对照的曲线下面积(AUC)在一个示例中为0.79,并且基于单一WBC的败血症的AUC在一个示例中为0.81。同时,基于WBC和SD-V-MO两者的AUC在另一个示例中为0.89。该改善可能是各参数的组合产生的协同效应的结果。多元函数中仅有两个变量,便可足以有效地评价个体的感染状况。
本发明的实施方案包括由白血细胞的中性粒细胞百分比(NE%)和单核细胞体积的标准偏差(SD-V-MO)的逻辑斯蒂多元函数组合计算的指数。
本发明的实施方案可评价感染状况。感染状况可指示个体患有感染。如果个体被评价为患有感染,则可使用临床标准确定该个体是患有败血症还是患有感染。临床标准可包括心率、体温、发烧的存在和精神状况。一般来讲,根据其他类型的感染来确定败血症是常规做法,并且难度小于识别感染的存在。另外,败血症和感染两者引起施用抗生素,这可使得区分败血症与其他感染的重要性不如总体上识别感染。然而,与确诊患有非败血性感染的一些个体不同,确诊患有败血症的个体可接受更密切的监测、入院、侵袭性IV流体、重复血液培养以及优先化的诊断和治疗。因此,确定感染以及同时区分败血症与其他感染可能较重要和有价值。
分析技术和系统
转到附图,图1示出了示例性分析技术的各方面。如此处所示,并且如本文别处所讨论,全血样品100可包含细胞,诸如血小板、白血细胞(WBC)和红血细胞(RBC),包括有核红血细胞(NRBC)。可评价从信道处理机构诸如CBC模块110或换能器120获得的各种RBC、WBC和NRBC参数,以评估个体的感染状态。换能器可在血液样品穿过孔时获得该样品的电流数据。该孔可为流动池的一部分。
图2示意性地描绘了细胞分析系统200。如此处所示,系统300包括制备系统210、换能器模块220和分析系统230。虽然本文结合三个核心系统区块210、220和230以非常高的层面描述了系统200,但本领域技术人员将易于理解,系统200包括许多其他系统组件,如中央控制处理器、显示系统、射流系统、温度控制系统、用户安全控制系统等等。在操作中,可将全血样品(WBS)240呈递给系统200以进行分析。在一些情况下,WBS240被抽吸到系统200中。示例性抽吸技术是技术人员已知的。在抽吸之后,WBS 240可被递送到制备系统210。制备系统210接收WBS 240,并且可以执行与制备WBS 240以供进一步测定和分析有关的操作。例如,制备系统210可将WBS 240分成预定的等分试样,以便呈递给换能器模块220。制备系统210还可以包括混合室,使得适当的试剂可被添加到等分试样。例如,如果为了区分白血细胞子集群体而要测试等分试样,可以将裂解试剂(例如ERYTHROLYSE,一种红血细胞裂解缓冲液)添加到该等分试样以便分解和除去红血细胞。制备系统210还可以包括温度控制部件以便控制试剂和/或混合室的温度。适当的温度控制可以提高制备系统210的操作的连贯性。
在一些情况下,预定的等分试样可从制备系统210传送到换能器模块220。如下文进一步详细描述的,换能器模块220可对逐个穿过其中的来自WBS的细胞执行直流(DC)阻抗、射频(RF)电导率、光透射和/或光散射测量。测得的DC阻抗、RF电导率和光传播(例如,光透射、光散射)参数可被提供或传输至分析系统230用于数据处理。在一些情况下,分析系统230可包括计算机处理结构和/或一个或多个模块或部件,如本文结合图6中示出的系统所述且在下文进一步描述的那些,它们可评价测得的参数,对WBS成分进行识别和计数,并且将表征WBS各成分的数据的子集与感染状况相关联。如此处所示,细胞分析系统200可生成或输出报告250,该报告包含针对个体的所评价的感染状况和/或医嘱的治疗方案。在一些情况下,来自换能器模块220的过量生物样品可被引向外部的(或另选地为内部的)废料系统260。
图3更详细地示出了换能器模块和相关联部件。如此处所示,系统300包括换能器模块310,该换能器模块具有光源或照射源,诸如发出光束314的激光器310。激光器312可以是例如635nm、5mW的固态激光器。在一些情况下,系统300可包括聚焦对准系统320,该聚焦对准系统对光束314进行调节,以使所得的光束322被聚焦和定位在流动池330的细胞询问区332处。在一些情况下,流动池330接收来自制备系统302的样品等分试样。如本文别处所述,可采用各种射流机制和技术以使流动池330内的样品等分试样发生流体动力学聚焦。
在一些情况下,等分试样通常流过细胞询问区332,使得其成分每次一个地穿过该细胞询问区332。在一些情况下,系统300可包括换能器模块或血液分析仪器的细胞询问区或其他结构,诸如美国专利No.5,125,737、No.6,228,652、No.7,390,662、No.8,094,299和No.8,189,187中所述的那些,上述专利的内容以引用方式并入本文。例如,细胞询问区332可以由测得为大约50×50微米的正方形横截面限定,并且具有大约65微米的长度(沿着流动的方向测量)。流动池330可包括电极组件,该电极组件具有第一电极334和第二电极336,用于执行对穿过细胞询问区332的细胞的DC阻抗和RF电导率的测量。来自电极334和336的信号可被传输至分析系统304。电极组件可分别使用低频电流和高频电流来分析细胞的体积和电导率特征。例如,可使用低频DC阻抗测量结果来分析穿过细胞询问区的每个个体细胞的体积。相关地,可使用高频RF电流测量结果来确定穿过细胞询问区的细胞的电导率。因为细胞壁充当高频电流的导体,所以当高频电流穿过细胞壁并穿过每个细胞内部时,可以使用该电流来检测细胞组分的绝缘特性差异。可使用高频电流来表征核成分和颗粒成分,以及细胞内部的化学组成。
入射光束322沿着光束轴AX行进并照射穿过细胞询问区332的细胞,导致在角度范围α内的光传播(例如,散射、透射)从区域332发出。示例性系统配备有传感器组件,该传感器组件可以检测角度范围α内的三个、四个、五个或更多个角度范围内的光,包括如本文别处所述的与消光或轴向光损失测量结果相关联的光。如此处所示,光传播340可通过光检测组件350检测,该光检测组件任选地具有光散射检测器单元350A以及光散射和透射检测器单元350B。在一些情况下,光散射检测器单元350A包括用于检测和测量高中位角光散射(UMALS)的光敏区域或传感器区,所述高中位角光散射例如为以相对于光束轴成约20度至约42度的范围内的角度散射或者以其他方式传播的光。在一些情况下,UMALS对应于在相对于照射流过询问区的细胞的入射光束轴的介于约20度至约43度之间的角度范围内传播的光。光散射检测器单元350A还可包括用于检测和测量低中位角光散射(LMALS)的光敏区域或传感器区,所述低中位角光散射例如为以相对于光束轴成约10度至约20度的范围内的角度散射或者以其他方式传播的光。在一些情况下,LMALS对应于在相对于照射流过询问区的细胞的入射光束轴的介于约9度至约19度之间的角度范围内传播的光。
UMALS和LMALS的组合被定义为中位角光散射(MALS),其为相对于照射流过询问区的细胞的入射光束轴成介于约9度和约43度之间的角度的光散射或传播。
如图3中所示,光散射检测器单元350A可包括开口351,该开口允许小角光散射或传播340超过光散射检测器单元350A,并因此到达光散射和透射检测器单元350B并被光散射和透射检测器单元350B检测到。根据一些实施方案,光散射和透射检测器单元350B可包括用于检测和测量小角光散射(LALS)的光敏区域或传感器区,所述小角光散射例如为以相对于照射光束轴成约5.1度的角度散射或传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成小于约9度的角度传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成小于约10度的角度传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成约1.9度±0.5度的角度传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成约3.0度±0.5度的角度传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成约3.7度±0.5度的角度传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成约5.1度±0.5度的角度传播的光。在一些情况下,LALS对应于以相对于照射流过询问区的细胞的入射光束轴成约7.0度±0.5度的角度传播的光。
根据一些实施方案,光散射和透射检测器单元350B可包括用于检测和测量以相对于入射光束轴成0度的角度轴向透射穿过细胞或从被照射细胞传播的光的光敏区域或传感器区。在一些情况下,光敏区域或传感器区可检测和测量以相对于入射光束轴成小于约1度的角度从细胞轴向传播的光。在一些情况下,光敏区域或传感器区可检测和测量以相对于入射光束轴成小于约0.5度的角度从细胞轴向传播的光。此类轴向透射或传播的光的测量结果对应于轴向光损失(ALL或AL2)。如此前并入的美国专利No.7,390,662中所指出,当光与颗粒相互作用时,入射光中的一些通过散射过程(即,光散射)改变方向,并且所述光的一部分被颗粒吸收。这两个过程均从入射光束中移走能量。当沿着光束的入射轴查看时,光损失可被称为正向消光或轴向光损失。轴向光损失测量技术的附加方面在U.S.7,390,662中的第5栏第58行至第6栏第4行进行了描述。
因此,细胞分析系统300提供了用于获得以多个角度中的任一个或在多个角度范围的任一个内(包括ALL和多个不同的光散射或传播角度)从生物样品的被照射细胞发出的光的光传播测量结果(包括光散射和/或光透射)的方法。例如,光检测组件350,包括适当的电路系统和/或处理单元,提供了用于检测和测量UMALS、LMALS、LALS、MALS和ALL的方法。
导线或者其他传输或连接机构可将来自电极组件(例如,电极334和336)、光散射检测器单元350A、和/或光散射和透射检测器单元350B的信号传输至分析系统304以进行处理。例如,可将测得的DC阻抗、RF电导率、光透射和/或光散射参数提供或传输至分析系统304用于数据处理。在一些情况下,分析系统304可包括计算机处理结构和/或一个或多个模块或部件,诸如本文结合图6中描绘的系统所述的那些,它们可评价测得的参数、对生物样品组分进行识别和计数,并且将表征生物样品各成分的数据的子集与个体的感染状况相关联。如此处所示,细胞分析系统300可生成或输出报告306,该报告包含针对个体的所评价的感染状况和/或医嘱的治疗方案。在一些情况下,来自换能器模块310的过量生物样品可被引向外部的(或另选地为内部的)废料系统308。在一些情况下,细胞分析系统300可包括换能器模块或血液分析仪器的一个或多个结构,诸如此前并入的美国专利No.5,125,737、No.6,228,652、No.8,094,299和No.8,189,187中所述的那些。
图4示出了根据本发明实施方案的用于评价个体感染状况的自动化细胞分析系统的各方面。具体地讲,感染状况可基于从个体的血液获取的生物样品进行评价。如此处所示,分析系统或换能器400可包括具有细胞询问区412的光学元件410。换能器还提供流动路径420,该流动路径朝细胞询问区412递送生物样品的流体动力学聚焦料流422。例如,当样品料流422朝细胞询问区412发射时,一定体积的鞘液424也可在压力下进入光学元件410,以便均匀地围绕样品料流422并导致样品料流422流过细胞询问区412的中心,从而实现样品料流的流体动力学聚焦。这样,可以精确地分析生物样品的以每次一个细胞的方式穿过细胞询问区的个体细胞。
换能器模块或系统400还包括电极组件430,该电极组件测量生物样品的逐个穿过细胞询问区412的细胞10的直流(DC)阻抗和射频(RF)电导率。电极组件430可包括第一电极机构432和第二电极机构434。如本文别处所讨论,可使用低频DC测量结果来分析穿过细胞询问区的每个个体细胞的体积。在一些情况下,可使用低频DC测量结果导出单核细胞体积的标准偏差。相关地,可使用高频RF电流测量结果来确定穿过细胞询问区的细胞的电导率。此类电导率测量结果可提供有关细胞的内部细胞内容物的信息。例如,可使用高频RF电流来分析穿过细胞询问区的个体细胞的核成分和颗粒成分,以及细胞内部的化学组成。
系统400还包括光源440,该光源被取向为将光束442沿着光束轴444引导,以照射生物样品的逐个穿过细胞询问区412的细胞10。相关地,系统400包括与细胞询问区光学耦合的光检测组件450,以便测量由生物样品的被照射细胞10散射并且透射穿过所述被照射细胞10的光。光检测组件450可包括检测和测量从细胞询问区412传播的光的多个光传感器区。在一些情况下,光检测组件检测以相对于照射光束轴成各种角度或角度范围从细胞询问区传播的光。例如,光检测组件450可以检测和测量被细胞以各种角度散射的光,以及被细胞沿着光束轴轴向透射的光。光检测组件450可包括第一传感器区452,其测量在相对于光束轴444的第一角度范围内的第一散射或传播光452s。光检测组件450还可包括第二传感器区454,其测量在相对于光束轴444的第二角度范围内的第二散射或传播光454s。如此处所示,散射或传播光454s的第二角度范围不同于散射或传播光452s的第一角度范围。此外,光检测组件450可包括第三传感器区456,其测量在相对于光束轴444的第三角度范围内的第三散射或传播光456s。如此处所示,散射或传播光456s的第三角度范围与散射或传播光452s的第一角度范围和散射或传播光454s的第二角度范围两者都不相同。光检测组件450还包括第四传感器区458,其测量透射穿过生物样品的逐个穿过细胞询问区412的细胞或从细胞询问区沿着光束轴传播的轴向光458t。在一些情况下,传感器区452、454、456和458中的每一个均设置在与该特定传感器区相关联的单独的传感器处。在一些情况下,传感器区452、454、456和458中的一个或多个设置在光检测组件450的共用传感器上。例如,光检测组件可包括第一传感器451,该第一传感器包括第一传感器区452和第二传感器区454。因此,可使用单个传感器来检测或测量两种或更多种类型(例如,低角、中角或高角)的光散射或传播。
自动化细胞分析系统可包括多种光学元件或换能器特征结构中的任一种。例如,如图4A中所描绘,细胞分析系统换能器的光学元件410a可具有四角棱柱体形状,该四角棱柱体形状具有四个矩形的、光学上平坦的侧面450a以及相对的端壁436a。在一些情况下,每个侧面450a的相应宽度W是相同的,例如各自测得为约4.2mm。在一些情况下,每个侧面450a的相应长度L是相同的,例如各自测得为约6.3mm。在一些情况下,光学元件410a的全部或部分可由熔融二氧化硅或石英制成。穿过光学元件410a的中心区域形成的流动通道432a可相对于穿过元件410a的中心并平行于如箭头SF所指示的样品流动方向的纵向轴线A同心地构造。流动通道432a包括细胞询问区Z和一对相对的锥形镗孔454a,所述锥形镗孔在它们相应的基部附近具有与细胞询问区流体连通的开口。在一些情况下,细胞询问区Z的横截面为正方形,每一边的宽度W'的标称测量值为50微米±10微米。在一些情况下,沿着轴A测得的细胞询问区Z的长度L'为询问区的宽度W'的约1.2至1.4倍。例如,长度L'可为约65微米±10微米。如本文别处所指出,可对穿过细胞询问区的细胞进行DC和RF测量。在一些情况下,在端壁436a处测得的锥形镗孔454a的最大直径为约1.2mm。例如,所述类型的光学结构410a可由包含50×50微米毛细开口的石英方棒制成,所述毛细开口被加工以限定连通的镗孔454a。激光器或其他照射源可产生被导向穿过细胞询问区或聚焦到细胞询问区中的光束B。例如,光束可聚焦到位于询问区Z内的椭圆形腰部中促使细胞从中穿过的位置处。细胞分析系统可包括光检测组件,该光检测组件被配置为检测从光学元件410a发出的光,例如,从在其内包含流动的被照明或被照射细胞的细胞询问区Z传播的光P。如此处所描绘,光P可从细胞询问区Z在角度范围α内传播或发出,因此其可在相对于光束轴AX的选定角度位置或角度范围处进行测量或检测。相关地,光检测组件可检测在正向平面中在相对于光束B的轴AX的各个角度范围内散射或轴向透射的光。如本文别处所讨论,可获得每次一个地穿过细胞询问区的个体细胞的一个或多个光传播测量结果。在一些情况下,细胞分析系统可包括换能器或细胞询问区的一个或多个结构,诸如美国专利No.5,125,737、No.6,228,652、No.8,094,299和No.8,189,187中所述的那些,所述专利的内容以引用方式并入本文。
图5描绘了用于评价与从个体获取的血液样品相关联的感染状况的示例性方法500的各方面。方法500包括将血液样品引入血液分析系统,如步骤510所指出。如步骤520所示,该方法还可包括通过将样品分成等分试样并将等分试样样品与适当的试剂混合来制备血液样品。在步骤530中,可使样品穿过换能器系统中的流动池,使得样品组分(例如,血细胞)以一个接一个的方式穿过细胞询问区。可通过光源诸如激光器对所述组分进行照射。在步骤540中,可以测量RF电导率541、DC阻抗542、第一角度光传播543(例如LALS)、第二角度光传播544(例如AL2)、第三角度光传播545(例如UMAL)、和/或第四角度光传播546(例如LMALS)的任何组合。如步骤547所描绘,可以使用第三角度光传播测量结果和第四角度光传播测量结果来确定第五角度光传播测量结果(例如MALS)。作为另一种选择,可以直接测量MALS。在一些示例中,步骤540可包括DC阻抗542,并且可排除其他测量结果的任何组合。在步骤550中,可测量血液样品中的白血细胞计数。该血液样品可为取自个体的第二血液样品,或可为流过流动池的相同血液样品。如本文别处所讨论,可对某些测量结果或测量结果的组合进行处理,如步骤560所指出,以便提供感染的可能性。任选地,方法还可包括基于预测的感染可能性来确定治疗方案。
细胞分析系统可被配置为将由生物样品的细胞得出的DC阻抗、RF电导率、角度光测量结果(例如,第一散射光、第二散射光)、轴向光测量结果的子集与感染状况(其可包括败血症状况)相关联。如本文别处所讨论,在一些情况下,所述关联的至少一部分可以使用由被一个或多个处理器、一个或多个硬件模块或它们的任何组合执行的一个或多个软件模块来执行。处理器或者其他计算机或模块系统可被配置为接收各种测量结果或参数作为输入值,并且自动地输出预测的所评价的感染状况。在一些情况下,可以包括软件模块、处理器、和/或硬件模块中的一者或多者作为血液学系统的部件,所述血液学系统被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司(Beckman Coulter)的DxHTM 800细胞分析系统。在一些情况下,可以包括软件模块、处理器、和/或硬件模块中的一者或多者作为独立计算机的部件,所述独立计算机与血液学系统可操作地通信或建立连接,所述血液学系统被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司的DxHTM 800系统。在一些情况下,所述关联的至少一部分可以通过经由互联网或者任何其他有线和/或无线通信网络以远程方式从血液学系统接收数据的软件模块、处理器、和/或硬件模块中的一者或多者来执行,所述血液学系统被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司的DxHTM 800系统。相关地,根据本发明实施方案的设备或模块中的每一者可以包括位于由处理器处理的计算机可读介质上的一个或多个软件模块,或硬件模块,或它们的任何组合。
图6为示例性模块系统的简化框图,该框图广义地例示了可如何以分离方式或更集成化的方式实现模块系统600的个体系统元件。模块系统600可以是根据本发明实施方案的用于评价感染状况的细胞分析系统的一部分或与该细胞分析系统连接。模块系统600非常适于产生与评价感染状况有关的数据或接收与评价感染状况有关的输入。在一些情况下,模块系统600包括经由总线子系统602电耦合的硬件元件,包括一个或多个处理器604、一个或多个输入设备606(诸如用户界面输入设备)、和/或一个或多个输出设备608(诸如用户界面输出设备)。在一些情况下,系统600包括网络接口610、和/或诊断系统接口640,该诊断系统接口可从诊断系统642接收信号以及/或者将信号传送到诊断系统642。在一些情况下,系统600包括软件元件,所述软件元件例如在此处被显示为当前正位于存储器614的工作存储器612内,为操作系统616和/或其他代码618(诸如被配置为实现本文所公开技术的一个或多个方面的程序)。可使用计算机或具有硬件、软件和/或固件的其他处理器来执行本文描述的计算或操作中的每一个。各个方法步骤可通过模块执行,并且所述模块可包括被布置用于执行本文所述的方法步骤的多种多样的数字和/或模拟数据处理硬件和/或软件中的任何一种。所述模块任选地包括数据处理硬件,该数据处理硬件由于具有与其相关联的适当机器编程代码而适于执行这些步骤中的一个或多个,用于两个或更多个步骤(或两个或更多个步骤的部分)的模块被集成到单个处理器板中或采用多种多样的集成式和/或分布式处理架构中的任何一种被分成不同的处理器板。这些方法和系统通常将采用有形介质,该有形介质体现具有用于执行本文所述方法或处理步骤中的任何一者或多者的指令的机器可读代码。
在一些实施方案中,模块系统600可包括存储子系统620,该存储子系统可以存储提供本文所公开的各种技术的功能的基础编程和数据构造。例如,实现如本文所述方法各方面的功能的软件模块可存储于存储子系统620中。这些软件模块可由一个或多个处理器604执行。在分布式环境中,所述软件模块可存储在多个计算机系统上并由所述多个计算机系统的处理器执行。存储子系统620可以包括存储器子系统622和文件存储子系统628。存储器子系统622可包括多个存储器,包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)626,以及其中存储固定指令的只读存储器(ROM)624。文件存储子系统628可为程序和数据文件提供永久性(非易失性)存储,并且可包括有形存储介质,该有形存储介质可任选地体现患者、治疗、评估或其他数据。文件存储子系统628可包括硬盘驱动器、连同相关联的可移动介质的软盘驱动器、紧凑型数字只读存储器(CD-ROM)驱动器、光盘驱动器、DVD、CD-R、CD RW、固态可移动存储器、其他可移动的介质盒式磁带或磁盘,等等。所述驱动器中的一个或多个可位于在其他位点处耦合到模块系统600的其他连接计算机上的远程位置处。在一些情况下,系统可包括存储一个或多个指令序列的计算机可读存储介质或其他有形存储介质,所述一个或多个指令序列在被一个或多个处理器执行时,可导致所述一个或多个处理器执行本文所公开的技术或方法的任何方面。实现本文所公开技术的功能的一个或多个模块可由文件存储子系统628存储。在一些实施方案中,所述软件或代码将提供允许模块系统600与通信网络630进行通信的协议。任选地,此类通信可包括拨号连接通信或互联网连接通信。
应当理解,系统600可被配置为实施本发明方法的各方面。例如,处理器部件或模块604可以是微处理器控制模块,该微处理器控制模块被配置为从传感器输入设备或模块632、从用户界面输入设备或模块606、和/或从诊断系统642,任选地经由诊断系统接口640和/或网络接口610以及通信网络630接收细胞参数信号。在一些情况下,传感器输入设备可包括细胞分析系统或为细胞分析系统的一部分,所述细胞分析系统被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司的DxHTM 800细胞分析系统。在一些情况下,用户界面输入设备606和/或网络接口610可被配置为接收由细胞分析系统生成的细胞参数信号,所述细胞分析系统被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司的DxHTM 800细胞分析系统。在一些情况下,诊断系统642可包括细胞分析系统或为细胞分析系统的一部分,所述细胞分析系统被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司的DxHTM 800细胞分析系统。
处理器部件或模块604还可被配置为将任选地根据本文所公开技术的任何一种处理的细胞参数信号传送到传感器输出设备或模块636、到用户界面输出设备或模块608、到网络接口设备或模块610、到诊断系统接口640、或它们的任何组合。根据本发明实施方案的设备或模块中的每一个可以包括位于由处理器处理的计算机可读介质上的一个或多个软件模块,或硬件模块,或它们的任何组合。可使用多种常用平台(诸如Windows、Mac和Unix)中的任何一种,连同多种编程语言中的任何一种,来实现本发明的实施方案。
用户界面输入设备606可包括例如触摸板、键盘、指示设备(诸如鼠标)、轨迹球、图形输入板、扫描器、操纵杆、结合到显示器中的触摸屏、音频输入设备(诸如语音识别系统)、麦克风、以及其他类型的输入设备。用户输入设备606还可从有形存储介质或从通信网络630下载计算机可执行代码,该代码体现本文所公开方法或其各方面中的任何一者。应当理解,终端软件可以时常更新,并且在适当的情况下被下载到终端。一般来讲,术语“输入设备”的使用旨在包括用于将信息输入模块系统600中的多种传统和专属的设备和方法。
用户界面输出设备606可包括例如显示子系统、打印机、传真机、或非视觉显示器(诸如音频输出设备)。显示子系统可以是阴极射线管(CRT)、平板设备诸如液晶显示器(LCD)、发光二极管(LED)显示器、有机发光二极管(OLED)显示器、投影设备等等。显示子系统还可诸如经由音频输出设备提供非视觉显示。一般来讲,术语“输出设备”的使用旨在包括用于从模块系统600向用户输出信息的多种传统和专属的设备和方法。本文所述的任何方法或操作的结果(例如,感染状况)可显示在输出设备上。
总线子系统602提供用于使模块系统600的各种部件和子系统彼此按预期的方式或根据需要进行通信的机制。模块系统600的各种子系统和部件无需处于相同的物理位置,而是可分布在分布式网络内的各个位置处。尽管总线子系统602被示意性地显示为单根总线,但是总线子系统的另选实施方案可利用多根总线。
网络接口610可提供连接到外部网络630或其他设备的接口。外部通信网络630可被配置为根据需要或期望而实现与其他方的通信。该外部通信网络由此可以接收来自模块系统600的电子数据包,并且根据需要或期望而将任何信息传输回模块系统600。如此处所描绘,通信网络630和/或诊断系统接口642可向诊断系统642传输信息或接收来自诊断系统642的信息,该诊断系统642被装配为获得多个光角度检测参数,诸如贝克曼库尔特公司的DxHTM 800细胞分析系统。
除了提供系统内部的此类基础结构通信链接之外,通信网络系统630还可为诸如互联网之类的其他网络提供连接,并且可包括有线、无线、调制解调器、和/或其他类型的接口连接。
对技术人员显而易见的是,可根据具体要求来使用实质变型。例如,也可以使用定制的硬件并且/或者可以在硬件、软件(包括便携式软件,诸如小应用程序)或这两者中实现特定的元件。此外,可以采用至其他计算设备(诸如网络输入/输出设备)的连接。模块终端系统600本身可以是包括计算机终端、个人计算机、便携式计算机、工作站、网络计算机、或任何其他数据处理系统的不同类型的模块终端系统。由于计算机和网络的不断变化的性质,因此图6中描绘的模块系统600的描述仅旨在作为出于举例说明本发明的一个或多个实施方案的目的的具体示例。模块系统600的许多其他配置是可能的,其比图6中所描绘的模块系统具有更多或更少部件。模块系统600的模块或部件中的任何一者或此类模块或部件的任何组合可以与本文所公开的细胞分析系统实施方案中的任何一者耦合、或集成到其中、或以其他方式被配置为与其连接。相关地,以上讨论的硬件和软件部件中的任何一者可以与在其他位置处使用的其他医疗评估或治疗系统集成在一起或被配置为与所述系统接合。
在一些实施方案中,模块系统600可以被配置为接收输入模块处的患者的一个或多个细胞分析参数。细胞分析参数数据可被传输至评估模块,在此对感染状况进行评价、预测、分析或确定。感染状况可经由输出模块输出至系统用户。在一些情况下,模块系统600可例如通过使用治疗模块,基于一个或多个细胞分析参数和/或所评价的感染状况来确定对患者的初始治疗或诱导方案。该治疗可以经由输出模块输出至系统用户。任选地,该治疗的某些方面可以由输出设备确定,并且传输至治疗系统或治疗系统的子设备。可将与患者相关的多个数据中的任何一个输入到模块系统中,包括年龄、体重、性别、治疗史、病史,等等。可以基于这种数据来确定治疗方案或诊断评价的参数。
相关地,在某些情况下,系统包括被配置为接收细胞群体数据作为输入的处理器。任选地,处理器、存储介质或这两者可结合在血液学或细胞分析机器内。在一些情况下,血液学机器可以生成用于输入到处理器中的细胞群体数据或其他信息。在一些情况下,处理器、存储介质或这两者可结合在计算机内,并且该计算机可与血液学机器进行通信。在一些情况下,处理器、存储介质或这两者可结合在计算机内,并且该计算机可经由网络与血液学机器进行远程通信。
细胞群体数据
除了分类计数外,一旦形成了WBC亚群,就可针对白细胞和其他血细胞独立地计算有关各种形态学参数(如体积、电导率和光散射或传播角度)的等级的平均值(MN)和标准偏差值(SD)。例如,WBC分类通道可提供中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞和/或嗜碱性粒细胞的测量数据,nRBC通道可提供无核红血细胞的测量数据或无核红血细胞参数,如本文别处所描述的。因此,可生成与血细胞形态直接相关的大量数据。该信息可统称为“细胞群体数据”(CPD)。表1描绘了可基于个体的生物样品获得的多个细胞群体数据参数。SD-V-MO可为实施方案中所使用的参数。实施方案可排除表1中所列出的参数的任何子集。实施方案可包括或排除嗜碱性粒细胞的任何参数。另外,实施方案可包括表1中所列出的参数的任何子集。
表1.细胞群体数据参数
CPD值可在仪器的屏幕(诸如图7中所描绘的屏幕)上观察,以及自动作为Excel文件导出。从而,可对白血细胞(WBC)进行分析并单独地绘制在三维直方图中,其中每个细胞在所述直方图上的位置由如本文所述的某些参数限定。在某些情况下,系统或方法可就参数每一者在1至256分的范围内给细胞分等级。
因为同一亚型的WBC如粒细胞(或中性粒细胞)、淋巴细胞、单核细胞、嗜酸性粒细胞和嗜碱性粒细胞通常具有相似的形态特征,因此它们可能往往绘制在三维直方图的类似区域中,从而形成细胞群体。每个群体中事件的数目可用于生成分类计数。图7描绘了分类计数屏幕的示例性屏幕截图。如这里所示,WBC亚群明显处于直方图不同位置处的分开的组中,并且由不同的颜色限定。这里示出的直方图在y轴中提供细胞尺寸(体积),在x轴中提供光散射。
通过点击“附加数据”标签,使用者可观察CPD值。此类CPD值可对应于群体在直方图中的位置,并且对应于WBC在显微镜下的形态。例如,已知单核细胞是所有WBC中最大的,从而具有最高的平均体积。已知淋巴细胞是所有WBC中最小的,从而具有最低的平均体积。淋巴细胞还具有最低水平的胞质颗粒度和最不复杂的核形态,从而具有最低的平均光散射(称为MALS)。
CPD参数可用于以定量、客观和自动化的方式来分析细胞形态,这种方式免受人为判读的主观性影响,人为判读也是非常耗时、成本高昂的,且再现性有限。CPD参数可用于在改变WBC的形态的各种医学病症的诊断中改善CBC-diff的值。
图7A示出了根据本发明实施方案的生物样品分析系统700a的各方面。如此处所描绘,感染状况分析技术可包括使用VCS技术确定WBC计数和单核细胞体积的标准偏差。另外,技术可包括使用CBC模块的RBC孔浴槽来确定RBC计数。
如此处所示,样品分析系统700a包括样品抽吸模块710a、CBC模块720a(其结合了库尔特技术)以及VCS模块730a(其结合了VCS技术)。CBC模块720a包括接收来自抽吸模块710a的样品的血液采样阀721a。另外,CBC模块720a包括接收来自BSV 721a的样品(并且可用于确定WBC计数)的WBC孔浴槽722a和接收来自BSV 721a的样品(并且可用于确定RBC计数)的RBC孔浴槽723a。VCS模块730a包括样品分配阀731a,该样品分配阀接收来自抽吸模块710a的样品并且可用于将样品转移到网织红细胞室732a,以便采用流动池换能器740a处理。样品分配阀731a还可用于将样品转移到WBC分类室734a,以便采用流动池换能器740a处理。而且,样品分配阀731a可用于将样品转移到NRBC室736a,以便采用流动池换能器740a处理。
根据一些实施方案,根据样品在系统中进行处理的位置,样品可能会裂解或可能不会裂解。例如,在许多情况下,样品在使用WBC孔浴槽722a、WBC分类室734a和NRBC室736a进行处理时发生裂解。相比之下,在许多情况下,样品在使用RBC孔浴槽723a或网织红细胞室732a进行处理时不发生裂解。因此,如图7A中所描绘,可基于未裂解的样品来确定未校正的白血细胞计数(UWBC)。可根据来自WBC分类室734a的数据得出单核细胞体积的标准偏差。
根据一些实施方案,可使用CBC模块来确定WBC计数(经由WBC孔浴槽)和RBC计数(经由RBC孔浴槽)两者。来自图7A中使用的CBC模块的参数为WBC计数742。在一些情况下,来自CBC模块的参数可为WBC的中性粒细胞计数或中性粒细胞百分比。在一些示例中,可能不需要CBC模块的RBC孔浴槽。一些实施方案可使用贝克曼库尔特公司的UniCel DxHTM 800系统来计算NE%,而不使用WBC孔浴槽。
如本文所讨论,本发明的实施方案涵盖用于估计生物样品中的感染状况的自动化系统,其中该系统包括被配置为确定生物样品的白血细胞计数742的第一分析器模块(例如,实现库尔特技术)、被配置为确定生物样品的单核细胞体积标准偏差744的第二分析器模块(例如,实现VCS技术),以及被配置为基于库尔特白血细胞计数742和单核细胞体积的VCS标准偏差744来评价感染状况的数据处理模块。
图8示意性地示出了根据本发明实施方案的用于评价感染状况的方法800。如此处所描绘,该方法包括获得来自个体的血液样品(例如,在常规检查期间),如步骤810所指示。可使用细胞分析系统从这些生物样品获得全血计数(CBC)数据、体积电导率散射(VCS)数据、或它们的组合,如步骤820所指示,所述细胞分析系统被装配为获得细胞事件参数,诸如贝克曼库尔特公司的UniCel DxHTM 800系统。可使用来自被分析样品的CBC参数、VCS参数、或它们的组合来评价感染状况,如步骤830所指示。如本文所述,WBC计数和单核细胞体积的标准偏差可为唯一使用的参数或从CBC和VCS参数导出的参数。方法还可包括输出感染可能性的指数,如步骤840中所指示。
图9示出了根据本发明实施方案的用于评价与从个体获取的血液样品相关联的败血症状况的自动化方法900。该方法可包括使用模块确定与血液样品相关联的细胞计数或浓度(框902)。该模块可为本文所述的CBC模块。该模块可包括使用数据处理模块评价与血液样品相关联的败血症状况(框904)。
诊断准确性
实施方案可涉及诊断准确性的不同量度。诊断准确性涉及测试与参考方法或临床结局量度之间的一致程度。测试的诊断参数可能并非测试的固有特性,而是可取决于测试的临床环境。
与参考方法或临床结局量度相比,测试可具有不同的结局:真阳性、假阳性、假阴性和真阴性。表2示出了该关系。
表2.与参考方法相比的测试结果的结局
敏感性(或有时称为“疾病的阳性率”)是指患有目标病症(参考标准或临床结局量度显示存在该疾病)且给出“测试阳性”结果的受试者的比例。作为公式,敏感性可表示如下:
特异性(或有时称为“健康的阴性率”)是指未患目标病症(参考标准或临床结局量度显示不存在该疾病)且给出“测试阴性”结果的受试者的比例。作为公式,特异性可表示如下:
阳性预测值(PPV)是指作为真阳性的阳性结果的比例。换句话讲,PPV可指示实际患有目标病症的比例。作为公式,PPV可表示如下:
阴性预测值(NPV)是指作为真阴性的阴性结果的比例。简而言之,NPV可指示未患目标病症的比率。作为公式,NPV可表示如下:
预测值可根据所研究的群体中目标病症的患病率而变化,但敏感性和特异性保持不变。
可建立截止点以约束该测试的敏感性和特异性的值。ROC曲线可为以图形方式显示一系列截止值之中真阳性与假阳性的关系的方法,并且可有助于选择所需的截止值以实现该测试的临床实用性。ROC曲线的示例在图10中示出。在图10中,示出了三条ROC曲线,并且将在下面的实施例中详细讨论这些曲线之间的差异。ROC曲线可有助于确定用于确定目标病症存在与否的截止值。y轴指示测试敏感性,并且x轴指示1-测试特异性。ROC曲线的曲线下面积(AUC)可用于比较测试性能。AUC可对测试的总体能力进行定量以区分患有目标病症的个体和未患目标病症的个体。完美的测试产生延伸到(0,1)点且AUC为1的曲线。毫无价值的测试具有0.5的AUC,这指示该测试可能并不比随机确定个体是否患有目标病症更好。该曲线图中显示了y=x的线以示出0.5的AUC。
通常,指示存在目标病症的测试结果的分布可与指示不存在目标病症的测试结果重叠。截止值可被设定得较高,使得该测试不太可能在未患目标病症的某人中诊断出目标病症(即,低假阳性、高特异性)。然而,采用高截止值时,该测试更有可能将患有目标病症的个人误诊为未患目标病症的人(即,高假阴性、低敏感性)。在ROC曲线上,高截止值的选择可由原点附近的点表示。
如果截止值被设定得太低,则该测试可正确地诊断所有或几乎所有患有目标病症的人(即,高真阳性、高敏感性)。然而,低截止值可导致在更多未患目标病症的人中诊断出目标病症(即,高假阳性、低特异性)。在ROC曲线上,低截止值的选择可由(1,1)附近的点表示。
实施例
对1,320名急诊室患者测试了本发明的实施方案。入选患者的类别和分布在表3中示出。使用不涉及采用WBC、NE%和/或SD-V-MO的指数的技术来确立患者类别。表3还示出了患有败血症的某些患者被细分为患有严重败血症或败血性休克。在该实施例中,7.4%的患者被确诊患有败血症,这在急诊室中预计的5-10%患者的败血症患病率的典型范围内。
表3.入选患者的类别
使用上述方法从患者获得WBC和SD-V-MO参数。WBC和SD-V-MO结果的描述性统计在表4中示出。这些统计在图11和图12中示出为箱线图。
表4.按类别的入选患者描述性统计
可在表3及图11和图12中看出不同临床类别之间的差异。SD-V-MO从对照组到SIRS到感染再到败血症逐渐增加。随着从败血症进行到晚期败血症(即,严重败血症和败血性休克)的败血症严重度增加,SD-V-MO也越高,如图12中所见。WBC从对照组到感染到SIRS再到败血症逐渐增加。如SIRS组与败血症组之间的盒须图所示的群体与WBC的重叠多于与SD-V-MO的重叠,从而指示WBC回收率明显受到SIRS的影响。WBC中的SIRS与败血症之间的小间隔可使得仅使用WBC很难区分这两个组。
已证实将SD-V-MO和WBC组合在指数中能改善败血症的诊断。结果可见于图10和表5。图10示出了使用不同参数时败血症与非败血症之间的诊断准确性的ROC曲线。非败血症组包括对照和SIRS,但不包括患有感染的患者,因为也可能在单核细胞中观察到因感染所致的变化。
示出了三条ROC曲线。一条曲线仅使用WBC,一条曲线仅使用SD-V-MO,并且一条曲线使用WBC和SD-V-MO两者。仅使用SD-V-MO的ROC曲线具有0.793的最低曲线下面积(AUC)。仅使用WBC时具有0.812的略高AUC。相比之下,将SD-V-MO和WBC组合在指数中使AUC增加到0.890。图10示出了组合的参数指数优于仅WBC或仅SD-V-MO的使用。另外,仅WBC的AUC可因实验程序而被人为高估。败血症的定义包括高WBC计数,因此WBC计数升高的患者更可能被分配到败血症类别。与组合SD-V-MO和WBC指数有关的1,180名患者的附加统计信息在表5中示出。下限和上限是指使用该指数时的最小和最大AUC。
表5.用于确定败血症与非败血症的指数的诊断统计
表5还示出了使用NE%和SD-V-MO的指数具有高AUC,其与采用WBC和SD-V-MO的指数的AUC相当。使用NE%和SD-V-MO两者的指数具有比单独使用NE%的指数更高的AUC,后一指数与WBC一样,可因实验程序而被人为高估。图13示出了使用不同参数时败血症与非败血症之间的诊断准确性的ROC曲线。在图13中,使用NE%和SD-V-MO两者的ROC曲线具有比单独使用任一参数时更高的AUC。
基于ROC曲线,可计算截止值。可通过针对特异性的最优值而言使敏感性的估计值最大化来计算截止值。在ROC曲线上,该截止值可表示ROC曲线的顶点或该曲线上最接近1.0敏感性和1.0特异性的点。在该实施例中,使用WBC和SD-V-MO的指数的截止值被计算为0.92。该截止值连同附加诊断统计一起在表6中示出。该截止值与约0.85的敏感性和约0.81的特异性相对应。1,180名患者的敏感性和特异性的95%置信区间的下限和上限在表6中列出。
表6.使用不同参数的指数的诊断统计
参数 | 截止值 | PPV | 下限 | 上限 | NPV | 下限 | 上限 |
WBC | 12.0 | 0.262 | 0.214 | 0.316 | 0.972 | 0.959 | 0.981 |
NE% | 69.7 | 0.193 | 0.160 | 0.232 | 0.986 | 0.975 | 0.993 |
MNV | 151.2 | 0.128 | 0.104 | 0.157 | 0.963 | 0.944 | 0.975 |
MNV-SD | 18.8 | 0.171 | 0.138 | 0.210 | 0.967 | 0.951 | 0.977 |
MMV | 180.0 | 0.175 | 0.140 | 0.215 | 0.963 | 0.947 | 0.974 |
SD-V-MO | 20.5 | 0.206 | 0.167 | 0.250 | 0.972 | 0.958 | 0.981 |
WBC+SD-V-MO | 0.92 | 0.287 | 0.259 | 0.318 | 0.983 | 0.961 | 0.993 |
NE%+SD-V-MO | 0.93 | 0.244 | 0.216 | 0.274 | 0.983 | 0.963 | 0.992 |
表6还示出了阴性预测值(NPV)、阳性预测值(PPV)和相关联的置信极限。使用WBC和SD-V-MO或者使用NE%和SD-V-MO的指数具有高于98%的NPV。换句话讲,若指数值小于截止值,任一参数具有98%的概率排除败血症。使用两种参数的指数具有低于约29%的PPV。PPV可相对较低,这是由于试验中的败血症受试者的患病率较低。基于表6中的结果,如果使用两种参数的任一指数得出小于截止值的值,则有98%的预测值可排除败血症。如果该指数得出大于或等于截止值的值,则可向临床医生报告败血症的可能性以确定可能的疗程。指数与截止值的差值的量值可指示所评价的感染状况的置信水平。
使用SD-V-MO和WBC两者的指数可有助于区分败血症与SIRS。图14示出了用于确定败血症与SIRS的ROC曲线,这些曲线类似于图10所示的用于确定败血症与非败血症的ROC曲线。在图14中,败血症组包括与图10中相同的败血症患者和SIRS患者,但不包括对照患者。仅使用WBC时得出0.660的AUC。仅使用SD-V-MO时得出0.743的增加AUC。将SD-V-MO和WBC两者组合在指数中使AUC增加到0.783。这些数据表明,与仅使用这些参数之一相比,SD-V-MO与WBC的组合指数提高了敏感性和特异性。图15示出了使用NE%和SD-V-MO两者确定败血症与SIRS的ROC曲线。在图15中,采用NE%和SD-V-MO两者的指数具有比单独使用NE%或SD-V-MO时更高的AUC(0.786)。附加描述性统计在表7中示出。
表7.用于确定败血症与SIRS的指数的诊断统计
表7示出了用于确定败血症与SIRS的若干参数。单独参数包括WBC、中性粒细胞百分比(NE%)、平均中性粒细胞体积(MNV)、中性粒细胞体积的标准偏差(MNV-SD)、平均单核细胞体积(MMV)和SD-V-MO。组合参数包括WBC与SD-V-MO以及NE%与SD-V-MO。组合参数具有比单独参数更高的AUC。中性粒细胞百分比是白血细胞的百分比。表7示出了在指数中联用WBC或NE%与SD-V-MO可以与适当的敏感性和特异性一起用于区分败血症和SIRS。
在以上描述中,出于解释的目的,已阐述了许多细节以便提供对本发明技术的各种实施方案的理解。但是,对本领域的技术人员而言将显而易见的是,可以在不使用这些细节中的一些细节或使用附加细节的情况下实施某些实施方案。
通过对若干实施方案的描述,本领域的技术人员应当认识到,可以使用各种修改、替代性构造和等同物而不脱离本发明的精神。另外,为避免不必要地使本发明模糊不清,一些熟知的过程和元件没有被描述。另外,任何特定实施方案的细节可能并非总是存在于实施方案的变型中或可添加到其他实施方案。
在提供数值范围时,应当理解,也具体公开了在该范围上限与下限之间的每个居间值(精确到该下限单位十分之一,除非上下文另有明确说明)。涵盖了在所述范围内的任何所述值或中间值和在该所述范围内的任何其他所述值或中间值之间的每一更小范围。这些更小范围的上限和下限可以独立地包括在该范围中或者从该范围排除,并且上限和下限的两者之一、两者都不或者两者都包括在该更小范围中的每个范围也涵盖在本发明之内,但以所述范围中有任何特别排除的限值为条件。在所述范围包括上下限之一或两者的情况下,排除所包括的上下限之一或两者的范围也包括在其中。
如本文及所附权利要求中所用,除非上下文另有明确说明,否则单数形式“一个”、“一种”和“该”包括多个指代物。因此,例如,涉及的“一种方法”包括多种此类方法,并且涉及的“该换能器”包括涉及一个或多个换能器和本领域技术人员已知的其等同物等等。至此,为了清楚和理解的目的对本发明进行了详细的描述。然而,应当理解,可在所附权利要求的范围内做出某些变化和修改。
Claims (41)
1.一种用于评价与从个体获取的血液样品相关联的感染状况的自动化方法,所述方法包括:
朝着光学元件的细胞询问区递送所述血液样品的流体动力学聚焦料流;
使用第一模块确定与所述血液样品相关联的细胞计数或浓度;
使用第二模块确定与所述血液样品相关联的单核细胞体积量度;以及
使用数据处理模块评价与所述血液样品相关联的所述感染状况,
其中所述数据处理模块包括处理器和有形非暂态计算机可读介质,并且所述计算机可读介质用计算机应用程序进行编程,所述计算机应用程序在由所述处理器执行时,导致所述处理器使用包括所述细胞计数或浓度和所述单核细胞体积量度的函数来计算参数,并且基于所述参数来评价与所述血液样品相关联的所述感染状况。
2.根据权利要求1所述的自动化方法,其中所述细胞计数或浓度包括白血细胞计数。
3.根据权利要求1所述的自动化方法,其中所述细胞计数或浓度包括中性粒细胞浓度。
4.根据权利要求1至3中任一项所述的自动化方法,其中所述单核细胞体积量度是与所述血液样品相关联的单核细胞体积的标准偏差。
6.根据权利要求1至3中任一项所述的自动化方法,其中评价感染状况包括受试者工作特征曲线中0.85或更高的曲线下面积。
7.根据权利要求1至3中任一项所述的自动化方法,其中评价感染状况包括大于0.80的感染的特异性。
8.根据权利要求1至3中任一项所述的自动化方法,其中评价感染状况包括大于0.80的感染的敏感性。
9.根据权利要求1至3中任一项所述的自动化方法,其中所述感染状况是败血症状况。
10.根据权利要求1至3中任一项所述的自动化方法,其中所述感染状况是术后感染状况。
11.根据权利要求1至3中任一项所述的自动化方法,其中除所述单核细胞体积量度之外,计算所述参数不包括使用平均红细胞体积、血小板浓度、平均中性粒细胞体积、中性粒细胞体积的标准偏差或平均单核细胞体积。
12.根据权利要求1至3中任一项所述的自动化方法,其中所述方法不包括使用生物标志物。
13.根据权利要求1至3中任一项所述的自动化方法,其中评价与所述血液样品相关联的所述感染状况包括将所述参数与截止值进行比较。
14.根据权利要求13所述的自动化方法,其中所述截止值为0.91或更大。
15.根据权利要求13所述的自动化方法,其中所述个体患有全身炎症反应综合征。
16.根据权利要求15所述的自动化方法,其中评价所述感染状况包括确定所述个体未患败血症。
17.一种用于评价与从个体获取的血液样品相关联的败血症状况的自动化方法,所述方法包括:
朝着光学元件的细胞询问区递送所述血液样品的流体动力学聚焦料流;
使用模块确定与所述血液样品相关联的细胞计数或浓度;
使用数据处理模块评价与所述血液样品相关联的所述败血症状况,
其中所述数据处理模块包括处理器和有形非暂态计算机可读介质,并且所述计算机可读介质用计算机应用程序进行编程,所述计算机应用程序在由所述处理器执行时,导致所述处理器使用包括所述细胞计数或浓度的函数来计算参数,并且基于所述参数来评价与所述血液样品相关联的所述败血症状况。
18.根据权利要求17所述的自动化方法,其中所述细胞计数或浓度包括白血细胞计数。
19.根据权利要求17所述的自动化方法,其中所述细胞计数或浓度包括中性粒细胞浓度。
20.根据权利要求18所述的自动化方法,其中所述函数包括
exp(-b×WBC)
其中:
WBC是所述白血细胞计数,并且
b是实数常量。
21.根据权利要求17至19中任一项所述的自动化方法,其中评价所述败血症状况包括大于0.80的败血症的特异性以及大于0.80的败血症的敏感性。
22.根据权利要求17至19中任一项所述的自动化方法,其中所述函数还包括与所述血液样品相关联的单核细胞体积量度。
23.根据权利要求17至19中任一项所述的自动化方法,其中所述单核细胞体积量度包括与所述血液样品相关联的单核细胞体积的标准偏差。
24.一种用于评价与从个体获取的血液样品相关联的感染状况的自动化系统,所述系统包括:
第一模块,所述第一模块被配置为确定所述血液样品的细胞计数或浓度;
第二模块,所述第二模块包括:
电极组件,所述电极组件被配置为测量所述血液样品的逐个穿过细胞询问区的细胞的直流(DC)阻抗;以及
与所述第一模块和所述第二模块连接的数据处理模块,所述数据处理模块包括处理器和有形非暂态计算机可读介质,所述有形非暂态计算机可读介质用计算机应用程序进行编程,所述计算机应用程序在被所述处理器执行时,导致所述处理器使用包括所述细胞计数或浓度和单核细胞体积量度的函数来计算参数,并且基于所述参数来评价与所述血液样品相关联的所述感染状况,
其中使用所述生物样品的所述细胞的所述DC阻抗测量结果来确定所述单核细胞体积量度。
25.根据权利要求24所述的自动化系统,其中所述细胞计数或浓度包括白血细胞计数。
26.根据权利要求24所述的自动化系统,其中所述细胞计数或浓度包括中性粒细胞浓度。
27.根据权利要求24至26中任一项所述的自动化系统,其中所述单核细胞体积量度是与所述血液样品相关联的单核细胞体积的标准偏差。
28.根据权利要求24至26中任一项所述的自动化系统,其中:
所述计算机应用程序还导致所述处理器将所述参数与截止值进行比较,
如果所述参数大于或等于所述截止值,则所述处理器评价所述血液样品具有感染,并且
如果所述参数小于所述截止值,则所述处理器评价所述血液样品不具有所述感染。
29.根据权利要求24至26中任一项所述的自动化系统,其中所述感染状况是败血症状况。
30.根据权利要求24至26中任一项所述的自动化系统,其中所述感染状况具有受试者工作特征曲线中0.85或更高的曲线下面积。
31.根据权利要求24至26中任一项所述的自动化系统,其中所述感染状况具有大于0.80的所述感染的敏感性以及大于0.80的所述感染的特异性。
32.一种用于评价与从个体获取的血液样品相关联的所述感染状况的自动化系统,所述系统包括:
导管,所述导管被配置为接收所述血液样品并且引导所述血液样品流动穿过孔;
电流测量设备,所述电流测量设备被配置为在所述血液样品流动穿过所述孔时使电流通过所述血液样品并且收集关于所述电流的数据;以及
其中所述系统被配置为基于与所述血液样品相关联的关于所述电流的所述数据和细胞计数或浓度来评价所述感染状况。
33.根据权利要求32所述的自动化系统,其中所述细胞计数或浓度包括白血细胞计数。
34.根据权利要求32所述的自动化系统,其中所述细胞计数或浓度包括中性粒细胞浓度。
35.根据权利要求32至34中任一项所述的自动化系统,还包括模块,所述模块被配置为确定所述血液样品的所述细胞计数或浓度。
36.根据权利要求32至34中任一项所述的自动化系统,其中所述自动化系统被配置为基于所述电流来确定所述单核细胞体积的标准偏差。
37.一种用于评价感染状况与从个体获取的血液样品相关性的自动化系统,所述系统包括:
换能器,所述换能器用于在所述血液样品穿过孔时获得所述样品的电流数据;
处理器;以及
存储介质,所述存储介质包括计算机应用程序,所述计算机应用程序被配置为在由所述处理器执行时,导致所述系统:
使用与所述血液样品相关联的所述电流数据和细胞计数或浓度来评价与所述血液样品相关联的所述感染状况,以及
从所述处理器输出与所述血液样品的所述所评价的感染状况相关的信息。
38.根据权利要求37所述的自动化系统,其中所述细胞计数或浓度包括白血细胞计数。
39.根据权利要求37所述的自动化系统,其中所述细胞计数或浓度包括中性粒细胞浓度。
40.根据权利要求37至39中任一项所述的自动化系统,还包括模块,所述模块被配置为确定所述血液样品的所述细胞计数或浓度。
41.根据权利要求37至39中任一项所述的自动化系统,其中所述计算机应用程序还被配置为由所述电流数据确定与所述血液样品相关联的单核细胞体积的标准偏差。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662288091P | 2016-01-28 | 2016-01-28 | |
US62/288,091 | 2016-01-28 | ||
CN201780006733.8A CN108604466B (zh) | 2016-01-28 | 2017-01-24 | 感染检测和区分系统及方法 |
PCT/US2017/014708 WO2017132132A1 (en) | 2016-01-28 | 2017-01-24 | Infection detection and differentiation systems and methods |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780006733.8A Division CN108604466B (zh) | 2016-01-28 | 2017-01-24 | 感染检测和区分系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115482925A true CN115482925A (zh) | 2022-12-16 |
Family
ID=58010389
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780006733.8A Active CN108604466B (zh) | 2016-01-28 | 2017-01-24 | 感染检测和区分系统及方法 |
CN202211141872.0A Pending CN115482925A (zh) | 2016-01-28 | 2017-01-24 | 感染检测和区分系统及方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780006733.8A Active CN108604466B (zh) | 2016-01-28 | 2017-01-24 | 感染检测和区分系统及方法 |
Country Status (7)
Country | Link |
---|---|
US (2) | US11114205B2 (zh) |
EP (2) | EP4307310A3 (zh) |
JP (3) | JP6990185B2 (zh) |
KR (2) | KR102411950B1 (zh) |
CN (2) | CN108604466B (zh) |
BR (1) | BR112018014562A2 (zh) |
WO (1) | WO2017132132A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108604466B (zh) | 2016-01-28 | 2022-10-11 | 贝克曼考尔特公司 | 感染检测和区分系统及方法 |
CA3054741A1 (en) | 2017-02-28 | 2018-09-07 | Beckman Coulter, Inc. | Cross discipline disease management system |
US11852640B2 (en) * | 2017-10-27 | 2023-12-26 | Beckman Coulter, Inc. | Hematology analyzers and methods of operation |
WO2019090126A1 (en) * | 2017-11-03 | 2019-05-09 | Streck, Inc. | Linearity control materials |
US11865241B2 (en) | 2017-12-15 | 2024-01-09 | Gastroklenz Inc. | Sensor monitoring system for in-dwelling catheter based treatments |
US11521706B2 (en) | 2018-04-20 | 2022-12-06 | Beckman Coulter, Inc. | Testing and representing suspicion of sepsis |
US11538566B2 (en) * | 2018-05-23 | 2022-12-27 | Beckman Coulter, Inc. | Sample analysis with test determination based on identified condition |
WO2019204804A1 (en) * | 2018-04-20 | 2019-10-24 | Beckman Coulter, Inc. | Sepsis infection determination systems and methods |
CN111989032A (zh) * | 2018-06-15 | 2020-11-24 | 拜克门寇尔特公司 | 存在母细胞标志时确定败血症的方法 |
USD903126S1 (en) | 2019-06-26 | 2020-11-24 | Gastroklenz Inc. | Monitoring device |
USD984637S1 (en) | 2019-06-26 | 2023-04-25 | Gastroklenz Inc. | Measurement vessel |
MX2021016013A (es) | 2019-06-26 | 2022-03-11 | Gastroklenz Inc | Sistemas, dispositivos, y metodos para el monitoreo de fluidos. |
US20210007675A1 (en) * | 2019-07-12 | 2021-01-14 | Beckman Coulter, Inc. | Method of detecting sepsis using vital signs, including systolic blood pressure, hematology parameters, and combinations thereof |
EP3997461A1 (en) * | 2019-07-12 | 2022-05-18 | Beckman Coulter, Inc. | Systems and methods for evaluating immune response to infection |
US20210011005A1 (en) * | 2019-07-12 | 2021-01-14 | Beckman Coulter, Inc. | Systems and methods for evaluating immune response to infection |
CN113533170A (zh) * | 2020-04-21 | 2021-10-22 | 贝克曼考尔特公司 | 病毒感染的血液学参数 |
WO2023125988A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳迈瑞生物医疗电子股份有限公司 | 血液细胞分析仪、方法以及感染标志参数的用途 |
WO2023125940A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳迈瑞生物医疗电子股份有限公司 | 血液细胞分析仪、方法以及感染标志参数的用途 |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR970007077B1 (ko) | 1987-03-13 | 1997-05-02 | 코울터 일렉트로닉스 인커퍼레이티드 | 광산란 기술을 이용한 다중-부분식별 분석 방법 |
WO1993017329A1 (en) | 1992-02-24 | 1993-09-02 | Coulter Corporation | Suspension media for hematological composition and method for its use |
US5858790A (en) | 1996-06-26 | 1999-01-12 | Abbott Laboratories | Hematology reference control and method of preparation |
US6228652B1 (en) | 1999-02-16 | 2001-05-08 | Coulter International Corp. | Method and apparatus for analyzing cells in a whole blood sample |
US20040097460A1 (en) | 2002-11-12 | 2004-05-20 | Becton, Dickinson And Company | Diagnosis of sepsis or SIRS using biomarker profiles |
WO2005036164A1 (en) | 2003-10-02 | 2005-04-21 | Beckman Coulter, Inc. | Reference control for optical measurement of nucleated red blood cells of a blood sample |
US7195919B2 (en) | 2003-12-19 | 2007-03-27 | Beckman Coulter, Inc. | Hematology controls for reticulocytes and nucleated red blood cells |
US7256048B2 (en) | 2004-02-27 | 2007-08-14 | Beckman Coulter, Inc. | Method for detection of malaria and other parasite infections |
US7135341B2 (en) | 2004-04-07 | 2006-11-14 | Beckman Coulter, Inc. | Reference control containing a nucleated red blood cell component |
US7109036B2 (en) | 2004-05-13 | 2006-09-19 | Beckman Coulter, Inc. | Hematology reference control containing an immature granulocyte component |
US7390662B2 (en) | 2005-11-09 | 2008-06-24 | Beckman Coulter, Inc. | Method and apparatus for performing platelet measurement |
GB0426982D0 (en) * | 2004-12-09 | 2005-01-12 | Secr Defence | Early detection of sepsis |
US8221995B2 (en) | 2007-03-23 | 2012-07-17 | Seok-Won Lee | Methods and compositions for diagnosis and/or prognosis in systemic inflammatory response syndromes |
US20090149724A1 (en) * | 2007-12-05 | 2009-06-11 | Massachusetts Institute Of Technology | System and method for predicting septic shock |
US8669113B2 (en) | 2008-04-03 | 2014-03-11 | Becton, Dickinson And Company | Advanced detection of sepsis |
US8094299B2 (en) | 2008-07-24 | 2012-01-10 | Beckman Coulter, Inc. | Transducer module |
ES2796655T3 (es) | 2008-11-14 | 2020-11-27 | Beckman Coulter Inc | Celdas de flujo óptico monolíticas y método de fabricación |
EP2259045A1 (en) | 2009-06-05 | 2010-12-08 | Koninklijke Philips Electronics N.V. | Multi-frequency impedance method and apparatus for discriminating and counting particles expressing a specific marker |
US20110076685A1 (en) * | 2009-09-23 | 2011-03-31 | Sirs-Lab Gmbh | Method for in vitro detection and differentiation of pathophysiological conditions |
JP5667353B2 (ja) * | 2009-09-25 | 2015-02-12 | シスメックス株式会社 | 血球計数装置、診断支援装置、診断支援方法及びコンピュータプログラム |
US11348667B2 (en) * | 2010-10-08 | 2022-05-31 | Cerner Innovation, Inc. | Multi-site clinical decision support |
ES2720151T3 (es) | 2011-04-07 | 2019-07-18 | Beckman Coulter Inc | Identificación y enumeración de células granuladas tempranas (EGC) |
US11056229B2 (en) | 2011-12-21 | 2021-07-06 | Beacon Laboratory Benefit Solutions, Inc. | Systems, methods, and media for laboratory benefit services |
ES2828660T3 (es) * | 2012-07-05 | 2021-05-27 | Beckman Coulter Inc | Método y aparato para determinar recuentos de leucocitos |
WO2014028534A2 (en) * | 2012-08-13 | 2014-02-20 | Beckman Coulter, Inc. | Leukemia classification using cpd data |
SG11201503096WA (en) * | 2012-11-30 | 2015-05-28 | Beckman Coulter Inc | Tuberculosis screening using cpd data |
BR112015015400A2 (pt) | 2012-12-31 | 2017-07-11 | Beckman Coulter Inc | métodos e sistemas de enumeração de plaquetas imaturas |
DE102014002172A1 (de) * | 2014-02-19 | 2015-08-20 | Dräger Medical GmbH | Überwachungsmonitor zur elektronischen Überwachung von Sensorsignalen im Rahmen eines Sepsismonitorings, sowie ein entsprechendes Verfahren |
EP3221340A1 (en) * | 2014-11-19 | 2017-09-27 | Koninklijke Philips N.V. | Diagnostic method employing hnl |
CN108604466B (zh) | 2016-01-28 | 2022-10-11 | 贝克曼考尔特公司 | 感染检测和区分系统及方法 |
WO2019028448A1 (en) | 2017-08-04 | 2019-02-07 | The Johns Hopkins University | APPLICATION FOR EARLY PREDICTION OF SEPTIC SHOCK WAITING |
US11852640B2 (en) | 2017-10-27 | 2023-12-26 | Beckman Coulter, Inc. | Hematology analyzers and methods of operation |
WO2019204804A1 (en) | 2018-04-20 | 2019-10-24 | Beckman Coulter, Inc. | Sepsis infection determination systems and methods |
US11521706B2 (en) | 2018-04-20 | 2022-12-06 | Beckman Coulter, Inc. | Testing and representing suspicion of sepsis |
US11538566B2 (en) | 2018-05-23 | 2022-12-27 | Beckman Coulter, Inc. | Sample analysis with test determination based on identified condition |
CN111989032A (zh) | 2018-06-15 | 2020-11-24 | 拜克门寇尔特公司 | 存在母细胞标志时确定败血症的方法 |
US20210007675A1 (en) | 2019-07-12 | 2021-01-14 | Beckman Coulter, Inc. | Method of detecting sepsis using vital signs, including systolic blood pressure, hematology parameters, and combinations thereof |
EP3997461A1 (en) | 2019-07-12 | 2022-05-18 | Beckman Coulter, Inc. | Systems and methods for evaluating immune response to infection |
US20210011005A1 (en) | 2019-07-12 | 2021-01-14 | Beckman Coulter, Inc. | Systems and methods for evaluating immune response to infection |
-
2017
- 2017-01-24 CN CN201780006733.8A patent/CN108604466B/zh active Active
- 2017-01-24 KR KR1020187024386A patent/KR102411950B1/ko active IP Right Grant
- 2017-01-24 EP EP23197126.8A patent/EP4307310A3/en active Pending
- 2017-01-24 BR BR112018014562A patent/BR112018014562A2/pt not_active Application Discontinuation
- 2017-01-24 CN CN202211141872.0A patent/CN115482925A/zh active Pending
- 2017-01-24 US US16/073,757 patent/US11114205B2/en active Active
- 2017-01-24 KR KR1020227020710A patent/KR20220088525A/ko active IP Right Grant
- 2017-01-24 EP EP17704357.7A patent/EP3408773B1/en active Active
- 2017-01-24 WO PCT/US2017/014708 patent/WO2017132132A1/en active Application Filing
- 2017-01-24 JP JP2018538892A patent/JP6990185B2/ja active Active
-
2021
- 2021-01-29 JP JP2021012832A patent/JP7163427B2/ja active Active
- 2021-08-02 US US17/391,599 patent/US20210366615A1/en active Pending
-
2022
- 2022-05-06 JP JP2022076469A patent/JP7404438B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
EP3408773A1 (en) | 2018-12-05 |
CN108604466A (zh) | 2018-09-28 |
BR112018014562A2 (pt) | 2018-12-11 |
JP7163427B2 (ja) | 2022-10-31 |
US11114205B2 (en) | 2021-09-07 |
JP2021073461A (ja) | 2021-05-13 |
KR20180111863A (ko) | 2018-10-11 |
JP6990185B2 (ja) | 2022-01-12 |
WO2017132132A1 (en) | 2017-08-03 |
US20210366615A1 (en) | 2021-11-25 |
EP3408773B1 (en) | 2023-09-20 |
EP4307310A3 (en) | 2024-01-24 |
US20190348182A1 (en) | 2019-11-14 |
KR20220088525A (ko) | 2022-06-27 |
JP2022093688A (ja) | 2022-06-23 |
KR102411950B1 (ko) | 2022-06-22 |
EP4307310A2 (en) | 2024-01-17 |
JP2019504992A (ja) | 2019-02-21 |
CN108604466B (zh) | 2022-10-11 |
JP7404438B2 (ja) | 2023-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108604466B (zh) | 感染检测和区分系统及方法 | |
JP6321637B2 (ja) | 白血球数の測定方法及び測定装置 | |
US11644464B2 (en) | Sepsis infection determination systems and methods | |
US11852640B2 (en) | Hematology analyzers and methods of operation | |
US11796447B2 (en) | Systems and methods for using cell granularitry in evaluating immune response to infection | |
US20210011005A1 (en) | Systems and methods for evaluating immune response to infection | |
US20190383800A1 (en) | Method of determining sepsis in the presence of blast flagging | |
JP2015524571A (ja) | Cpdデータを使用した白血病分類 | |
KR20150100634A (ko) | 응괴 조정을 갖는 혈소판 카운트를 위한 시스템들 및 방법들 | |
CN116529586A (zh) | 用于评价与covid-19相关的mis-c的方法 | |
WO2023125988A1 (zh) | 血液细胞分析仪、方法以及感染标志参数的用途 |
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 |