目的建立一种同位素稀释超高效液相色谱串联质谱法(isotope dilution ultra performance liquid chromatography tandem mass spectrometry,ID⁃UPLC⁃MS/MS)检测血浆18⁃羟皮质酮(18⁃Hydroxycorticosterone,18⁃OHB)的方法。方法取血浆标...
详细信息
目的建立一种同位素稀释超高效液相色谱串联质谱法(isotope dilution ultra performance liquid chromatography tandem mass spectrometry,ID⁃UPLC⁃MS/MS)检测血浆18⁃羟皮质酮(18⁃Hydroxycorticosterone,18⁃OHB)的方法。方法取血浆标本或标准溶液200μL置于离心管中,然后加入同位素氚标记的18⁃OHB为内标,用甲醇沉淀血浆蛋白,离心后取上清液,用Prime HLB Elution 96孔SPE板进行萃取,收集洗脱液,在正离子电喷雾离子化的多离子反应监测模式下检测18⁃OHB。评价该方法的精密度、加标回收率、定量检测下限、线性和基质效应。2019年11月起招募表观健康志愿者,采用ID⁃UPLC⁃MS/MS检测其血浆18⁃OHB水平,并验证梅奥医学实验中心提供的18⁃OHB参考区间。结果该方法检测血浆18⁃OHB的分析时间约为3.0 min,检测低、中、高3个水平18⁃OHB的重复性变异系数和实验室内不精密度分别为2.2%~3.5%和3.7%~5.0%,平均加标回收率为98.1%~101.7%,定量检测下限为0.01μg/L,在0.1~10μg/L范围内线性良好(r>0.990),血浆基质效应为86.83%~119.00%。基于本研究建立的ID⁃UPLC⁃MS/MS方法,73名表观健康人群血浆18⁃OHB第2.5、97.5百分位数分别为0.01、0.60μg/L,其中66%(48/73)血浆18⁃OHB水平处于梅奥医学实验中心提供的参考范围外。结论本研究建立了一种ID⁃UPLC⁃MS/MS测定血浆18⁃OHB的方法,该方法检测快速、结果准确可靠,性能满足临床需求。
目的评价抗菌药物管理项目(antimicrobial stewardship program,ASP)对后路腰椎手术患者的临床结局及抗感染治疗费用的影响。方法回顾性分析2016~2019年于我院骨科行后路腰椎手术并被反馈ASP建议的病例。比较采纳ASP建议与否对患者目标药物治疗天数、住院天数、目标药物费用及抗菌药物总费用、患者30 d感染相关再住院率的影响。结果2016~2019年,ASP小组共反馈临床建议113例,临床采纳ASP建议54例,拒绝ASP建议59例,采纳率47.79%。采纳ASP建议可以显著减少患者目标药物使用天数(5.0 d vs 6.0 d,P<0.001)及费用(1559.50元vs 2300.27元,P<0.01),同时可以降低患者住院天数(15.5 d vs 17.0 d,P=0.174)及抗菌药物总费用(4144.96元vs 5218.53元,P=0.079)。采纳组与拒绝组患者的30 d感染相关再住院率分别为0 d及1.69%。结论采纳ASP建议可在不增加感染相关事件的情况下,显著降低后路腰椎手术患者目标药物使用天数及费用,值得在骨科手术的抗菌药物管理中进一步研究。
目的 探讨重症监护病房(intensive care unit, ICU)脓毒症患者临床表型的识别与验证。方法 采用人工智能算法处理重症监护医学信息Ⅳ(Medical Information Mart for Intensive CareⅣ,MIMIC-Ⅳ)2.2数据库中脓毒症患者的临床数据,包括...
详细信息
目的 探讨重症监护病房(intensive care unit, ICU)脓毒症患者临床表型的识别与验证。方法 采用人工智能算法处理重症监护医学信息Ⅳ(Medical Information Mart for Intensive CareⅣ,MIMIC-Ⅳ)2.2数据库中脓毒症患者的临床数据,包括人口学特征、ICU首日实验室指标及治疗措施等89个临床特征,首先应用无监督机器学习算法(K均值聚类和层次聚类)进行表型识别,然后应用有监督机器学习算法(轻量级梯度增强机)进行表型预测,并结合机器学习可解释性算法SHAP识别重要特征;最后通过传统统计学方法,对各表型间的临床特征差异与临床结局差异进行验证。结果 在22 517例脓毒症患者中发现了3种临床特征及结局显著不同的临床表型。其中表型1患者的死亡风险最高(28 d死亡率为46.4%),以肾功能异常和疾病严重程度评分升高为主;表型3患者的死亡风险最低(28 d死亡率为11.2%),神经功能评分最佳。通过可解释性机器学习,识别出阴离子间隙、血尿素氮、肌酐、格拉斯哥昏迷量表评分、凝血酶原时间和序贯性器官功能衰竭评分6个特征(首日最差值)在表型识别(AUC≥0.89)和表型预后预测(AUC≥0.74)方面表现良好。在患者出ICU后28 d、60 d、90 d及1年内,表型3的死亡风险均最低(HR<1)。结论利用机器学习算法成功识别了3种具有不同临床特征及预后的脓毒症临床表型,并筛选出6个关键临床特征,预期将在脓毒症亚型分类及预后评估中发挥重要作用,有助于患者的个体化治疗。
暂无评论