The Ulutas Medical Journal p-ISSN 2149-0430 e-ISSN 2149-388X

The Ulutas Medical Journal · ISSN 2149-0430 (印刷版), 2149-388X (在线版) · https://www.ulutasmedicaljournal.com/?mno=39584

原创论著 · 开放获取

Ferritin Lymphocyte比率和作为诊断参数的D-dimer C-反应蛋白比率

标题、摘要和全文为机器翻译。 英文原文

  • Ibrahim Koc1
  • Serdar Dogan2
  1. Department of Pulmonary Medicine, Bursa City Hospital, Bursa, Turkey ROR
  2. Medical Biochemistry, Mustafa Kemal University, Faculty of Medicine, Hatay, Turkey ROR
下载 PDF (614.6 KB) 引用方式 doi:10.5455/umj.20211204105007

摘要

导言:COVID-19的金本位诊断工具是实时反转式聚合酶链反应(PCR),并不是每个保健机构都有这种反应。 需要更快、更便宜和可用的测试。 该研究旨在确定在早期诊断COVID-19前健康个体时,是否可将肾上腺素水平,中营养素-淋巴细胞比(NLR),Ferritin C-反应蛋白(CRP)比(FCR),D-二聚体与CRP比(DCR)作为生物标志. 材料和方法:研究包括289名以前健康的COVID-19病人和152名SARS-CoV-2PCR负健康控制。 比较了两个病人群体,检查了在住院时在使用任何药物之前获得的参数,如白血清(WBC)、中微血球、单细胞、肾上腺素和红血球分布宽度(RDW)。 结果:Eosinophil水平、FLR、DCR和NLR仍然明显较低,而COVID-19组的DCR、FLR和CRP淋巴细胞比较高。 结论:RDW、FLR和CLR的含量较高,而WBC、单细胞、NLR、FCR和DCR的含量较低则可能预测无同位素患者的COVID-19.

关键词

全文

全文为机器翻译；以英文原文为准。 英文原文

导言

2019年12月检测到的COVID-19疾病在接下来的一段时间内蔓延到世界各地,造成数百万人死亡. 由严重急性呼吸系统综合征-冠状病毒2(SARS-CoV-2)引起的疾病不仅影响到患有慢性病的个人,而且影响到没有这种疾病的人。 鉴于非典-CoV-2的迅速蔓延和严重危害,迫切需要不断改进和丰富其临床诊断和治疗方式。 如今,金本位诊断工具正在通过实时反转式聚合酶链反应(PCR)测试naso-pharyngeal swab样本. 然而,由于费用高、工作技术高,每个医疗机构都不具备这种昂贵的工具。 需要更快地进行更便宜和可用的检查,以便在诊断期间帮助医生。 一些来自外围血清的生物标记,完整的血清参数如白血细胞计数(WBC),红血细胞分布宽度(RDW),平均血小板体积(MPV),血小板分布宽度(PDW)中营养素-淋巴细胞比(NLR)和血小板-淋巴细胞比(PLR)被分析为系统炎症预测的预测参数. (1, 2)在日常检查中,大多数COVID-19患者都通过例行的完全血数测试来研究上述所有参数,临床医生可能忽略这些参数。 这项研究旨在确定单细胞水平,eosinophil水平,RDW,NLR,PLR,Ferritin对C反应蛋白(CRP)比(FCR),D-二聚体对CRP比(DCR)在COVID-19的早期诊断中是否可以作为生物标记,确定最佳切入值,并估计COVID-19的概率. 据我们所知,这是对以前健康COVID-19患者的上述参数进行首次调查的研究。

材料和方法

学习设计

2021年4月至6月,土耳其一家三级医院受理的与COVID-19疾病相适应的病人档案被追溯调查. 实验室确认的289名以前健康的COVID-19患者和152名SARS-CoV-2 PCR(-)健康控制包括无症状接触和保健工作者。 所有病人的人口和临床数据见表1。 比较了两组人,分别是检查了在住院时在使用任何药物之前获得的血压参数(WBC、RDW、Neurochil、淋巴细胞、单细胞、eosinophil和血小板)和生化参数。 CRP和D-dimer用粒子强化免疫扰动学散文进行了检查。 使用三明治原理对Ferritin水平进行了检测。 使用荧光流细胞测量法测量Leukocytes;使用阻塞法测量红细胞和血小板。 NLR,Ferritin淋巴细胞比(FLR),单细胞淋巴细胞比(MLR),和CRP淋巴细胞比(CLR)分别通过将中微素,Ferritin,单细胞和CRP水平除以淋巴细胞计数来计算. FCR, ferritin eosinophil 比率(FER)和ferritin neurophil 比率(FNR)的数值分别通过将ferritin 含量分为CRP, eosinophil和neurophil含量来计算. 慢性病患者、使用药物的患者和孕妇被排除在外。

道德声明

伦理委员会的批准来自一家第三医院的临床研究伦理委员会(伦理委员会批准号:2021-20/4)。 所有统计分析均使用SPSS v25统计软件进行。 为了样本数据的正常性,进行了Kolmogorov-Smirnov测试,连续变量由中间偏差(中间距离% 25-75)来定义,而绝对变量则以频率和百分比来表示。 为了比较独立群体,采用了学生对参数测试假设的T测试和Mann-Whitney U对非参数假设的测试。 为了预测SARS-CoV-2的假设性,对最佳截断值进行了ROC分析。 Youden Index 将蜡值用于确定最佳断面值。 此外,p值小于0.05被设定为统计意义级别. 对COVID-19风险进行了后勤回归分析。

结果

控制中的中位年龄为35岁(19-70岁),COVID-19组中的中位年龄为38岁(19-81岁)(表1)。 COVID-19组的中位年龄较高(p=0.04)。 虽然控制组的性别分布为33.1%(50)名妇女和66.9%(101)男子,但在COVID-19组中,女性为45.8%(131),男性为54.7%(158)。 死亡率之间没有差别。 在COVID-19组中,34.9%的病人(101人)在接受家庭护理,64.7%(187人)住院治疗。 WBC,中微营养素,淋巴细胞,单细胞,以及异生素水平,NLR,FCR,和DCR在COVID-19组中仍然显著较低. 另一方面,RDW,D-dimer,Ferritin,CRP,CRPD-dimer比(CDR),FLR,MLR,FER,CNR,FNR,以及CLR在COVID-19组中都较高. 图1和图2列出了ROC分析和ROC曲线计算出的优化截断值。 当COVID-19与健康控制(AUC)相比,WBC、巴索菲勒、eosinophil、Nurophil、DCR、CNR、FLR、CLR、FNR和FER曲线下的区域分别为0.83、0.81、0.77、0.78、0.66、0.79、0.68、0.74、0.72和0.74(p=0.001)(表2)。 为预测COVID-19的风险,开发了一个可变模型,表3说明了重大结果的概率比率。

Table 1. 非典-CoV-2 PCR 阳性和阴性病人的人口和实验室调查结果
表1:非典-CoV-2 PCR 阳性和阴性病人的人口和实验室调查结果
Table 2. ROC SARS-CoV-2 PCR(-)和(+)分析
表2:非典-CoV-2 PCR(-)和(+)分析

WBC和FCR较低的患者调整后的多变概率比分别为0.54(p=0.001)和0.99(p=0.05). 高RDW,费里廷,CDR,FCR,MLR,CNR和CLR的患者出现SARS-CoV-2正数性的风险增加(分别为:1.059:p=0.005,1:p=0.025,0.95:p=0.002,17:p=0.039;4.89:p=0.001,0.8:p=0.001).

图1:ROC曲线比较SARS-CoV-2的预测值,白血球计数变量(WBC),Basophils(Baso),Eosinophils(Eos),Neutrophils(Neu)和D-dimer C-反应蛋白比率(DCR).
Figure 1. ROC曲线比较SARS-CoV-2,白血球计数变量(WBC),Basophils(Baso),Eosinophils(Eos),Neutrophils(Neu)和D-dimer C反应蛋白比率(DCR).

该多变型号的接收器操作特征曲线下面积估计为0.9(95%CI:0.85,0.95).

图2 ROC曲线比较SARS-CoV- 2. C反应蛋白(CRP),神经素比(CNR),Ferritin Lymphocyte比(FLR),CRP Lymphocyte比(CLR),Ferritin Neoprophil比(FNR),Ferritin Eosinophil比(FER)的变变量.
Figure 2. ROC曲线比较SARS-CoV-2. C反应蛋白(CRP),神经素比(CNR),Ferritin Lymphocyte比率(FLR),CRP Lymphocyte比率(CLR),Ferritin Neoprophil比率(FNR),Ferritin Eosinophil比率(FER)的变量.
Table 3. 预测COVID-19的实验室参数
表3:预测COVID-19的实验室参数

讨论情况

在可疑的病人中,PCR仍然是COVID-19诊断中的金本位诊断方法,但并不是每个医疗机构都有PCR。 因此,需要采用更简单、更实际的方法来侦查COVID-19案件。 COVID-19中的中微营养素水平数据不全,没有被广泛研究. 现有数据表明,中微营养素是细胞金风暴和高发炎状态的一种表现,在COVID-19和相关感染中具有重要的病原作用。 在重症监护室接受治疗的病人中报告了神经病 (3)一些研究表明,儿科COVID-19和成年人的中微营养素水平较低。 (4, 5). 在我们的研究中,COVID-19(p=0.001)中的中微营养素仍然较低. 研究之间的差异可能是由于COVID-19疾病或病人特征的异质性。 由于中微营养素水平可能受到许多二级疾病的影响,在本研究报告中,将慢性疾病的病人和使用任何药物的人的二级影响降到最低程度。 淋巴细胞(Lymphocytes)是细胞,在维持免疫系统功能方面起着重要作用. 病毒感染后,可视病毒类型而观察到淋巴细胞的改变。 Wang等人报告,COVID-19患者的淋巴细胞水平下降 (6)尽管以前已经证明淋巴细胞水平较低,但这项研究表明,淋巴细胞在以前健康的COVID-19中减少。 (7)以前的研究报告了与非典-CoV-2感染期间病人结果有关的外周血液单细胞的形态和与炎症有关的肝脏变化 (8) 在一项研究中,Kos等人报告说,主要在重度COVID-19患者中观察到的活性单细胞的比率有所下降。 (9)在本次研究中,COVID-19组的单细胞含量低于健康细胞。 Eosinophils正在流通一些疾病中具有发炎作用的白细胞. Eosinophils还被证明具有免疫调节和抗病毒活动等各种其他功能. 然而,他们在COVID-19中的作用并不广为人知。 此前有报道称COVID-19的环食性肾上腺素计数减少,比其他类型肺炎更频繁. (5). Zhang等人报告说,在感染非典-CoV-2期间,急性呼吸道恶化的病人患有肾上腺素瘤。 (10).Zhang等人包括140名COVID-19, 其症状可能影响异性恋水平,但与他们的研究类似。 在我们的研究中,在以前健康的COVID-19中发现的环食性肾上腺素含量较低. 结果显示,SARS-CoV-2会影响中微营养素,淋巴细胞,异生素,这种增加上述细胞水平或下降目标原因的治疗策略可能有助于应对COVID-19. 高水平的RDW据报道是重度COVID-19患者的预测器. (6). Henry等人在一项研究中发现,随着COVID-19的加剧,RDW有所增加。 (11)在本次研究中,RDW的高水平与COVID-19(OR:1)的增加有关(P=0.005)。

近年来,研究人员在诊断和预测炎症时采用了一些比率。 其中一些是中子细胞/淋巴细胞,板状细胞/淋巴细胞,以及单细胞/淋巴细胞比. CRP、Ferritin、D-二聚体和淋巴细胞水平是COVID-19中预测预后的重要标记。 (12)在这项研究中,假设上述标记的比例有助于诊断COVID-19。

在一项研究中,Seyit et al. 与控制相比,SARS-CoV-2检测呈阳性的病人的NLR值较高 (12)在武汉/中国杨等人的一份研究报告中,NLR升高与疾病严重性密切相关。 (13)在本研究报告中,COVID-19中的NLR仍然较低。 不同研究之间的差异可能是由于COVID-19的异质性或病人的特征,因为我们只包括以前健康的病人。 杨等人调查了93名COVID-19患者,发现重症患者的淋巴细胞与单细胞比(LMR)水平明显高于非重症患者. (13). 在本研究报告中,对MLR进行了调查,发现在COVID-19中较高。

已发现COVID-19不仅造成肺部损伤,而且还损害其他可能改变铁六棱体的器官。 高水平的Ferritin与COVID-19病人的不良预测有关 (6)早期诊断和及时治疗重症COVID-9至关重要。 在本研究报告中,FLR、FER、FNR的浓度水平较高,COVID-19的FCR水平较低。=0.025; OR:0.99, P=0.05).

CRP是一个重要的煽动性标志,其中高浓度与严重的COVID-19有关 (14)这项研究旨在了解CRP、CDR和CNR能否帮助诊断COVID-19. CRP、CDR和CNR在COVID-19组中较高。 COVID-19(OR:0.954,p=0.002)的CDR水平很高。 D-dimer是纤维素降解的产物,通常在血栓性事件中会升高. 此前在COVID初期,据报有19例感染病例呈D-dimer高浓度 (15). 在本研究中,D-二甲醚水平较高,COVID-19组的DCR水平较低。 在同一组中,MLR值较高,对COVID-19具有高度预测性(OR:17,p=0.03)。

结论

总之,高水平的RDW、D-二甲虫、Ferritin、CRP、CDR、FLR、MLR、FER、CNR、FNR和CLR,而低水平的WBC、Neurophocyte、淋巴细胞、单细胞、eosinophil、NLR、FCR和DCR可能会预测无同位素的病人的COVID-19。

声明

作者贡献（CRediT）
所有作者对全部 14 项 CRediT 角色贡献均等（Conceptualization, Data curation, Formal analysis, Funding acquisition, Investigation, Methodology, Project administration, Resources, Software, Supervision, Validation, Visualization, Writing – original draft, Writing – review & editing）。
资助

Funding information was not reported in the published version of this article.

利益冲突
All authors declare no conflict of interest.
伦理批准
The ethics committee approval was obtained from a Clinical Research Ethics Committee of a tertiary hospital (Ethics Committee Approval No:2021-20/4).
数据可用性
A data availability statement was not reported in the published version of this article.

参考文献 (15)

15 条参考文献中有 15 条已链接 DOI。

  1. Guthrie GJ, Charles KA, Roxburgh CS, Horgan PG, McMillan DC, Clarke SJ. The systemic inflammation-based neutrophil-lymphocyte ratio: experience in patients with cancer. Crit Rev Oncol Hematol. 2013;88(1):218-30 DOI Crossref PubMed Google Scholar
  2. Gisondi P, Geat D, Lippi G, Montagnana M, Girolomoni G. Increased red blood cell distribution width in patients with plaque psoriasis. J Med Biochem. 2021;40(2):199- DOI Crossref PubMed Google Scholar
  3. Fan BE, Chong VCL, Chan SSW, Lim GH, Lim KGE, Tan GB, et al. Hematologic parameters in patients with COVID-19 infection. Am J Hematol. 2020;95(6):E131-E4 DOI Crossref PubMed Google Scholar
  4. Gumus H, Demir A, Yukkaldiran A. Is mean platelet volume a predictive marker for the diagnosis of COVID-19 in children? Int J Clin Pract. 2021;75(4):e13892 DOI Crossref PubMed Google Scholar
  5. Xie G, Ding F, Han L, Yin D, Lu H, Zhang M. The role of peripheral blood eosinophil counts in COVID-19 patients. Allergy. 2021;76(2):471-82 DOI Crossref PubMed Google Scholar
  6. Wang F, Nie J, Wang H, Zhao Q, Xiong Y, Deng L, et al. Characteristics of Peripheral Lymphocyte Subset Alteration in COVID-19 Pneumonia. J Infect Dis. 2020;221(11):1762-9 DOI Crossref PubMed Google Scholar
  7. Gomez-Rial J, Curras-Tuala MJ, Rivero-Calle I, Gomez-Carballa A, Cebey-Lopez M, Rodriguez-Tenreiro C, et al. Increased Serum Levels of sCD14 and sCD163 Indicate a Preponderant Role for Monocytes in COVID-19 Immuno pathology. Front Immunol. 2020;11:560381 DOI Crossref PubMed Google Scholar
  8. Zhang D, Guo R, Lei L, Liu H, Wang Y, Wang Y, et al. COVID-19 infection induces readily detectable morphological and inflammation-related phenotypic changes in peripheral blood monocytes, the severity of which correlate with patient outcome.2020:2020.03.24 DOI Crossref PubMed Google Scholar
  9. Kos I, Balensiefer B, Lesan V, Kaddu-Mulindwa D, Thurner L, Christofyllakis K, et al. Increased B-cell activity with consumption of activated monocytes in severe COVID-19 patients. Eur J Immunol. 2021;51(6):1449-60 DOI Crossref PubMed Google Scholar
  10. Zhang JJ, Dong X, Cao YY, Yuan YD, Yang YB, Yan YQ, et al. Clinical characteristics of 140 patients infected with SARS-CoV -2 in Wuhan, China. Allergy. 2020;75(7):1730- DOI Crossref PubMed Google Scholar
  11. Henry BM, Benoit JL, Benoit S, Pulvino C, Berger BA, Olivera MHS, et al. Red Blood Cell Distribution Width (RDW) Predicts COVID -19 Severity: A Prospective, Observational Study from the Cincinnati SARS-CoV-2 Emergency Department Cohort. Diagnostics (Basel). 2020;10(9) DOI Crossref PubMed Google Scholar
  12. Seyit M, Avci E, Nar R, Senol H, Yilmaz A, Ozen M, et al. Neutrophil to lymphocyte ratio, lymphocyte to monocyte ratio and platelet to lymphocyte ratio to predict the severity of COVID-19. Am J Emerg Med. 2021;40:110-4 DOI Crossref PubMed Google Scholar
  13. Yang AP, Liu JP, Tao WQ, Li HM. The diagnostic and predictive role of NLR, d-NLR and PLR in COVID-19 patients. Int Immunopharmacol. 2020;84:106504 DOI Crossref PubMed Google Scholar
  14. Liu F, Li L, Xu M, Wu J, Luo D, Zhu Y, et al. Prognostic value of interleukin-6, C -reactive protein, and procalcitonin in patients with COVID-19. J Clin Virol. 2020;127:104370 57 77 Diagnostic Parameters in Pre-COVID-19 Koc et al. DOI Crossref PubMed Google Scholar
  15. Tang N, Li D, Wang X, Sun Z. Abnormal coagulation parameters are associated with poor prognosis in patients with novel coronavirus pneumonia. J Thromb Haemost. 2020; 18(4):844-7 DOI Crossref PubMed Google Scholar

阅读全文

在此打开 PDF

正在加载 PDF…

若 PDF 未在此显示，请使用上方的下载按钮。

如何引用本文

Koc I, Dogan S. Ferritin Lymphocyte Ratio and D-dimer C-Reactive Protein Ratio as Diagnostic Parameters in Pre-COVID-19 Healthy Individuals. Ulutas Med J. 2022;8(1):51-57. doi:10.5455/umj.20211204105007

Koc, I., & Dogan, S. (2022). Ferritin Lymphocyte Ratio and D-dimer C-Reactive Protein Ratio as Diagnostic Parameters in Pre-COVID-19 Healthy Individuals. The Ulutas Medical Journal, 8(1), 51–57. https://doi.org/10.5455/umj.20211204105007

Koc, I. and Dogan, S. (2022) 'Ferritin Lymphocyte Ratio and D-dimer C-Reactive Protein Ratio as Diagnostic Parameters in Pre-COVID-19 Healthy Individuals', The Ulutas Medical Journal, 8(1), pp. 51–57. doi: 10.5455/umj.20211204105007.

RIS (EndNote, Zotero) BibTeX JATS XML
在您的网站中嵌入本文

将此代码粘贴到您的页面。卡片显示标题、作者和 DOI，并链接回本文。

报告不一致
投稿 联系我们