患者筛选与分组
纳入疑似TTP患者并根据ADAMTS13活性确诊TTP与非TTP。
回顾性收集2016年6月至2024年4月在我院检测ADAMTS13活性的疑似TTP患者，纳入标准为血小板<100×10^9/L伴贫血及溶血指标异常，排除<18岁患者；依据ADAMTS13活性<10%分为TTP组和非TTP组。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
一种涉及乳酸脱氢酶与血清肌酐比值的预测算法可能有助于识别血栓性血小板减少性紫癜患者
A predictive algorithm involving lactate dehydrogenase to serum creatinine ratio may assist in identifying patients with thrombotic thrombocytopenic purpura
实验完整度
低本研究为回顾性病例分析，未包含体外或动物实验验证，缺乏功能或机制验证，主要依赖临床数据和统计建模。
主要模型
61例疑似TTP患者队列（27例TTP，34例非TTP）
重点核对
ADAMTS13活性检测：由康圣环球医学技术（武汉）检测，用于确诊TTP PLASMIC评分模型：最佳截断值为5，AUC 0.850 LDH/sCr比值：最佳截断值为8.94，敏感性81.5%，特异性85.3% LCRP算法：基于LDH/sCr比值、网织红细胞百分比、血小板计数，最佳截断值6.7，AUC 0.955 纳入标准：血小板<100×10^9/L伴贫血且具备裂红细胞、游离血红蛋白升高、LDH升高、IBIL升高等溶血特征
摘要
血栓性血小板减少性紫癜（TTP）是一种罕见但致命的疾病，需要紧急诊断。PLASMIC评分模型已被报道为识别TTP的有价值模型。本研究旨在探讨该模型的诊断准确性以及乳酸脱氢酶（LDH）与血清肌酐（sCr）比值在识别中国患者TTP中的诊断价值。回顾性分析了2016年6月至2024年4月期间在我院检测ADAMTS13活性的61例疑似TTP患者的记录。采用受试者工作特征（ROC）分析评估LDH、sCr及LDH/sCr比值预测TTP的诊断准确性。采用多因素logistic回归分析筛选TTP的独立危险因素，并建立联合预测算法。PLASMIC评分模型区分TTP与非TTP的AUC为0.850（最佳截断值：5），敏感性92.8%，特异性76.5%，阳性预测值（PPV）75.8%，阴性预测值（NPV）92.9%。由LDH/sCr比值得出的AUC高于由LDH或sCr得出的AUC（P < 0.05）。开发了一种联合预测算法，称为LCRP算法（包括LDH/sCr比值、网织红细胞百分比和血小板计数），用于TTP的预测。LCRP算法得出的AUC（0.955），敏感性96.3%，特异性88.2%，PPV 86.7%，NPV 96.8%，高于PLASMIC评分模型（P < 0.05）。LDH/sCr比值在预测TTP方面比单独的LDH或sCr测量更有效。涉及LDH/sCr比值的LCRP算法显示出优越的预测性能，可能在中国患者TTP的早期识别中具有重要潜力。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 探讨PLASMIC评分模型在中国疑似TTP患者中的诊断准确性，并评估LDH/sCr比值及其联合算法的诊断价值。
- 核心机制
- TTP由ADAMTS13严重缺乏（活性<10%）引起，导致微血管病性溶血性贫血和血小板减少；LDH升高反映溶血和器官缺血，sCr低则与TTP相关，LDH/sCr比值综合两者增强预测能力。
- 主要证据
- 回顾性分析61例患者，其中27例TTP，使用ROC曲线和多因素logistic回归，发现LCRP算法（LDH/sCr比值、网织红细胞百分比、血小板计数）的AUC 0.955，显著高于PLASMIC评分模型（AUC 0.850）。
- 研究意义
- LCRP算法可帮助识别中国TTP患者，可能提高早期诊断效率，但需更大样本和外部验证。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
临床数据收集与实验室指标比较
比较TTP与非TTP患者的基线临床和实验室特征，筛选差异变量。
从医院信息系统获取患者病史和实验室指标，包括血小板计数、血红蛋白、MCV、RDW、网织红细胞百分比、LDH、sCr、IBIL、INR、ADAMTS13活性，并比较TTP组与非TTP组的差异。
评估LDH、sCr及LDH/sCr比值的诊断效能
评估各指标单独预测TTP的能力，并比较LDH/sCr比值是否优于单独LDH或sCr。
使用ROC曲线分析计算各指标AUC，比较AUC差异，确定最佳截断值。
多因素logistic回归与LCRP算法构建
筛选独立危险因素并建立联合预测模型，提高预测性能。
将LDH/sCr比值、血小板计数、网织红细胞百分比和IBIL纳入多因素logistic回归，筛选独立危险因素并构建LCRP算法。
比较LCRP算法与PLASMIC评分模型
验证新算法是否优于现有PLASMIC评分模型。
计算LCRP算法和PLASMIC评分模型的AUC、敏感性、特异性、PPV、NPV，并比较AUC差异。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| ADAMTS13活性检测 | ADAMTS13活性检测 | Kindstar Global Medicine Technology (Wuhan, China) | -- |
| 统计分析 | SPSS | -- | version |
| MedCalc | -- | version | |
| GraphPad Prism | -- | version |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 患者纳入与分组 | 纳入标准：血小板<100×10^9/L、贫血伴裂红细胞、游离血红蛋白升高、LDH升高、IBIL升高；排除<18岁；ADAMTS13活性检测由康圣环球医学技术（武汉）进行 阅读提示：Materials and methods: Patients and samples |
| ADAMTS13活性检测 | ADAMTS13活性<10%定义为严重缺乏；检测机构：康圣环球医学技术（武汉） 阅读提示：Materials and methods: Patients and samples |
| LDH/sCr比值预测 | LDH/sCr比值最佳截断值为8.94 阅读提示：Results: ROC curves of LDH, sCr, and LDH/sCr ratio |
| LCRP算法 | 算法公式：LCRP = LDH/sCr + 0.606*网织红细胞百分比 - 0.23*血小板计数；最佳截断值6.7 阅读提示：Results: Multivariate logistic regression analysis and the predictive model for TTP |
| PLASMIC评分模型 | PLASMIC评分最佳截断值为5 阅读提示：Results: ROC curves of individual predictor variables, the LCRP algorithm, and the PLASMIC scoring model |