ORİJİNAL ARAŞTIRMA makalesi
Front. Med., 12 Kasım 2026
Sec. Obstetrics and Gynecology
Hacim 13 – 2026 | https://doi.org/10.3389/fmed.2026.1994064
- LZ
Lin Zhang 1*
- CY
Cuihua Yu 2
- YQ
Yabin Qin 1
- SZ
Suping Zheng 1
- KG
Kuanpeng Guo 1
-
1. Klinik Laboratuvar Bölümü, Hunan Çocuk Hastanesi (Xiangya Tıp Fakültesi’ne bağlı, Orta Çin Üniversitesi), Çanşha, Çin
-
2. GCP Sertifikalı Siteler Bölümü, Çanşha Diş Hastanesi, Çanşha, Çin
Makale metrikleri
Özet
Amaç:
Erişilebilir inflamatuvar ve beslenme markerlarına dayalı, pediatrik yoğun bakım ünitesi (İBYÜ) sepsisi için erken tahmin modeli oluşturmak ve doğrulamak; İBYÜ hekimlerine kritik hastalıklı çocuklarda sepsisi hızlıca ekrana alabilmeleri için nesnel nicel bir araç sunmak.
Yöntemler:
2024 Ocak ile 2025 Aralık arasında belirli bir çocuk hastanesinin İBYÜ’süne yatırılan 456 kritik hastalıklı çocuk (55 yenidoğan dahil) retrospektif olarak dahil edildi ve 7:3 oranında eğitim kümesi ile doğrulama kümesi olarak rastgele ayrıldı. Çocuğun sepsis tanısı alıp almadığı birincil sonuç olarak alındı; yaş, cinsiyet oranı, laktat, WBC, PCT, Plt, N%, L%, RDW, CRP, Tbil, Cre, ALB, ALT ve IL-6 ve benzeri inflamatuvar ve ilgili biyokimyasal markerlar tek değişkenli ve çok değişkenli lojistik regresyon analizi için dahil edilerek sepsis için bağımsız tahmin edici faktörler ekrana alındı. R yazılımındaki “rms” paketi görsel nomogram modeli oluşturmak için kullanıldı. Modelin ayırt ediciliği, kalibrasyonu ve klinik net faydası sırasıyla ROC eğrisi, kalibrasyon eğrisi ve karar eğrisi analizi ile doğrulandı.
Sonuçlar:
1 Giriş
Sepsis, çocuk yoğun bakım ünitesinde (ÇYBÜ) sık görülen ciddi bir hastalıktır ve çoklu organ disfonksiyon sendromuna (MODS) yol açabilir. Sepsis ve septik şok, çocuklarda ölüm ve sakatlığın en üst sıradaki nedenleridir. Çalışmalar, 5 yaş altı çocuklarda sepsis insidansının 2017’de küresel olarak %41,5’e kadar ulaştığını ve çocukların bütünü olarak küresel sepsis ölümlerinin %30’unu oluşturduğunu göstermektedir. Patogenez karmaşıktır; yüksek ölüm oranı, atipik belirtiler ve ciddi tanı zorlukları ile karakterizedir. Yıllar boyunca yapılan çabalara rağmen tanı ve tedavi konusundaki ilerlemeler sınırlı kalmıştır. Ancak erken tanı ve zamanında klinik bakım müdahaleleri, çocuk sepsisinin mortalitesini önemli ölçüde azaltabilir.
Sepsis, tek başına ve bağımsız bir hastalık değil; belirsiz klinik bulgulara sahip ve bireyler arası heterojenite gösteren klinik bir sendromdur. Bu nedenle pediatrik sepsisin erken tanısında zorluklar kaçınılmazdır. Temel olarak sepsis, organ hasarına yol açan pro-inflamatuar ve anti-inflamatuar yanıtların dengesizliğinden kaynaklanır. Patogenezine bakıldığında oldukça karmaşıktır ve patofizyolojik süreci arasında bağ doku bozukluğu, koagülasyon disfonksiyonu, metabolik bozukluk ve dolaşım yetmezliği gibi unsurlar yer alır. Son birkaç on yılda, inflamatuvar yolların düzenleyici rolü ve sepsisin ortaya çıkışında ve gelişiminde immünsüpresyonun katkısı fark edilmiştir. Bu karmaşık bağışıklık yanıtı zamanla dinamik olarak değişmekte olup hem pro-inflamatuar hem de anti-inflamatuar mekanizmaları içermektedir. Enfeksiyona karşı başlangıçta aşırı bir ev sahibi inflamatuvar yanıtı kapsar ve bu da dokuda hasar, endotel disfonksiyonu ve organ yetmezliğine yol açar. Sepsis hastalarının çoğu hızlı biçimde immünsüpresyonun ciddi belirtilerini geliştirir; bu durum da olumsuz klinik sonuçlarla güçlü biçimde ilişkilidir. Dolayısıyla inflamatuvar işaretleyicilerdeki değişimler, sepsisin ortaya çıkışı ve ilerlemesiyle yakın biçimde ilişkili olma eğilimindedir.
Yetişkin sepsisi için geliştirilen sayısal bir dizi tanısal tahmin modeli olsa de, özellikle pediatrik sepsise yönelik inflamatuvar faktörleri içeren tahmin modelleri nadiren raporlanmaktadır. Çalışmamız üç temel amacı taşımaktadır: (1) Ocak 2024 ile Aralık 2025 arasında belirli bir çocuk hastanesinin yoğun bakım ünitesinde kayıtlı sepsis vakalarından oluşan geriye dönük bir kohorttan klinik verileri toplamak; (2) sepsis ile bağımsız biçimde ilişkili inflamatuvar işaretleyicileri belirlemek; ve (3) kolayca tespit edilebilir ve nesnel biçimde hastalığı yansıtan bu inflamatuvar işaretleyicilere dayalı sepsis tanısı için bir tahmin modeli kurmak, böylece klinikyenlere büyük çocuk hastanesinde yüksek riskli pediatrik sepsis vakalarını erken biçimde tespit etmeleri için nesnel, nicel bir tahmin modeli sunmak.
2 Yöntem
2.1 Çalışma popülasyonu
Çalışma popülasyonu, 2024 Ocak ile 2025 Aralık arasında belirli bir çocuk hastanesinin yoğun bakım ünitesine (YBÜ) kabul edilen ve sepsis veya sepsis dışı diğer kritik hastalıklarla tanısı konulan çocuklardan oluşmaktadır. Pediatrik sepsisin tanı kriterleri, ilgili literatüre (
) dayanmaktadır. Belirtilen dahil kriterler şunlardır:
-
Yaş aralığı 0 günden 18 yıla kadar
-
Toplam hastane yatış süresinin 48 saatten uzun olması, böylece klinik gözlem, inflamatuvar marker testleri ve tanı-kullanım kayıtlarının tam olarak sağlanması ve standart değerlendirme olmadan kısa süreli yatışın yaratabileceği veri yanlılığının önlenmesi;
-
Sadece her hastanın ilk hastane yatış dönemi dahil edilmektedir. Araştırma döneminde aynı hastanın birden fazla yatış kaydı olması durumunda, yalnızca ilk yatışın tam tanı ve tedavi verileri analiz için çıkarılacak, böylece tekrarlayan kayıtların çalışma sonuçlarına etkisi ortadan kaldırılacaktır.
Aşağıdaki hariç tutma kriterleri, çalışma sonuçlarının güvenilirliğini etkileyebilecek karıştırıcı faktörlerin ortadan kaldırılması amacıyla belirlenmiştir:
-
Kalıtsal genetik metabolik bozukluklar, kalıtsal organ malformasyonları veya primer/sekonder ciddi bağışıklık yetersizliği olan çocuklar;
-
Dahil olunan tarihten 3 ay içinde düzenli olarak bağışıklık baskılayıcı ilaç kullanan veya uzun süreli glukokortikoid tedavisi alan (kesintisiz 2 haftadan uzun süre verilen) çocuklar;
-
Klinik olarak doğrulanmış katı malign tümörleri olan veya lösemi ve lenfoma gibi hematolojik maligniteye sahip çocuklar;
-
Bu yatıştan 1 hafta içinde hastane dışı veya hastane içi kardiyopulmoner reanimasyon (KPR) uygulanan çocuklar;
-
Çalışmada yer alan temel inflamatuvar markerların ve klinik test veri setlerinin eksik değer oranının %20’den fazla olduğu, bu nedenle tam istatistiksel analizi destekleyemeyecek vakalar.
2.2 Veri toplama
1) Demografik bilgiler: isim, yaş, cinsiyet, yatış zamanı; 2) Yoğun bakım birimine (YBÜ) girişten sonra yapılan ilk laboratuvar test sonuçları: tam kan sayımı, kan biyokimyası, arteriyel kan gazı, CRP, IL-6, PCT ve diğer iltihabi işaretleyiciler; 3) Yatan hastanın altta yatan hastalıkları ve eşlik eden hastalıklar. Modelde yer alan bağımsız değişken sayısı ile sonuç olaylarının sayısı arasında en az 10-20 kat oran bulunmalıdır. Bu çalışmada bağımlı değişken olarak hastanın sepsis tanısı alıp almadığı alınmış olup, olası bağımsız değişken sayısı yaklaşık 18 veya daha azdır. Dolayısıyla gereken minimum örneklem sayısı 180’dir.
Eksik veriler ortalanma yöntemiyle tamamlandı. Parturient-neonatal alt grubundaki vakaların sayısı yeterli olmayabileceği göz önüne alındığında, yalnızca betimsel özetler yapılmıştır.
Bu geriye dönük çalışma hastane klinik araştırma etiği komitesi tarafından onaylanmıştır (Onay Numarası: HCHLL-2026-289). Çalışmanın geriye dönük niteliği ve de-identifikasyonlu hasta verilerinin kullanılması nedeniyle klinik araştırma etiği komitesi tarafından bilgilendirilmiş onam gereksinimi kaldırılmıştır. Çalışmanın yürütülmesinde Helsinki Beyannamesinin etik ilkeleri uygulanmıştır.
2.3 Nomogramın oluşturulması ve doğrulaması
Katılan hastalar rastgele olarak eğitim ve doğrulama kümelerine 7:3 oranında ayrıldı. Birincil sonuç, çocuğun klinik olarak sepsis tanısı alıp almadığı olarak tanımlandı. Tüm sonuç değerlendirmeleri tanı yanlılığını önlemek amacıyla iki deneyimli çocuk yoğun bakım hekimi tarafından bağımsız olarak incelendi.
Çoklu lojistik regresyon analizinin sonuçlarına dayanarak, nomogramın oluşturulması için R yazılımındaki “rms” paketi kullanıldı. Nomogramın tahmin performansı, alıcı çalışma karakteristik eğrisinin (ROC) altındaki alan (AUC), duyarlılık ve özgüllük kullanılarak değerlendirildi. Bu çalışmada, modelin kalibrasyon performansını değerlendirmek amacıyla nomogramın kalibrasyon eğrisi 1000 bootstrap yeniden örnekleme yoluyla oluşturulacaktır.
2.4 İstatistiksel analiz
Veri dağılımının normal olup olmadığının değerlendirilmesinde Kolmogorov–Smirnov testi kullanılmıştır. Normal dağılıma uymayan sürekli değişkenler medyan (dörtlük aralığı, IQR) olarak ifade edilmiş ve iki grup arasındaki farklar Mann–Whitney U testi ile karşılaştırılmıştır. Kategorik değişkenler frekans (yüzde) olarak verilmiş ve gruplar arası farklar Ki-kare testi ile incelenmiştir. Tahmin edici değişkenlerin seçimi, hastanenin “sepsis şüphesi” taşıyan çocuklar için rutin olarak test ettiği beslenme ve inflamasyon laboratuvar göstergelerinden elde edilmiştir. Değişkenlerin seçimi adım adım regresyon yöntemi (ileriye doğru giriş) kullanılarak yapılmış ve p > 0,1 değerleri dikkate alınmıştır. İstatistiksel analiz SPSS Statistics 31 ve R yazılımı (Sürüm 4.5.1) ile gerçekleştirilmiştir. 0,05’ten küçük bir P değeri istatistiksel olarak anlamlı bir farkı göstermiştir.
3 Bulgular
3.1 Eğitim kümesi ile doğrulama kümesi arasındaki temel özelliklerin karşılaştırılması
Son analizde toplam 456 uygun hasta dahil edilmiş olup, bunların 319’u rastgele eğitim kümesine, 137’si ise doğrulama kümesine atanmıştır. 55 yenidoğan arasında 20 vaka sepsis geliştirmiş ve bu durum prenatal koryoamniyonit (n = 9), ürogenital yol enfeksiyonu (n = 6) ve doğum yapan kadınlarda Grup B Streptokok (GBS) kolonizasyonu (n = 5) ile ilişkilendirilmiştir. Kritik hastalıklı çocukların tarama süreci Şekil 1’de gösterilmiştir. Eksik veriler esas olarak üç göstergedenden kaynaklanmaktadır: Laktat (%4,4), PCT (%2,9) ve IL-6 (%3,3) olup, medyan yöntemiyle tamamlanmıştır. İki küme arasındaki tüm temel değişkenlerde istatistiksel olarak anlamlı bir fark gözlenmemiştir (P > 0,05), bu da rastgele gruplamada iyi bir dengeyi göstermektedir. Detaylı sonuçlar Tablo 1’de verilmiştir.
Şekil 1
Tablo 1
| Değişkenler | Toplam (n = 456) | Test (n = 137) | Eğitim (n = 319) | İstatistik | P |
|---|
| Yaş (ay), M (Q1, Q3) | 13,00 (5,00, 44,25) | 12,00 (4,00, 42,00) | 13,00 (5,00, 45,00) | Z = −0,55 | 0,585 |
| Laktat, mmol/L | 1,30 (0,90, 2,10) | 1,30 (0,80, 2,10) | 1,30 (0,90, 2,10) | Z = −0,01 | 0,994 |
| Wbc, *10⁹/L | 11,30 (7,50, 15,93) | 11,40 (7,00, 15,70) | 11,20 (7,70, 16,20) | Z = −0,73 | 0,467 |
| Plt, *10⁹/L | 364,50 (253,75, 494,50) | 365,00 (230,00, 504,00) | 364,00 (261,50, 488,50) | Z = −0,21 | 0,835 |
| N%, | 0,60 (0,42, 0,77) | 0,59 (0,41, 0,76) | 0,60 (0,42, 0,78) | Z = −0,57 | 0,569 |
| L% | 0,31 (0,17, 0,47) | 0,30 (0,17, 0,48) | 0,31 (0,16, 0,47) | Z = −0,47 | 0,640 |
| Rdw, % | 14,00 (13,10, 15,10) | 13,80 (13,10, 14,90) | 14,00 (13,20, 15,10) | Z = −1,31 | 0,189 |
| Crp, mg/L | 4,70 (0,70, 28,30) | 3,60 (0,60, 28,70) | 5,50 (0,90, 27,40) | Z = −0,85 | 0,393 |
| Tbil, μmol/L | 8,90 (6,30, 12,43) | 8,40 (6,00, 12,60) | 9,00 (6,40, 12,15) | Z = −0,34 | 0,732 |
| Alb, g/L | 41,30 (37,60, 44,02) | 41,50 (37,40, 44,50) | 41,20 (37,65, 43,70) | Z = −0,84 | 0,399 |
| Alt, U/L | 25,25 (16,80, 41,05) | 23,30 (16,20, 40,90) | 25,50 (17,10, 41,10) | Z = −0,66 | 0,509 |
| Cre, μmol/L | 30,10 (25,00, 35,62) | 30,20 (25,00, 36,80) | 30,10 (25,00, 35,00) | Z = −0,49 | 0,626 |
Antrenman kümesindeki ve doğrulama kümesindeki temel özelliklerin karşılaştırması.
Z: Mann-Whitney testi, χ2: Ki-kare testi. M: Medyan, Q1: 1. Çeyrek, Q3: 3. Çeyrek.
Lact: Laktik asit; Wbc: Beyaz kan hücresi; Plt: Tromosit; N%: Nötrofil%; L%: Lenfosit%; Rdw: Kırmızı kan hücresi dağılım genişliği; Crp: C-reaktif protein; Tbil: Toplam bilirubin; Alb: Albumin; Alt: Alanin aminotransferaz; Cre: Kreatinin; Pct: Prokalsitonin; Il6: İnterlökin-6.
3.2 Antrenman kümesinde sepsisli çocuklar ile sepsisli olmayan kritik hastalıkta çocuklar arasındaki tüm göstergelerin tek değişkenli analizi
Eğitim kümesinde toplam 319 çocuk yer aldı; bunların 248’i sepsis olmayan ağır hastalık durumundaki çocuklar, 71’i ise sepsisli çocuklardan oluşuyordu. Gruplar arası temel karşılaştırma sonuçlarına göre, ay cinsinden yaş, PLR ve cinsiyet oranı olmak üzere üç göstergenin dışında, analizde yer alan tüm diğer değişkenler arasındaki farklar istatistiksel açıdan anlamlı bulundu (P < 0,05). Detaylı sonuçlar Tablo 2’de verilmiştir.
Tablo 2
| Değişkenler | Toplam (n = 319) | Sepsis olmayan (n = 248) | Sepsisli (n = 71) | İstatistik | P |
|---|
| Ay cinsinden yaş, M (Q1, Q3) | 13,00 (5,00, 45,00) | 15,00 (5,00, 45,00) | 10,00 (4,00, 47,50) | Z = −0,84 | 0,399 |
| Laktat, mmol/L | 1,30 (0,90, 2,10) | 1,20 (0,80, 1,90) | 1,60 (1,10, 3,20) | Z = −3,72 | <0,001 |
| WBC, *10⁹/L | 11,20 (7,70, 16,20) | 10,80 (7,75, 14,53) | 15,30 (7,70, 24,65) | Z = −2,78 | 0,005 |
| PLT, *10⁹/L | 364,00 (261,50, 488,50) | 374,00 (292,00, 485,25) | 296,00 (155,00, 548,00) | Z = −2,45 | 0,014 |
| N%, nötrofil oranı | 0,60 (0,42, 0,78) | 0,57 (0,40, 0,76) | 0,71 (0,50, 0,82) | Z = −3,00 | 0,003 |
| L%, lenfosit oranı | 0,31 (0,16, 0,47) | 0,33 (0,18, 0,50) | 0,21 (0,12, 0,42) | Z = −3,11 | 0,002 |
| Rdw, % | 14,00 (13,20, 15,10) | 13,85 (13,00, 14,90) | 15,10 (13,85, 16,65) | Z = −5,07 | <0,001 |
| CRP, mg/L | 5,50 (0,90, 27,40) | 3,55 (0,50, 15,72) | 36,90 (6,60, 104,80) | Z = −6,32 | <0,001 |
| Tbil, μmol/L | 9.00 (6.40, 12.15) | 8.50 (5.77, 11.50) | 11.50 (8.30, 16.80) | Z = −4.56 | <.001 |
| Alb, g/L | 41.20 (37.65, 43.70) | 42.15 (38.98, 44.20) | 38.40 (32.45, 40.40) | Z = −6.90 | <.001 |
| Alt, U/L | 25.50 (17.10, 41.10) | 23.05 (16.80, 36.18) | 38.20 (19.80, 107.65) | Z = −4.23 | <.001 |
| Cre, μmol/L | 30.10 (25.00, 35.00) | 29.95 (24.20, 34.58) | 32.30 (27.00, 39.10) | Z = −3.02 | 0.003 |
| Pct, ng/mL | 0.15 (0.07, 1.42) | 0.11 (0.06, 0.57) | 1.66 (0.31, 20.35) | Z = −7.06 | <.001 |
| Il6, pg/mL | 37.70 (7.25, 311.12) | 24.45 (5.77, 256.31) | 163.10 (29.50, 622.51) | Z = −4.69 | <.001 |
| PLR, M (Q1, Q3) | 1,193.28 (737.61, 2,242.39) | 1,152.38 (737.91, 2,144.05) | 1,263.16 (748.40, 2,422.75) | Z = −0.50 | 0.618 |
| Gender, n(%) | χ2 = 1.42 | 0.233 |
| 1 | 199 (62.38) | 159 (64.11) | 40 (56.34) |
| 2 | 120 (37.62) | 89 (35.89) | 31 (43.66) |
Sepsisi olan çocuklar ile eğitim kümesinde sepsis olmayan kritik hasta çocukları arasındaki karşılaştırma.
Z: Mann–Whitney testi, χ2: Ki-kare testi. M: Medyan, Q1: 1. Çeyrek, Q3: 3. Çeyrek.
Yapısal olarak kalın yazılan değerler: P<0.05
3.3 Sepsis ile ilişkili faktörlerin çoklu lojistik regresyon analizi
Üç istatistiksel açıdan anlamlı olmayan göstergeden, yani aylık yaş, PLR ve cinsiyet oranından hariç tutulduktan sonra, çoklu lojistik regresyon analizine toplam 14 istatistiksel farkı olan değişken dahil edildi. Sonuçlar, Laktat, WBC, L, RDW, CRP, ALB, ALT ve IL-6 olmak üzere 8 göstergenin pediatrik sepsisin oluşumuyla bağımsız olarak ilişkili olduğunu gösterdi. Detaylı regresyon analiz sonuçları Tablo 3’te verilmiştir.
Tablo 3
| Değişkenler | β | S.E | Z | P | OR (95%CI) |
|---|---|---|---|---|---|
| Kesme | −1.63 | 2.33 | −0.70 | 0.484 | 0.20 (0.00∼18.83) |
| Laktat, mmol/L | 0.34 | 0.11 | 3.21 | 0.001 | 1.41 (1.14∼1.73) |
| Wbc, *109/L | 0.02 | 0.01 | 2.07 | 0.039 | 1.02 (1.01∼1.04) |
| L% | −2.75 | 1.00 | −2.73 | 0.006 | 0.06 (0.01∼0.46) |
| Rdw, % | 0.23 | 0.08 | 2.86 | 0.004 | 1.26 (1.08∼1.47) |
| Crp, mg/L | 0.01 | 0.00 | 3.35 | <.001 | 1.01 (1.01∼1.02) |
| Alb, g/L | −0.11 | 0.04 | −2.53 | 0.012 | 0.90 (0.83∼0.98) |
| Alt, U/L | 0.01 | 0.00 | 2.99 | 0.003 | 1.01 (1.01∼1.01) |
| Il6, pg/mL | 0.01 | 0.00 | 2.04 | 0.041 | 1.01 (1.01∼1.01) |
Sepsisin çoklu lojistik regresyon analizi.
OR: Odds Ratio, CI: Confidence Interval.
Yapısal olarak kalın yazılan değerler: P<0.05
3.4 Pediatrik yoğun bakım hastalarında sepsis oluşumunu öngören skor tablosunun oluşturulması
Çoklu değişkenli lojistik regresyon analizine dayalı olarak, yoğun bakım ünitesinde (YBÜ) kritik hasta çocuklarında sepsis oluşma olasılığını tahmin eden model şu şekilde kısaltılmıştır: Log(P/1-P) = −1,63 + 0,34 Laktat + 0,03 WBC − 2,74 L + 0,23 RDW + 0,01 CRP − 0,11 Alb + 0,01 ALT + 0,01 IL-6. Çoklu değişkenli lojistik regresyon ile belirlenen bağımsız tahmin edici faktörlere dayanarak, R istatistiksel yazılımındaki “rms” paketi kullanılarak görsel bir nomogram oluşturuldu. Bu nomogram, YBÜ’deki kritik hasta çocuklarının sepsis riskine her bir tahmin edici faktörün katkı ağırlığını sezgisel biçimde sunmaktadır. Oluşturulan nihai nomogram Şekil 2’de gösterilmektedir. Her bir tahmin edici faktörün gerçek değerini bulun, bu değeri ilgili değişkenin ölçek çizgisinin üst kısmındaki “Puan (Bireysel skor)” eksenine dikey olarak yukarı doğru hizalayın ve o değere karşılık gelen bireysel skoru okuyun. Tüm bireysel skorları toplayarak toplam skoru elde edin. “Toplam Puan” ekseninin alt kısmında birikmiş toplam skoru bulun ve bu toplam skoru üzerinden nihai tahmini olasılığı okuyun.
Şekil 2
3.5 Tahmin performansının değerlendirilmesi
3.5.1 Ayrıştırma
Eğitim kümesi için ROC eğrisinin altındaki alan (AUC) 0,87 iken, doğrulama kümesi için 0,81 olarak bulundu. Bu durum, nomogramın her iki veri kümesinde de iyi ayrıştırma gösterdiğini ve kararlı, güvenilir bir tahmin performansı sağladığını göstermektedir. Detaylı ROC eğrisi sonuçları Şekil 3’te verilmiştir.
Şekil 3
3.5.2 Kalibrasyon
Eğitim kümesinde Hosmer-Lemeshow uyum testi sonuçları: χ² = 4,733, p = 0,786; doğrulama kümesinde: χ² = 10,809, p = 0,213. Her iki kümede de istatistiksel olarak anlamlı bir fark olmadığı (P > 0,05) görülmüştür. Bu durum, modelin tahmin ettiği sepsis olasılığının klinik olarak gözlemlenen gerçek sepsis oluşma olasılığıyla iyi bir uyum içinde olduğunu ve modelin mükemmel bir kalibrasyon performansı gösterdiğini göstermektedir. Eğitim kümesi ve doğrulama kümesinin kalibrasyon eğrileri sırasıyla Şekiller 4 ve 5’te gösterilmektedir.
Şekil 4
Şekil 5
3.5.3 Nomogram’ın Karar Eğrisi Analizi
Yetiştirme kümesinde yapılan karar eğrisi analizi (DCA), sepsis risk eşik değerinin 0,07 ile 0,90 arasında değiştiğinde, bu nomogram modelinin “tüm çocuklara müdahale” stratejisinden daha yüksek klinik net fayda sağladığını gösterdi. Bu durum, modelin çoğu klinik karar verme senaryosunda pratik bir değere sahip olduğunu ortaya koydu. Detaylı karar eğrisi sonuçları Şekil 6’da verilmiştir.
Şekil 6
Doğrulama kümesinde gerçekleştirilen karar eğrisi analizi, sepsis risk eşik değerinin 0,07 ile 0,82 arasında değiştiğinde bile modelin kararlı klinik net fayda sağlayabildiğini gösterdi. Bu durum, modelin klinik pratik değerinin yalnızca modelleme popülasyonuna sınırlı olmadığını ve iyi bir dış genelleme yeteneğine sahip olduğunu ortaya koydu. Doğrulama kümesinin karar eğrisi Şekil 7’de verilmiştir.
Şekil 7
4 Tartışma
2024 ile 2025 yılları arasında bir çocuk hastanesinin yoğun bakım ünitesine (YBÜ) yatırılan kritik hastalıkta olan çocukların geriye dönük klinik verilerine dayanarak, bu çalışma çoklu lojistik regresyon analizi yoluyla sepsis için 8 bağımsız öngörücü içeren bir tanısal tahmin modeli geliştirdi. Model, hem yetiştirme kümesinde (AUC = 0,87, %95 GA: 0,82–0,91) hem de doğrulama kümesinde (AUC = 0,81, %95 GA: 0,71–0,91) mükemmel ayırt edici bir performans sergiledi. İki kümede de Hosmer-Lemeshow uyum testi için P değerleri sırasıyla 0,786 ve 0,213 olarak bulundu ve bu da modelin iyi bir kalibrasyonunu gösterdi. Karar eğrisi analizi sonuçları, modelin 0,07–0,90 risk eşik değerleri aralığı içinde kararlı klinik net fayda sağlayabildiğini ortaya koydu. Ayrıca dikkat edilmesi gereken bir nokta da şudur: 55 kritik hastalıkta olan yenidoğan arasında 20 tanesi sepsis geliştirdi ve bu durum, gebe kadınlarda prenatal koryoamniyonit (n = 9), ürogenital yol enfeksiyonları (n = 6) ve Grup B streptokok (GBS) kolonizasyonu (n = 5) ile ilişkilidir.
Sepsisin özeti, patojenik mikrobiyal bir enfeksiyona karşı vücudun kontrolsüz tepkisidir ve bu durum vücudun kendi organlarına doğrudan saldırarak bir dizi organ disfonksiyonuna yol açar. Sepsis, dünyada çocuklar arasında ölümlerin başlıca nedenlerinden biridir; sepsisin patofizyolojik süreci son derece karmaşıktır ve bağışıklık sisteminin aşırı aktivasyonunu (sitokin fırtınası), ardından gelen bağışıklık baskılanmasını, pıhtılaşma bozukluğunu ve çoklu organ hasarını içeren birden fazla bağlantıyı kapsamaktadır. 2024 yılına kadar, pediatrik sepsisin tanısı, aşırı düşük özgüllik特liğe sahip olan ve Sistemik İnflamatuar Yanıt Sendromu (SIRS) kriterlerini karşılayan skorlara dayanıyordu. Bu durum, enfeksiyonsuz durumların sepsis olarak yanlış teşhis edilmesine ve aşırı tanıya kolayca yol açıyordu. 2024 Phoenix Sepsis Skorunun (PSS) şu anda dünyada pediatrik sepsisin en yetkili tanı kriteri olmasına rağmen, klinik erken uygulamada belirli sınırlamaları hâlâ barındırmaktadır; ekrana alma performansı sınırlıdır ve bu da erken aşamalı ve hafif sepsisi olan çocukların tanısının kaçırılmasına kolayca yol açar. Organ sistemlerinin kapsamı eksiktir ve ana organ fonksiyonları (örneğin böbrek fonksiyonu, karaciğer fonksiyonu ve belirli nörolojik fonksiyonlar) atlanır. Sınırlı klinik uygulanabilirlik: zorlu uygulama ve veri edinme, yoğun bakım dışı ortamlarda zayıf tahmin değeri ve doğum öncesi bebeklerin açıkça dışlanması. Pediatrik Kritik Hastalık Skorunun (PCIS) Çin pediatri alanında en yaygın kullanılan hastalık şiddet değerlendirme araçlarından biri olduğu, sepsisi olan çocukların değerlendirilmesinde sık sık uygulandığı ancak belirli, kritik hastalık durumundaki çocukların yanlış teşhisine eğilimli olduğu belirtilmektedir. Bazı göstergelerin elde edilmesi zordur: birincil hastanelerde arteriyel kan gazı analizi (PaO2) gibi kalemlerin uygulanması kısıtlanabilir ve tam PCIS skorunu tamamlamayı zorlaştırır; bu araç daha çok grup değerlendirmesi için kullanılırken bireysel klinik karar vermeye daha az yöneliktir. Farklı yaş gruplarındaki hastalar, biomarker izleme için farklı tahmin modelleri ve farklı önceliklere ihtiyaç duyabilir.
Bu çalışmada geliştirilen pediatrik sepsisin erken tahmin modeli için arka plan ve araştırma gerekçesi. Şu anda pediatrik sepsis için erken tanı tahmin modelleri üzerine az sayıda rapor bulunmaktadır; ancak inflamatuvar ve beslenme markerlarını birleştiren ve PICU’daki çocuklarda sepsis oluşumunu tahmin eden bir tahmin modeli henüz bildirilmemiştir.
Bu çalışmanın sonuçları, Stocker, M () ve diğerlerinin, Hong, C () ve diğerlerinin ve Shi, X () ve diğerlerinin bildirdiği bulgularla uyumlu. Çalışmamızda CRP, WBC, IL-6, laktat ve RDW’nin sepsise bağımsız öngörücü faktörler olduğu bulundu. Sepsis karmaşık iltihaplanma yanıtlarını içerir ve iltihaplanma sepsisin oluşumunda, ilerlemesinde ve sonuçlarında belirleyici bir rol oynar. CRP, iltihaplanma, travma ve stres gibi çeşitli patolojik durumlarda yükselme gösterebilen spesifik olmayan akut faz reaksiyonu proteini olarak, sepsisi öngörmek için genellikle diğer işaretçilerle birlikte kullanılır (, ). IL-6, sepsiste “sitosin fırtınasının” temel bileşenidir. Güçlü bir sistemik iltihaplanma yanıtlarını tetiklemek için bağışıklık hücreleri tarafından salgılanır ve septik şoka ve çoklu organ yetmezliğine yol açan temel bir sürücü faktör olarak görev yapar (). Rutin bir kan testi olarak klinik rutin tarama öğesi olarak kolayca elde edilebilir. İçindeki WBC ve RDW, iltihaplanma durumunu yansıtan en uygun işaretçilerdir. Özellikle RDW, sepsis dahil çeşitli kritik hastalık öngörü modellerinde, ek özel testlere ihtiyaç duymadan hızlıca elde edilebilir ve son derece yüksek klinik öngörü değeri taşıdığı birçok çalışma tarafından doğrulanmış kararlı bir bağımsız öngörücü faktör olarak kabul edilmiştir (, ). İltihaplanma yanıtları kemik iliği fonksiyonunu, demir metabolizmasını ve eritrosit dengesini etkileyerek baskılanmış eritropoezi (yükselmiş RDW) yoluna açar ve ayrıca sistemik iltihaplanma yanıtları sendromuna olumsuz bir etki gösterebilir (). Sepsis koşullarında doku hipoksisinin yanı sıra stres yanıtları, bağışıklık düzenlemesi ve organ yetmezliği gibi çoklu karmaşık faktörler birlikte hareket ederek hiperlaktatemi oluşumuna yol açar (). Karaciğer hasarı, sepsisin yaygın bir komplikasyonudur ve ALT’nin yükselmesine ve ALB’nin düşmesine neden olur. Çocukluk çağı sepsisi sürecinde son derece yaygın hedef organ komplikasyonları olarak, patolojik bulgular serum alaniin aminotransferazı (ALT) anormal şekilde yükselmesiyle doğrudan ortaya çıkabilir ve karaciğer sentezleyici kapasitesinin bozulması nedeniyle serum albümininin (ALB) kademeli bir şekilde azalmasıyla eşlik eder. İkisi de sepsise bağlı karaciğer hasırının şiddetini yansıtan temel biyokimyasal işaretçilerdir.
Sonuç olarak, bu modelde de eklenmesi gereken bağımsız tahmin edici faktörler arasında lenfosit apoptozu da yer alır. Sepsis sırasında büyük bir sayıda lenfosit apoptoza uğrar; bu durum bağışıklık baskılanmasına yol açar ve lenfosit yüzdesinde (L%) belirgin bir düşüşe neden olur. Bu gösterge, sepsise bağlı bağışıklık felcinin derecesini yansıtan pratik bir rutin işaretidir ve aynı zamanda bu modelde dikkate alınan bağımsız tahmin edici faktörlerden biridir. Bu çalışmanın bulguları Zhou ve arkadaşlarının () ve Wu ve arkadaşlarının () çalışmalarına benzer şekilde; L%, ALT, IL-6, CRP, laktat (LACT) ve RDW gibi göstergelerin sepsisin ortaya çıkmasını ya da prognozunu bağımsız biçimde öngörebileceğini göstermektedir.
Bu çalışmada eğitim kümesinin AUC değeri 0,87 olarak belirlenmiştir. Bu ayırma performansı, Zhou ve arkadaşlarının yetişkin sepsisi için hastanede ölüm riski tahmin modelinde bildirdiği 0,881 değerinden biraz daha düşüktür (), ancak Stocker ve arkadaşlarının neonatal sepsis tahmin modelinde bildirdiği 0,834 AUC değerinden () ve Hong ve arkadaşlarının yetişkin sepsis tahmin modelinde elde ettiği 0,801 AUC değerinden () daha yüksektir. Bu sonuç, modelin çocuk yoğun bakım ünitesinde sepsise yüksek risk taşıyan çocukları ayırt etme performansının benzer çalışmaların üst düzeyinde olduğunu ve mükemmel bir nüfus uyumuna sahip olduğunu göstermektedir. Farklı çalışmalar arasında tahmin modellerinin performansındaki küçük farklılıklar, geliştirme popülasyonlarının çeşitli kaynaklarına ve dahil edilen değişkenlerin değişen miktarı ile kategorilerine bağlanabilir. Bu çalışma aşağıdaki yeniliklere sahiptir: Birincisi, çocuk yoğun bakım ünitesinde kolayca erişilebilen iltihabi ve beslenme işaretleyicilerini tarayarak model düşük deneysel gerekliliklere sahip olup, sınırlı deneysel koşullara sahip birincil tıp kurumlarındaki yoğun bakım ünitelerine de uygulanabilir. RDW’yi tahmin modeline dahil eden birkaç rapor bulunmaktadır. İkincisi, yetişkin sepsis tahmin modelleri üzerine birçok rapor vardır, ancak eğitim kümesi vaka kaynağı olarak çocuk yoğun bakım ünitesi hastalarıyla sepsis tanısı için tahmin modelleri üzerine raporlar hâlâ sınırlıdır. Üçüncüsü, bu çalışmanın bu özel popülasyon için özel işaretleyicilerle (iltihabi ve beslenme işaretleyicileri) oluşturulan birleşik modeli yüksek AUC, uygun kalibrasyon ve önemli klinik net fayda sağlar. Bu avantajlar, modele çocuk yoğun bakım ünitesinde daha büyük bir uygulama potansiyeli kazandırır.
Entegre karar eğrisi analizi (DCA) sonuçları, eğitim kümesinde sepsis riski eşiği 0,07 ile 0,90 arasında olduğunda, bu nomogram modelinin “tüm çocuklara müdahale” stratejisinden daha yüksek klinik net fayda sağlayabildiğini gösteriyor. Bu durum, modelin yoğun bakım ünitesine (YBÜ) kabulden sonra çoğu klinik karar verme senaryosunda pratik bir değere sahip olduğunu işaret ediyor. Doğrulama kümesinde gerçekleştirilen karar eğrisi analizi sonuçları ise modelin hâlâ kararlı bir net klinik fayda sağlayabildiğini doğruluyor. Bu da modelin klinik pratik değerinin yalnızca modelleme popülasyonuna sınırlı olmadığını ve iyi bir genelleme yeteneğine sahip olduğunu gösteriyor.
Modelin tüm tahmin edici faktörleri, olağan ve kolayca erişilebilen klinik göstergeler olup mükemmel bir uygulanabilirliğe sahip.
Bu çalışmada yine de birkaç kısıtlılık bulunmaktadır. Öncelikle çalışma geriye dönemseldir ve tek merkezli bir tasarıma dayanır; tüm veriler tek bir çocuk hastanesinden toplanmıştır. Bu durum seçici yanlılığa yol açabilir. Modelin genelleme yeteneği çok merkezli prospektif çalışmalarla doğrulanmalıdır. İkincil olarak, önceki literatüre ve mevcut deneysel koşullara dayanarak belirlenen değişkenlerin sepsisin ortaya çıkışı ve gelişimiyle nedensel bir ilişki kurmadıkları açıktır; bu da potansiyel olarak modelin tahmin performansını etkileyebilir. Üçüncü olarak, çalışma yalnızca iç doğrulama tamamlanmış olup bağımsız bir dış veri setinde doğrulama yapılmamıştır. Gelecekte çok merkezli dış doğrulama çalışmalarına ihtiyaç duyulacaktır. Son olarak, çalışma kesitsel veya kısa vadeli izlem tasarımlarını benimsemiştir ve modelin uzun vadeli tahmin performansının daha da doğrulanması gerekmektedir.
Yorumlar
Veri erişilebilirliği beyanı
Çalışmada sunulan özgün katkıların tamamı makale ve ek materyalde yer almaktadır; ek sorular için lütfen ilgili yazar ile iletişime geçiniz.
Etik beyan
İnsanları içeren çalışmalar Hunan Çocuk Hastanesi klinik araştırma etiği komitesinin onayıyla yürütülmüştür. Çalışmalar yerel mevzuata ve kurumsal gerekliliklere uygun şekilde gerçekleştirilmiştir. Çalışmanın geriye dönük niteliği ve de-identifikasyonlu hasta verilerinin kullanımı göz önüne alındığında, etiği komitesi/kurumsal denetim kurulu, katılımcıların veya yasal velilerin/yardımcılarının yazılı bilgilendirilmiş onayına ihtiyaç olmaksızın bu süreci tamamlamıştır.
Yazar katkıları
LZ: Kavramsal çerçeve, veri yönetimi, biçimsel analiz, fon sağlama, araştırma, metodoloji, proje yönetimi, kaynaklar, yazılım, denetim, doğrulama, görselleştirme, özgün taslak yazımı, gözden geçirme ve düzenleme yazımı. CY: Veri yönetimi, gözden geçirme ve düzenleme yazımı. YQ: Veri yönetimi, gözden geçirme ve düzenleme yazımı. SZ: Veri yönetimi, gözden geçirme ve düzenleme yazımı. KG: Metodoloji, gözden geçirme ve düzenleme yazımı.
Fonlama
Yazar(lar) bu çalışma için ve/veya yayımlanması için mali destek aldıklarını beyan etmiştir. Çalışma Çin Hunan Eyalet Doğal Bilimler Temelinden desteklenmiştir. Ödül numarası: S2023JJBMLH1175.
Çakışma ilgisi
Yazar(lar), bu çalışmanın potansiyel bir çıkar çatışması olarak değerlendirilebilecek ticari veya mali ilişkilerin yokluğunda yürütüldüğünü beyan etmiştir.
Üretken Yapay Zeka beyanı
Yazar(lar), bu makalenin oluşturulmasında üretken yapay zekanın kullanılmadığını beyan etmiştir.
Bu makalede figürlerin yanında verilen herhangi bir alternatif metnin (alt metin) Frontiers tarafından yapay zeka desteğiyle oluşturulmuş olup, doğruluğun sağlanması için makul çabalar gösterilmiştir; mümkün olduğunda yazarlar tarafından da gözden geçirilmiştir. Herhangi bir sorun tespit ederseniz, lütfen bizimle iletişime geçin.
Yayıncının notu
Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve gerek ilişkili kuruluşların gerekse yayıncının, editörlerin ve değerlendiricilerin görüşlerini yansıtmayabilir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.
-
1.
LieuT, AlexanderJ, SeymourCW. Sepsisi olan pediatrik hastaların bakımı. JAMA. (2026) 336:248. 10.1001/jama.2026.3800
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
2.
G. B. D. G. S. İşbirliği: Küresel, bölgesel ve ulusal sepsis görülme sıklığı ve ölüm oranları. İşbirliği: 1990–2021 dönemi küresel, bölgesel ve ulusal sepsis görülme sıklığı ve ölüm oranları: sistematik bir analiz. Lancet Glob Health. (2025) 13(12):e2013–26. 10.1016/S2214-109X(25)00356-0
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
3.
PrajapatiM, SinghV, MishraA, KhatuaD, RanaM, JyotiA. Aşırı iltihaplanma ve immünsüpresyon: sepsis tedavisini yeniden tanımlamak için modern yaklaşımlar. Front Pharmacol. (2026) 17:1810887. 10.3389/fphar.2026.1810887
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
4.
Çin Pediatri Derneği Acil Tıp Grubu, C. M. Derneği; Çin Acil Tıp Derneği Pediatri Grubu, C. M. Derneği ve C. A. o. P. I. C. hekimleri: Pediatrik septik şok (enfeksiyöz şok) tanısı ve tedavisinde uzman görüşü (2015 baskısı). Chin J Pediatr, 53(8), 576–80 (2015)
-
5.
Rahmel T, Siegler B H, Weigand M A, Meybohm P, David S, Brunkhorst F ve diğerleri. Sepsis bakımının evrimi: protokol yönlü yönetimden kişiselleştirilmiş yoğun bakıma. Infection. (2026). 10.1007/s15010-026-02852-5
-
6.
Liu C. Pediatrik sepsis için uluslararası tanı kriterleri (2024): Odaklanmamız gerekenler neler olmalı? Chin Pediatr Emerg Med. (2026) 33(1):1–5.
-
7.
Bottari G, Taccone F S, Corrias A, Irrera M, Currao P, Salvagno M ve diğerleri. Pediatrik sepsiste immünomodülasyon. Anlatımsal bir inceleme. J Clin Med. (2025) 14(9):2983. 10.3390/jcm14092983
-
8.
He S, Zhang J Z, Chan L C, Lin A, Yeung K Y, Kuok M C I ve diğerleri. Phoenix kriterleri ve diğer şiddet skorları pediatrik sepsisi tanımlamada. JAMA Netw Open. (2026) 9(6):e2616305. 10.1001/jamanetworkopen.2026.16305
-
9.
Long E, Borland M L, George S, Jani S, Tan E, Phillips N ve diğerleri. Paediatric research in emergency departments international collaborative: Phoenix sepsis skorunun, toplum kaynaklı sepsis şüphesi taşıyan çocuklarda dış geçerliliği. JAMA Netw Open. (2025) 8(3):e251412. 10.1001/jamanetworkopen.2025.1412
-
10.
RodriguezIDeepA. Phoenix kriterileri sepsis için yeterli mi: bir klinisyeni yönlendirmek için yeterli mi?Eur J Pediatr. (2024) 183(11):5033–5. 10.1007/s00431-024-05767-1
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
11.
LuXLQiuJZhuYMChenPZuoCTangLet al. [Çocuk kritik hastalık skorunun ağır el-ağız hastalığının şiddetini ve prognozunu değerlendirmedeki rolü]. Zhongguo Dang Dai Er Ke Za Zhi. (2015) 17(9):961–4.
- Pubmed Özet
- Google Scholar
- Makalede referansı görüntüle
-
12.
RecherMLeteurtreSCanonVBaudeletJBLockhartMHubertH. Çocuk yoğun bakımında hastalık şiddeti ve organ disfonksiyonu skorlama sistemleri: klinik uygulamalara etkileri ve geleceğe bakış. Front Pediatr. (2022) 10:1054452. 10.3389/fped.2022.1054452
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
13.
SarafEYangMSakthivelRZhangYChokkakulaSKongYet al. Karaciğer hastalığı tahmini için hibrit zeki sistemler: nüfusa duyarlı bir makine öğrenmesi çerçevesi. Front Med (Lausanne). (2026) 12:1728061. 10.3389/fmed.2025.1728061
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
14.
StockerMDaunhawerIVan HerkWHelouSEDuttaSSchuermanFet al. Makine öğrenmesi kullanılarak risk faktörleri, klinik bulgular ve biyobelirteçlerin tanısal doğruluğu karşılaştırıldı ve neonatal erken başlangıçlı sepsis için yeni bir tahmin modeli geliştirildi. Pediatr Infect Dis J. (2022) 41(3):248–54. 10.1097/INF.0000000000003344
- Pubmed Özet
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
- 15. Hong CX, Xiong Y, Xia J, Huang W, Xia A, Xu S et al. LASSO tabanlı risk faktörlerinin belirlenmesi ve sepsis hastaları için bir tahmin modelinin geliştirilmesi. Ther Clin Risk Manag. (2024) 20:47–58. 10.2147/TCRM.S434397
- 16. Shi X, Wang X, Yang H, Fan X, Liu G, Song Y et al. Makine öğrenmesi modeliyle pediatrik acil servisten yoğun bakım ünitesine sepsisin doğru tahmini. Front Pediatr. (2025) 13:1610187. 10.3389/fped.2025.1610187
- 17. Seyhanlı D, Gökmen Yildirim T, Kalkanlı O, Soysal B, Alkan Özdemir S, Devrim İ et al. Erken doğumlu yenidoğanlarda geç başlangıçlı sepsisin erken tanısı için tahmin modeli. J Neonatal Perinatal Med. (2024) 17(5):661–71. 10.3233/NPM-240011
- 18. Zhou X, Fu S, Wu Y, Guo Z, Dian W, Sun H et al. C-reaktif protein/albumin oranı sepsisli hastalarda bir biyobelirteç olarak: yeni bir LASSO-COX tabanlı prognoz nomogramı. Sci Rep. (2023) 13(1):15309. 10.1038/s41598-023-42601-4
- 19. Deng Q, Duo H, Ye Q, Chen R, Fu Z, Xiao J et al. RP105, sepsiste SOCS2/JAK2/STAT3 sinyal yolaklarını düzenleyerek hepatoprotektif etki gösterir. Int J Mol Med. (2025) 56(6):1–14. 10.3892/ijmm.2025.5666
- 20. Zhang L, Yu C-H, Guo K-P, Huang C-Z, Mo L-Y. Sepsisli hastalarda eritrosit dağılım genişliği (RDW) için prognoz rolü: sistematik bir derleme ve meta-analiz. BMC Immunol. (2020) 21(1):40. 10.1186/s12865-020-00369-6
21.
Orsini M, Chateauvieux S, Rhim J, Gaigneaux A, Cheillan D, Christov C ve diğerleri. Sfingolipid kaynaklı iltihabi sinyal iletimi, otofaji inhibisyonuna yol açarak insan hematopoetik köşe/hücre öncülerinde eritropoiezi miyelopoezise dönüştürür. Cell Death Differ. (2019) 26(9):1796–812. 10.1038/s41418-018-0245-x
- Pubmed Özeti
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
22.
Zhang T, Chen L, Kueth G, Shao E, Wang X, Ha T ve diğerleri. Sepsiste laktatın bağışıklık hücrelerine etkisi: karmaşık etkileşimi çözme. Front Immunol. (2024) 15:1483400. 10.3389/fimmu.2024.1483400
- Pubmed Özeti
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
23.
Fei M, Xu Y, Jin P, Wang Y, Zhou M. Sepsise bağlı karaciğer hasarında mitokondriyal disfonksiyon: patofizyolojiden ön klinik tedavi hedeflerine. J Transl Med. (2025) 23(1):1339. 10.1186/s12967-025-07369-3
- Pubmed Özeti
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
24.
Hong Y, Chen Q, Xie H, Ma M, Gan S, Zhang Y ve diğerleri. Çoklu omik analiz, sepsise bağlı karaciğer hasarında bağışıklık düzenleyici ağları tanımlar: deneysel doğrulama ve klinik anlam. J Inflamm Res. (2025) 18:10711–22. 10.2147/JIR.S515615
- Pubmed Özeti
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
-
25.
Wu H, Jia S, Liao B, Ji T, Huang J, Luo Y ve diğerleri. Sepsiste hastane içi ölüm riskini tahmin etmek için bir ölüm riski nomogramının oluşturulması: Çin merkezli tek merkezli kohort çalışması. Front Med (Lausanne). (2024) 11:1360197. 10.3389/fmed.2024.1360197
- Pubmed Özeti
- CrossRef
- Google Scholar
- Makalede referansı görüntüle
Özet
Anahtar kelimeler
çocuklar, ağır hasta, iltihabi, beslenme, tahmin modeli, sepsis
Kaynak gösterme
Zhang L, Yu C, Qin Y, Zheng S ve Guo K (2026) Kritik hastalıklı çocuklarda sepsisin erken tanısında enflamatuar ve beslenme markerlarının kullanımı: anneler-bebek alt grup analiziyle bir tahmin modelinin geliştirilmesi ve iç doğrulama. Front. Med. 13:1994064. doi: 10.3389/fmed.2026.1994064
Gönderilme
10 Eylül 2026
Düzeltme
14 Ekim 2026
Kabul
21 Ekim 2026
Yayın
12 Kasım 2026
13 – 2026
Wangshu Li, Dalian Üniversitesi’ne Bağlı Kadın ve Çocuk Hastanesi, Çin
Yifan Sun, Guangxi Tıp Üniversitesi Guigang Sekizinci Bağlı Hastanesi, Çin
Yixian Fan, Guangzhou Tıp Üniversitesi, Çin
© 2026 Zhang, Yu, Qin, Zheng ve Guo.
Bu açık erişimli makale, Creative Commons Atıf Lisansı (CC BY) koşulları altında dağıtılmaktadır. Başka forumlarda kullanım, dağıtım veya yeniden üretim, orijinal yazarların ve telif hakkı sahiplerinin belirtilmesi ile bu dergideki orijinal yayının alıntılanması halinde, kabul görmüş akademik uygulamaya uygun olarak izne tabidir. Bu koşullara uymayan hiçbir kullanım, dağıtım veya yeniden üretim izne tabidir.
*İletişim: Lin Zhang ychxyeyy@sina.com
Bu makalede ifade edilen tüm iddialar yalnızca yazarların kendi iddialarıdır ve bağlı oldukları kuruluşların, yayıncının, editörlerin ve değerlendiricilerin görüşlerini yansıtmayabilir. Bu makalede değerlendirilebilecek her türlü ürün veya üreticisinin yapabileceği her türlü iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

