血红蛋白变异体Hb Fukuyama和Hb North Manchester干扰糖化血红蛋白检测2例报道

糖化血红蛋白(glycated hemoglobin A1c,HbA_(1c))可反映患者近2~3个月的血糖控制情况[1]。美国糖尿病协会(American Diabetes Association,ADA)在2010年就推荐将HbA_(1c)≥6.5%作为糖尿病的补充诊断标准[2]。血红蛋白(hemoglobin,Hb)病是珠蛋白基因发生突变引起的一组溶血性遗传性疾病[3]。

罕见血红蛋白变异体J-Sardegna干扰HbA1c检测1例报道

糖化血红蛋白(glycated hemoglobin A1c,Hb A1c)是血红蛋白β链-N端缬氨酸与葡萄糖结合而形成,反映近2~3个月血糖平均水平,是诊断糖尿病和评价糖尿病患者血糖控制情况的重要指标[1]。有多种因素可影响Hb A1c的检测,如红细胞寿命改变、恶性肿瘤或严重的肝肾疾病,以变异体的存在较为常见,常见的血红蛋白(hemoglobin,Hb)变异体包括Hb S、Hb E、Hb C和Hb D。随着临床对Hb A1c的关注,越来越多新的Hb变异体被发现,如Hb J-Bangkok、Hb New York、HbBeijing和HbG-Taipei。因此,在日常工作中识别新的变异体,并评估其对常用Hb A1c检测方法的干扰,是对检验科工作人员的考验。目前,Hb A1c检测方法分为两大类:1)基于Hb A1c与非Hb A1c所带电荷不同,如离子层析法、电泳法;2)基于Hb糖化基团的结构特点,如亲和层析法、离子捕获法和免疫法;高效液相色谱法和毛细管电泳法为推荐的参考方法。Hb变异体的干扰取决于所使用的检测方法和变异体的类型,天津市第一中心医院利用3种不同原理(高效液相色谱、硼酸盐亲和层析、毛细管电泳)的4种检测方法对Hb A1c进行检测,并通过测序确定位点突变和变异体类型,确诊1例罕见的Hb变异体病例。现介绍如下。

基于支持向量回归的血红蛋白浓度无创检测模型

为实现血红蛋白浓度的无创检测,设计基于支持向量回归的血红蛋白浓度检测方法。首先,基于Beer-Lambert定律建立血红蛋白无创检测数学模型;然后,对采集的光电容积脉搏波描记法(PPG)信号进行降噪和滤除基线漂移处理后提取出血红蛋白浓度特征信息,并使用递归特征消除算法对提取的特征信息进行选择,以去除冗余特征;最后,将筛选出的29个特征信息作为回归模型的输入特征,并采用支持向量回归算法构建血红蛋白预测回归模型。通过对249例临床数据进行试验验证(其中199例作为训练数据集,50例作为测试数据集),得出预测值与参考值的均方根误差为1.83 g/dL,相关系数为0.75(P<0.01),试验结果表明本文方法与传统有创检测方法具有较强的一致性。

基于多波长近红外光谱的血红蛋白浓度无创检测技术研究

针对传统的血红蛋白浓度检测需要抽血采样,检测流程复杂且无法连续监测血红蛋白浓度的变化趋势等问题,本研究设计了一种基于多波长近红外光谱的无创血红蛋白浓度检测方法。首先,基于Beer-Lambert定律建立了血红蛋白无创检测数学模型,并依据该模型设计了八波长近红外光电容积脉搏波(photoplethysmography,PPG)信号采集系统;然后,对采集的PPG信号进行降噪和滤除基线漂移等预处理,并根据建立的无创检测模型对特征信息进行提取与选择;最后,基于Stacking算法构建血红蛋白预测回归模型。通过对249例临床数据进行实验验证,得到无创检测模型的预测值与参考值的均方根误差为1.17 g/dL,相关系数为0.75。实验结果表明,本研究方法可有效实现血红蛋白浓度的无创检测。

不同运动方式对大鼠血红蛋白浓度的影响——大鼠运动性贫血模型建立方法探讨

运动性贫血是限制运动成绩提高的重要因素之一 ,备受运动医学界的重视 ,由于缺乏合适的运动性贫血动物模型 ,许多相关的基础研究受到限制。为了探讨如何建立合适的运动性贫血动物模型 ,本实验分别采用长期递增负荷跑台运动和游泳运动作为实验手段。跑台运动方案以30m/min、0 %坡度和 1min/次为起始 ,运动时间以 2min/次的速度递增、运动频率前 2周为 1次 /天 ,后 3周为 2次 /天。游泳运动方案以 6 0min/次和 0 %负重为起始、16 0min/次和 5 %负重为结束。血红蛋白 (Hb)、红细胞数目 (RBC)和红细胞压积 (Hct)的测试结果显示 ,长期递增负荷的跑台运动方式可能适用于建立运动性贫血动物模型。

肾移植后环孢素A血药浓度与红细胞及血红蛋白的相关性分析

目的 :探讨肾移植受者术后CsA血药浓度与RBC数及HGB含量的相关性。方法 :应用FPIA法测定 40例肾移植受者术后CsA血药浓度 ,分析术后不同时间RBC数及HGB含量对CsA血药浓度的影响。结果 :在术后早期CsA用量基本不变的情况下 ,CsA血药浓度与RBC数及HGB含量有显著正相关。结论

动态光谱法用于人体血红蛋白浓度的无创测量

为了实现血液成分的无创检测,利用动态光谱指端透射法进行了人体血红蛋白浓度无创测量的研究。对34名健康志愿者进行了在体测量动态光谱和抽血分析血红蛋白含量,在验证了动态光谱的可靠性的基础上,选用BP神经网络对获取的动态光谱数据和血红蛋白浓度实测值进行建模分析,从34个样本中抽取19个作为校正集,另外15个作为预测集,得到校正集和预测集的相关系数分别为0.983 1和0.936 5,预测集的相对误差最大为7.5%,平均相对误差为3.04%,满足临床应用对血红蛋白测量精度的要求。结果表明:动态光谱法可以有效的克服测量位置等测量条件对光谱测量的影响,较准确地进行人体血红蛋白浓度的测量,是一种比较好的血液成分无创测量方法。

EMD算法在动态光谱无创测量血红蛋白浓度中的应用

将经验模态分解（EMD）算法结合动态光谱理论中的频域提取算法用于血红蛋白浓度的无创测量。在体采集57例光电容积脉搏波，选取636．98～1086．86 nm范围内的光谱数据进行分析。首先通过EMD方法分别对各个样本每个波长的光电容积脉搏波进行去噪预处理，再利用离散傅里叶变换提取脉搏波的峰峰值构成动态光谱，最后运用偏最小二乘方法对各样本的动态光谱和血红蛋白浓度建立模型。与未经EMD处理的数据建模结果相比，EMD处理后，血红蛋白浓度预测集的相关系数从0．8798提高到0．9176，预测集均方根误差从6．6759 g＆#183;L-1减小到5．3001 g＆#183;L-1，相对误差从8．45％减小到6．71％，建模精度有了较大的提高。结果表明，采取经验模态分解的算法进行光电采集数据的去噪预处理可以提高光谱数据的信噪比，进而可以提高血液成分无创测量的准确性。

血红蛋白浓度对中晚期宫颈癌放疗效果的影响

目的:了解贫血程度与宫颈癌局部控制率的关系.方法:采用体外照射加腔内后装放疗,初治中晚期宫颈癌患者114例.放疗前及放疗中测定血红蛋白浓度,观察血红蛋白浓度变化与肿瘤局部控制率的关系.结果:教疗前血红蛋白浓度≥120g/L、90～119g/L和60～89g/L的CR分别为83.6%、53.3%和21.4%,P＜0.01.放疗中血红蛋白浓度升高组和降低组的CR分别为84.5%和44.2%,P＜0.01.结论:血红蛋白浓度与肿瘤的局部控制率有关.放疗期间血红蛋白浓度变化影响宫颈癌的放疗疗效.

大学生运动员336人红细胞计数和血红蛋白浓度的分析

目的观察运动对大学生运动员红细胞计数和血红蛋白水平的影响。方法于2005-03/06选择成都体育学院体育专业大学生366人为运动员组,每周进行大负荷运动训练5d以上,每天至少两课时(90min),训练年限两年以上;对照组为非体育专业大学生102名,每周上体育课(适度运动)两课时(90min)。两组的年龄、身高、体质量等无差异显著性。比较两组学生静脉血红细胞计数、血红蛋白水平。结果468名学生均进入结果分析。①红细胞计数:运动员组低于对照组[(4.55±0.86)×1012L-1,(4.82±0.42)×1012L-1,P<0.05]。②血红蛋白水平:运动员组低于对照组[(132.42±7.68),(140.01±6.89)g/L,P<0.01]。③男生运动员组红细胞计数、血红蛋白比对照组低5.4%,5.2%,女生运动员组红细胞计数、血红蛋白比对照组低6.3%,5.4%。结论大强度运动可使大学生运动员红细胞计数、血红蛋白水平下降,且对男女运动员具有相似的影响。

近红外光谱法无创测量人体血红蛋白浓度

在选定的波长处(760 nm,850 nm)无创测量人体手指的漫反射光谱,利用修正的Lambert-Beer定律,实现了HbO2、Hb的绝对量估算,并由此求得血红蛋白浓度的结果。对16例志愿者进行了测量,全部男性受试者的相对误差在7.39%以下,相关系数为0.954;全部女性受试者的相对误差在7.26%以下,相关系数为0.969。

Sysmex XE-2100测定红细胞平均血红蛋白浓度参考区间的调查

目的对Sysmex XE-2100测定正常成年人静脉血红细胞平均血红蛋白浓度(MCHC)的参考区间进行调查,以建立适合该实验室的参考区间。方法参照美国临床实验室标准化委员会(NCCLS)C28-A2文件推荐方法,选取550例健康个体,采用Sysmex XE-2100进行MCHC测定,用SPSS13.0对检测结果进行统计分析,并通过对200例健康体检者的MCHC值在参考区间内、外情况进行验证,建立适合该实验室的参考区间。结果 MCHC参考值在正常人群中呈偏态分布,且不同性别和年龄组差异无统计学意义(P>0.05),可合并参考区间。合并后的参考区间为308～349 g/L。验证结果在区间外的数据仅占3%,符合结果分布规律。结论不同性别和年龄人群MCHC参考区间可合并,合并后建立的参考区间适用于该实验室。

血红蛋白浓度对维持性血液透析患者再入院的影响

目的：探讨血红蛋白浓度对维持性血液透析患者发生再入院的影响。方法：回顾性分析了2000年1月～2005年12月期间在我院首次诊断CKD5期并开始进入维持性血液透析的两次或两次以上入院的患者，并选取同期未再入院的维持性血液透析患者作为对照组，记录患者进入血透时的年龄、性别、ESRD的病因，血红蛋白（Hb）的浓度，发生再入院时的间隔时间、原因，以及再入院的Hb浓度。结果：维持性血液透析发生再入院的患者50例，男27例，女23例；年龄35岁～84岁，平均（65．81±11．83）岁；初次诊断ESRD时患者Hb的浓度为（71．83±16．74）g／L。对照组50例，男29例，女21例；年龄37岁～83岁，平均（63．52±13．21）岁；进入血透时Hb浓度为（69．29±18．86）g／L。分析再入院时的时间间隔为（11．76±7．81）月，再入院的原因为心功能不全，感染，脑梗死、脑出血、心绞痛、消化道出血、动静脉内瘘处阻塞。再入院时患者的Hb浓度为（75．83±17．39）g／L，对照组为（90．64±15．32）g／L。经统计学分析提示，Hb每下降1g／L，患者发生再入院的相对危险性就增加5％。结论：贫血的存在影响维持性血液透析患者再入院的频率和时间间隔。临床应积极纠正血透患者的贫血程度。

血红蛋白浓度的光学测量方法与装置

为了实现全血中血红蛋白浓度的精确测定,研制了便携式血红蛋白浓度光学测量系统,对该系统的测量机理、浓度计算公式、药剂微片、测量装置及控制系统进行了研究。首先,基于叠氮高铁血红蛋白溶液的吸收光谱曲线设计了二次吸收测量机理,并明确了浓度计算公式。然后,设计了供光学测量的微片,对微片进行亲水处理以确保全血毛细吸附,并预填指定配方的药剂,光学容腔的公差可确保光学测量的精度与一致性。最后,给出了测量装置与控制系统的详细方案。该装置可在30～60s内实现未稀释未溶血全血的在线快速测量。临床试验表明,该方法与氰化高铁血红蛋白法相关性可达0.9836,准确性达96.32%。该测定仪具有便携、无毒和在线快速检测等特点,适用于移动采供血、运动员机能评定以及家庭保健等。

脑血红蛋白浓度指数在体外循环中的应用

目的基于稳态的近红外光谱技术,可无创、实时监测脑组织血红蛋白浓度指数,以反映人体脑组织中血红蛋白总浓度变化的百分比,从而有利于评价脑血流动力学及脑氧合。方法基于稳态近红外光在人体脑组织中的传播规律研发了近红外组织血氧检测仪,并用其无创、实时监测了8例经受体外循环手术的先天性心脏病婴儿的脑组织血红蛋白浓度指数及脑组织氧饱和度。结果在体外循环末期的改良超滤阶段,所有婴儿的脑组织血红蛋白浓度指数均显著上升,上升速率为(0.0304±0.0136)mM/(cm·min),P<0.001。改良超滤结束与起始时相比,脑血红蛋白浓度指数增加了(18.8±7.5)%,这是由于改良超滤提高了血液的红细胞容积比。此过程中脑组织氧饱和度平均增加了(5.3±4.1)个百分点(P<0.05),但不如脑血红蛋白浓度指数的上升趋势明显。结论在体外循环手术的改良超滤过程中,脑组织血红蛋白浓度指数可有效反映脑组织血流动力学与氧合的变化。

平均红细胞血红蛋白浓度对溶血性贫血的诊断价值

目的观察平均红细胞血红蛋白浓度(MCHC)检测对溶血性贫血(HA)的诊断价值。方法统计HA、巨幼细胞性贫血(MA)、缺铁性贫血(IDA)、小细胞HA(先天遗传小细胞或合并IDA)各30例患者外周血象平均红细胞血红蛋白量(MCH)、MCHC、平均红细胞体积(MCV)数据,以健康人群30名为对照组,比较各实验组与对照组的MCH、MCHC、MCV均值。结果HA患者外周血象MCHC明显高于MA、IDA及对照组(P<0.01);IDA患者外周血象MCHC明显低于对照组(P<0.01);MA患者外周血象MCHC与对照组差异无统计学意义(P>0.05),MCV明显高于对照组(P<0.01);小细胞HA外周血象MCHC与对照组差异无统计学意义(P>0.05),MCV明显低于对照组(P<0.01)。结论外周血象MCHC检测可作为HA的诊断指标。

血细胞压积与平均血红蛋白浓度的可见-近红外光谱无创检测

血细胞压积和平均血红蛋白浓度的检测对于心脑血管疾病以及贫血等疾病的预防和治疗起着非常重要的作用,为了能够无创、准确的对血细胞压积和平均血红蛋白浓度进行检测,本研究提出了一种基于光谱技术的检测方法。经解剖学研究表明,在微循环中,血流变的异常以及血液粘稠度的改变均能引起舌象的变化,即舌象和血液成分之间存在一定的相关性,所以本研究通过采集240例志愿者舌尖反射光谱,同时拍摄志愿者舌体图片和记录生化分析结果。在进行数学建模前,首先将240例志愿者随机分为校正集和验证集,运用偏最小二乘分别建立数学模型,校正集预测值和生化分析真实值之间相关系数分别为0.998和0.938,运用所建数学模型对验证集未知样本进行预测,验证集未知样本的预测结果与生化分析真实值之间相关系数分别为0.979和0.883,平均相对误差分别为1.65%和1.88%,均方根误差分别为4.066和4.139,由实验结果可见,所建立的模型可以较好的对HCT和MCHC进行预测,同时实验结果也表明近红外光谱分析结合偏最小二乘方法有可能能够为血细胞压积和平均血红蛋白浓度的检测提供一种无创的检测方法。