2026年 · 第49卷第07期

临床血脂检测是实现全生命周期血脂管理的前提，是发现血脂异常、评估动脉粥样硬化性心血管疾病（ASCVD）风险和确定干预策略的基础。近几年国内外相继发布了临床血脂管理指南修订版，管理理念已逐步从以低密度脂蛋白胆固醇为“单一靶标”的防治模式，转向“多维精准”“全面管理”的深刻变革。临床血脂检测全过程的规范化与标准化直接影响结果的准确性及临床决策，一些非传统风险因素如非高密度脂蛋白胆固醇、载脂蛋白B和脂蛋白（a）等血脂参数也越来越受到临床重视。血脂与脂蛋白亚组分、垂直梯度离心自动血脂谱检测及人工智能等新项目、新技术的应用，检验与临床等多学科的协同创新与合作，有利于全面提升血脂综合管理水平，为构建更加完善的ASCVD防控体系提供全新的解决方案。

临床血脂检测是从儿童到老年全生命周期血脂管理的重要组成部分，准确的检测结果是有效开展临床血脂管理工作的基本需要。近年来世界范围内血脂检测领域的研究取得了诸多进展，我国临床血脂检测指南的修订势在必行。血脂与脂蛋白亚组分检测新技术的应用，脂蛋白及载脂蛋白检测的标准化，脂蛋白（a）摩尔浓度检测结果报告的逐步普及和血脂检验报告单改革的逐步尝试及推广等，极大地促进了临床血脂检测领域的进步与发展。《中国临床血脂检测指南（2026版）》涵盖了临床血脂检测相关概述、检验前过程、检验过程、检验后过程及血脂测定项目的合理选择与应用等整个血脂检测全链条，并从多学科角度提出了相应的意见，旨在促进我国临床血脂检测与应用的进一步规范化与标准化，全面提升我国血脂管理水平。

目的 探讨冠心病患者血脂及脂蛋白亚组分表达水平与他汀类药物降血脂疗效的相关性及对预后的影响。 方法 回顾性纳入2025年7—8月东部战区总医院91例冠心病患者的病历资料，男64例，女27例，年龄（56.3±4.7）岁，所有患者均接受中等强度他汀类药物治疗。其中共有41例患者收集到治疗前与治疗后的配对血液样本。检测冠心病患者治疗前后血脂及脂蛋白亚组分表达水平，根据治疗后低密度脂蛋白胆固醇（LDL-C）表达水平及降幅将患者分为显效组（11例）和无效组（30例），根据随访6个月后患者主要不良心血管事件（MACE）发生情况分为发生MACE组（21例）与未发生MACE组（70例）。采用单因素logistic回归分析各指标基线表达水平与他汀类药物治疗效果的相关性，进一步采用逐步多元回归分析治疗后各指标降幅与LDL-C降幅的关联。采用Kaplan-Meier生存曲线评估患者治疗后累积无MACE生存率，组间生存率比较采用Log-rank检验。 结果 冠心病患者接受他汀类药物治疗后，高密度脂蛋白胆固醇（HDL-C）、高密度脂蛋白亚组分3胆固醇（HDL3-C）水平均高于治疗前（均P<0.05），LDL-C、低密度脂蛋白1~4亚型胆固醇（LDL4+3+2+1）、中密度脂蛋白胆固醇（IDL-C）、非HDL-C、残粒样脂蛋白胆固醇（RLP-C）、低密度脂蛋白颗粒浓度（LDL-P）水平均低于治疗前（均P<0.05）。单因素logistic回归分析显示，总胆固醇（TC）（OR=2.714，95%CI 1.252~5.884，P=0.011）、LDL-C（OR=1.012，95%CI 1.002~1.022，P=0.015）、LDL4+3+2+1（OR=1.013，95%CI 1.003~1.024 P=0.015）、IDL-C（OR=1.060，95%CI 1.003~1.119，P=0.038）、非HDL-C（OR=2.909，95%CI 1.232~6.868，P=0.015）、RLP-C（OR=1.038，95%CI 1.002~1.076，P=0.040）、LDL-P（OR=1.026，95%CI 1.004~1.049，P=0.019）基线水平与他汀类药物降血脂疗效存在关联。逐步多元线性回归分析显示，显效组非HDL-C降幅与LDL-C降幅相关（标准化系数β=0.990，校正R2=0.980，P<0.001）。Kaplan-Meier生存曲线分析显示，基线IDL-C高水平组、LDL-P高水平组的累积无MACE生存率均低于低水平组（均P<0.05）。 结论 他汀类药物可改善冠心病患者血脂与脂蛋白亚组分表达水平，LDL-P与IDL-C表达水平与无MACE生存率相关。

目的 构建冠心病患者冠状动脉重度病变列线图模型，并分析预测效能。 方法 横断面研究，连续选取2025年1月1日至7月31日复旦大学附属中山医院急诊接受经皮冠状动脉介入治疗（PCI）手术的冠心病患者538例，其中男446例，女92例，年龄54（50，65）岁。以Gensini积分中位数43分为截断值，将患者分为冠状动脉重度病变组和轻度病变组，对两组临床资料和血脂谱等检验结果进行比较。采用单因素与多因素logistic回归分析筛选冠状动脉重度病变的影响因素，并构建列线图模型，采用受试者工作特征（ROC）曲线下面积（AUC）评估各因素对冠状动脉重度病变的预测价值。 结果 重度病变组和轻度病变组的总胆固醇（TC）、载脂蛋白AⅠ（ApoAⅠ）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、非HDL-C、载脂蛋白B（ApoB）及ApoB/ApoAⅠ水平差异均有统计学意义（均P<0.05）。单因素和多因素logistic回归分析显示，在校正所有非血脂影响因素后，ApoAⅠ（OR=0.15，95%CI 0.04~0.58，P<0.001）与LDL-C（OR=1.49，95%CI 1.17~1.91，P<0.001）是冠状动脉重度病变的影响因素。构建的列线图模型包含年龄、LDL-C、ApoAⅠ和葡萄糖（GLU）共4个预测因子，ROC曲线分析显示，列线图模型对冠状动脉重度病变的预测能力良好（AUC=0.755，95%CI 0.709~0.801），最佳临界值为114分时，预测敏感度为80.71%，特异度为56.36%，预测效能优于单一指标（均P<0.05）。 结论 构建的列线图模型包含年龄、LDL-C、ApoAⅠ和GLU共4个预测因子，对冠状动脉重度病变的预测能力良好，预测效能优于单一指标。

目的 建立基于患者数据预分类实时质控（PCRTQC）模型，并在临床常规血脂检测中进行性能验证与初步应用。 方法 回顾性收集2023年7月至2026年2月遵义医科大学附属医院常规血脂6项检测结果，包括总胆固醇（TC）、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、载脂蛋白（Apo）AⅠ及ApoB，共纳入245 551份有效样本。采用关联规则挖掘算法确定各目标分析项目的最优伴随分析项目，并构建三维数据空间。应用排序点以识别聚类结构（OPTICS）聚类算法对预处理后的数据进行分步聚类，结合支持向量机训练分类器，建立PCRTQC模型。参考行业标准（WS/T 403-2024）设定的允许总误差（TEa），引入比例误差（PE）人工模拟失控状态，通过计算假失控率（Pfr）和从误差发生到检出需要的平均患者样本数量（ANPed）验证模型性能。 结果 临床血脂6项原始数据均呈正偏态、尖峰厚尾分布（偏度、峰度均大于0），其中TG的离散程度与极端值占比最为突出，而其他血脂项目分布相对集中。经中位数倍数变换、对数变换、滤波变换及Box-Cox修正后，各项目分布接近正态，变异系数由24%~80%降至2%~13%，数据波动得到有效平滑校正。基于测试集计算得到TC和TG的Pfr均为0.14%，HDL-C、LDL-C、ApoA Ⅰ及ApoB的Pfr均为0.13%，体现了良好的质量控制特异性；PE与ANPed呈负相关，ANPed随误差绝对值的增加迅速减小，呈现以零误差为中心的近似正态分布特征。临床血脂6项中，TG对误差检出的样本量需求最高，ApoAⅠ最低，其余项目居中。 结论 本研究所构建的PCRTQC模型在临床血脂检测系统的数据处理与不同程度系统性误差识别方面表现良好，具有可行性与实用性。

目的 探讨小而密低密度脂蛋白胆固醇（sdLDL-C）水平和SYNTAX评分与早发急性冠状动脉综合征（PACS）合并多支病变（MVD）患者不良预后的相关性。 方法 回顾性队列研究，纳入2022年5月至2023年11月新疆医科大学第一附属医院PACS合并MVD的847例患者。不良预后的终点事件定义为发生主要不良心血管事件（MACE），中位随访时间12（9，15）个月，根据是否发生MACE将患者分为MACE组（n=124）与非MACE组（n=723）。比较两组基线特征，并依据sdLDL-C（最佳截断值1.15 mmol/L）和SYNTAX评分（最佳截断值17.3分）将患者分为4个风险组：G1组（低sdLDL-C+低SYNTAX，n=338）、G2组（高sdLDL-C+低SYNTAX，n=134）、G3组（低sdLDL-C+高SYNTAX，n=164）和G4组（高sdLDL-C+高SYNTAX，n=211）。采用多因素Cox回归分析评估各指标与MACE风险的关联强度，并通过受试者工作特征（ROC）曲线评价其预测效能。 结果 MACE组的sdLDL-C水平与SYNTAX评分均高于非MACE组（均P<0.001）。多因素Cox回归显示，sdLDL-C（HR=1.065，95%CI 1.012~1.121，P=0.015）与SYNTAX评分（HR=1.036，95%CI 1.020~1.053，P<0.001）升高均是PACS合并MVD患者发生MACE的危险因素。与G1组相比，G4组发生MACE的风险最高（HR=2.737，95%CI 1.419~5.280，P=0.003）。ROC曲线分析显示，sdLDL-C、SYNTAX评分及二者联合预测MACE风险的曲线下面积（AUC）分别为0.697、0.674和0.721。将两者加入基础风险模型后，C统计量、NRI及IDI均有改善（均P<0.05）。 结论 sdLDL-C水平与SYNTAX评分升高均是PACS合并MVD患者发生MACE的危险因素，二者联合应用的预测效能最佳。

目的 评估不同脂蛋白（a）［Lp（a）］检测试剂的精密度、相关性及检测结果一致性。 方法 回顾性收集2025年12月中南大学湘雅二医院检验医学科日常检测完成后的剩余血清样本160份。分别采用A、B、C、D公司的4种摩尔浓度（nmol/L）检测试剂和E、F、G公司的3种质量浓度（mg/L）检测试剂进行Lp（a）检测。对比同报告单位试剂间的检测偏差、相关性与回归特征，评估各试剂在风险切点下的临床决策一致性。 结果 7种试剂的批内变异系数为0.36%~1.60%，任意两种试剂检测结果的相关性均较强（均r>0.94）。同单位的试剂间存在偏差，摩尔浓度试剂中，试剂D与B、试剂C与A的平均相对偏差较小，分别为2.2%、-6.0%，但其95%一致性界限较宽，分别为-22.5%~39.3%、-22.1%~10.1%；试剂D与C之间平均相对偏差最大（21.0%），其95%一致性界限也最宽（-18.2%~60.2%）。在质量浓度试剂中，试剂E与F的平均相对偏差较小（1.6%），试剂G与E的平均相对偏差较大（-15.6%），3种质量浓度试剂的95%一致性界限跨度相近，约为40%。当Lp（a）浓度<56.8 nmol/L（或259.0 mg/L）、>102.7 nmol/L（或360.1 mg/L）时，各试剂的风险分层一致率达到100%。 结论 7种Lp（a）检测试剂精密度、相关性良好，但试剂间结果的一致性较差。

目的 探讨垂直梯度离心自动血脂谱检测（VAP）技术检测血脂与脂蛋白亚组分在评估动脉粥样硬化性心血管疾病（ASCVD）超高危患者心血管剩余风险中的价值，及其指导精准降血脂药物干预的效果。 方法 前瞻性纳入2025年3—9月中南大学湘雅二医院心血管内科135例近12个月内发生急性冠脉综合征的ASCVD超高危患者。患者在常规他汀治疗基础上，应用VAP技术检测血脂与脂蛋白亚组分，根据结果精准调整降血脂药物治疗方案。3个月后再次应用VAP技术检测血脂与脂蛋白亚组分，比较干预前后血脂与脂蛋白亚组分水平、异常率及达标率。 结果 干预前，患者低密度脂蛋白胆固醇（LDL-C）水平为（1.81±0.61）mmol/L，非HDL-C为（2.71±0.66）mmol/L；甘油三酯（TG）、极低密度脂蛋白胆固醇（VLDL-C）、残粒样脂蛋白胆固醇（RLP-C）、低密度脂蛋白颗粒（LDL-P）及LDL密度模式异常率分别为71.1%（96/135）、66.7%（90/135）、40.0%（54/135）、34.1%（46/135）和35.6%（48/135）。经VAP技术检测指导精准干预3个月后，LDL-C、非HDL-C、VLDL-C、RLP-C及LDL-P水平均较干预前下降，HDL-C升高（均P<0.05）。TG、VLDL-C、RLP-C和LDL-P异常率分别降至53.3%（72/135）、44.4%（60/135）、29.6%（40/135）和23.7%（32/135）（均P<0.05）。干预后LDL-C<1.4 mmol/L的达标率从22.2%（30/135）提升至44.4%（60/135），非HDL-C<2.2 mmol/L的达标率从22.2%（30/135）提升至60.0%（81/135）（均P<0.001）。 结论 VAP技术检测血脂与脂蛋白亚组分能有效识别常规血脂检测无法显示的心血管剩余风险，基于VAP技术检测结果的精准干预策略可提升血脂达标率。

目的 分析基于同批号质控品室间比对的血脂检测方法学偏倚评估与结果一致性。 方法 方法学评价。回顾性收集2024年宁夏回族自治区临床检验中心质量评价网络平台所有使用同批号血脂4项质控品（批号：89740）的实验室数据。评价不同检测方法之间的总体差异与精密度表现。在检测设备品牌与方法相同的前提下，评估组内精密度，分析检验总误差（TE）是否处于允许总误差（TEa）范围内。通过Bland-Altman偏差图定量评估不同方法学检测同一批号质控品所获数据的一致性。 结果 不同检测系统间的血脂测定结果差异均有统计学意义（均P<0.05）。分层分析表明，在检测方法学统一的前提下，多数仪器平台间的TE均小于TEa，但部分系统［如检测总胆固醇（TC）和甘油三酯（TG）的迈瑞系统］的TE超出了临床接受限度。此外，在单一方法学的比对中，高水平质控品的低密度脂蛋白胆固醇（LDL-C）和TC相对偏倚分别为21.2%与4.7%，均超出1/2 TEa；而在低水平质控品中，LDL-C、TC、TG及高密度脂蛋白胆固醇（HDL-C）的相对偏倚均未超出1/2 TEa。 结论 不同检测系统间的血脂测定结果差异均有统计学意义。在统一方法学条件下，部分检测系统的仪器与试剂间仍存在适配性差异，导致检测误差超出允许范围。由于检测原理固有差异，LDL-C和TC项目的系统性偏倚超过1/2 TEa，是影响检测结果一致性的主要因素。

目的 探讨不同血脂指标对阿尔茨海默病（AD）及轻度认知障碍（MCI）的辅助诊断效能。 方法 回顾性纳入2024年1月至2025年1月首都医科大学附属北京天坛医院和北京潞河医院共600例受试者的临床资料，包括AD患者84例、MCI患者82例、其他脑神经系统疾病患者351例及健康对照者83名。检测并比较不同组别受试者血清氧化型低密度脂蛋白（ox-LDL）、甘油三酯（TG）、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、低密度脂蛋白胆固醇（LDL-C）、载脂蛋白（Apo）AⅠ、ApoB、ApoE、同型半胱氨酸（HCY）共9项血脂指标的表达水平。将单因素分析中差异有统计学意义的指标纳入多因素logistic回归分析，绘制受试者工作特征（ROC）曲线，评估各指标单独及联合应用对AD及MCI的辅助诊断效能。 结果 AD组ox-LDL表达水平为52.76（34.56，83.66）U/L，高于健康对照组的41.05（34.86，51.49）U/L（P=0.006）。MCI组ox-LDL表达水平为45.02（31.10，73.11）U/L，与健康对照组之间差异无统计学意义（P=0.189）。多因素logistic回归分析显示，ox-LDL、TC、HDL-C、LDL-C、HCY是AD与MCI辅助诊断的影响因素。AD与帕金森病匹配模型中，联合ox-LDL、TC和HDL-C辅助诊断AD的曲线下面积（AUC）为0.755（95%CI 0.679~0.820），敏感度为73.75%，特异度为70.67%。AD与脑梗死匹配模型中，联合TC和HDL-C辅助诊断AD的AUC为0.783（95%CI 0.710~0.845），敏感度为88.31%，特异度为57.14%。AD与晕厥匹配模型中，联合TC和LDL-C辅助诊断AD的AUC为0.688（95%CI 0.609~0.760），敏感度为78.21%，特异度为61.54%。MCI与帕金森病匹配模型中，联合ox-LDL、TC、HDL-C和HCY辅助诊断MCI的AUC为0.739（95%CI 0.663~0.805），敏感度为60.76%，特异度为78.48%。MCI与脑梗死匹配模型中，联合ox-LDL和HCY辅助诊断MCI的AUC为0.638（95%CI 0.555~0.716），敏感度为70.27%，特异度为54.05%。 结论 血清ox-LDL、TC、HDL-C、LDL-C、HCY单独及联合应用可能对AD与MCI具有潜在的辅助诊断价值，多个血脂指标联合应用可提高辅助诊断效能。

目的 探讨免疫表型在T细胞大颗粒淋巴细胞白血病（T-LGLL）和其他类型T细胞淋巴瘤（TCL）鉴别诊断中的价值。 方法 回顾性分析江苏省人民医院血液科2021年4月28日至2024年12月21日门诊或住院的已经明确诊断的95例T-LGLL、24例其他类型CD3+CD4-TCL和150例非TCL，同时收集患者的临床资料。95例T-LGLL患者中包括典型表型组69例（72.6%），其中男37例，女32例，年龄60（53，69）岁；非典型表型组26例（27.4%），其中男12例，女14例，年龄63（53，73）岁。95例T-LGLL中有86例（90.5%）为CD3+CD4-T-LGLL，其中男43例，女43例，年龄61（53，69）岁。24例其他类型CD3+CD4-TCL患者中，男11例，女13例，年龄55（48，70）岁。采用多参数流式细胞术（FCM）检测免疫表型及克隆性，比较典型表型组与非典型表型组T-LGLL的免疫表型、临床症状、相关实验室检查及治疗情况等差异，同时比较CD3+CD4-T-LGLL与其他类型CD3+CD4-TCL的免疫表型差异，分析差异指标的鉴别诊断效能。全部样本同时进行TCR基因重排检测。 结果 非典型表型组T-LGLL的CD56阳性率［12例（46.2%）比15例（21.7%），P=0.019］、CD45RA-CD45RO+单表达模式［7例（26.9%）比0例，P<0.001］、TCRγδ型比例［13例（50.0%）比0例，P<0.001］和血小板减少的发生率［8例（30.8%）比5例（7.2%），P=0.006］高于典型表型组，而STAT3/STAT5b/TET2基因突变率低于典型表型组［7例（29.2%）比35例（58.3%），P=0.016］。CD3+CD4-T-LGLL的CD5异常表达率［76例（88.4%）比16例（66.7%），P=0.031］、CD57阳性率［71例（82.6%）比9例（37.5%），P<0.001］和CD45RA+CD45RO-表达模式率［85例（98.8%）比7例（29.2%），P<0.001］高于其他类型CD3+CD4-TCL；在鉴别诊断CD3+CD4-T-LGLL和其他类型TCL中，CD57和CD45RA的敏感度分别为82.6%和98.8%，特异度分别为62.5%和70.8%，阳性预测值分别为88.8%和92.4%，阴性预测值分别为50.0%和94.4%。在检测T细胞克隆性方面，FCM与TCR基因重排具有很高的一致性（Kappa=0.868，P<0.001）。 结论 分析免疫表型可以精准鉴别诊断T-LGLL和其他类型TCL。

目的 比较不同公式估算的肾小球滤过率（eGFR）在中国成人患者中的差异。 方法 回顾性收集2021年1月1日至12月30日于北京大学第一医院检验科同时检测肌酐（Cr）和胱抑素C（CysC）的成人（≥18岁）患者数据。共纳入2 050例，其中男性1 337例，女性713例，年龄51（37， 68）岁，其中18~<40岁有668例（32.6%），40~<70岁有911例（44.4%），≥70岁有471例（23.0%）。用13种不同的eGFR公式计算eGFR，包括2000年肾脏病膳食改良试验（MDRD）公式、2006年同位素稀释质谱法（IDMS）-MDRD公式、2006年MDRDChinese公式、2009年慢性肾脏病流行病学协作组（CKD-EPI）Cr公式、2011年CKD-EPIAsia公式、2012年CKD-EPICysC公式、2012年CKD-EPICr-CysC公式、2014年高加索人-亚洲人-儿童-成人（CAPA）公式、2016年全年龄段（FAS）Cr公式、2017年FASCysC公式、2017年FASCr-CysC公式、2021年CKD-EPICr公式和2021年CKD-EPICr-CysC公式。以2012年CKD-EPICr-CysC公式为参考公式，各公式eGFR与参考公式eGFR的差异比较使用Wilcoxon符号秩和检验，各公式与参考公式对CKD分期的差异采用Bowker检验，对不同分组的差异采用McNemar χ2检验，各公式与参考公式之间eGFR的相关性采用Spearman相关性分析。 结果 参考公式的eGFR中位数为73.38 ml（/ min×1.73 m2），各公式的eGFR与参考公式之间差异均有统计学意义（均P<0.001）。与参考公式相比，整体低估的有5个公式，范围为64.16~70.58 ml（/ min×1.73 m2），其余7个公式呈现出高估现象，范围为73.39~84.09 ml（/ min×1.73 m2）。2021年CKD-EPICr-CysC公式与参考公式相关性最强（r=0.99），偏差程度最小（斜率=-0.03）；MDRD组的3个公式与参考公式的相关性最差（r=0.66），并且在≥90岁的老年患者中出现高估。不同公式与参考公式相比在CKD分期上差异有统计学意义（P<0.001）。在GFR低值组［<60 ml（/ min×1.73 m2）］中，与参考公式最接近的是2017 FASCysC公式，与参考公式差异最大的是2006 MDRDChinese公式。2021 CKD-EPICr-CysC公式在3个年龄组中与参考公式的相关性最高，r均为0.99，其次是2017 FASCr-CysC公式，其在3个年龄组的r值依次为0.97、0.97、0.96，在≥70岁的人群中，MDRD组的3个公式与参考公式的相关性最低（r=0.72）。 结论 与2012年CKD-EPICr-CysC参考公式相比，Cr和CysC联合公式的eGFR偏倚较小，准确度较高。

目的 建立并验证初诊多发性骨髓瘤（MM）患者6个月内静脉血栓栓塞症（VTE）发生风险的预测模型。 方法 本研究为单中心回顾性队列研究，纳入2015年1月1日至2022年12月31日首都医科大学附属北京积水潭医院422例初诊MM患者作为训练集，其中男220例，女202例，年龄62（54，68）岁。查看患者电子病历系统，收集MM患者诊断后6个月内VTE事件、年龄、性别、体重指数等人口学特征，既往VTE史、中心静脉导管（CVC）置入、治疗相关因素、实验室指标、细胞遗传学信息及IMPEDE、SAVED评分等。另纳入2023年1月1日至2025年1月20日200例初诊MM患者作为验证集，其中男109例，女91例，年龄61（52，69）岁。通过单因素和多因素logistic回归筛选危险因素，并基于回归系数构建评分模型。根据训练集评分总分三分位数将患者分为低、中、高风险组。模型区分能力以受试者工作特征曲线（ROC）及曲线下面积（AUC）评价，校准性以Hosmer-Lemeshow检验评价，内部稳定性通过Bootstrap自助法评估，不同模型AUC比较采用DeLong检验。验证集使用训练集建立的评分公式和风险分层阈值进行验证，并评价模型区分能力、校准性和风险分层效果。 结果 训练集中62例患者发生VTE，发生率为14.7%。多因素logistic回归分析显示：年龄（OR=1.051，95%CI 1.017~1.086，P=0.003）、CVC置入（OR=5.472，95%CI 2.881~10.396，P<0.001）以及既往VTE史（OR=11.776，95%CI 5.089~27.236，P<0.001）为发生VTE的危险因素。训练集低、中、高风险组6个月内VTE发生率分别为5.7%（9/157）、6.5%（8/124）和31.9%（45/141），Kaplan-Meier生存曲线显示 3 组累积 VTE 发生风险差异有统计学意义（Log rank P<0.001）。由年龄、CVC 置入和既往VTE史3个变量组成的简化评分模型AUC为0.784（95%CI 0.714~0.855），高于IMPEDE评分（AUC=0.722，DeLong P=0.035）和SAVED评分（AUC=0.673，DeLong P<0.001）；Hosmer-Lemeshow检验P=0.368，Bootstrap重抽样后平均AUC为0.783，提示模型内部稳定性较好。验证集中27例患者发生VTE，发生率为13.5%；简化评分模型AUC为0.758（95%CI 0.647~0.868），Hosmer-Lemeshow检验P=0.351，低、中、高风险组6个月内VTE发生率分别为3.9%（3/76）、8.3%（5/60）和29.7%（19/64），组间差异有统计学意义（P<0.001）。 结论 本研究构建的简化评分模型由年龄、CVC置入和既往VTE史3个变量组成，在训练集和验证集中均显示出较好的区分能力和高危患者识别能力，可为初诊MM患者诊断后6个月内VTE风险评估提供参考。

目的 探讨非小细胞肺癌脑膜转移（LM）患者脑脊液的实验室检测与患者诊断及预后的关系。 方法 回顾性队列研究。简单随机法选取2021年1月10日至2023年10月22日首都医科大学附属北京天坛医院肿瘤内科初诊的非小细胞肺癌且未经过治疗的115例患者，其中男性45例，年龄（58.60±10.10）岁，女性70例，年龄（56.96±11.51）岁。115例患者中，34例无LM患者为无LM组，81例有LM的患者为LM组（生存期≤1年的27例，生存期>1年的54例）。对患者的脑脊液肿瘤细胞百分比、肿瘤标志物、蛋白、乳酸等结果进行统计学分析，比较两组各项实验室指标之间的差异。 结果 本研究中非小细胞肺癌LM组患者脑脊液中可找到特征性肿瘤细胞，脑脊液癌胚抗原（CEA）在LM组［45.94（6.23，121.60）ng/ml］高于无LM组［0.50（0.20，3.45）ng/ml］，细胞角蛋白19（CYFRA21-1）在LM组［7.06（2.21，13.21）ng/ml］高于无LM组［0.70（0.61，1.34）ng/ml］，乳酸在LM组［2.80（2.20，3.80）mmol/L］高于无LM组［1.70（1.60，2.28）mmol/L］，差异均有统计学意义（均P<0.001）。LM组患者经过两个周期治疗后，生存期≤1年的患者脑脊液中肿瘤细胞差值（治疗后-治疗前）［-0.2%（-4.0%，1.0%）］低于生存期>1年的患者［-5.0%（-14.5%，-1.0%）］，生存期≤1年的患者治疗前后脑脊液中CEA差值（治疗后-治疗前）［-0.60（-51.93，0.22）ng/ml］低于生存期>1年的患者［-24.15（-768.07，-2.76）ng/ml］，差异均有统计学意义（均P<0.05）。 结论 脑脊液中发现肿瘤细胞是非小细胞肺癌LM诊断的重要依据，脑脊液CEA、CYFRA21-1可辅助诊断肿瘤LM，脑脊液肿瘤细胞百分比及其变化与肿瘤标志物CEA的变化可以为非小细胞肺癌LM患者治疗效果的评估及预后提供较好的参考依据。

目的 分析基于客观结构化临床考试（OSCE）设计的医学人文教学模式在检验住院医师规范化培训（简称“住培”）中的应用效果。 方法 前瞻性纳入2021—2022年温州医科大学附属第二医院检验医学科参加住培的2021、2022级硕士研究生各12名，根据接受培训方式的不同，分为传统医学人文教学组（2021级，传统教学组）和基于OSCE设计的医学人文教学组（2022级，OSCE教学组）。传统教学组和OSCE教学组学员接受教学和考核的时间分别为2023年1—12月和2024年1—12月。基于OSCE设计的教学模式包括危急值报告与跨科室沟通考站、异常结果解释与患者安抚考站、标本拒收中的患教沟通考站。OSCE设计包括评分表标准化、病例标准化、患者标准化、考官培训标准化。传统医学人文教学模式包括系统理论授课和专题案例讨论。比较2组学员培训前后的关怀能力量表（CAI）评分、培训后医学人文理论知识及岗位实践能力评分和360度教学反馈评分的差异。 结果 培训后，两组学员CAI中的认知、勇气、耐心评分均有所提升，且OSCE教学组评分均高于传统教学组（均P<0.05）。OSCE教学组培训后的医学人文理论知识及岗位实践能力评分均有提升（均P<0.05），CAI耐心评分与临床沟通、病史采集及整体评价评分呈正相关（r=0.81、0.89、0.90，均P<0.05）。在360度教学反馈中，除临床工作能力评分外，OSCE教学组的住培学员对带教老师的教学评分及带教老师对住培学员的考核评分均高于传统教学组（均P<0.05）。 结论 基于OSCE设计的医学人文教学模式在检验住培中的应用效果较好。

患者男，50岁，因“骶尾部压疮1年余，加重10 d”于2024年2月8日就诊于山东省荷泽市巨野县人民医院。既往有脑梗死、高血压病史，合并腰部以下截瘫（长期卧床），且有腰椎金属植入术史。入院后确诊为脓毒症，分别从患者血液及腹腔脓液标本中分离出严格厌氧菌；经基质辅助激光解吸电离飞行时间质谱及16S rRNA基因测序鉴定，2株菌株均确诊为哈氏亨盖特菌。药敏试验结果显示，2株菌对甲硝唑、阿莫西林/克拉维酸钾、克林霉素、美罗培南均敏感。患者初始接受万古霉素联合头孢吡肟抗感染治疗，疗效不佳；随后调整治疗方案为美罗培南抗感染，同时予腹部脓肿切开引流、营养支持等综合干预，患者感染指标逐步恢复正常，于2024年5月好转出院。出院后随访3个月，未出现感染复发。

肺纤维化（PF）是一种由多因素介导的进行性肺部疾病，其病理特征主要包括肺泡上皮损伤、免疫微环境紊乱、细胞外基质异常重塑及成纤维细胞过度活化等。血液生物标志物因具有无创、可重复检测及便于动态监测等优势，在PF的辅助诊断、病情评估、预后判断及疗效监测中受到广泛关注。近年来，PF相关标志物的研究不断深入，可从上皮损伤、基质沉积、成纤维细胞活化及免疫调控等不同层面反映PF的相关生物学过程。本文对PF相关血液生物标志物的分类、作用机制、临床应用价值及局限性进行系统综述，以期为PF的精准评估及生物标志物的临床应用提供参考。

临床质谱检测由于生物样本基质复杂、前处理流程繁琐及自动化集成度低，在大规模临床常规检测的推广应用中受到制约。磁珠法前处理技术凭借其良好的分散吸附特性及与高通量液体处理平台的高度兼容性，展现出降低基质效应、提升痕量标志物富集倍数及实现高程度自动化的核心技术优势，并且已广泛应用于小分子化合物（治疗药物、类固醇与儿茶酚胺类激素、维生素）和大分子生物标志物（蛋白质、特定核酸片段及微小核糖核酸）的临床质谱检测。然而，目前磁珠前处理技术在临床落地中面临高检测成本、自身性能局限（物理稳定性及选择性不足、基质效应残留）以及标准化滞后等挑战，主要通过材料学改良、磁珠表面功能化设计及行业标准制定等策略可实现针对性优化，进一步推动临床质谱检测向高通量、标准化与智能化方向发展。