马匹全血细胞计数参数及炎症指标在炎症状态下的变化

《Journal of Equine Veterinary Science》：Changes in Equine Complete Blood Count Parameters and Inflammatory Indices with Inflammation

　　马匹炎症早期检测中，基于急性期蛋白（SAA、Hp）分类建立非行业参考区间（RIs）可提升诊断灵敏度，SII、SIRI、AISI等炎症指数的预测效能优于传统血常规参数和行业RIs。

　　本研究旨在探索如何通过血液检测指标来更有效地识别马匹体内的炎症状态。在动物健康管理和疾病预防方面，早期发现炎症具有重要的意义，因为这有助于及时采取干预措施，从而保护马匹的健康。目前，虽然血液检查是兽医常用的诊断工具，但其在检测炎症方面的有效性仍然有限。因此，研究者希望通过分析完整的血细胞计数（CBC）参数和炎症指标的变化，建立一种新的参考区间（RIs），以提高对炎症的预测能力。

在研究过程中，科学家们对199匹马进行了血清蛋白的检测，其中包括153匹健康马和46匹正在接受兽医治疗的马。通过比较这些马的血清淀粉样蛋白A（SAA）和血红蛋白（Hp）浓度，研究者将马分为炎症状态（SH+）和非炎症状态（SH-）两组。其中，SH+组共有48匹马，SH-组则有150匹马。研究结果显示，所有三种炎症指标（SII、SIRI、AISI）在SH+组中的中位数值均高于SH-组，并且这些指标的预测能力也优于其他检测方法。具体而言，SII、SIRI和AISI的曲线下面积（AUC）分别为0.64、0.64和0.66，表明它们在识别炎症方面具有较高的准确性。

此外，研究还发现，如果马匹的CBC参数或炎症指标超出或低于非炎症参考区间，则其成为炎症状态的可能性显著增加。例如，SII、SIRI和AISI的参考区间分别使马匹成为炎症状态的几率提高6.32倍、4.54倍和7倍。这表明，基于非炎症状态建立的参考区间可能比现有的行业标准参考区间更具诊断价值。研究者认为，这是因为传统的参考区间通常是基于健康马匹的数据，而这些马匹可能已经处于某种隐性炎症状态，导致它们的血液指标在正常范围内，却无法准确反映炎症的实际情况。

在讨论部分，研究者指出，仅依靠细胞参数或传统参考区间来解读CBC结果可能会限制其在炎症检测中的应用。过去的研究表明，传统的白细胞计数等参数在预测疾病存在和严重程度方面存在一定的局限性。因此，引入新的炎症指标和基于非炎症状态的参考区间，可能有助于提高血液检测在疾病预防中的作用。研究者还提到，这些炎症指标反映了免疫系统中多种细胞类型的平衡，包括中性粒细胞、单核细胞和血小板等，这些细胞在炎症反应中起着关键作用。

值得注意的是，本研究的创新之处在于，它不仅关注炎症指标本身的变化，还试图通过建立特定的参考区间来增强这些指标的诊断能力。研究者强调，虽然单一的细胞参数可能不足以准确判断炎症的存在，但结合多种细胞类型的比值和炎症指标，可以提供更全面的评估。例如，SII通过比较中性粒细胞和血小板的计数与淋巴细胞的计数，能够更有效地反映免疫系统的整体反应；而SIRI和AISI则通过不同的组合方式，进一步细化了对炎症的识别能力。

研究的结论表明，基于非炎症状态建立的参考区间和炎症指标在检测马匹炎症方面具有显著优势。这些指标不仅能够更准确地识别炎症的存在，还能为兽医提供额外的工具，以评估马匹的健康状况。研究者还指出，虽然这些指标不能单独作为诊断工具，但它们可以作为辅助手段，与其他临床评估方法结合使用，从而提高疾病的早期检测率。

在方法学上，研究采用了Kruskal-Wallis检验和Dunn’s后验分析，结合Bonferroni校正，以确保统计结果的可靠性。这种非参数检验方法适用于数据分布不明确的情况，能够更准确地比较不同组别之间的差异。通过ROC分析，研究者进一步验证了这些炎症指标的预测价值，并计算了比值比（OR），以评估不同参考区间对炎症检测的贡献。结果显示，基于非炎症状态的参考区间比行业标准的参考区间更能提高预测的准确性。

本研究的伦理审批由宾夕法尼亚州立大学的动物护理与使用委员会（Animal Care and Use Committee）完成，确保了实验的合法性和伦理性。研究对象包括来自宾夕法尼亚州的199匹马，其中健康马和正在接受治疗的马各占一定比例。研究者通过收集这些马的血液样本，分析其CBC参数和炎症指标的变化，并据此建立新的参考区间。这一过程不仅需要精确的数据采集，还需要对数据进行严格的统计分析，以确保结果的科学性和可重复性。

在作者贡献方面，研究团队成员各司其职，共同完成了这项研究。M.M. Friend负责概念化、方法设计、数据分析、调查和撰写初稿；E.M. McGaffigan参与了数据收集和分析；S.H. Hall负责撰写和编辑；W.B. Staniar和D.N. Smarsh则在概念设计、方法制定、数据收集、资源管理、撰写和监督方面发挥了重要作用。此外，研究团队还声明了他们使用了生成式人工智能工具（如ChatGPT）来优化语言表达，但最终的编辑和审核工作均由作者完成，确保了研究内容的准确性和原创性。

研究的资助来源包括美国国立卫生研究院（NIH）的T32GM154124项目、美国农业部（USDA）的国家食品和农业研究所（NIFA）和动物健康拨款项目（项目编号PEN04807和PEN04904），以及相关的项目访问编号（700344和7005932）。这些资金支持为研究提供了必要的资源和条件，使得研究团队能够顺利完成数据采集、分析和报告撰写等工作。

总的来说，本研究通过分析马匹的CBC参数和炎症指标，探索了如何利用这些指标更有效地检测炎症。研究结果表明，基于非炎症状态建立的参考区间和特定的炎症指标在提高炎症检测的准确性方面具有显著优势。这不仅为兽医提供了新的诊断工具，也为动物健康管理和疾病预防提供了理论支持。未来，研究者可以进一步探索这些指标在不同疾病状态下的应用，以期开发出更全面的炎症检测体系。