《Scientific Reports》：Big data-driven establishment and bias comparison of serum ferritin reference intervals in Zhejiang Chinese adults using six algorithms
编辑推荐：
本研究针对传统血清铁蛋白(SF)参考区间(RIs)与本土人群不匹配的问题，系统比较了非参数法(EP28-A3c)、参数法(EP28-A3c)及四种现代算法(TMC/refineR/Kosmic/Bhattacharya)在22,359例体检人群中的表现。研究发现实验室自建RIs使贫血患者SF异常检出率提升至33.6%(制造商标准仅13.2%)，GAMLSS构建的连续RIs首次揭示男性20-29岁、女性46-58岁的SF浓度陡增现象，为精准医学提供新依据。
在临床检验医学中，血清铁蛋白（Serum Ferritin, SF）作为评估人体铁储存状态的关键指标，其参考区间（Reference Intervals, RIs）的准确性直接关系到贫血、慢性病等疾病的诊断效能。然而当前实验室普遍采用的试剂制造商提供的参考区间，往往基于西方人群数据建立，与中国本土人群的生理特征存在显著差异。这种"水土不服"的现象导致大量患者的检测结果陷入"灰色地带"——按照制造商标准判为正常的值，可能掩盖了中国人特有的铁代谢特征。特别是在贫血鉴别诊断中，这种偏差可能造成铁缺乏性贫血的漏诊或误诊。正是为了解决这一临床痛点，浙江的研究团队开展了一项突破性研究。
为建立更精准的本土化参考标准，研究人员创造性地采用大数据驱动的研究范式，收集了医院A的22,359例和医院B的555例健康体检数据，并纳入327例贫血患者作为验证队列。研究首次系统比较了六种算法性能：包括美国临床和实验室标准协会（CLSI）EP28-A3c指南推荐的非参数法（EP28-NP）与参数法（EP28-P），以及四种现代算法（TMC, refineR, Kosmic, Bhattacharya）。针对传统分段式参考区间忽略年龄连续变化的缺陷，团队还采用广义可加模型（GAMLSS）构建了连续参考区间。
关键技术方法包括：基于CLSI EP28-A3c指南的参考区间建立规范、六种算法（非参数/参数/现代算法）的并行比较、GAMLSS建模技术，以及大样本健康体检队列（含两中心数据）与贫血患者队列的验证设计。
主要研究结果
不同算法的一致性验证
研究发现，EP28-NP与四种现代算法在参考区间下限方面表现出高度一致性。以EP28-NP为例建立的性别-年龄分层参考区间显示：男性（20-92岁）为68.8-495.5 ng/mL，女性则呈现典型的年龄梯度特征：20-45岁（10.4-132.5 ng/mL）、46-58岁（13.8-241.6 ng/mL）、59-90岁（43.7-348.8 ng/mL）。所有算法均通过临床验证，符合率高达90.91%-98.67%。
实验室自建标准的诊断效能突破
最具临床价值的发现是：应用新建立的参考区间后，贫血患者的血清铁蛋白异常检出率从制造商标准的13.2%显著提升至33.6%，相对检出率提高2.5倍。这一突破性结果证实了本土化参考区间对提升临床诊断灵敏度的关键作用。
连续参考区间揭示的生命周期规律
通过GAMLSS构建的连续参考区间，首次精准捕捉到中国人群血清铁蛋白随年龄变化的动态规律：男性在20-29岁出现快速上升平台，女性在46-58岁（围绝经期阶段）呈现浓度陡增。这种连续变化轨迹为不同生理阶段的铁代谢评估提供了更精细的标尺。
研究结论与展望
本研究通过多算法比较证实，现代算法与传统EP28-A3c方法在参考区间建立中具有良好互补性。建立的浙江地区成人血清铁蛋白参考区间不仅填补了本土化标准的空白，更揭示了传统分段区间无法捕捉的生理变化细节。特别值得注意的是，女性参考区间呈现的"三阶段"特征，完美契合育龄期-围绝经期-绝经后的激素调控规律，为女性铁代谢研究提供了新视角。
该研究的成功实践表明，实验室应依据数据分布特征选择适宜算法建立本地化参考标准。这项发表于《Scientific Reports》的成果，为推进精准医疗时代的个体化检验诊断提供了方法论范式，其建立的大数据驱动参考区间建立框架，可推广至其他检验项目的标准化建设，对提升我国临床检验质量具有里程碑意义。
