一种基于网络的动态命名图，用于预测儿童难治性支原体肺炎

摘要

本研究全面评估了MPP儿童的临床表现、实验室指标和影像特征，以识别RMPP的独立风险因素，并建立在线动态命名图以实现早期预测。

摘要

难治性 肺炎支原体 肺炎（RMPP）在儿童中与更强烈的炎症反应、更复杂的管理以及更高的肺部并发症风险相关。早期识别高风险儿童有助于及时调整治疗。该回顾性研究涵盖了2022年11月至2023年11月期间500名患有 肺炎支原体 肺炎的住院儿童。队列被随机分为训练集（n = 375）和验证集（n = 125）。单变量和多变量逻辑回归分析确定了六个RMPP的独立预测因子：入院前发热持续时间、体温峰值、乳酸脱氢酶水平、痰塞或胸腔积液、肺部巩固和低氧血症。基于网络的动态命名计量图基于这些变量构建了该模型。模型表现出良好的辨别力，训练集受试者工作特征曲线/C指数下的区域为0.840（95% CI，0.785–0.892），验证集为0.831（95% CI，0.743–0.906）。校准曲线显示预测风险与观察风险高度吻合，决策曲线分析显示大多数阈值概率均有临床净益。出现长时间发烧、高体温、乳酸脱氢酶升高、缺氧血症以及肺部巩固或痰塞/胸腔积液CT证据的儿童，应被视为RMPP风险增加，可能需要更密切监测和及时调整治疗。

引言

肺炎支原体（MP）是儿童社区获得性肺炎的主要病原体，尤其在学龄前和学龄人群中。肺炎支原体肺炎（MPP）占儿童肺炎的相当大比例，近年来其发病率有所^增加2。大多数儿童在适当治疗后会有良好的进展;然而，有些人在接受标准大环内酯治疗至少7天后，会出现持续发热、呼吸症状加重或放射学异常进展，这些现象可能归因于大环内酯耐药性和/或治疗延迟。这种疾病通常被定义为难治性肺炎支原体肺炎（RMPP）。RMPP与进展更快、治疗更复杂以及肺部和肺外并发症风险较高相关，因此早期风险识别临床上尤为重要。

多种临床、实验室和影像指标已被关联到RMPP。报告的预测因子包括乳酸脱氢酶（LDH）、D-二聚体、白介素（IL）-6、IL-10、胸腔积液、黏液堵塞、肺部实结、持续发热、高发热、衰老以及低氧血症3,4,5,6,7,8,9 .这些变量反映了疾病活动的不同方面，包括炎症反应、组织损伤、凝血激活、气道阻塞和氧合受损。然而，RMPP通常由多个相互作用因素驱动，单变量评估可能提供有限的个体化风险估计。

当前的临床预测主要依赖于医生判断、基于阈值的实验室解读、影像评估或静态评分模型。临床判断灵活但主观，而单指标阈值简单，但可能忽略临床严重程度、炎症和放射进展的综合影响。计型图将多个独立预测变量整合到个性化的概率估计中，比孤立变量更直观地评估风险。基于网络的动态命名图还允许直接输入患者数据和快速的床边计算，这可能支持早期监测和治疗调整。

预测模型仍是决策支持工具，无法取代临床判断。其性能取决于数据质量、变量定义以及在独立群体中的验证。现有基于RMPP的计录图研究报告为^6,7;然而，外部验证的动态工具和跨模型的系统比较仍然需要。本研究开发的基于网络的计录图适用于儿科科和急诊环境，这些场所常规可使用胸部CT、LDH测量和血氧饱和度监测。临床医生在将预测应用于流行病学特征显著不同的人群、影像资源有限的医疗环境，或接受可能改变炎症标志物的入院前皮质类固醇或二线抗生素的患者时，应谨慎解读。

方案

本研究获金华妇儿童医院伦理委员会批准（编号2024KY099）。儿童的法定监护人已获得知情同意。

患者数据

该回顾性研究纳入了2022年11月至2023年11月期间住院于金华妇儿童医院附属儿童医院的肺炎 支原体 肺炎（MPP）儿童。MPP的诊断基于呼吸症状、胸部影像检查以及肺炎 支原体 DNA或RNA检测阳性。一般MPP（GMPP）指对标准大环内酯治疗反应良好的孩子，而RMPP则定义为持续发热、症状加重或在接受标准大环内酯治疗至少7天后出现进展性影像异常¹⁰。纳入标准包括年龄<14岁、确诊肺炎 支原体 感染、呼吸道症状及与肺炎相符的影像学表现。排除标准包括疾病发病后10天内混合感染、白血病、慢性肺病、免疫缺陷、既往免疫抑制治疗、恢复期入院或病历不完整。标准治疗建议阿奇霉素每日一次10毫克/公斤，口服或静脉注射，最大剂量为500毫克/天。不符合RMPP标准的儿童被归类为普通MPP（GMPP）。共500名符合条件的儿童被随机分为训练队列（n=375）和验证队列（n=125），使用R软件4.1.2（函数：sample（），set.seed=42）。验证队列仅用于外部模型评估，未用于模型构建的任何步骤。电子病历数据是通过事先开发的标准化提取模板提取的。数据字段包括人口统计学、临床表现、实验室数值、影像学发现和治疗记录。两名受过培训的研究人员独立提取数据，差异通过共识解决。胸部CT结果由放射科医生在临床分组和实验室结果中盲视评估。评估了CT图像解读的评估者间信度，采用Cohen's kappa统计量评估二元影像学发现（痰塞或胸腔积液：是/否;肺部巩固：是/否）。最后，129名儿童被归类为RMPP，371名被归类为普通MPP。

变量

人口统计、临床、实验室和影像变量均通过预定义表格从电子病历中提取。临床变量包括年龄、性别、入院前的发热持续时间、体温峰值和缺氧。发烧持续时间定义为从发烧开始到入院的间隔。体温峰值是入院前或24小时内记录的最高体温。低氧血症被定义为外周动脉血氧饱和度<室内空气中92%）或需要补充氧气。实验室变量包括白细胞、血红蛋白、血红蛋白、长血蛋白、CRP、ALB、替代骨髓、CK-MB、LDH、D-二聚体、IL-6、IL-8、IL-10、IL-17、PCT和NE%。在入院后24小时内采集空腹静脉血样，并在有条件时记录了与发热和抗生素开始时间的相关采样时间。肺炎 支原体 DNA或RNA检测用于病因确认。咽喉拭子实时定量PCR检测支 原体 肺炎DNA或RNA结果呈阳性。由于无法获得所有患者的标准化负载数据，未包含定量DNA/RNA负荷。在入院前后3天内进行的胸部CT检查，评估了痰塞、胸腔积液和肺部实变的情况。当出现任何一发现时，“痰塞或胸腔积液”均为阳性。肺部实质化被定义为CT上的分段或叶实质不透明。使用了256片CT扫描仪。儿童被置于仰卧姿势，在屏气或儿童睡觉时使用适当宽度的探测器进行低剂量轴向胸部扫描。扫描覆盖范围从肺尖延伸到肺底，覆盖整个肺实质。扫描参数设置如下：管电压100 kVp，切片厚度5毫米，重建切片厚度1.25毫米，矩阵512×512，门架旋转时间0.28秒，噪声指数12。图像通过ASIR-V和DLIR算法重建。每组包含ASIR-V权重为20%、50%和80%的重建图像，以及DLIR-L、DLIR-M和DLIR-H图像。采集到的图像数据被导入工作站。所有影像均由两位具有五年以上临床经验的放射科医生以双盲方式独立审查。他们评估了肺部异常体征的存在，并总结了主要影像特征。对于解释不一致的案件，则通过相互讨论达成共识。

统计分析

统计分析使用R软件4.1.2版本进行。类别变量以n（%）表示，并使用卡方检验或费舍尔精确检验进行比较。连续变量根据分布表示为标准差±均值或中位数（四分位数区间）。正常性通过Shapiro-Wilk检验进行评估。正态分布变量使用独立样本 t检验比较，非正态分布变量使用Mann-Whitney U检验。在模型构建前，使用χ² 或Mann-Whitney U检验确认训练与验证队列的基线可比性，所有候选预测变量均未显示显著差异（均为 P >0.05）。在训练队列中，单变量逻辑回归 中P< 0.05的变量被录入多变量逻辑回归。多重共线性通过“car”包计算的方差膨胀因子（VIF）进行评估;所有选定预测变量的VIF均为5<，表明无显著多重共线性。LDH的线性假设通过对数变换和受限三次样条（使用“rms”包，分别在第10、50和90百分位放置3节）进行检验;当模型拟合度没有改善时，线性形式被保留（似然比检验：非线性样条项 的P >0.05，支持线性规格）。最终的多变量模型采用“rms”软件包（版本6.3-0;功能：逻辑回归用lrm，值预测用Predict，图形表示用nomogram）构建了命名图。鉴别能力通过受试者工作特征曲线、曲线下面积和C指数及95%置信区间（“pROC”包）进行评估。校准通过校准曲线评估，采用1000次自助重采样。（“RMS”包：校准函数）。通过pROC套件，使用Youden 指数独立 确定了每个队列内的最佳预测阈值：训练队列为0.222，验证队列为0.247。训练导出的截止值（0.222）也应用于验证队列，以进行跨队列表现比较，符合标准内部验证实践。例如，预测概率的95%置信区间是用基于模型的logit标准误计算的。采用决策曲线分析评估跨阈值概率的净收益（“rmda”软件包：decision_curve和plot_decision_curve函数）。双侧 P <0.05被认为具有统计学显著性。完整的R脚本，包括数据预处理、模型构建、验证和命名图生成，均可由通讯作者索取。

缺失数据极少（所有变量缺失<2%），分析前采用连续变量的中位数补补和类别变量的模态补补处理。所有类别预测变量均编码为二元（0/1）指示变量。连续预测因子（发热持续时间、高峰体温、LDH）在原有临床单元中保留，未进行分类。在多变量建模之前，未进行基于单变量筛查的变量选择;相反，考虑文献中所有临床相关候选人，并将训练队列单变量分析中 P 值<0.05的候选人进入多变量模型。

网页计算器实现

基于网页的动态命名图通过 R 中的“shiny”包（版本 1.7.4）部署。用户界面采用了 shiny：：fluidPage（）、shiny：：sidebarLayout（）和 shiny：：sliderInput（） 用于连续变量（发热持续时间、峰值体温、LDH），以及 shiny：：selectInput（） 用于二元变量（痰塞或胸腔积液、肺部巩固、低氧血症）。服务器逻辑调用拟合的 lrm 模型中的预测（）函数来计算个别风险估计，所得概率 通过 renderPlot（） 和 renderText（） 来渲染。该应用托管在 ShinyApps.io（https://predictrmpp.shinyapps.io/RMPP/）。

结果

临床数据是回顾性收集的，并按照机构保密要求处理。

研究人群

共有500名符合条件的儿童被纳入，其中包括272名男孩和228名女孩。培训队列包括375名儿童，其中286人患有GMPP（普通MPP），89人拥有RMPP。验证队列包括125名儿童，其中85人患有GMPP，40人患有RMPP。训练和验证队列在年龄（中位数5.2岁对5.4岁， P = 0.681）、性别分布（男性54.1% 对53.6%， P =0.924）、RMPP比例（23.7% 对32.0%， P =0.078）以及所有基线临床、实验室和影像变量（ 均为P >0.05）上具有可比性，证实随机分配实现了适合模型开发和验证的平衡队列。在培训队列中，GMPP组和RMPP组的年龄和性别相似。与GMPP儿童相比，RMPP患者入院前发热时间更长，体温峰值更高，CRP、D-二聚体、LDH、IL-6和IL-8水平升高，痰塞或胸腔积液、肺部巩固和缺氧率也较高。验证队列中也观察到类似趋势（见表1）。

特征选择

在训练队列中，单变量逻辑回归确定了九个与RMPP相关的变量：入院前发热持续时间、体温峰值、CRP、D-二聚体、LDH、IL-6、痰塞或胸腔积液、肺部巩固和低氧血症。无统计显著性的变量未被录入多变量模型。在多变量建模之前，九个候选预测变量之间的多重共线性通过VIF（补充表1）进行评估;所有VIF值范围均为1.12至3.87，远低于传统阈值10，证实多重共线性不存在问题。多变量逻辑回归显示，入院前发热持续时间、体温峰值、LDH、痰塞或胸腔积液、肺部巩固和低氧血症仍是RMPP的独立预测因子。调整后，CRP、D-二聚体和IL-6与RMPP未独立相关。这六个预测因子用于构建计表图（见表2）。

LDH的线性评估

LDH的线性假设通过在第10^、第50^和第90百分位位处分别有3节的受限立方样条进行评估。将样条模型与线性模型进行似然比检验，拟合度未显著改善（χ² = 1.23，P = 0.540）， 支持保留线性项。

动态计量图的发展与验证

使用多变量模型中的六个独立预测因子构建了一组传氏图：入院前发热持续时间、体温峰值、低密度高压、痰塞或胸腔积液、肺部巩固和缺氧血症（见图1）。随后基于同一模型开发了基于网页的动态计算器。对于发热持续4天、最高体温40°C、LDH为415 U/L、缺氧血、痰塞或胸腔积液及肺部巩固的儿童，预测RMPP风险为98.6%（95% CI，92.9%–99.7%）（使用拟合逻辑回归系数计算：logit（p） = −3.131 + 0.280 ×发热持续时间 + 0.889 ×高峰体温 + 0.0105 × LDH + 1.305 × SP_or_PE + 1.962 ×巩固 + 1.952×低氧血症;95% CI基于基于模型的标准误线性预测变量在Logit尺度上，并利用逆Logit函数反向转换为概率尺度）（见图2）。

模型表现出良好的辨别能力。训练队列的C指数为0.840（95% CI，0.785–0.892），验证队列为0.831（95% CI，0.743–0.906）。ROC分析结果一致，AUC值分别为0.840和0.831（见图3A、B）。训练队列的最佳阈值由尤登指数确定为0.222，灵敏度为78.7%，特异度为80.1%。验证队列中，独立计算的最佳阈值为0.247，灵敏度为72.5%，特异性为82.4%。当对验证队列应用训练导出的阈值（0.222）时，敏感度为75.0%，特异性为76.5%。基于1000次自助重抽样的校准曲线显示预测风险与观察风险高度吻合，训练队列的平均绝对误差为0.017，验证队列为0.028（见图3C，D）。决策曲线分析显示，在大多数阈值概率下，计录图的净收益优于全治疗或不治疗策略，尤其是在0.05至0.90之间（见图4）。

CT成像与评定者间的可靠性

两位放射科医生之间CT图像解读的评审间信度采用Cohen's kappa法评估。对于痰塞或胸腔积液（κ = 0.82,95% CI：0.74–0.90）和肺部巩固（κ = 0.79,95% CI：0.69–0.89）的一致性显著，支持基于影像的预测指标的可靠性。

数据可用性：

本研究生成和/或分析的数据集可在 https://predictrmpp.shinyapps.io/RMPP/ 获取。随机验证和训练队列中纳入患者的人口统计学、临床、实验室和影像特征分别见 补充表2 和补充 表3。

图1：通过纳入六个参数，在训练队列中建立了命名图。 请点击此处查看该图的放大版本。

图2：用于RMPP诊断的在线动态神经图。（A） 预测的数值总结。（B）预测模型细节。 请点击此处查看该图的放大版本。

图3：对该命名图有效性和可靠性的评估。训练队列（A）和验证队列（B）的ROC曲线;训练队列（C）和验证队列（D）的校准曲线。 请点击此处查看该图的放大版本。

图4：训练队列的DCA曲线。 请点击此处查看该图的放大版本。

变量	总计（n=500）	培训队列		P 值	验证队列		P 值
		GMPP（n=286）	RMPP（n=89）		GMPP（n=85）	RMPP（n=40）
年龄，年龄	4.00 (3.00, 7.00)	4.00(3.00,7.00)	4.00(3.00,6.00)	0.717	4.00 (3.00, 7.00)	4.00 (2.00, 5.50)	0.521
性	272（54.4%）			0.286			0.908
女性		133（46.50%）	35(39.30%)		40 (47.1)	20 (50.0)
男性		153（53.50%）	54(60.70%)		45 (52.9)	20 (50.0)
总结，天	3.00 (2.00, 5.00)	3.00(2.00,4.00)	4.00(3.00,6.00)	<0.001	3.00 (2.00, 4.00)	5.00 (3.00, 7.00)	0.001
T，°C	39.20 (38.90, 39.60)	39.10(38.90,39.50)	39.40(39.00,39.90)	0.001	39.00 (38.80, 39.50)	39.45 (39.00, 40.00)	0.019
WBC，109/L	8.43 (6.49, 11.16)	8.48 (6.53, 11.24)	8.98 (6.79, 11.76)	0.584	8.57 (6.66, 11.03)	7.31 (5.19, 9.87)	0.082
NE，%	63.35 (54.25, 71.03)	63.05 (53.52, 70.70)	65.60 (58.30, 72.90)	0.091	62.70 (55.80, 70.70)	61.35 (55.20, 68.47)	0.699
HB，g/L	63.35 (54.25, 71.03)	124.00 (117.00, 131.00)	125.00 (119.00, 130.00)	0.289	122.82±9.76	125.47±7.97	0.137
PLT，109/L	269.50 (224.75, 318.00)	269.00 (224.00, 319.00)	264.00 (219.00, 310.00)	0.47	275.00 (236.00, 312.00)	271.50 (229.75, 303.50)	0.765
CRP，mg/L	7.03 (1.91, 22.01)	5.85 (1.70, 14.94)	20.98 (5.24, 31.74)	<0.001	5.02 (1.47, 16.94)	20.23 (4.53, 38.40)	0.002
D-二聚体，ug/L	480.00 (390.00, 610.00)	460.00 (380.00, 577.50)	580.00 (440.00, 760.00)	<0.001	490.00 (420.00, 610.00)	585.00 (397.50, 702.50)	0.342
ALB，g/L	42.75±2.96	42.8±2.84	42.51±2.92	0.393	42.59±2.96	43.30±3.83	0.256
ALT，U/L	15.00 (12.00, 19.00)	14.00 (12.00, 19.00)	15.00 (11.00, 18.00)	0.488	15.00 (13.00, 21.00)	14.50 (12.00, 21.00)	0.472
LDH，U/L	280.00 (247.00, 330.25)	273.50 (242.00, 311.00)	316.00 (265.00, 518.00)	<0.001	283.00 (242.00, 328.00)	303.50 (248.50, 530.50)	0.034
CK-MB，U/L	78.00 (56.75, 107.00)	77.00 (57.00, 104.00)	79.00 (57.00, 109.00)	0.773	85.00 (55.00, 112.00)	76.00 (55.00, 96.75)	0.518
PCT，ng/mL	0.08 (0.06, 0.15)	0.08 (0.06, 0.16)	0.10 (0.06, 0.16)	0.244	0.09 (0.07, 0.15)	0.08 (0.05, 0.12)	0.038
IL-6，pg/mL	27.41 (13.87, 54.22)	26.14 (13.78, 46.07)	38.28 (17.25, 60.30)	0.022	25.96 (13.78, 50.61)	32.41 (15.08, 71.21)	0.403
IL-8，pg/mL	23.59 (14.87, 48.67)	21.25 (13.97, 43.65)	28.74 (18.99, 49.04)	0.016	21.22 (15.00, 54.95)	26.38 (13.82, 51.72)	0.87
IL-10，pg/mL	6.64 (4.38, 9.46)	6.84 (4.43, 9.59)	6.53 (4.87, 12.49)	0.573	6.38 (4.32, 8.95)	6.85 (4.00, 8.70)	0.956
IL-17，pg/mL	10.94 (4.58, 25.24)	10.85 (4.60, 25.28)	14.45 (6.13, 30.01)	0.149	8.56 (3.94, 22.84)	10.64 (3.90, 18.76)	0.987
SP还是PE	42（8.4%）			<0.001			0.002
是的		13 (4.5%)	15 (16.9%)		4 (4.7%)	10 (25.0%)
不		273 (95.5%)	74 (83.1%)		81 (95.3%)	30 (75.0%)
肺部巩固	157（31.4%）			<0.001			0.035
是的		74 (25.9%)	47 (52.8%)		19 (22.4%)	17 (42.5%)
不		212 (74.1%)	42 (47.2%)		66 (77.6%)	23 (57.5) %
低氧血症	33（6.6%）			<0.001			0.006
是的		7 (2.4%)	13 (14.6%)		4 (4.7%)	9 (22.5%)
不		279 (97.6%)	76 (85.4%)		81 (95.3%)	31 (77.5%)

表1：GMPP与RMPP患者人口统计、临床及实验室数据比较。

变量	单变量分析				多变量分析
β	或者	95%置信区间	P 值	β	或者	95%置信区间	P 值
年龄，年龄	-0.022	0.979	0.891-1.071	0.646
性
女性	-0.294	0.746	0.456-1.206	0.235
男性
热时长，白天	0.271	1.311	1.183-1.462	<0.001	0.21	1.234	1.087-1.403	<0.001
T，°C	0.731	2.078	1.410-3.162	<0.001	0.906	2.473	1.462-4.317	0.001
WBC，109/L	-0.009	0.991	0.933-1.049	0.766
NE，%	0.019	1.019	0.998-1.041	0.081
HB，g/L	0.017	1.017	0.993-1.043	0.177
PLT，109/L	-0.001	1	1.000-1.002	0.488
CRP，mg/L	0.023	1.023	1.010-1.036	<0.001	0.012	1.012	0.997-1.028	1.041
D-二聚体，ug/L	0.002	1.002	1.001-1.003	<0.001	-0.001	1.001	1.000-1.002	0.089
ALB，g/L	-0.037	0.964	0.886-1.048	0.393
ALT，U/L	0.004	1.004	0.986-1.020	0.606
LDH，U/L	0.01	1.01	1.007-1.013	<0.001	0.009	1.01	1.006-1.013	<0.001
CK-MB，U/L	-0.0004	1	0.996-1.001	0.692
PLT，ng/mL	0.026	1.027	0.929-1.120	0.536
IL-6，pg/mL	0.012	1.012	1.003-1.021	0.007	0.0004	1	0.989-1.012	0.95
IL-8，pg/mL	0.007	1.007	1.000-1.015	0.1
IL-10，pg/mL	0.01	1.01	0.987-1.031	0.363
IL-17，pg/mL	0.007	1.007	1.000-1.018	0.126
SP还是PE
是的	1.449	4.257	1.939-9.472	<0.001	1.244	3.469	1.284-9.504	0.014
不
肺部巩固
是的	1.165	3.206	1.961-5.270	<0.001	1.029	2.797	1.497-5.271	0.001
不
低氧血症
是的	1.92	6.818	2.696-18.702	<0.001	2.034	7.644	2.207-28.364	0.002
不

表2：RMPP研究的逻辑回归。

补充表1：候选预测变量的方差膨胀因子。请点击这里下载此文件。

补充表2：用于独立预测模型验证的随机验证数据集。请点击这里下载此文件。

补充表3：用于预测模型开发的随机训练数据集。 请点击这里下载此文件。

讨论

RMPP与持续炎症、对标准大环内酯治疗反应不良以及肺部和肺外并发症风险增加相关。因此，早期识别高风险儿童对于及时调整治疗非常重要。本研究中，入院前发热持续时间、体温峰值、LDH、痰塞或胸腔积液、肺部巩固和低氧血症均与RMPP独立相关。基于这些变量的网络动态诺莫图显示了判别稳定、校准可接受且临床净益处显著。

发烧持续时间和高峰体温仍是重要的临床预测因素。持续发烧可能反映持续的炎症激活和早期治疗反应不足^11,12，而高发烧则表示全身反应更强烈。此前研究也报告了RMPP ^4,8,13的儿童发烧持续时间更长，体温升高。这些指标在入院时易于获取，有助于识别需要更密切观察的儿童。

炎症损伤和免疫失调是RMPP进展的核心。多孔多管感染可能损害血管内皮，扰乱凝血平衡，促进细胞因子释放，促进D-二聚体和炎症标志物的变化¹⁴。更广泛的肺损伤也可能增加细胞损伤和LDH释放。以往研究表明CRP、LDH和IL-6与RMPP¹⁵有关。该队列中，CRP、D-二聚体、LDH和IL-6在单变量分析中显著，而调整后仅LDH保持显著。这表明CRP、D-二聚体和IL-6的作用可能与发热严重程度、组织损伤和影像进展部分重叠。

影像学发现和含氧状态为预测提供了重要信息。以往研究表明，胸腔积液、肺不张、痰塞及广泛实结与难治性疾病密切相关 6,16,17,18。本研究中，痰塞或胸腔积液与肺部巩固仍为独立预测因子，表明气道阻塞、实质炎症或胸膜受累更为明显。低氧血症也与RMPP独立相关，这与严重或暴发性MP肺炎的报告一致^19,20。一旦气体交换受损，耐火性进度的可能性可能增加。

与此前发布的RMPP预测模型相比，当前的命名图展现出若干显著特征。Liu等^人开发了 一种基于肺超声的计数图（AUC 0.821），结合肺超声评分和IL-6，提供了无辐射的替代方案，但需要专业设备和操作员的专业知识。Cheng等人提出了一种基于发热持续时间、LDH和D-二聚体的简化临床命名图（AUC 0.798），适用于无即时影像访问的环境¹³。Shen等人构建了一个模型（AUC 0.815），整合了临床标志物和炎症标志^物7.相比之下，当前模型整合了现成的临床数据（发热特征）、单一生化标志物（LDH）和CT结果，实现了相当或略优的鉴别力（训练中AUC为0.840，验证中为0.831）。基于网络的动态格式进一步提升了临床应用性，使得无需人工评分即可实时计算风险。虽然每种模型都有其针对的临床场景和资源需求，但本工具可能特别适合常规为严重MPP儿童进行CT影像检查的三级儿科中心。

与单一指标或基于经验的判断相比，该命名仪将临床病程、生化损伤、影像严重程度和氧合状态整合为个体化风险评估。与静态评分相比，基于网络的格式允许直接输入患者数据并快速计算，无需人工评分。这可能提升床边可用性，减少风险评估的变异性。该模型旨在支持而非取代临床判断。高风险儿童可能需要更密切的监测、反复影像评估以及根据临床指南及时调整治疗。

可靠使用该工具依赖于几个关键步骤。RMPP应在确认持续发热、症状加重或X线进展后，经过至少7天标准大环内酯治疗后进行分类。实验室检测应在相对早期的时间进行，最好在入院后24小时内进行。CT结果应根据预设标准进行解读，不确定的检查结果应由有经验的放射科医生审查。如果LDH缺失、氧疗影响了血氧饱和度，或影像学解读不确定，应谨慎解读计算风险，并在数据确认后重新评估。

需要承认若干局限性。这是一项回顾性单中心研究，仅有内部验证;多中心队列中需要外部验证。研究期为一年，因此无法全面评估MP（多元性）活性和毒力的季节性变异。大环内酯耐药性检测，包括23S rRNA突变分析，但当时并未常规进行，尽管大环内酯耐药性和延迟治疗可能增加疾病严重度并导致难治性¹²。由于标准化负载数据不完整，未包含定量MP-DNA或RNA载荷。此外，回顾性队列中未系统收集患者在达到RMPP标准前是否接受皮质类固醇或二线抗生素（如氟喹诺酮类药物）的信息;此类治疗可能抑制炎症标志物，并可能影响预测因子与RMPP结局之间的关联。未来研究应前瞻性验证该模型，评估其对临床决策的影响，并探索将其整合进电子病历系统以实现自动化风险计算。

结论

MPP儿童的RMPP与RMPP独立关联，包括入院前发热持续时间、体温峰值、LDH、痰塞或胸腔积液、肺部巩固和低氧血症。基于网络的动态计量图由这些变量构建，显示出良好的预测表现，可能有助于早期风险分层和临床决策。在更广泛的应用之前，还需要更多的多中心外部验证。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
R软件版本4.1.2	R统计计算基金会，奥地利维也纳	http://www.r-project.org
Revolution 256层CT扫描仪	美国通用电气医疗保健	www.gehealthcare.com