Forschungsartikel

Ein webbasiertes dynamisches Nomogramm zur Vorhersage der refraktären Mycoplasma pneumoniae-Pneumonie bei Kindern

22 Ansichten

⸱

DOI:

10.3791/71588

⸱

31. Juli 2026

 , 
1Department of Pediatrics, Jinhua Women's and Children's Hospital, 2Department of Orthopedics, Jinhua Municipal Central Hospital

In diesem Artikel

Zusammenfassung

Die vorliegende Studie bewertete umfassend klinische Manifestationen, Laborindizes und bildgebende Merkmale bei Kindern mit MPP, um unabhängige Risikofaktoren für RMPP zu identifizieren und ein Online-dynamisches Nomogramm für die frühe Vorhersage zu etablieren.

Zusammenfassung

Refraktäre Mycoplasma pneumoniae-Pneumonie (RMPP) bei Kindern ist mit stärkeren Entzündungsreaktionen, komplexerem Management und einem höheren Risiko für pulmonale Komplikationen verbunden. Die frühzeitige Erkennung von Hochrisikokindern kann eine rechtzeitige Anpassung der Behandlung unterstützen. Diese retrospektive Studie umfasste 500 hospitalisierte Kinder mit Mycoplasma pneumoniae-Pneumonie von November 2022 bis November 2023. Die Kohorte wurde zufällig in einen Trainingssatz (n = 375) und einen Validierungssatz (n = 125) unterteilt. Univariable und multivariable logistische Regressionsanalysen identifizierten sechs unabhängige Prädiktoren des RMPP: Fieberdauer vor der Aufnahme, Spitzenkörpertemperatur, Laktatdehydrogenasewert, Sputumstopfen oder Pleuraerguss, Lungenkonsolidierung und Hypoxämie. Ein webbasiertes dynamisches Nomogramm wurde mit diesen Variablen konstruiert. Das Modell zeigte eine gute Unterscheidung, mit einer Fläche unter der Empfänger-Funktionscharakteristikkurve/C-Index von 0,840 (95 % KI, 0,785–0,892) im Trainingssatz und 0,831 (95 % KI, 0,743–0,906) im Validierungsset. Kalibrierungskurven zeigten eine gute Übereinstimmung zwischen vorhergesagten und beobachteten Risiken, und die Analyse der Entscheidungskurve deutete auf klinischen Nettonutzen bei den meisten Schwellenwahrscheinlichkeiten hin. Kinder mit langanhaltendem Fieber, hoher Spitzentemperatur, erhöhter Laktatdehydrogenase, Hypoxämie und CT-Hinweisen auf Lungenkonsolidierung oder Sputumstopfen/Pleuraerguss sollten als erhöhtes Risiko für RMPP betrachtet werden und möglicherweise eine genauere Überwachung sowie rechtzeitige Anpassung der Behandlung benötigen.

Einleitung

Mycoplasma pneumoniae (MP) ist ein Haupterreger der gemeinschaftlich erworbenen Pneumonie bei Kindern, insbesondere bei Vorschul- und Schulaltersgruppen1. Mycoplasma pneumoniae pneumonie (MPP) macht einen beträchtlichen Anteil der pädiatrischen Pneumonie aus, und ihre Häufigkeit ist in den letzten Jahren gestiegen2. Die meisten Kinder haben nach angemessener Behandlung einen günstigen Verlauf; Einige entwickeln jedoch nach mindestens 7 Tagen Standard-Makrolidtherapie anhaltendes Fieber, sich verschlechternde Atemwegssymptome oder fortschreitende radiologische Auffälligkeiten, ein Phänomen, das möglicherweise auf Makrolidresistenz und/oder verzögerte Behandlung zurückzuführen ist. Diese Erkrankung wird allgemein als refraktäre Mycoplasma pneumoniae-Pneumonie (RMPP) definiert. RMPP ist mit einem schnelleren Fortschreiten, komplexerer Behandlung und einem höheren Risiko für pulmonale und extrapulmonale Komplikationen verbunden, was die frühzeitige Risikoerkennung klinisch wichtig macht.

Mehrere klinische, laborbezogene und bildgebende Indikatoren wurden mit RMPP in Verbindung gebracht. Berichtete Prädiktoren sind Laktatdehydrogenase (LDH), D-Dimer, Interleukin (IL)-6, IL-10, Pleuraerguss, Schleimverstopfung, pulmonale Konsolidierung, anhaltendes Fieber, hohe Spitzentemperatur, höheres Alter und Hypoxämie 3,4,5,6,7,8,9 . Diese Variablen spiegeln verschiedene Aspekte der Krankheitsaktivität wider, darunter Entzündungsreaktion, Gewebeschädigung, Gerinnungsaktivierung, Atemwegsverschluss und gestörte Sauerstoffversorgung. RMPP wird jedoch in der Regel von mehreren interagierenden Faktoren angetrieben, und die Bewertung durch eine einzelne Variable kann eine begrenzte, individuelle Risikoabschätzung ermöglichen.

Die aktuelle klinische Vorhersage basiert hauptsächlich auf ärztlichem Urteil, schwellwertbasierter Laborinterpretation, bildgebender Bewertung oder statischen Bewertungsmodellen. Das klinische Urteil ist flexibel, aber subjektiv, während die Schwellenwerte für einen einzelnen Indikator einfach sind, aber den kombinierten Effekt von klinischer Schwere und Entzündung und radiographischem Fortschreiten übersehen können. Ein Nomogramm integriert mehrere unabhängige Prädiktoren in eine individualisierte Wahrscheinlichkeitsschätzung und bietet eine intuitivere Risikobewertung als isolierte Variablen. Ein webbasiertes dynamisches Nomogramm ermöglicht zudem die direkte Eingabe von Patientendaten und eine schnelle Berechnung am Bett, was eine frühzeitige Überwachung und Anpassung der Behandlung unterstützen kann.

Vorhersagemodelle bleiben Entscheidungsunterstützungsinstrumente und können klinisches Urteilsvermögen nicht ersetzen. Ihre Leistung hängt von der Datenqualität, Variablendefinitionen und der Validierung in unabhängigen Populationen ab. Bestehende Nomogramm-basierte Studien für RMPP wurdenberichtet: 6,7; extern validierte dynamische Werkzeuge und systematische Vergleiche zwischen Modellen sind jedoch weiterhin erforderlich. Das webbasierte Nomogramm, das in dieser Studie entwickelt wurde, ist für den Einsatz in pädiatrischen Abteilungen und Notfalleinrichtungen gedacht, wo routinemäßig CT-CT, LDH-Messung und Überwachung der Sauerstoffsättigung verfügbar sind. Kliniker sollten Vorhersagen mit Vorsicht interpretieren, wenn sie auf Populationen mit deutlich unterschiedlichen epidemiologischen Profilen, Gesundheitseinrichtungen mit begrenzten bildgebenden Ressourcen oder Patienten, die vor der Aufnahme Kortikosteroide oder Zweitlinienantibiotika erhalten, angewendet werden, welche Entzündungsmarker verändern können.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Diese Studie wurde vom Ethikausschuss des Jinhua Frauen- und Kinderkrankenhauses genehmigt (Nr. 2024KY099). Eine informierte Zustimmung wurde von den gesetzlichen Vormündern der Kinder eingeholt.

Patientendaten

Diese retrospektive Studie umfasste Kinder mit Mycoplasma pneumoniae-Pneumonie (MPP), die von November 2022 bis November 2023 im Kinderkrankenhaus des Jinhua Women and Children's Hospital hospitalisiert wurden. MPP wurde anhand von Atemwegssymptomen, Bildgebenden aus dem Brustkorb und positiven Mycoplasma-Pneumoniae-DNA - oder RNA-Tests diagnostiziert. Allgemeines MPP (GMPP) bezeichnet Kinder, die auf die Standard-Makrolidtherapie angemessen angesprochen haben, während RMPP als anhaltendes Fieber, verschärfte Symptome oder fortschreitende bildgebende Anomalien nach mindestens 7 Tagen Standard-Makrolidtherapiedefiniert wurde. Die Einschlusskriterien waren Alter <14 Jahre, bestätigte Mycoplasma-Pneumonie-Infektion , Atemwegssymptome und bildgebende Befunde, die mit einer Lungenentzündung übereinstimmen. Die Ausschlusskriterien waren gemischte Infektion innerhalb von 10 Tagen nach Krankheitsbeginn, Leukämie, chronische Lungenerkrankung, Immundefizienz, vorherige immunsuppressive Therapie, Aufnahme während der Genesungsphase oder unvollständige Unterlagen. Die Standardtherapie verweist auf Azithromycin 10 mg/kg einmal täglich, oral oder intravenös, mit einer maximalen Dosis von 500 mg/Tag. Kinder, die die RMPP-Kriterien nicht erfüllten, wurden als allgemeine MPP (GMPP) klassifiziert. Insgesamt wurden 500 berechtigte Kinder zufällig in eine Trainingskohorte (n = 375) und eine Validierungskohorte (n = 125) unter Verwendung der R-Softwareversion 4.1.2 (Funktion: Sample(), set.seed = 42) eingeteilt. Die Validierungskohorte war ausschließlich für die externe Modellbewertung reserviert und wurde in keinem Schritt der Modellkonstruktion verwendet. Elektronische Patientenaktendaten wurden mithilfe einer standardisierten Extraktionsvorlage extrahiert, die a priori entwickelt wurde. Die Datenfelder umfassten demografische Merkmale, klinische Präsentation, Laborwerte, bildgebende Ergebnisse und Behandlungsunterlagen. Zwei ausgebildete Forscher extrahierten die Daten unabhängig voneinander, und Unstimmigkeiten wurden durch Konsens gelöst. Die Befunde im Thorax-CT wurden von Radiologen bewertet, die auf klinische Gruppierungen und Laborergebnisse verblindet waren. Die Inter-Rater-Zuverlässigkeit für die CT-Bildinterpretation wurde mit der Cohen-Kappa-Statistik für binäre Bildbefunde bewertet (Sputumstopfen oder Pleuraerguss: ja/nein; Lungenkonsolidierung: ja/nein). Schließlich wurden 129 Kinder als RMPP und 371 als allgemeine MPP klassifiziert.

Variablen

Demographische, klinische, laborbezogene und bildgebende Variablen wurden aus elektronischen Krankenakten mittels eines vordefinierten Formulars extrahiert. Klinische Variablen umfassten Alter, Geschlecht, Fieberdauer vor der Aufnahme, maximale Körpertemperatur und Hypoxämie. Die Fieberdauer wurde als das Intervall vom Fieberbeginn bis zur Aufnahme definiert. Die maximale Körpertemperatur war die höchste gemessene Temperatur vor oder innerhalb von 24 Stunden nach der Aufnahme. Hypoxämie wurde definiert als periphere arterielle Sauerstoffsättigung <92 % durch Raumluft oder den Bedarf an zusätzlichem Sauerstoff. Laborvariablen umfassten WBC, HB, PLT, CRP, ALB, ALT, CK-MB, LDH, D-dimer, IL-6, IL-8, IL-10, IL-17, PCT und NE%. Nüchternde venöse Blutproben wurden innerhalb von 24 Stunden nach der Aufnahme entnommen, und die Probezeit in Bezug auf Fiebereinbruch und Antibiotikaeinleitung wurde, sofern verfügbar, erfasst. Mycoplasma pneumoniae DNA- oder RNA-Tests wurden zur ätiologischen Bestätigung eingesetzt. Der quantitative PCR-Test des Kehlenabstrichs auf Mycoplasma pneumoniae DNA oder RNA war positiv. Die quantitative DNA/RNA-Belastung wurde nicht einbezogen, da standardisierte Lastdaten für alle Patienten nicht verfügbar waren. Die innerhalb von 3 Tagen vor oder nach der Aufnahme durchgeführte CT des Brustkorbs wurde auf Sputumstopfen, Pleuraerguss und Lungenkonsolidierung überprüft. "Sputumstopfen oder Pleuraerguss" wurde als positiv vermerkt, wenn einer der Befunde vorlag. Die Lungenkonsolidierung wurde als segmentale oder lobale Parenchymalopazität im CT definiert. Ein CT-Scanner mit 256 Scheiben wurde verwendet. Die Kinder wurden in die Rückenposition gelegt, und eine axiale Niedrigdosis-Brustuntersuchung erfolgte mit einem Detektor angemessener Breite unter Atemanhalten oder während der Kinder schliefen. Die Scanabdeckung erstreckte sich vom Lungenapex bis zur Lungenbasis und umfasste das gesamte Lungenparenchym. Die Scan-Parameter wurden wie folgt eingestellt: Rohrspannung 100 kVp, Schnittdicke 5 mm, Rekonstruktions-Schnittdicke 1,25 mm, Matrix 512 × 512, Gantry-Rotationszeit 0,28 s, Rauschindex 12. Die Bilder wurden mit ASIR-V- und DLIR-Algorithmen rekonstruiert. Jede Gruppe enthielt rekonstruierte Bilder mit ASIR-V-Gewichten von 20 %, 50 % und 80 % sowie DLIR-L-, DLIR-M und DLIR-H-Bilder. Die aufgenommenen Bilddaten wurden in die Arbeitsstation importiert. Alle Bilder wurden von zwei Radiologen mit mehr als fünf Jahren klinischer Erfahrung unabhängig und doppelblind geprüft. Sie bewerteten das Vorhandensein abnormaler Lungensymptome und fassten die wichtigsten bildgebenden Merkmale zusammen. Bei Fällen mit widersprüchlichen Interpretationen wurde durch gegenseitige Diskussion ein Konsens erzielt.

Statistische Analyse

Statistische Analysen wurden mit der R-Software Version 4.1.2 durchgeführt. Kategoriale Variablen werden als n (%) dargestellt und mit dem Chi-Quadrat-Test oder dem Fisher-Exakt-Test verglichen. Kontinuierliche Variablen werden als Mittelwert ± Standardabweichung oder Median (Interquartilbereich) entsprechend der Verteilung angegeben. Die Normalität wurde mit dem Shapiro-Wilk-Test bewertet. Normalverteilte Variablen wurden mit dem unabhängigen Stichproben-t-Test verglichen, und nicht-normalverteilte Variablen mit dem Mann-Whitney-U-Test. Vor der Modellkonstruktion wurde die Basisvergleichbarkeit zwischen den Trainings- und Validierungskohorten mit χ2 - oder Mann-Whitney-U-Tests für alle Kandidatenprädiktoren bestätigt, wobei keine signifikanten Unterschiede zwischen den Kohorten (alle P > 0,05) festgestellt wurden. In der Trainingskohorte wurden Variablen mit P < 0,05 in der univariaten logistischen Regression in die multivariable logistische Regression eingetragen. Die Multikollinearität wurde mit Varianzinflationsfaktoren (VIFs) bewertet, die mit dem "Car"-Paket berechnet wurden; alle ausgewählten Prädiktoren hatten VIF < 5, was auf keine signifikante Multikollinearität hinweist. Die Linearitätsannahme für LDH wurde mit logarithmischer Transformation und eingeschränkten kubischen Splines untersucht (unter Verwendung des "rms"-Pakets mit 3 Knoten im 10., 50. und 90. Perzentil); die lineare Form wurde beibehalten, wenn sich die Modellanpassung nicht verbesserte (Likelihood-Ratio-Test: P > 0,05 für den nichtlinearen Spline-Term, was die lineare Spezifikation unterstützt). Ein Nomogramm wurde aus dem endgültigen Multivariablenmodell mit dem "rms"-Paket (Version 6.3-0; Funktionen: lrm für logistische Regression, Predict für Wertvorhersage und Nomogramm für grafische Darstellung) erstellt. Die Diskriminierung wurde mittels Empfänger-Betriebscharakteristiekkurven, Fläche unter der Kurve und C-Index mit 95%-Konfidenzintervallen ("pROC"-Paket) bewertet. Die Kalibrierung wurde anhand von Kalibrierungskurven mit 1.000 Bootstrap-Neuproben bewertet. ("RMS"-Paket: Kalibrierungsfunktion). Der optimale Vorhersage-Cutoff wurde innerhalb jeder Kohorte unabhängig unter Verwendung des Youden-Index über das pROC-Paket bestimmt: 0,222 in der Trainingskohorte und 0,247 in der Validierungskohorte. Der trainingsbasierte Cutoff (0,222) wurde auch auf die Validierungskohorte angewandt, um die Leistungsvergleiche zwischen Kohorten zu vergleichen, was mit der Standardpraxis der internen Validierung übereinstimmt. Das 95%-Konfidenzintervall für die vorhergesagte Wahrscheinlichkeit wurde beispielsweise mit modellbasierten Standardfehlern auf der Logit-Skala berechnet. Die Entscheidungskurvenanalyse wurde verwendet, um den Nettonutzen über Schwellenwahrscheinlichkeiten hinweg zu bewerten ("RMDA"-Paket: decision_curve und plot_decision_curve Funktionen). Ein zweiseitiges P < 0,05 wurde als statistisch signifikant angesehen. Die vollständigen R-Skripte, einschließlich Datenvorverarbeitung, Modellaufbau, Validierung und Nomogrammgenerierung, sind auf Anfrage vom korrespondierenden Autor verfügbar.

Die fehlenden Daten waren minimal (alle Variablen <2 % fehlten) und wurden mit Medianimputation für kontinuierliche Variablen und Modeimputation für kategorische Variablen vor der Analyse behandelt. Alle kategorialen Prädiktoren wurden als binäre (0/1) Indikatorvariablen codiert. Kontinuierliche Prädiktoren (Fieberzeit, Spitzentemperatur, LDH) wurden in ihren ursprünglichen klinischen Einheiten ohne Kategorisierung beibehalten. Vor der Multivariablenmodellierung wurde keine Variablenauswahl basierend auf univariatem Screening durchgeführt; stattdessen wurden alle in der Literatur identifizierten klinisch relevanten Kandidaten berücksichtigt, und diejenigen mit P < 0,05 in der univariaten Analyse der Trainingskohorte wurden in das Multivariablenmodell weitergeleitet.

Implementierung von Webrechnern

Das webbasierte dynamische Nomogramm wurde mit dem "shiny"-Paket (Version 1.7.4) in R bereitgestellt. Die Benutzeroberfläche wurde mit shiny::fluidPage(), shiny::sidebarLayout() und shiny::sliderInput() für kontinuierliche Variablen (Fieberzeit, Spitzentemperatur, LDH) und shiny::selectInput() für binäre Variablen (Sputumstopfen oder Pleuraerguss, Lungenkonsolidierung, Hypoxämie) aufgebaut). Die Serverlogik rief die predict()-Funktion aus dem angepassten lrm-Modell auf, um einzelne Risikoschätzungen zu berechnen, wobei die resultierenden Wahrscheinlichkeiten über renderPlot() und renderText() gerendert wurden. Die Anwendung wurde auf ShinyApps.io (https://predictrmpp.shinyapps.io/RMPP/) gehostet.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Die klinischen Daten wurden rückwirkend erhoben und gemäß den institutionellen Vertraulichkeitsanforderungen behandelt.

Studienpopulation

Insgesamt wurden 500 berechtigte Kinder einbezogen, darunter 272 Jungen und 228 Mädchen. Die Ausbildungskohorte umfasste 375 Kinder, von denen 286 GMPP (General MPP) und 89 RMPP hatten. Die Validierungskohorte umfasste 125 Kinder, von denen 85 GMPP und 40 RMPP hatten. Die Ausbildu...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

RMPP ist mit anhaltender Entzündung, einer schlechten Reaktion auf die Standard-Makrolidtherapie und einem erhöhten Risiko für pulmonale und extrapulmonale Komplikationen verbunden. Die frühzeitige Erkennung von Hochrisikokindern ist daher wichtig für eine rechtzeitige Anpassung der Behandlung. In dieser Studie waren Fieberzeit vor der Aufnahme, Spitzenkörpertemperatur, LDH, Sputumstopfen oder Pleuraerguss, Lungenkonsolidierung und Hypoxämie unabhängig voneinander mit RMPP assoziiert. Ei...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren haben keine relevanten Interessenkonflikte, die sie über den Inhalt dieses Werks offenlegen müssen.

Danksagungen

Diese Studie wurde vom Public Welfare Technology Application Research Project der Stadt Jinhua (Nr. 2024-4-147) finanziert.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
R-Software Version 4.1.2R Foundation for Statistical Computing, Wien, Österreichhttp://www.r-project.org
Revolution 256-Schicht-CT-ScannerGE Healthcare, Vereinigte Staatenwww.gehealthcare.com

Referenzen

  1. Wang S, et al. Diagnostic value of serum LDH in children with refractory Mycoplasma pneumoniae pneumonia: a systematic review and meta-analysis. Front Pediatr. 2023;11:1094118.
  2. Shi H, Lan L, Lv X, Sun L. Effect of pidotimod combined with azithromycin on children with Mycoplasma pneumoniae pneumonia and the expression levels of IL-10 and G-CSF in serum. Exp Ther Med. 2019;18(3):1800-1806.
  3. Fan F, Lv J, Yang Q, Jiang F. Clinical characteristics and serum inflammatory markers of community-acquired Mycoplasma pneumoniae pneumonia in children. Clin Respir J. 2023;17(5):607-617.
  4. Choi YJ, et al. Clinical characteristics of macrolide-refractory Mycoplasma pneumoniae pneumonia in Korean children: a multicenter retrospective study. J Clin Med. 2022;11(2):306.
  5. Huang L, et al. Independent predictors for longer radiographic resolution in patients with refractory Mycoplasma pneumoniae pneumonia: a prospective cohort study. BMJ Open. 2018;8(12):e023719.
  6. Li M, et al. Recognition of refractory Mycoplasma pneumoniae pneumonia among Mycoplasma pneumoniae pneumonia in hospitalized children: development and validation of a predictive nomogram model. BMC Pulm Med. 2023;23(1):383.
  7. Shen W, Sun X. Construction of a nomogram for early diagnosis of refractory Mycoplasma pneumoniae pneumonia in children. Transl Pediatr. 2024;13(6):1119-1129.
  8. Qian Y, et al. Model based on the automated AI-driven CT quantification is effective for the diagnosis of refractory Mycoplasma pneumoniae pneumonia. Sci Rep. 2024;14:16172.
  9. Zhao J, Ji X, Wang Y, Wang X. Clinical role of serum interleukin-17A in the prediction of refractory Mycoplasma pneumoniae pneumonia in children. Infect Drug Resist. 2020;13:835-843.
  10. Evidence-based guideline for the diagnosis and treatment of Mycoplasma pneumoniae pneumonia in children (2023). Pediatr Investig. 2025;9:1-11.
  11. Waites KB, Xiao L, Liu Y, Balish MF, Atkinson TP. Mycoplasma pneumoniae from the respiratory tract and beyond. Clin Microbiol Rev. 2017;30(3):747-809.
  12. Yang TI, et al. Mycoplasma pneumoniae in pediatric patients: do macrolide resistance and/or delayed treatment matter? J Microbiol Immunol Infect. 2019;52(2):329-335.
  13. Cheng S, et al. Development and validation of a simple-to-use nomogram for predicting refractory Mycoplasma pneumoniae pneumonia in children. Pediatr Pulmonol. 2020;55(4):968-974.
  14. Huang X, et al. Clinical significance of D-dimer levels in refractory Mycoplasma pneumoniae pneumonia. BMC Infect Dis. 2021;21(1):14.
  15. Zhang Y, et al. The clinical characteristics and predictors of refractory Mycoplasma pneumoniae pneumonia in children. PLoS One. 2016;11(6):e0156465.
  16. Liu G, et al. A lung ultrasound-based nomogram for the prediction of refractory Mycoplasma pneumoniae pneumonia in hospitalized children. Infect Drug Resist. 2022;15:6343-6355.
  17. You SY, Jwa HJ, Yang EA, Kil HR, Lee JH. Effects of methylprednisolone pulse therapy on refractory Mycoplasma pneumoniae pneumonia in children. Allergy Asthma Immunol Res. 2014;6(1):22-26.
  18. Bi Y, et al. Development of a scale for early prediction of refractory Mycoplasma pneumoniae pneumonia in hospitalized children. Sci Rep. 2021;11:6595.
  19. Izumikawa K, et al. Clinical features, risk factors and treatment of fulminant Mycoplasma pneumoniae pneumonia: a review of the Japanese literature. J Infect Chemother. 2014;20(3):181-185.
  20. Zar HJ. Hypoxia and signs of increased work of breathing are most strongly associated with radiographic pneumonia in children. BMJ Evid Based Med. 2018;23(2):77-78.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

MedizinAusgabe 233Ausgabe 233Leerer WertAusgabeRisikofaktoren

Verwandte Artikel