Article de recherche

Un nomogramme dynamique basé sur le web pour la prédiction de la pneumonie réfractaire de Mycoplasma pneumoniae chez les enfants

22 vues

⸱

DOI :

10.3791/71588

⸱

31 juillet 2026

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

Dans cet article

Résumé

La présente étude a évalué de manière exhaustive les manifestations cliniques, les indices de laboratoire et les caractéristiques d’imagerie chez les enfants atteints de MPP afin d’identifier les facteurs de risque indépendants de la RMPP et d’établir un nomogramme dynamique en ligne pour une prédiction précoce.

Résumé

La pneumonie réfractaire de Mycoplasma pneumoniae (RMPP) chez l’enfant est associée à des réponses inflammatoires plus fortes, à une prise en charge plus complexe et à un risque accru de complications pulmonaires. L’identification précoce des enfants à haut risque peut permettre un ajustement rapide du traitement. Cette étude rétrospective a inclus 500 enfants hospitalisés atteints de pneumonie par Mycoplasma pneumoniae de novembre 2022 à novembre 2023. La cohorte a été divisée aléatoirement en un ensemble d’entraînement (n = 375) et un ensemble de validation (n = 125). Les analyses de régression logistique univariée et multivariable ont identifié six prédicteurs indépendants de la RMPP : la durée de la fièvre avant l’admission, la température corporelle maximale, le niveau de lactate déshydrogénase, les bouchons d’expectoration ou l’épanchement pleural, la consolidation pulmonaire et l’hypoxémie. Un nomogramme dynamique basé sur le web a été construit à partir de ces variables. Le modèle a montré une bonne discrimination, avec une zone sous la courbe caractéristique de fonctionnement du récepteur/indice C de 0,840 (IC 95 %, 0,785–0,892) dans l’ensemble d’entraînement et de 0,831 (IC 95 %, 0,743–0,906) dans l’ensemble de validation. Les courbes d’étalonnage ont montré une bonne concordance entre les risques prédits et observés, et l’analyse de la courbe de décision a suggéré un bénéfice net clinique sur la plupart des probabilités seuils. Les enfants présentant une fièvre prolongée, une température de pic élevée, une élévation du lactate déshydrogénase, une hypoxémie et des signes de consolidation pulmonaire ou de bouchons de crachats/effondrement pleural doivent être considérés comme présentant un risque accru de RMPP et peuvent nécessiter une surveillance plus étroite et un ajustement rapide du traitement.

Introduction

Mycoplasma pneumoniae (MP) est un agent pathogène majeur de la pneumonie acquise en communauté chez les enfants, en particulier chez les populations d’âge préscolaire etscolaire 1. La pneumonie par Mycoplasma pneumoniae (MPP) représente une proportion considérable de la pneumonie pédiatrique, et son incidence a augmenté ces dernièresannées 2. La plupart des enfants suivent une évolution favorable après un traitement approprié ; Cependant, certains développent une fièvre persistante, une aggravation des symptômes respiratoires ou des anomalies radiographiques progressives après au moins 7 jours de traitement standard aux macrolides, un phénomène potentiellement attribuable à une résistance aux macrolides et/ou à un traitement retardé. Cette condition est généralement définie comme une pneumonie réfractaire par Mycoplasma pneumoniae (RMPP). La RMPP est associée à une progression plus rapide, à un traitement plus complexe et à un risque accru de complications pulmonaires et extrapulmonaires, ce qui rend l’identification précoce du risque cliniquement importante.

Plusieurs indicateurs cliniques, de laboratoire et d’imagerie ont été associés à la RMPP. Les prédicteurs rapportés incluent le lactate déshydrogénase (LDH), le D-dimère, l’interleukine (IL)-6, l’IL-10, l’épanchement pleural, le bouchon du mucus, la consolidation pulmonaire, la fièvre prolongée, la température maximale élevée, l’âge avancé et l’hypoxémie 3,4,5,6,7,8,9. Ces variables reflètent différents aspects de l’activité de la maladie, notamment la réponse inflammatoire, les lésions tissulaires, l’activation de la coagulation, l’obstruction des voies respiratoires et l’altération de l’oxygénation. Cependant, la RMPP est généralement influencée par plusieurs facteurs interagissants, et l’évaluation à variable unique peut fournir une estimation du risque individualisée limitée.

La prédiction clinique actuelle repose principalement sur le jugement du médecin, l’interprétation en laboratoire basée sur les seuils, l’évaluation par imagerie ou les modèles de notation statique. Le jugement clinique est flexible mais subjectif, tandis que les seuils à indicateur unique sont simples mais peuvent passer à côté de l’effet combiné de la gravité clinique, de l’inflammation et de la progression radiographique. Un nomogramme intègre plusieurs prédicteurs indépendants dans une estimation de probabilité individualisée et offre une évaluation du risque plus intuitive que les variables isolées. Un nomogramme dynamique en ligne permet également une saisie directe des données du patient et un calcul rapide au chevet, ce qui peut permettre un suivi précoce et un ajustement du traitement.

Les modèles de prédiction restent des outils d’aide à la décision et ne peuvent remplacer le jugement clinique. Leur performance dépend de la qualité des données, des définitions des variables et de la validation dans les populations indépendantes. Des études existantes basées sur des nomogrammes pour la RMPP ont étérapportées 6,7 ; cependant, des outils dynamiques validés de l’extérieur et des comparaisons systématiques entre modèles restent nécessaires. Le nomogramme en ligne développé dans cette étude est destiné à être utilisé dans les services pédiatriques et les urgences où le scanner thoracique, la mesure de la LDH et la surveillance de la saturation en oxygène sont systématiques. Les cliniciens doivent interpréter les prédictions avec prudence lorsqu’elles sont appliquées à des populations présentant des profils épidémiologiques très différents, à des établissements de santé disposant de ressources d’imagerie limitées, ou à des patients recevant des corticostéroïdes ou des antibiotiques de seconde ligne avant admission, qui peuvent modifier les marqueurs inflammatoires.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude a été approuvée par le Comité d’éthique de l’Hôpital pour femmes et enfants de Jinhua (n° 2024KY099). Le consentement éclairé a été obtenu des tuteurs légaux des enfants.

Données des patients

Cette étude rétrospective a inclus des enfants atteints de pneumonie Mycoplasma pneumoniae (MPP) hospitalisés à l’Hôpital pour enfants affilié à l’Hôpital pour femmes et enfants de Jinhua de novembre 2022 à novembre 2023. La MPP a été diagnostiquée sur la base de symptômes respiratoires, d’imagerie thoracique et de tests positifs à l’ADN ou à l’ARN par Mycoplasma pneumoniae . La MPP générale (GMPP) désigne les enfants ayant répondu adéquatement à la thérapie standard aux macrolides, tandis que la RMPP a été définie comme une fièvre persistante, des symptômes aggravés ou des anomalies progressives par imagerie après au moins 7 jours de thérapie standard auxmacrolides 10. Les critères d’inclusion étaient l’âge <14 ans, l’infection confirmée par Mycoplasma pneumoniae , les symptômes respiratoires et les résultats d’imagerie compatibles avec une pneumonie. Les critères d’exclusion étaient infection mixte dans les 10 jours suivant le début de la maladie, leucémie, maladie pulmonaire chronique, immunodéficience, traitement immunosuppresseur antérieur, admission pendant la phase de rétablissement ou dossiers incomplets. La thérapie standard faisait référence à l’azithromycine 10 mg/kg une fois par jour, par voie orale ou intraveineuse, avec une dose maximale de 500 mg/jour. Les enfants ne remplissant pas les critères RMPP ont été classés comme MPP général (GMPP). Un total de 500 enfants éligibles ont été divisés au hasard en une cohorte d’entraînement (n = 375) et une cohorte de validation (n = 125) à l’aide de la version 4.1.2 du logiciel R (fonction : sample(), set.seed = 42). La cohorte de validation était réservée exclusivement à l’évaluation externe du modèle et n’a été utilisée à aucune étape de la construction du modèle. Les données des dossiers médicaux électroniques étaient extraites à l’aide d’un modèle d’extraction standardisé développé a priori. Les champs de données comprenaient la démographie, la présentation clinique, les valeurs de laboratoire, les résultats d’imagerie et les dossiers de traitement. Deux chercheurs formés ont extrait les données de manière indépendante, et les divergences ont été résolues par consensus. Les résultats de la tomodensitométrie pulracique ont été évalués par des radiologues aveugles aux regroupements cliniques et aux résultats de laboratoire. La fiabilité inter-évaluateur pour l’interprétation des images CT a été évaluée à l’aide de la statistique kappa de Cohen pour les résultats d’imagerie binaire (bouchons d’expectorations ou effondrement pleural : oui/non ; consolidation pulmonaire : oui/non). Enfin, 129 enfants ont été classés comme RMPP et 371 comme MPP général.

Variables

Les variables démographiques, cliniques, de laboratoire et d’imagerie ont été extraites des dossiers médicaux électroniques à l’aide d’un formulaire prédéfini. Les variables cliniques comprenaient l’âge, le sexe, la durée de la fièvre avant l’admission, la température corporelle maximale et l’hypoxémie. La durée de la fièvre était définie comme l’intervalle entre l’apparition de la fièvre et l’admission. La température corporelle maximale était la plus élevée enregistrée avant ou dans les 24 heures suivant l’admission. L’hypoxémie était définie comme une saturation périphérique en oxygène artériel <92 % dans l’air ambiant ou le besoin d’oxygène supplémentaire. Les variables de laboratoire comprenaient WBC, HB, PLT, CRP, ALB, ALT, CK-MB, LDH, D-dimer, IL-6, IL-8, IL-10, IL-17, PCT et NE %. Des échantillons de sang veineux à jeun ont été prélevés dans les 24 heures suivant l’admission, et le temps d’échantillonnage relatif à l’apparition de la fièvre et à l’initiation des antibiotiques a été enregistré lorsque disponible. Mycoplasma pneumoniae Des tests ADN ou ARN étaient utilisés pour la confirmation étiologique. Le test PCR quantitatif en temps réel par écouvillon de gorge pour l’ADN ou l’ARN de Mycoplasma pneumoniae s’est révélé positif. La charge quantitative ADN/ARN n’a pas été incluse car les données standardisées de charge n’étaient pas disponibles pour tous les patients. Le scanner thoracique effectué dans les 3 jours avant ou après l’admission a été examiné pour les bouchons d’expectorations, l’épanchement pleural et la consolidation pulmonaire. « Bouchons d’expectorations ou épanchement pleural » a été signalé positif lorsque l’un ou l’autre des résultats était présent. La consolidation pulmonaire a été définie comme une opacité parenchymateuse segmentaire ou lobaire lors du scanner. Un scanner CT à 256 tranches a été utilisé. Les enfants ont été placés en position couchée, et un scanner axial thoracique à faible dose a été effectué avec un détecteur de largeur appropriée en retenue de souffle ou pendant le sommeil. La couverture de l’échographie s’étendait de l’apex pulmonaire à la base pulmonaire pour couvrir l’ensemble du parenchyme pulmonaire. Les paramètres de balayage étaient réglés comme suit : tension de la lampe 100 kVp, épaisseur de tranche 5 mm, épaisseur de tranche de reconstruction 1,25 mm, matrice 512 × 512, temps de rotation du portique 0,28 s, indice de bruit 12. Les images ont été reconstruites à l’aide des algorithmes ASIR-V et DLIR. Chaque groupe contenait des images reconstituées avec des poids ASIR-V de 20 %, 50 % et 80 %, ainsi que des images DLIR-L, DLIR-M et DLIR-H. Les données d’image acquises étaient importées dans la station de travail. Toutes les images ont été examinées indépendamment en double aveugle par deux radiologues ayant plus de cinq ans d’expérience clinique. Ils ont évalué la présence de signes pulmonaires anormaux et résumé les principales caractéristiques d’imagerie. Pour les cas à interprétations divergentes, un consensus a été atteint par discussion mutuelle.

Analyse statistique

Les analyses statistiques ont été réalisées à l’aide de la version 4.1.2 du logiciel R. Les variables catégorielles sont présentées comme n ( %) et comparées à l’aide du test du chi-carré ou du test exact de Fisher. Les variables continues sont exprimées en moyenne ± écart-type ou médiane (intervalle interquartile), selon la distribution. La normalité a été évaluée à l’aide du test de Shapiro-Wilk. Les variables normalement distribuées ont été comparées à l’aide du test t des échantillons indépendants, et les variables à distribution anormale à l’aide du test U de Mann-Whitney. Avant la construction du modèle, la comparabilité de base entre les cohortes d’entraînement et de validation a été confirmée à l’aide de tests χ2 ou Mann-Whitney U pour tous les prédicteurs candidats, sans différences significatives entre les cohortes (tous les P > 0,05). Dans la cohorte d’entraînement, les variables avec P < 0,05 en régression logistique univariée ont été saisies dans la régression logistique multivariée. La multicolinéarité a été évaluée à l’aide de facteurs d’inflation de la variance (VIF) calculés avec le package « voiture » ; tous les prédicteurs sélectionnés avaient un FIV < 5, indiquant qu’aucune multicolinéarité substantielle n’indiquait. L’hypothèse de linéarité pour la LDH a été examinée en utilisant une transformation logarithmique et des splines cubiques restreintes (en utilisant le package « rms » avec 3 nœuds placés aux 10e, 50e et 90e percentiles) ; la forme linéaire était conservée lorsque l’ajustement du modèle ne s’améliorait pas (test du rapport de vraisemblance : P > 0,05 pour le terme spline non linéaire, soutenant la spécification linéaire). Un nomogramme a été construit à partir du modèle multivariable final utilisant le package « rms » (versions 6.3-0 ; fonctions : lrm pour la régression logistique, Predict pour la prédiction de valeur, et nomogramme pour la représentation graphique). La discrimination a été évaluée à l’aide des courbes caractéristiques de fonctionnement du récepteur, de la surface sous la courbe et de l’indice C avec des intervalles de confiance à 95 % (package « pROC »). L’étalonnage a été évalué à l’aide de courbes d’étalonnage avec 1 000 reéchantillons bootstrap. (package « RMS » : Calibre Function). Le seuil optimal de prédiction a été déterminé indépendamment au sein de chaque cohorte en utilisant l’indice de Youden via le package pROC : 0,222 dans la cohorte d’entraînement et 0,247 dans la cohorte de validation. Le seuil dérivé de la formation (0,222) a également été appliqué à la cohorte de validation pour la comparaison de performance entre cohortes, conformément à la pratique interne standard de validation. L’intervalle de confiance à 95 % pour la probabilité prédite, par exemple, a été calculé à l’aide d’erreurs standard basées sur un modèle sur l’échelle logit. L’analyse de la courbe de décision a été utilisée pour évaluer le bénéfice net à travers les probabilités seuils (package « rmda » : fonctions decision_curve et plot_decision_curve). Un P bilatéral < 0,05 était considéré comme statistiquement significatif. Les scripts R complets, y compris le prétraitement des données, la construction de modèles, la validation et la génération de nomogrammes, sont disponibles auprès de l’auteur correspondant sur demande.

Les données manquantes étaient minimes (toutes les variables <2 % manquantes) et traitées par imputation médiane pour les variables continues et par modération pour les variables catégorielles avant l’analyse. Tous les prédicteurs catégoriels étaient codés comme variables indicatrices binaires (0/1). Les prédicteurs continus (durée de la fièvre, température de pointe, LDH) ont été conservés dans leurs unités cliniques d’origine sans catégorisation. Aucune sélection de variables basée sur le criblage univarié n’a été effectuée avant la modélisation multivariée ; au contraire, tous les candidats cliniquement pertinents identifiés dans la littérature ont été considérés, et ceux avec un taux de P < 0,05 dans l’analyse univariée de la cohorte d’entraînement ont été avancés vers le modèle multivarié.

Implémentation de la calculatrice web

Le nomogramme dynamique basé sur le web a été déployé à l’aide du package « brillant » (version 1.7.4) dans R. L’interface utilisateur était construite avec shiny ::fluidPage(), shiny ::sidebarLayout(), et shiny ::sliderInput() pour les variables continues (durée de fièvre, température de pic, LDH) et shiny ::selectInput() pour les variables binaires (bouchons d’échats ou effondrement pleural, consolidation pulmonaire, hypoxémie). La logique serveur invoquait la fonction predict() du modèle lrm adapté pour calculer les estimations individuelles des risques, les probabilités résultantes étant rendues via renderPlot() et renderText(). L’application était hébergée sur ShinyApps.io (https://predictrmpp.shinyapps.io/RMPP/).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Les données cliniques ont été collectées rétroactivement et traitées conformément aux exigences institutionnelles de confidentialité.

Population étudiée

Un total de 500 enfants éligibles étaient inclus, dont 272 garçons et 228 filles. La cohorte de formation comprenait 375 enfants, dont 286 avaient le GMPP (MPP général) et 89 le RMPP. La cohorte de validation comprenait 125 enfants, dont 85 avaient un GMPP et 40 un ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

La RMPP est associée à une inflammation soutenue, une mauvaise réponse à la thérapie standard aux macrolides, et un risque accru de complications pulmonaires et extrapulmonaires. L’identification précoce des enfants à haut risque est donc importante pour un ajustement rapide du traitement. Dans cette étude, la durée de la fièvre avant l’admission, la température corporelle maximale, la LDH, les bouchons de crachats ou épanchements pleuraux, la consolidation pulmonaire et l’hypoxémie étai...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont aucun conflit d’intérêts pertinent à divulguer concernant le contenu de cet ouvrage.

Remerciements

Cette étude a été financée par le projet de recherche sur l’application des technologies de bien-être public de la ville de Jinhua (n° 2024-4-147).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Version du logiciel R 4.1.2R Foundation for Statistical Computing, Vienne, Autrichehttp://www.r-project.org
Scanner CT à 256 tranches RevolutionGE Healthcare, États-Uniswww.gehealthcare.com

Références

  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.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

M decineNum ro 233Num ro 233Valeur videNum roFacteurs de risque

Articles connexes