연구 논문

아동 불응성 마이코플라스마 폐 렴 예측을 위한 웹 기반 동적 노모그램

22 조회수

⸱

DOI:

10.3791/71588

⸱

2026년 7월 31일

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

이 논문에서

요약

본 연구는 MPP 아동의 임상 증상, 실험실 지수, 영상 특징을 종합적으로 평가하여 RMPP의 독립적인 위험 인자를 규명하고 조기 예측을 위한 온라인 동적 노모그램을 구축하였습니다.

초록

소아의 불응성 마이코플라즈마 폐 렴(RMPP)은 더 강한 염증 반응, 더 복잡한 관리, 그리고 폐 합병증 위험 증가와 관련이 있습니다. 고위험 아동의 조기 발견은 적시에 치료 조정을 지원할 수 있습니다. 이 회고적 연구는 2022년 11월부터 2023년 11월까지 마이코플라즈마 폐 렴으로 입원한 500명의 어린이를 포함했습니다. 코호트는 무작위로 훈련 세트(n = 375)와 검증 세트(n = 125)로 나뉘었습니다. 단변수 및 다변수 로지스틱 회귀분석을 통해 RMPP의 6가지 독립 예측 요인이 확인되었습니다: 입원 전 발열 지속 시간, 최고 체온, 락산 탈수소효소 수치, 가래 막수 또는 흉막 삼출, 폐 고정, 저산소혈증. 이 변수들을 사용하여 웹 기반의 동적 노모그램이 구축되었습니다. 모델은 훈련 세트에서 수신자 운행특성 곡선/C-지수 아래 영역이 0.840(95% CI, 0.785–0.892), 검증 세트에서 0.831(95% 신뢰구간, 0.743–0.906)로 좋은 분별력을 보였다. 보정 곡선은 예측 위험과 관찰 위험 간에 좋은 일치를 보였으며, 의사결정 곡선 분석은 대부분의 임계 확률에서 임상적 순이익을 시사하였습니다. 장기간 발열, 최고 체온, 높은 락테이트 탈수소효소 상승, 저산소혈증, 폐 폐쇄 또는 가래 마개/흉막삼출의 CT 증거가 있는 어린이는 RMPP 위험이 증가한 것으로 간주되어야 하며, 더 면밀한 모니터링과 적시한 치료 조정이 필요할 수 있습니다.

서론

마이코플라즈마 폐렴 (MP)은 특히 유아와 학령기 어린이에서 지역사회 감염성 폐렴의 주요 병원체입니다1. 마이코플라즈마 폐 렴(MPP)은 소아 폐렴의 상당 부분을 차지하며,최근 몇 년간 발생률이 증가했습니다. 대부분의 아이들은 적절한 치료 후 긍정적인 경과를 보게 됩니다; 그러나 일부 환자는 표준 마크롤라이드 치료를 최소 7일 이상 복용한 후 지속적인 발열, 악화되는 호흡기 증상, 또는 진행성 방사선 이상 증상을 보이는데, 이는 마크로라이드 내성 및/또는 치료 지연에 기인할 수 있는 현상입니다. 이 질환은 일반적으로 난치성 마이코플라즈마 폐 렴(RMPP)으로 정의됩니다. RMPP는 빠른 진행, 더 복잡한 치료, 폐 및 폐외 합병증 위험 증가와 연관되어 있어 조기 위험 식별이 임상적으로 중요합니다.

여러 임상, 실험실, 영상 지표가 RMPP와 연관되어 있습니다. 보고된 예측 인력으로는 락테이트 탈수소효소(LDH), D-다이머, 인터루킨(IL)-6, IL-10, 흉막삼출, 점액 막힘, 폐 굳화, 장기간 발열, 최고 체온, 노령, 저산소혈증 3,4,5,6,7,8,9 등이 있습니다 . 이 변수들은 염증 반응, 조직 손상, 응고 활성화, 기도 폐쇄, 산소 공급 저하 등 질병 활동의 다양한 측면을 반영합니다. 하지만 RMPP는 보통 여러 상호작용 요인에 의해 구동되며, 단일 변수 평가는 제한적인 개별별 위험 추정을 제공할 수 있습니다.

현재 임상 예측은 주로 의사의 판단, 임계값 기반 실험실 해석, 영상 평가 또는 정적 점수 모델에 의존하고 있습니다. 임상 판단은 유연하지만 주관적이며, 단일 지표 임계치는 단순하지만 임상적 중증도, 염증, 방사선 진행의 복합적 효과를 놓칠 수 있습니다. 노모그램은 여러 독립 예측 변수를 통합하여 개별화된 확률 추정치를 제공하며, 고립된 변수보다 더 직관적인 위험 평가를 제공합니다. 웹 기반의 동적 노모그램은 환자 데이터를 직접 입력하고 빠른 병상 계산을 가능하게 하여 조기 모니터링과 치료 조정을 지원할 수 있습니다.

예측 모델은 여전히 의사결정 지원 도구로 남아 있으며 임상 판단을 대체할 수 없습니다. 성능은 데이터 품질, 변수 정의, 독립 집단에서의 검증에 달려 있습니다. RMPP에 대한 기존 노모그램 기반 연구는 6,7명; 그러나 외부 검증된 동적 도구와 모델 간 체계적 비교는 여전히 필요합니다. 이 연구에서 개발된 웹 기반 노모그램은 흉부 CT, LDH 측정, 산소포화도 모니터링이 일상적으로 제공되는 소아과 및 응급 상황에서 사용하도록 설계되었습니다. 임상의는 역학적 프로필이 현저히 다른 집단, 제한된 영상 자원의 의료 환경, 또는 염증 지표를 변화시킬 수 있는 입원 전 코르티코스테로이드나 2차 항생제를 투여받는 환자에게 예측을 적용할 때 신중하게 해석해야 합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

이 연구는 진화 여성아동병원 윤리위원회(번호 2024KY099)의 승인을 받았습니다. 아이들의 법적 보호자로부터 사전 동의를 받았습니다.

환자 데이터

이 회후적 연구는 2022년 11월부터 2023년 11월까지 진화 여성아동병원 산하 아동병원에 입원한 마이코플라스마 폐 렴(MPP) 아동을 포함했습니다. MPP는 호흡기 증상, 흉부 영상 소견, 마이 코플라즈마 폐렴 DNA 또는 RNA 검사 양성을 바탕으로 진단되었습니다. 일반 MPP(GMPP)는 표준 마크롤라이드 치료에 적절히 반응한 어린이를 의미하며, RMPP는 최소 7일 이상 표준 마크로라이드 치료 후 지속되는 발열, 악화된 증상 또는 진행성 영상 이상으로 정의되었습니다10. 포함 기준은 연령<14세, 확진된 마이코플라즈마 폐렴 감염, 호흡기 증상, 폐렴과 일치하는 영상 소견이었습니다. 제외 기준은 질병 발병 후 10일 이내의 혼합 감염, 백혈병, 만성 폐질환, 면역결핍, 이전 면역억제 치료, 회복기 입원, 또는 불완전한 기록이었습니다. 표준 치료법은 아지트로마이신 10 mg/kg을 하루 1회 경구 또는 정맥 주사로 투여하며, 최대 용량은 하루 500 mg입니다. RMPP 기준을 충족하지 못하는 아동은 일반 MPP(GMPP)로 분류되었습니다. 총 500명의 적격 아동이 R 소프트웨어 버전 4.1.2(함수: sample(), set.seed = 42)를 사용해 무작위로 훈련 코호트(n = 375)와 검증 코호트(n = 125)로 나누었습니다. 검증 코호트는 외부 모델 평가에만 전적으로 할당되었으며, 모델 구축의 어떤 단계에도 사용되지 않았습니다. 전자 의무기록 데이터는 사전에 개발된 표준화된 추출 템플릿을 사용하여 추출되었습니다. 데이터 필드에는 인구통계, 임상 증상, 실험실 수치, 영상 소견, 치료 기록 등이 포함되었습니다. 두 명의 훈련된 연구자가 독립적으로 데이터를 추출했고, 불일치는 합의에 의해 해결되었습니다. 흉부 CT 소견은 임상 그룹화와 실험실 결과에 대해 눈 보호를 받은 방사선 전문의에 의해 평가되었습니다. CT 영상 해석에 대한 평가자 간 신뢰도는 이진 영상 소견(가래 플러그 또는 흉막삼출: 예/아니오; 폐 통합 부활: 예/아니오)에 대해 Cohen의 카파 통계량을 사용하여 평가하였다. 마지막으로 129명의 아동이 RMPP, 371명이 일반 MPP로 분류되었습니다.

변수들

인구통계학, 임상, 실험실, 영상 변수를 사전 정의된 양식을 사용하여 전자 의무기록에서 추출하였습니다. 임상 변수로는 나이, 성별, 입원 전 발열 기간, 최고 체온, 저산소혈증이 포함되었습니다. 발열 기간은 발열이 시작된 후 입원할 때까지의 간격으로 정의되었습니다. 입원 전 또는 입원 후 24시간 이내에 기록된 최고 체온은 최고 체온이었습니다. 저산소혈증은 말초 동맥 산소포화도<실내 공기에서 92%) 또는 보충 산소 공급이 필요한 상태로 정의되었습니다. 실험실 변수로는 BBC, HB, PLT, CRP, ALB, ALT, CK-MB, LDH, D-다이머, IL-6, IL-8, IL-10, IL-17, PCT, NE% 등이 포함되었습니다. 입원 후 24시간 이내에 공복 정맥 혈액 샘플을 채취했으며, 발열 및 항생제 투여 시점에 따른 샘플 채취 시간은 가능한 경우 기록하였습니다. 마이코플라즈마 폐 렴 DNA 또는 RNA 검사는 병인학적 확인을 위해 사용되었습니다. 마이코플라즈마 폐모증 DNA 또는 RNA에 대한 인후 면봉 실시간 정량 PCR 검사 결과는 양성이었습니다. 표준화된 부하 데이터가 모든 환자에게 제공되지 않아 정량적 DNA/RNA 부하는 포함되지 않았습니다. 입원 전 또는 후 3일 이내에 시행한 흉부 CT는 가래 폐색, 흉막삼출, 폐 통합 여부를 검토하였다. "가래 마막 또는 흉막 삼출"은 두 소견 중 하나가 있을 때 양성으로 기록되었습니다. 폐 고정은 CT에서 분절 또는 엽 실질의 불투명함으로 정의되었습니다. 256 슬라이스 CT 스캐너가 사용되었습니다. 어린이들은 누운 자세로 눕혀졌고, 숨을 참거나 잠든 상태에서 적절한 폭의 검출기를 사용해 저선량 축방향 흉부 스캔을 시행했습니다. 스캔 범위는 폐 꼭대기부터 폐 기저부까지 확장되어 폐 실질 전체를 덮었습니다. 스캔 매개변수는 다음과 같이 설정되었습니다: 튜브 전압 100 kVp, 슬라이스 두께 5 mm, 재구성 슬라이스 두께 1.25 mm, 매트릭스 512 × 512, 갠트리 회전 시간 0.28초, 노이즈 지수 12. 이미지는 ASIR-V 및 DLIR 알고리즘을 사용하여 재구성되었습니다. 각 그룹은 ASIR-V 가중치가 20%, 50%, 80%인 재구성 이미지와 함께 DLIR-L, DLIR-M, DLIR-H 이미지를 포함했습니다. 획득한 이미지 데이터는 워크스테이션으로 가져왔습니다. 모든 영상은 임상 경력이 5년 이상의 두 명의 방사선 전문의가 이중맹검 방식으로 독립적으로 검토하였습니다. 그들은 비정상적인 폐 징후의 존재를 평가하고 주요 영상 특징을 요약했습니다. 해석이 다른 경우에는 상호 논의를 통해 합의에 도달했습니다.

통계 분석

통계 분석은 R 소프트웨어 버전 4.1.2를 사용하여 수행되었습니다. 범주 변수는 n(%)로 제시되며, 카이제곱 검정 또는 피셔 정확 검정을 사용해 비교합니다. 연속 변수는 분포에 따라 표준편차± 평균 또는 중앙값(4분위 범위)으로 표현됩니다. 정상성은 샤피로-윌크 검정을 사용하여 평가되었습니다. 정규 분포 변수는 독립 표본 t 검정을, 비정규 분포 변수는 Mann-Whitney U 검정을 사용해 비교하였다. 모델 구축 전에는 모든 후보 예측인자에 대해 χ2 또는 Mann-Whitney U 검정을 사용하여 훈련 코호트와 검증 코호트 간의 기초 비교 가능성을 확인했으며, 코호트 간 유의미한 차이는 없었다(모두 P > 0.05). 훈련 코호트에서는 단변량 로지스틱 회귀에서 P < 0.05인 변수를 다변수 로지스틱 회귀에 입력하였다. 다중공선성은 "car" 패키지로 계산된 분산 인플레이션 계수(VIF)를 사용하여 평가되었으며; 선택된 모든 예측 변수는 VIF < 5를 기록하여 유의미한 다중공선성이 없음을 나타냈다. LDH의 선형 가정은 로그 변환과 제한된 세제곱 스플라인(10, 50, 90백분위수에 3노트를 배치한 "rms" 패키지 사용)을 사용하여 검토되었습니다; 모델 적합도가 개선되지 않을 때는 선형 형태를 유지했습니다(우도비 검사: 비선형 스플라인 항에 대해 P > 0.05, 선형 명세를 지지). "rms" 패키지(버전 6.3-0; 로지스틱 회귀를 위한 lrm, 값 예측를 위한 Predict, 그래픽 표현용 노모그램)를 사용하여 최종 다변수 모델에서 노모그램이 구성되었습니다. 식별력은 수신자의 작업 특성 곡선, 곡선 아래 면적, C-지수를 95% 신뢰구간("pROC" 패키지)을 사용하여 평가되었습니다. 보정은 1,000개의 부트스트랩 재샘플을 사용한 보정 곡선을 사용하여 평가하였습니다. ("RMS" 패키지: 보정 함수). 최적의 예측 컷오프는 pROC 패키지 를 통해 유덴 지수를 사용하여 각 코호트 내에서 독립적으로 결정되었으며, 훈련 코호트는 0.222, 검증 코호트는 0.247이었습니다. 훈련 유도 컷오프(0.222)는 표준 내부 검증 관행과 일치하는 교차 코호트 성과 비교를 위해 검증 코호트에도 적용되었습니다. 예를 들어, 예측 확률의 95% 신뢰구간은 로짓 척도의 모델 기반 표준오차를 사용해 계산되었습니다. 의사결정곡선 분석을 통해 임계값 확률 전반에 걸친 순이익을 평가하였다("rmda" 패키지: decision_curve 및 plot_decision_curve 함수). 양측 P < 0.05는 통계적으로 유의한 것으로 간주되었습니다. 데이터 전처리, 모델 구축, 검증, 노모그램 생성 등 완전한 R 스크립트는 교신저자에게 요청 시 제공됩니다.

누락된 데이터는 최소한(모든 변수<2% 누락)이었으며, 연속 변수는 중앙값 보철, 범주 변수는 모드 보철을 사용해 분석 전에 처리했습니다. 모든 범주별 예측 변수는 이진(0/1) 지표 변수로 코딩되었습니다. 연속 예측 변수(발열 지속 시간, 최고 체온, LDH)는 분류 없이 원래 임상 단위에 유지되었습니다. 다변량 모델링 이전에 단변량 선별 기반 변수 선택은 수행되지 않았으며; 대신 문헌에서 확인된 임상적으로 관련 있는 모든 후보자를 고려하고, 훈련 코호트의 단변량 분석에서 < P 가 0.05인 후보자는 다변수 모델로 진급하였습니다.

웹 계산기 구현

웹 기반의 동적 노모그램은 R의 "shiny" 패키지(버전 1.7.4)를 사용해 배포되었습니다. 사용자 인터페이스는 연속 변수(발열 지속 시간, 최고 체온, LDH)를 위해 shiny::fluidPage(), shiny::sidebarLayout(), 그리고 이진 변수(가래 플러그 또는 흉막삼출, 폐 통합 및 저산소혈증)를 위한 shiny::selectInput()으로 구성되었습니다. 서버 로직은 적합된 LRM 모델의 predict() 함수를 호출하여 개별 위험 추정치를 계산했으며, 그 결과 확률은 renderPlot()과 renderText() 를 통해 렌더링되었습니다. 애플리케이션은 ShinyApps.io(https://predictrmpp.shinyapps.io/RMPP/)에서 호스팅되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

임상 데이터는 소급적으로 수집되었으며 기관의 기밀 유지 요건에 따라 처리되었습니다.

연구 대상

총 500명의 적격 아동이 포함되었으며, 이 중 272명은 남자아이, 228명은 여자아이였습니다. 훈련 코호트에는 375명의 아동이 포함되었으며, 그중 286명은 GMPP(일반 MPP), 89명은 RMPP를 보유하고 있었습니다. 검증 코호트에는 125명의 아동이 포함되었으며, 이 중 85명이 GMPP, 40명이 RMPP를 가지고 있었습니다. 훈련 및 검증 코호트는 연령(중앙값 5.2 대 5.4년, P = 0.681), 성 분포(남성 54.1% 대 53.6%, P = 0.924), RMPP 비율(23.7% vs. 32.0%, P = 0.078), 모든 기초 임상, 실험실...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

RMPP는 지속적인 염증, 표준 마크로라이드 치료에 대한 낮은 반응, 폐 및 폐외 합병증 위험 증가와 관련이 있습니다. 따라서 고위험 아동의 조기 발견은 적시에 치료 조정을 위해 중요합니다. 본 연구에서는 입원 전 발열 기간, 최고 체온, LDH, 가래 마개 또는 흉막삼출, 폐 강화, 저산소혈증이 RMPP와 독립적으로 연관되어 있었습니다. 이 변수들을 기반으로 한 웹 기반 동적 노모그램은 안정적인 식별, 허용 가능한 보정, 임상 순이익을 보여주었습니다.

발열 기간과 최고 체온은 여전히 중요한 임상 예측 변수로 남아 있었습니다. 지속적인 발열은 지속적인 염증 활성화와 불충분한 조기 치료 반응을 반영할 수 있으며, 최고 체온은 전신 반응이 더 강함을 나타냅니다. 이전 연구들에서도 RMPP...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 이 저작의 내용에 대해 공개할 이해 상충이 없습니다.

감사의 글

이 연구는 진화시 공익기술적용연구사업(번호 2024-4-147)의 지원을 받았습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
R 소프트웨어 버전 4.1.2통계 컴퓨팅을 위한 R 재단, 오스트리아, 비엔나http://www.r-project.org
Revolution 256-slice CT 스캐너GE 헬스케어, 미국www.gehealthcare.com

참고문헌

  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.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

233233

관련 논문