Исследовательская статья

Веб-ориентированная динамическая номограмма для прогнозирования рефрактерной пневмонии микоплазмы пневмонии у детей

DOI:

10.3791/71588

⸱

31 июля 2026 г.

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

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

В данном исследовании были всесторонне оценены клинические проявления, лабораторные показатели и особенности визуализации у детей с МПП с целью выявления независимых факторов риска РМПП и создания онлайн-динамической номограммы для раннего прогнозирования.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Рефрактерная пневмония Mycoplasma pneumoniae (RMPP) у детей связана с более сильными воспалительными реакциями, более сложным лечением и повышенным риском лёгочных осложнений. Раннее выявление детей из группы высокого риска может способствовать своевременной корректировке лечения. В этом ретроспективном исследовании было принято 500 госпитализированных детей с пневмонией Mycoplasma pneumoniae с ноября 2022 по ноябрь 2023 года. Когорта была случайным образом разделена на обучающий набор (n = 375) и валидационный набор (n = 125). Одноизменные и многопеременные логистические регрессионные анализы выявили шесть независимых предикторов RMPP: продолжительность лихорадки до госпитализации, пиковая температура тела, уровень лактатдегидрогеназы, пробки мокроты или плевральный выпот, консолидация лёгких и гипоксемия. С использованием этих переменных была построена веб-ориентированная динамическая номограмма. Модель показала хорошую различительность: площадь под рабочей характеристикой приёмника/C-индекс составляла 0,840 (95% ДИ, 0,785–0,892) в обучающем наборе и 0,831 (95% ДИ, 0,743–0,906) в валидационном наборе. Калибровочные кривые показали хорошее согласование между прогнозируемыми и наблюдаемыми рисками, а анализ кривой принятия решений показал клиническую чистую пользу по большинству пороговых вероятностей. Дети с продолжительной лихорадкой, высокой пиковой температурой, повышенной лактатдегидрогеназой, гипоксемией и КТ-признаками консолидации лёгких или пробок мокроты/плеврального выпота должны рассматриваться с повышенным риском РМПП и могут требовать более тщательного контроля и своевременной корректировки лечения.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Mycoplasma pneumoniae (MP) является основным патогеном пневмонии, приобретённой в сообществе, у детей, особенно в популяциях дошкольногои школьного возраста 1. Пневмония Mycoplasma pneumoniae (MPP) составляет значительную долю детской пневмонии, и её заболеваемость увеличилась в последниегоды 2. Большинство детей получают положительный путь после соответствующего лечения; Однако у некоторых развивается устойчивая лихорадка, ухудшающиеся респираторные симптомы или прогрессирующие рентгенографические аномалии как минимум через 7 дней стандартной терапии макролидами, что может быть связано с макролидной резистентностью и/или задержкой лечения. Это состояние обычно определяется как огнеупорная пневмония Mycoplasma pneumoniae (RMPP). RMPP связана с более быстрым прогрессированием, более сложным лечением и повышенным риском осложнений лёгочных и экстралегональных заболеваний, что делает раннее выявление риска клинически важным.

Несколько клинических, лабораторных и визуализационных индикаторов были связаны с RMPP. Сообщаемые предикторы включают лактатдегидрогеназу (LDH), D-димер, интерлейкин (IL)-6, IL-10, плевральный выпот, закупорку слизи, консолидацию лёгких, продолжительную лихорадку, высокую пиковую температуру, пожилой возраст игипоксемию 3,4,5,6,7,8,9. Эти переменные отражают различные аспекты активности заболевания, включая воспалительный ответ, повреждение тканей, активацию свертывания, обструкцию дыхательных путей и нарушенное насыщение кислородом. Однако RMPP обычно определяется несколькими взаимодействующими факторами, и оценка по одной переменной может обеспечивать ограниченную индивидуальную оценку риска.

Современное клиническое прогнозирование в основном опирается на суждение врачей, пороговую интерпретацию лабораторных исследований, оценку визуализации или статические модели. Клиническое суждение гибкое, но субъективное, тогда как пороги по одному индикатору просты, но могут не учитывать совокупный эффект клинической тяжести, воспаления и рентгенологического прогрессирования. Номограмма интегрирует несколько независимых предикторов в индивидуализированную оценку вероятности и обеспечивает более интуитивную оценку риска по сравнению с изолированными переменными. Веб-ориентированная динамическая номограмма дополнительно позволяет напрямую вводить данные пациента и быстро рассчитывать у постели пациента, что может способствовать раннему мониторингу и корректировке лечения.

Модели прогнозирования остаются инструментами поддержки принятия решений и не могут заменить клиническое суждение. Их эффективность зависит от качества данных, определения переменных и валидации в независимых популяциях. Существующие исследования на основе номограммы для RMPPсообщают о 6,7; тем не менее, необходимы внешне проверенные динамические инструменты и систематические сравнения между моделями. Веб-номограмма, разработанная в этом исследовании, предназначена для использования в педиатрических отделениях и учреждениях неотложной помощи, где регулярно доступны КТ грудной клетки, измерение LDH и мониторинг насыщения кислородом. Клиницистам следует с осторожностью интерпретировать прогнозы при применении к популяциям с существенно отличающимся эпидемиологическим профилем, медицинским учреждениям с ограниченными возможностями визуализации или пациентам, получающим кортикостероиды или антибиотики второй линии до госпитализации, которые могут изменять воспалительные маркеры.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Это исследование было одобрено Этическим комитетом Женской и детской больницы Цзиньхуа (No 2024KY099). Информированное согласие было получено от законных опекунов детей.

Данные пациентов

Это ретроспективное исследование включало детей с пневмонией Mycoplasma pneumoniae (MPP), госпитализированных в Детской больнице, аффилированной с Женской и детской больницей Цзиньхуа с ноября 2022 по ноябрь 2023 года. MPP был диагностирован на основе респираторных симптомов, результатов грудной визуализации и положительного теста Mycoplasma pneumoniae ДНК или РНК. Общий МПП (ГМПП) относится к детям, которые адекватно реагировали на стандартную макролидную терапию, тогда как РМПП определялся как устойчивая лихорадка, усугублённые симптомы или прогрессирующие нарушения визуализации после как минимум 7 дней стандартной терапиимакролидами (10). Критерии включения включали возраст <14 лет, подтверждённую инфекцию Mycoplasma pneumoniae , респираторные симптомы и результаты визуализации, соответствующие пневмонии. Критериями исключения были смешанная инфекция в течение 10 дней после начала заболевания, лейкемия, хроническое заболевание лёгких, иммунодефицит, предыдущая иммуносупрессивная терапия, госпитализация на этапе восстановления или неполные записи. Стандартная терапия включала азитромицин 10 мг/кг один раз в день, перорально или внутривенно, с максимальной дозой 500 мг/день. Дети, не соответствующие критериям RMPP, классифицировались как общие MPP (GMPP). Всего 500 подходящих детей были случайным образом разделены на обучающую когорту (n = 375) и валидационную когорту (n = 125) с использованием программы R версии 4.1.2 (функция: sample(), set.seed = 42). Когорта валидации была зарезервирована исключительно для внешней оценки модели и не использовалась ни на одном этапе построения модели. Данные электронных медицинских карт извлекались с использованием стандартизированного шаблона экстракции, разработанного заранее. Области данных включали демографию, клинические показатели, лабораторные показатели, результаты визуализации и записи о лечении. Два обученных исследователя независимо извлекли данные, и расхождения были устранены консенсусом. Результаты КТ грудной клетки оценивались радиологами, не обращая внимания на клинические группировки и лабораторные результаты. Надёжность интерпретации КТ-изображений между оценщиками оценивалась с использованием статистики каппа Коэна для бинарных результатов визуализации (мокроточные пробки или плевральный выпот: да/нет; консолидация лёгких: да/нет). Наконец, 129 детей были классифицированы как RMPP и 371 — как общий MPP.

Переменные

Демографические, клинические, лабораторные и визуализационные переменные извлекались из электронных медицинских записей с использованием заранее определённой формы. Клинические переменные включали возраст, пол, продолжительность температуры до госпитализации, пиковую температуру тела и гипоксемию. Продолжительность лихорадки определялась как интервал от начала лихорадки до госпитализации. Максимальная температура тела была самой высокой зафиксированной до или в течение 24 часов после госпитализации. Гипоксемия определялась как насыщение кислородом периферических артерий <92% в комнатном воздухе или необходимость дополнительного кислорода. Лабораторные переменные включали WBC, HB, PLT, CRP, ALB, ALT, CK-MB, LDH, D-димер, IL-6, IL-8, IL-10, IL-17, PCT и NE%. Образцы венозной крови натощак были взяты в течение 24 часов после поступления, а время отбора проб относительно начала лихорадки и начала приёма антибиотиков фиксировалось по мере доступности. Mycoplasma pneumoniae Для этиологического подтверждения использовался ДНК или РНК-тестирование. Количественный ПЦР-анализ Mycoplasma pneumoniae (РНК) в реальном времени показал положительный результат. Количественная нагрузка ДНК/РНК не была включена, поскольку стандартизированные данные о нагрузке были недоступны для всех пациентов. КТ грудной клетки, проведённая в течение 3 дней до или после госпитализации, была проверена на наличие пробок мокроты, плеврального выпота и консолидации лёгких. «Пробки мокроты или плевральный выпот» были отмечены как положительные при наличии любого из находок. Консолидация легких определялась как сегментарная или лобарная паренхимальная непрозрачность на КТ. Использовался КТ-сканер размером 256 срезов. Детей помещали в положение лежа на спине, а низкодозовое аксиальное сканирование грудной клетки проводилось с помощью детектора подходящей ширины при задержании дыхания или во время сна. Покрытие сканирования простиралось от вершины лёгких до основания лёгких, охватывая всю паренхиму лёгких. Параметры сканирования были установлены следующим образом: напряжение трубки 100 кВп, толщина среза 5 мм, толщина реконструкционного среза 1,25 мм, матрица 512 × 512, время вращения портала 0,28 с, индекс шума 12. Изображения были воссозданы с использованием алгоритмов ASIR-V и DLIR. Каждая группа содержала реконструированные изображения с весами ASIR-V 20%, 50% и 80%, а также изображения DLIR-L, DLIR-M и DLIR-H. Полученные данные изображений импортировались в рабочую станцию. Все изображения были независимо проверены двумя радиологами с более чем пятилетним клиническим опытом. Они оценили наличие аномальных признаков лёгких и резюмировали основные характеристики визуализации. В случаях с разными интерпретациями достигался консенсус путем взаимного обсуждения.

Статистический анализ

Статистический анализ проводился с использованием программного обеспечения R версии 4.1.2. Категориальные переменные представлены как n (%) и сравниваются с помощью теста хи-квадрата или точного теста Фишера. Непрерывные переменные выражаются как среднее ± стандартное отклонение или медиана (межквартильный диапазон) в зависимости от распределения. Нормальность оценивалась с помощью теста Шапиро-Уилка. Нормально распределённые переменные сравнивались с помощью теста t-независимых выборок, а ненормально распределенные переменные — с помощью теста Mann-Whitney U. До построения модели базовая сопоставимость между когортами обучения и валидации подтверждалась с помощью χ2 или тестов Манна-Уитни U для всех кандидатов-предикторов, при этом не было выявлено значимых различий между когортами (все P > 0,05). В обучающей когорте переменные с P < 0,05 в одномерной логистической регрессии были внесены в многомерную логистическую регрессию. Мультиколлинеарность оценивалась с использованием коэффициентов инфляции дисперсии (VIF), рассчитанных с помощью пакета «автомобиль»; все отобранные предикторы имели VIF < 5, что указывает на отсутствие значительной мультиколлинеарности. Предположение линейности для LDH изучалось с помощью логарифмического преобразования и ограниченных кубических сплайнов (с использованием пакета «rms» с 3 узлами, расположенными на 10-м, 50-м и 90-м перцентилях); линейная форма сохранялась, когда модель не улучшалась (тест на отношение правдоподобия: P > 0,05 для нелинейного сплайн-члена, поддерживающий линейную спецификацию). Номограмма была построена на основе окончательной многомерной модели с использованием пакета «rms» (версия 6.3-0; функции: lrm для логистической регрессии, Predict для прогнозирования значений и номограмма для графического представления). Дискриминация оценивалась с использованием кривых характеристик приёмника, площади под кривой и C-индекса с 95% доверительных интервалов («пакет pROC»). Калибровка оценивалась с помощью калибровочных кривых с 1000 повторных выборок bootstrap. ("пакет RMS: функция калибровки"). Оптимальный порог прогноза определялся независимо внутри каждой когорты с использованием индекса Юдена через пакет pROC: 0,222 в обучающей когорте и 0,247 в валидационной когорте. Порог, полученный на основе обучения (0,222), также применялся к когорте валидации для сравнения межкогортной производительности, что соответствует стандартной практике внутренней валидации. Например, 95% доверительный интервал для предсказанной вероятности был рассчитан с использованием стандартных ошибок на основе моделей по шкале логита. Анализ кривой принятия решения использовался для оценки чистой выгоды по пороговым вероятностям (пакет rmda: функции decision_curve и plot_decision_curve). Двусторонний коэффициент P < 0,05 считался статистически значимым. Полные R-скрипты, включая предобработку данных, построение модели, валидацию и генерацию номограмм, доступны у соответствующего автора по запросу.

Отсутствующие данные были минимальными (все переменные <2% отсутствуют) и обрабатывались с помощью медианной импутации для непрерывных переменных и модовой импутации для категориальных переменных до анализа. Все категориальные предикторы кодировались как бинарные (0/1) индикаторные переменные. Непрерывные предикторы (продолжительность лихорадки, пиковая температура, LDH) сохранялись в исходных клинических единицах без категоризации. Выбор переменных на основе одномерного скрининга до многомерного моделирования не проводился; вместо этого рассматривались все клинически значимые кандидаты, выявленные в литературе, а те, кто с P < 0,05 в одномерном анализе учебной когорты, были переведены в многомерную модель.

Реализация веб-калькулятора

Веб-ориентированная динамическая номограмма была развернута с помощью пакета «shiny» (версия 1.7.4) в R. Пользовательский интерфейс был построен с использованием shiny::fluidPage(), shiny::sidebarLayout() и shiny::sliderInput() для непрерывных переменных (продолжительность лихорадки, пиковая температура, LDH) и shiny::selectInput() для бинарных переменных (пробки мокроты или плевральный выпот, консолидация лёгких, гипоксемия). Серверная логика вызывала функцию predict() из модели Fitted LRM для вычисления индивидуальных оценок риска, при этом полученные вероятности отображались с помощью renderPlot() и renderText(). Приложение было размещено на ShinyApps.io (https://predictrmpp.shinyapps.io/RMPP/).

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Клинические данные были собраны задним числом и обработаны в соответствии с требованиями институциональной конфиденциальности.

Исследуемая популяция

Всего было включено 500 подходящих детей, включая 272 мальчика и 228 девочек. В учебной группе было 375 детей, из которых 286 имели GMPP (общий MPP), а 89 — RMPP. В когорту валидации было 125 детей, из которых 85 имели GMPP, а 40 — RMPP. Когорты обучения и валидации были сопоставимы по возрасту (медиана 5,2 против 5,4 года, P = 0,681), распределению полов (мужчины 54,1 % против 53,6%, P = 0,924), доле RMPP (23,7 % против 32,0%, P = 0,078), а также по всем исходным клиническим, лабораторным и визуализационным переменным (все P > 0,05), что подтверждает, что случайное распределение достигало сбалансированных когорт, подходящих для разработки и валидации модели. В группе обучения возраст и пол были схожи между группами GMPP и RMPP. По сравнению с детьми с GMPP, у пациентов с RMPP была более высокая продолжительность лихорадки перед госпитализацией, более высокая пиковая температура тела, более высокий уровень CRP, D-димера, LDH, IL-6 и IL-8, а также более частые выделения мокроты или плеврального выпота, консолидация лёгких и гипоксемия. Похожие тенденции наблюдались и в когорте валидации (Таблица 1).

Выбор функций

В учебной когорте одномерная логистическая регрессия выявила девять переменных, связанных с RMPP: длительность лихорадки перед госпитализацией, пиковая температура тела, CRP, D-димер, LDH, IL-6, пробки мокроты или плевральный выпот, консолидация лёгких и гипоксемия. Переменные без статистической значимости не учитывались в многомерную модель. До многомерного моделирования мультиколлинеарность среди девяти кандидатов-предикторов оценивалась с помощью VIF (Дополнительная таблица 1); все значения VIF варьировались от 1,12 до 3,87, что значительно ниже обычного порога 10, что подтверждает, что мультиколлинеарность не вызывает опасения. Многомерная логистическая регрессия показала, что продолжительность температуры перед поступлением, пиковая температура тела, LDH, пробки мокроты или плевральный выпот, консолидация лёгких и гипоксемия оставались независимыми предикторами RMPP. CRP, D-димер и IL-6 не были независимо связаны с RMPP после корректировки. Эти шесть предикторов использовались для построения номограммы (Таблица 2).

Оценка линейности для LDH

Предположение линейности для LDH оценивалось с использованием ограниченных кубических сплайнов с 3 узлами на10-м,50-м и90-м процентилях. Тест на отношение правдоподобия, сравнивающий модель сплайна с линейной, не показал значительного улучшения подгонки (χ2 = 1,23, P = 0,540), что подтверждает сохранение линейного члена.

Разработка и валидация динамической номограммы

Номограмма была построена с использованием шести независимых предикторов многомерной модели: длительность лихорадки перед поступлением, пиковая температура тела, LDH, пробки мокроты или плевральный выпот, консолидация лёгких и гипоксемия (рисунок 1). На основе той же модели был разработан веб-ориентированный динамический калькулятор. Для ребёнка с длительностью лихорадки 4 дня, пиковой температурой 40 °C, LDH 415 U/L, гипоксемией, пробками мокроты или плевральной выпотом, а также консолидацией лёгких, прогнозируемый риск RMPP составлял 98,6% (95% ДИ, 92,9%–99,7%) (рассчитано с использованием коэффициентов логистической регрессии: logit(p) = −3,131 + 0,280 × продолжительности лихорадки + 0,889 × пиковой температуры + 0,0105 × LDH + 1,305 × SP_or_PE + 1,962 × консолидации + 1,952 × гипоксемии; 95% CI был получен на основе стандартной ошибки модели линейный предиктор на шкале логита и обратно преобразован в шкалу вероятности с помощью обратной функции логита) (рисунок 2).

Модель показала хорошую дискриминацию. Индекс C составлял 0,840 (95% ДИ, 0,785–0,892) в когорте обучения и 0,831 (95% ДИ, 0,743–0,906) в валидационной когорте. Анализ ROC показал последовательные результаты: значения AUC составляли 0,840 и 0,831 соответственно (рисунок 3A,B). Оптимальный порог для обучающей когорты был определен как 0,222 по индексу Юдена, с чувствительностью 78,7% и специфичностью 80,1%. Для когорты валидации независимо рассчитанный оптимальный порог составил 0,247, чувствительность 72,5% и специфичность 82,4%. Когда к валидационной когорте применялся порог, полученный на основе обучения (0,222), чувствительность составила 75,0%, а специфичность — 76,5%. Калибровочные кривые, основанные на 1000 повторных выборках с помощью bootstrap, показали хорошее соответствие между прогнозируемыми и наблюдаемыми рисками, со средними абсолютными ошибками 0,017 в обучающей когорте и 0,028 в валидационной когорте (рисунок 3C,D). Анализ кривой принятия решения показал, что номограмма обеспечивает более высокую чистую пользу, чем стратегии «лечить всё» или «не лечить» при большинстве пороговых вероятностей, особенно в диапазоне от 0,05 до 0,90 (см. рисунок 4).

Надёжность межоценочной проверки КТ

Надёжность интерпретации КТ-изображений между двумя радиологами оценивалась с помощью каппы Коэна. Согласие было существенным для мокротных пробок или плеврального эффузии (κ = 0,82, 95% ДИ: 0,74–0,90) и консолидации лёгких (κ = 0,79, 95% ДИ: 0,69–0,89), что подтверждало надёжность предикторов на основе визуализации.

ДОСТУПНОСТЬ ДАННЫХ:

Наборы данных, созданные и/или проанализированные в текущем исследовании, доступны на https://predictrmpp.shinyapps.io/RMPP/. Демографические, клинические, лабораторные и визуализационные характеристики пациентов, включённых в рандомизированные когорты валидации и обучения, представлены соответственно в Дополнительной таблице 2 и Дополнительной таблице 3.

figure-results-1
Рисунок 1: Установлен номограмма в обучающей когорте путём включения шести параметров. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-2
Рисунок 2: Онлайн-динамическая номограмма для диагностики RMPP. (A) Числовое резюме предсказания. (B) Детали прогнозирования модели. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-3
Рисунок 3: Оценка достоверности и надёжности номограммы. Кривые ROC обучающей когорты (A) и когорты валидации (B); калибровочные кривые обучающей когорты (C) и когорты валидации (D). Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-4
Рисунок 4: Кривые DCA в обучении когорты. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

ПеременныеВсего(n=500)Учебный когортЗначение pКогорта валидацииЗначение p
GMPP(n=286)RMPP(n=89)GMPP(n=85)RMPP(n=40)
Возраст, годы4.00 (3.00, 7.00)4.00(3.00,7.00)4.00(3.00,6.00)0.7174.00 (3.00, 7.00)4.00 (2.00, 5.50)0.521
Пол272（54.4%）0.2860.908
Женский133（46.50%）35(39.30%)40 (47.1)20 (50.0)
Мужской153（53.50%）54(60.70%)45 (52.9)20 (50.0)
TD, дни3.00 (2.00, 5.00)3.00(2.00,4.00)4.00(3.00,6.00)<0.0013.00 (2.00, 4.00)5.00 (3.00, 7.00)0.001
T, °C39.20 (38.90, 39.60)39.10(38.90,39.50)39.40(39.00,39.90)0.00139.00 (38.80, 39.50)39.45 (39.00, 40.00)0.019
WBC, 109/L8.43 (6.49, 11.16)8.48 (6.53, 11.24)8.98 (6.79, 11.76)0.5848.57 (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)0.09162.70 (55.80, 70.70)61.35 (55.20, 68.47)0.699
HB, g/L63.35 (54.25, 71.03)124.00 (117.00, 131.00)125.00 (119.00, 130.00)0.289122,82±9,76125.47±7.970.137
PLT, 109/L269.50 (224.75, 318.00)269.00 (224.00, 319.00)264.00 (219.00, 310.00)0.47275.00 (236.00, 312.00)271.50 (229.75, 303.50)0.765
CRP, мг/л7.03 (1.91, 22.01)5.85 (1.70, 14.94)20.98 (5.24, 31.74)<0.0015.02 (1.47, 16.94)20.23 (4.53, 38.40)0.002
D-Dimer, ug/L480.00 (390.00, 610.00)460.00 (380.00, 577.50)580.00 (440.00, 760.00)<0.001490.00 (420.00, 610.00)585.00 (397.50, 702.50)0.342
ALB, г/л42.75±2.9642,8±2,8442.51±2.920.39342.59±2.9643.30±3.830.256
ALT, U/L15.00 (12.00, 19.00)14.00 (12.00, 19.00)15.00 (11.00, 18.00)0.48815.00 (13.00, 21.00)14.50 (12.00, 21.00)0.472
LDH, U/L280.00 (247.00, 330.25)273.50 (242.00, 311.00)316.00 (265.00, 518.00)<0.001283.00 (242.00, 328.00)303.50 (248.50, 530.50)0.034
CK-MB, U/L78.00 (56.75, 107.00)77.00 (57.00, 104.00)79.00 (57.00, 109.00)0.77385.00 (55.00, 112.00)76.00 (55.00, 96.75)0.518
PCT, ng/mL0.08 (0.06, 0.15)0.08 (0.06, 0.16)0.10 (0.06, 0.16)0.2440.09 (0.07, 0.15)0.08 (0.05, 0.12)0.038
IL-6, pg/mL27.41 (13.87, 54.22)26.14 (13.78, 46.07)38.28 (17.25, 60.30)0.02225.96 (13.78, 50.61)32.41 (15.08, 71.21)0.403
IL-8, pg/mL23.59 (14.87, 48.67)21.25 (13.97, 43.65)28.74 (18.99, 49.04)0.01621.22 (15.00, 54.95)26.38 (13.82, 51.72)0.87
ИЛ-10, пг/мл6.64 (4.38, 9.46)6.84 (4.43, 9.59)6.53 (4.87, 12.49)0.5736.38 (4.32, 8.95)6.85 (4.00, 8.70)0.956
ИЛ-17, пг/мл10.94 (4.58, 25.24)10.85 (4.60, 25.28)14.45 (6.13, 30.01)0.1498.56 (3.94, 22.84)10.64 (3.90, 18.76)0.987
SP или PE42（8.4%）<0.0010.002
ДА13 (4.5%)15 (16.9%)4 (4.7%)10 (25.0%)
НЕТ273 (95.5%)74 (83.1%)81 (95.3%)30 (75.0%)
Консолидация лёгких157（31.4%）<0.0010.035
ДА74 (25.9%)47 (52.8%)19 (22.4%)17 (42.5%)
НЕТ212 (74.1%)42 (47.2%)66 (77.6%)23 (57.5) %
Гипоксемия33（6.6%）<0.0010.006
ДА7 (2.4%)13 (14.6%)4 (4.7%)9 (22.5%)
НЕТ279 (97.6%)76 (85.4%)81 (95.3%)31 (77.5%)

Таблица 1: Сравнение демографических, клинических и лабораторных данных между пациентами с GMPP и RMPP.

ПеременныеОднопеременный анализМногомерный анализ
βИЛИ95% CIЗначение pβИЛИ95% CIЗначение p
Возраст, годы-0.0220.9790.891-1.0710.646
Пол
Женский-0.2940.7460.456-1.2060.235
Мужской
Термическая продолжительность, день0.2711.3111.183-1.462<0.0010.211.2341.087-1.403<0.001
T, °C0.7312.0781.410-3.162<0.0010.9062.4731.462-4.3170.001
WBC, 109/L-0.0090.9910.933-1.0490.766
NE, %0.0191.0190.998-1.0410.081
HB, g/L0.0171.0170.993-1.0430.177
PLT, 109/L-0.00111.000-1.0020.488
CRP, мг/л0.0231.0231.010-1.036<0.0010.0121.0120.997-1.0281.041
D-Dimer, ug/L0.0021.0021.001-1.003<0.001-0.0011.0011.000-1.0020.089
ALB, г/л-0.0370.9640.886-1.0480.393
ALT, U/L0.0041.0040.986-1.0200.606
LDH, U/L0.011.011.007-1.013<0.0010.0091.011.006-1.013<0.001
CK-MB, U/L-0.000410.996-1.0010.692
PLT, ng/mL0.0261.0270.929-1.1200.536
IL-6, pg/mL0.0121.0121.003-1.0210.0070.000410.989-1.0120.95
IL-8, pg/mL0.0071.0071.000-1.0150.1
ИЛ-10, пг/мл0.011.010.987-1.0310.363
ИЛ-17, пг/мл0.0071.0071.000-1.0180.126
SP или PE
ДА1.4494.2571.939-9.472<0.0011.2443.4691.284-9.5040.014
НЕТ
Консолидация лёгких
ДА1.1653.2061.961-5.270<0.0011.0292.7971.497-5.2710.001
НЕТ
гипоксемия
ДА1.926.8182.696-18.702<0.0012.0347.6442.207-28.3640.002
НЕТ

Таблица 2: Логистические регрессии исследования RMPP.

Дополнительная таблица 1: Коэффициенты инфляции дисперсии для кандидатов-предикторов. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 2: Рандомизированный набор валидационных данных, используемый для независимой валидации моделей предсказания. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 3: Рандомизированный обучающий набор данных, используемый для разработки моделей прогнозирования. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

RMPP связана с продолжительным воспалением, плохой реакцией на стандартную макролидную терапию и повышенным риском осложнений лёгочных и внелегочных. Раннее выявление детей из группы высокого риска важно для своевременной корректировки лечения. В этом исследовании продолжительность температуры перед госпитализацией, пиковая температура тела, LDH, пробки мокроты или плевральный выпот, консолидация лёгких и гипоксемия были независимо связаны с RMPP. Веб-ориентированная динамическая номограмма на основе этих переменных показала стабильную дискриминацию, приемлемую калибровку и клиническую чистую пользу.

Длительность лихорадки и пиковая температура оставались важными клиническими предикторами. Устойчивая лихорадка может отражать устойчивую воспалительную активацию и недостаточную раннюю реакцию налечение 11,12, тогда как высокая пиковая температура указывает на более сильную системную реакцию. Предыдущие исследования также отмечали более длительную продолжительность лихорадки и повышенную температуру тела у детей сRMPP 4,8,13. Эти показатели легко получить при поступлении и могут помочь выявить детей, требующих более тщательного наблюдения.

Воспалительные повреждения и нарушение иммунной системы являются центральными факторами прогрессирования РМПП. Инфекция МП может повреждать сосудистый эндотелий, нарушать баланс свертывания и способствовать высвобождению цитокинов, способствуя изменениям в D-димерах и воспалительныхмаркерах 14. Более серьёзное повреждение лёгких также может увеличить повреждение клеток и выброс LDH. Предыдущие исследования предполагали, что CRP, LDH и IL-6 связаны сRMPP 15. В этой когорте CRP, D-димер, LDH и IL-6 были значимы в одномерном анализе, тогда как только LDH оставался значимым после корректировки. Это говорит о том, что эффекты CRP, D-димера и IL-6 могут частично пересекаться с тяжестью лихорадки, повреждением тканей и прогрессированием визуализации.

Результаты визуализации и статус оксигенации добавили важную прогнозную информацию. Предыдущие исследования показали, что плевральный выпот, ателектаз, закупорка мокроты и обширная консолидация тесно связаны с рефрактернымизаболеваниями 6,16,17,18. В настоящем исследовании мокротные пробки или плевральный выпот и консолидация лёгких оставались независимыми предикторами, указывая на более выраженную обструкцию дыхательных путей, воспаление паренхимы или плевральное воздействие. Гипоксемия также была независимо связана с РМПП, что соответствует сообщениям о тяжелой или фульминной МПпневмонии 19,20. После нарушения газообмена вероятность рефрактерного прохождения может возрастать.

В сравнении с ранее опубликованными моделями прогнозирования RMPP нынешняя номограмма демонстрирует несколько отличительных черт. Лю и др.16 разработали номограмму на основе ультразвука лёгких (AUC 0.821), включающую ультразвуковые результаты лёгких и IL-6, которая предлагает альтернативу без радиации, но требующую специализированного оборудования и опыта оператора. Ченг и др. предложили упрощённую клиническую номограмму (AUC 0,798), основанную на продолжительности лихорадки, LDH и D-димере, предназначенную для условий без непосредственного доступа квизуализации 13. Шен и др. построили модель (AUC 0,815), интегрирующую клинические и воспалительныемаркеры 7. Для сравнения, текущая модель интегрирует легко доступные клинические данные (характеристики лихорадки), единый биохимический маркер (LDH) и результаты КТ, обеспечивая сопоставимую или немного превосходящую дискриминацию (AUC 0,840 в обучении и 0,831 в валидации). Веб-ориентированный динамический формат дополнительно повышает клиническую применимость, позволяя рассчитывать риски в реальном времени без ручной оценки. Хотя каждая модель имеет свой целевой клинический сценарий и требования к ресурсам, данный инструмент может быть особенно подходящим для третичных педиатрических центров, где КТ регулярно проводится для детей с тяжёлой МПП.

По сравнению с отдельными показателями или суждением, основанным на опыте, номограмма интегрирует клинический ход, биохимические повреждения, тяжесть визуализации и уровень оксигенации в индивидуальную оценку риска. По сравнению со статической оценкой, веб-формат позволяет напрямую вводить данные пациента и быстро рассчитывать без ручной оценки. Это может повысить удобство использования у постели пациента и снизить вариабельность оценки рисков. Модель предназначена для поддержки, а не замены клинического суждения. Детям с высоким прогнозируемым риском могут потребоваться более тщательный мониторинг, повторные обследования визуализации и своевременные корректировки лечения в соответствии с клиническими рекомендациями.

Надежное использование этого инструмента зависит от нескольких ключевых этапов. RMPP следует классифицировать только после подтверждения устойчивой лихорадки, усугубления симптомов или рентгенологического прогрессирования не менее 7 дней стандартной терапии макролидами. Лабораторные исследования должны проводиться в аналогичный ранний срок, желательно в течение 24 часов после поступления. Результаты КТ следует интерпретировать с использованием заранее определённых критериев, а неопределённые результаты должны рассматриваться опытными радиологами. Если отсутствует LDH, насыщение кислородом влияет при кислородной терапии или интерпретация визуализации неясна, рассчитанный риск следует интерпретировать с осторожностью и переоценить после подтверждения данных.

Следует учитывать несколько ограничений. Это было ретроспективное, одноцентровое исследование с внутренней валидацией; Требуется внешняя валидация в многоцентровых когортах. Период исследования длился один год, поэтому сезонные вариации активности и вирулентности MP не могли быть полностью оценены. Тестирование на макролидную резистентность, включая анализ мутаций 23S рРНК, не было доступно регулярно, хотя макролидная резистентность и отсрочка лечения могут усиливать тяжесть заболевания и способствоватьрефрактерности 12. Количественная нагрузка MP-ДНК или РНК не была включена, поскольку стандартизированные данные о нагрузке были неполными. Кроме того, информация о том, получали ли пациенты кортикостероиды или антибиотики второй линии (например, фторхинолоны) до соответствия критериям RMPP, не была систематически собрана в нашей ретроспективной когорте; Такие методы лечения могут подавлять воспалительные маркеры и потенциально влиять на связь между предикторами и результатами RMPP. Будущие исследования должны проспективно проверить модель, оценить её влияние на клинические решения и изучить интеграцию в электронные медицинские карты для автоматизированного расчёта рисков.

Заключение

Продолжительность температуры перед поступлением, пиковая температура тела, LDH, пробки мокроты или плевральный выпот, консолидация лёгких и гипоксемия независимо ассоциировались с RMPP у детей с MPP. Веб-ориентированная динамическая номограмма, построенная на основе этих переменных, показала хорошую прогностическую эффективность и может помочь в ранней стратификации риска и принятии клинических решений. Перед более широким применением требуется дополнительная многоцентровая внешняя валидация.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

У авторов нет соответствующих конфликтов интересов, которые можно было бы раскрывать относительно содержания этой работы.

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Это исследование было профинансировано Исследовательским проектом применения технологий общественного благополучия города Цзиньхуа (No 2024-4-147).

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Версия программного обеспечения R 4.1.2R Foundation for Statistical Computing, Вена, Австрияhttp://www.r-project.org
256-слайсовый КТ-сканер RevolutionGE Healthcare, Соединенные Штатыwww.gehealthcare.com

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

MedicineRisk Factors

Похожие статьи