Исследовательская статья

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

22 просмотров

⸱

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

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

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

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.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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/).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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 был...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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 номогра...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

Благодарности

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

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

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

Ссылки

  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.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

233233

Похожие статьи