研究目的:
降钙素原(PCT)在检测菌血症方面具有中等准确性,但在儿科急诊科中却很少被使用,部分原因是单独使用该指标时灵敏度较低,同时也有指南建议不要单独依赖它。本研究旨在探讨将PCT与其他临床指标结合的机器学习方法,是否能在培养结果出来之前,更有效地识别儿童中的革兰氏阴性菌血症引发的器官功能障碍。
研究方法:
研究人员对431例同时进行血培养和PCT检测的儿科病例进行了回顾性分析。通过基于优先级的自然语言处理算法对血培养结果进行分类,将其分为革兰氏阴性菌血流感染、革兰氏阳性菌血流感染、污染样本或阴性结果。主要研究结果是符合Phoenix-8标准且存在器官功能障碍的革兰氏阴性菌血流感染病例,其中免疫相关指标不予考虑。研究比较了单独使用PCT的效果、一个基于成人败血症特征的四参数模型,以及通过系统单变量筛选得到的多种参数组合模型。研究中采用了随机森林和惩罚逻辑回归作为核心算法,并通过嵌套重复分层交叉验证和排列重要性分析来评估模型性能。模型区分能力通过配对折叠级AUROC测试来比较,而校准情况则通过Platt缩放法进行评估。
研究结果:
在431例有PCT数值结果的病例中,有20例(4.6%)符合革兰氏阴性菌血流感染并伴有器官功能障碍的研究目标。单独使用PCT时的AUROC值为0.762。而基于成人败血症特征的四参数模型的AUROC值为0.862,其中呼吸频率和收缩压对预测结果的贡献极小。系统筛选显示,血小板计数和肌酐是最佳的辅助指标;由PCT、血小板计数和肌酐组成的三参数模型的AUROC值为0.884(95%置信区间为0.871-0.982),这一数值在随机森林和惩罚逻辑回归模型中均保持一致,为0.874。该模型的布里尔分数为0.038,低于基准模型的0.044,阳性似然比为12.56,意味着每2.6例患者就需要进行一次检测。
研究结论:
单独使用PCT的检测效果有限。将PCT纳入包含三个参数的机器学习模型后,其区分能力有所提升,AUROC值提升了0.122,差异具有统计学显著性。而且无论在随机森林还是惩罚逻辑回归模型中,这一提升效果都较为稳定。与成人模型不同,儿童模型的预测重点在于肾功能指标(肌酐),而非血液动力学指标。这些研究结果仅为初步发现,若要实际应用于临床,还需要在更大规模的队列中进行前瞻性验证。


