用于预测儿童大叶性肺炎肺内并发症的诺模图的开发与验证，辅以非线性风险分析

《Scientific Reports》：Development and validation of a nomogram to predict intrapulmonary complications in pediatric lobar pneumonia, with auxiliary nonlinear risk profiling

　　

摘要

大叶性肺炎是一种严重的儿童社区获得性肺炎亚型，容易引发肺内并发症。我们构建并验证了一种预测工具，用于评估肺内并发症的风险以及年龄与D-二聚体之间的非线性关联关系。本研究回顾性分析了2020年至2024年间入住郑州大学附属儿童医院的662名大叶性肺炎患儿。这些患者被随机分为训练组（n=463）和验证组（n=199）。通过LASSO算法和多变量逻辑回归确定的预测因子被纳入该预测工具中。模型性能通过受试者工作特征曲线下面积、校准度、决策曲线分析以及临床影响曲线来进行评估。限制性三次样条分析用于检测非线性关联。最终确定了6个关键预测因子：AST水平≥40 U/L、D-二聚体水平≥1 mg/L、既往病史、24小时内的氧饱和度及心电图结果、肺炎支原体检测呈阳性，以及肺部影像学评分。该模型具备良好的区分能力、校准效果以及临床应用价值。非线性分析显示，年龄与并发症风险之间存在U形关联，风险最低的年龄段为6至6.9岁；而D-二聚体的临界值为0.41 mg/L。这一预测工具有望帮助提前识别患有大叶性肺炎的儿童可能出现的肺内并发症，为风险分层和个性化治疗提供依据，不过还需通过多中心前瞻性研究来进一步验证其有效性。