《PLOS One》：A cluster analysis of neonates using clinical signs of possible serious bacterial infection at hospital admission in Kenya: A retrospective multicentre cohort study
编辑推荐：
背景：新生儿脓毒症仍然是撒哈拉以南非洲（Sub-Saharan Africa, SSA）死亡的主要原因。尽管临床表现具有相当大的异质性，疑似病例仍统一使用广谱抗生素治疗。在高资源环境中开发的典型数据驱动方法旨在识别具有临床意义的表型并支持新生儿脓毒症的管理，但
背景：新生儿脓毒症仍然是撒哈拉以南非洲（Sub-Saharan Africa, SSA）死亡的主要原因。尽管临床表现具有相当大的异质性，疑似病例仍统一使用广谱抗生素治疗。在高资源环境中开发的典型数据驱动方法旨在识别具有临床意义的表型并支持新生儿脓毒症的管理，但由于纳入了入院时大多无法获得的变量，这些方法在许多SSA公立医院环境中的普适性有限。本研究的目标是使用入院时易于获得的可能严重细菌感染（possible Serious Bacterial Infection, pSBI）体征来识别脓毒症聚类，并评估这些聚类在预测死亡率方面的性能。
方法：研究人员基于入院时收集的pSBI数据，使用潜在类别分析（Latent Class Analysis, LCA）进行了无监督的基于模型的聚类分析。研究纳入2022年1月至2024年12月期间入住肯尼亚21家医院、年龄<28天且具有≥1项pSBI体征的所有新生儿。结果：从包含8家医院33094例患者的开发数据集中识别出五个死亡风险聚类：极低风险、低风险、中度风险、高风险和危重风险。在预测来自13家不同医院的23704例患者的外部验证数据集的聚类成员身份时，模型的准确性、阳性预测值和特异性分别至少为83.16%（82.72%至83.62%）、81.02%（80.58%至81.45%）和86.91%（86.61%至87.23%）。在住院死亡风险的内部-外部交叉验证方法中，基于模型的聚类方法的区分度（AUROC）为0.867（0.863至0.871），校准截距和斜率分别为?0.004（?0.031至0.023）和0.996（0.979至1.014），优于WHO脓毒症严重程度分类，后者的区分度为0.721（0.715至0.727），校准截距和斜率分别为0.018（?0.005至0.041）和1.015（0.986至1.043）。结论：所识别的聚类可补充临床医生在入院时对脓毒症新生儿进行风险评估的判断。因此，建议未来工作评估这些聚类的实用性以及不同聚类间治疗反应的潜在差异，以帮助加强更有针对性、基于风险的新生儿脓毒症管理的依据。
新生儿期是儿童生存最脆弱的时期，全球每年约有230万新生儿死亡，撒哈拉以南非洲（Sub-Saharan Africa, SSA）新生儿死亡风险约为高收入国家儿童的10倍。脓毒症是由感染引起的失调性免疫反应，可导致急性器官功能障碍，是SSA新生儿疾病负担和死亡的主要原因之一。新生儿脓毒症分为早发型（出生后72小时内）和晚发型（72小时后），在早产或低出生体重儿中更常见。由于许多SSA医疗机构缺乏血培养、血常规等实验室确诊手段，临床诊断依赖可能严重细菌感染（possible Serious Bacterial Infection, pSBI）体征，如喂养困难、嗜睡、体温不稳定、呼吸窘迫等。然而，新生儿脓毒症临床表现高度异质，轻症快速恢复，重症危及生命，但当前指南通常对所有疑似病例统一使用广谱抗生素，可能导致不必要的抗生素暴露和耐药风险。高资源环境中发展的数据驱动表型识别方法往往纳入入院时无法获得的实验室或生物标志物变量，难以推广至SSA公立医院。因此，亟需利用入院时常规可获得的pSBI体征，识别不同死亡风险的新生儿亚型，以支持风险分层和精准管理。本研究通过肯尼亚多中心队列数据，应用无监督模型聚类方法，旨在识别此类亚型并评估其死亡风险预测性能。
研究人员开展了一项回顾性多中心队列研究，数据来自肯尼亚临床信息网络（Clinical Information Network, CIN）的21家公立医院新生儿病房，收集2022年1月至2024年12月期间入院、年龄0–28天且至少有一种pSBI体征的新生儿。开发数据集包含8家医院33094例，外部验证数据集包含13家医院23704例。主要技术方法包括：基于潜在类别分析（Latent Class Analysis, LCA）的无监督模型聚类，以全信息最大似然处理缺失数据；通过外部数据集比较原LCA模型与独立拟合LCA模型的聚类一致性；采用eXtreme Gradient Boosting（xgboost）和SHAP（SHapley Additive exPlanations）值进行特征选择，构建简约多变量logistic分类器；使用多重插补处理缺失值，并通过内部-外部交叉验证评估住院死亡风险模型的区分度和校准度；同时与WHO专家分类和基于Gower距离的层次聚类（Hierarchical Cluster Analysis, HCA）进行比较。
研究结果如下：
一、描述参与者：在研究期间，73140例0–28天新生儿入院，其中59302例（81.08%）至少有一种pSBI体征。排除具有系统性缺失（≥35%pSBI体征未记录）的2504例后，共56798例纳入分析。开发数据集包含33094例（58.27%），验证数据集包含23704例（41.73%）。除脓毒症诊断外，呼吸窘迫综合征、出生窒息和胎粪吸入是最常见的入院诊断。
二、潜在类别分析结果：从开发数据集中识别出五个聚类，根据死亡风险标记为极低风险、低风险、中度风险、高风险和危重风险。住院死亡率从极低风险簇的0.98%递增至危重风险簇的67.8%；验证集中相应为3.06%和61.76%。危重风险簇新生儿胎龄和出生体重较低，高风险簇胎龄和出生体重正常但至少有4项pSBI体征，两类簇的死亡率均超过40%。极低风险和低风险簇中位pSBI体征数为2项，抗生素处方比例≥45%。低体温、吸气性凹陷、松软、呼吸急促、呻吟、低氧、喂养困难和呼吸困难是区分聚类的关键体征。
三、外部验证和可移植性：将原始LCA模型应用于外部验证数据集，与独立拟合LCA模型所获得的聚类成员高度一致，平衡准确率范围为93.13%–98.59%，F1分数范围为91.10%–97.49%。通过特征选择确定的11项pSBI体征构建的简约logistic分类器，在外部验证中平衡准确率为83.16%–95.36%，特异性为86.91%–99.39%，表明该聚类结构具有跨医院的稳定性和可移植性。
四、死亡风险预测性能：在内部-外部交叉验证中，基于模型的聚类方法判别能力最高，C统计量（AUROC）为0.867（95% CI: 0.863–0.871），校准截距和斜率分别为?0.004和0.996，优于WHO脓毒症严重程度分类（AUROC 0.721，截距0.018，斜率1.015）和距离聚类方法（AUROC 0.721，截距?0.002，斜率0.987）。校准曲线显示模型聚类方法的预测风险与实际结局具有更佳的拟合度。
讨论部分总结：本研究识别出五个临床特征明显且死亡风险不同的脓毒症新生儿聚类，其中危重风险簇包括低胎龄、低出生体重儿，高风险簇为正常出生体重但多体征患儿，而中度风险簇低出生体重但死亡率相对较低，说明死亡风险不能仅由出生因素解释。超过45%的极低风险和低风险簇患者使用了抗生素，提示在抗菌药物耐药（antimicrobial resistance, AMR）威胁增加的背景下，需评估是否可安全减少部分患者的抗生素使用。同时，与既往在高收入环境中开展的聚类研究（
