《Respiratory Medicine》：PneumoMLPred: Innovating Pneumonia Management with Guideline Adherence Review and Explainable Machine Learning-based Mortality Prediction - A single-centre retrospective study
编辑推荐：
Kamel A. Samara | Hiba Jawdat Barqawi | Saryia Adra | Batool Aldaher | Drishti D. Kampani | Enad Haddad | Hebah Soudan | Islam Ibrahim Anwar
Kamel A. Samara | Hiba Jawdat Barqawi | Saryia Adra | Batool Aldaher | Drishti D. Kampani | Enad Haddad | Hebah Soudan | Islam Ibrahim Anwar | Mohammed Besher Adi | Omar Hamadi | Yumna Almour | Mohamed Nassef | Zaher Al Aghbari | Eman Abu Gharbieh
美国宾夕法尼亚州阿宾顿的杰斐逊阿宾顿医院
摘要
引言
社区获得性肺炎（CAP）是全球主要的死亡原因之一。抗生素耐药性的变化、可靠的CAP死亡率预测模型的缺乏以及人口老龄化将增加其负担。本研究旨在评估对CAP管理指南的遵守情况，并开发一个基于机器学习的死亡率预测模型。
方法
这项回顾性研究包括了2016年至2021年间的所有CAP病例。收集的变量包括患者的人口统计学信息、合并症、生命体征、实验室检查结果、影像学结果和培养结果，以及初始和针对性的抗生素治疗方案。数据使用Python-3进行了预处理和分析。评估了患者对美国胸科学会/美国传染病学会2019年指南（ATS/IDSA）的遵守情况。根据2019年ATS/IDSA指南为肾功能正常的成年人定义了确定指南遵守情况所需的最小抗生素剂量。使用随机森林进行特征选择，并评估了多种基础分类器和集成模型。SHAP方法用于生成表现最佳模型的可解释因素。
结果
共纳入783例病例，所有病例的肺炎严重程度指数（PSI）均为IV/V级；总体死亡率为15.75%。病因诊断很少能够确定，也未用于指导抗生素的使用。不到三分之一的病例遵守了2019年ATS/IDSA的管理指南。基于可解释支持向量分类器的PneumoMLPred肺炎预后模型的准确率为88.5%，特异性为96.3%，AUC为0.87。SHAP分析显示，PSI、CRP和肾脏疾病是导致院内死亡的主要因素。
结论
对2019年ATS/IDSA指南的遵守情况非常有限。PneumoMLPred在预测院内CAP死亡率方面具有巨大潜力。
引言
根据《全球疾病负担》报告，2019年下呼吸道感染（包括肺炎）影响了超过4.88亿人，导致240万人死亡1。社区获得性肺炎（CAP）是全球主要的死亡原因之一，对所有年龄段的发病率和死亡率都有显著影响，尤其是在65岁及以上的老年人中2。在美国，CAP导致了257,790例住院病例，医疗费用超过11亿美元（占所有住院费用的30%以上）3。仅在美国，每年就有超过一百万65岁及以上的老年人感染CAP，其中三分之一的人在一年内死亡4。在欧洲，呼吸系统疾病是第三大死因，占所有死亡人数的7.5%5。因此，CAP的负担与其他严重疾病（如心肌梗死和中风）相当。
CURB-65和肺炎严重程度指数（PSI）等评分在患者分诊和初步评估死亡风险方面非常有效2。然而，抗生素的选择不仅取决于病情的严重程度，还需要根据当地的微生物流行情况来决定6, 7。因此，微生物学诊断对于CAP至关重要，但在不到50%的肺炎病例中进行了这项诊断2。事实上，尽管肺炎是全球抗生素处方的五大指征之一，占全球所有治疗患者的19.2%，但关于抗生素处方模式的信息却非常有限8。这些信息对于指导抗生素处方、加强抗生素管理以及监测耐药性模式至关重要8。例如，铜绿假单胞菌是一种常见的病原体，估计导致了近十分之一的CAP病例需要入住重症监护室（ICU），其死亡率高达100%；这种细菌通常具有多重耐药性，常规的经验性抗生素治疗方案无法有效治疗它，从而进一步恶化了临床结果。沙特阿拉伯的一项最新研究表明，多种细菌导致了CAP，且抗生素耐药性普遍存在且不断蔓延，因此合理使用抗生素以及定期进行医院研究和审计以评估肺炎的病因和细菌耐药性是必要的7。更令人担忧的是，阿拉伯联合酋长国（UAE）的情况尤为复杂，该国人口以年轻人为主，但年龄结构正在缓慢但持续老龄化（预计到2050年65岁以上的人口将增加十二倍9）。此外，该国的成人疫苗接种工作普遍不足，从医生和患者的知识和实践到患者的态度和认知都存在差距10, 11。随着易感人群的增加、预防措施的不足以及细菌耐药性的增强，UAE的肺炎负担预计将进一步加剧。
此外，目前仍缺乏可靠有效的CAP死亡率预测模型，传统的疾病严重程度模型效果不佳12。早期识别预后不良因素可以预防严重后果，并对患者进行更密切的监测和更积极的治疗13。然而，CAP的风险因素很多，包括男性、年龄较大、吸烟者、免疫抑制者以及患有慢性阻塞性肺疾病（COPD）、哮喘、糖尿病或恶性肿瘤2, 3，并且这些因素在不同研究中的影响各不相同4, 5, 6, 14, 15, 16, 17, 18。这促使人们更加重视机器学习（ML）的应用，尽管由于制度、文化和法律问题，ML的临床影响仍有限。尽管如此，预计基于ML的工具的开发和应用将彻底改变肺炎的诊疗流程，从识别高风险患者到管理重症感染19。
全球和地区性研究已经表明，人们对肺炎管理指南（包括2019年美国胸科学会和美国传染病学会的指南（ATS/IDSA）的遵守情况较差5, 14。一项针对海湾地区（包括UAE）的前瞻性队列研究评估了人们对ATS/IDSA指南的遵守情况，发现许多方面需要改进（尤其是微生物学诊断和革兰氏染色20）。然而，该研究依赖于过时的2007年指南，主要纳入了低风险患者，未考虑剂量、实验室结果和死亡决定因素。因此，本研究旨在评估对2019年ATS/IDSA指南的遵守情况，并设计、开发和测试基于ML的死亡率预测模型PneumoMLPred。
章节片段
研究设计和研究对象
本研究是在阿拉伯联合酋长国沙迦的Al Qassimi医院（AQH）进行的回顾性研究。AQH是一家拥有350多张床位的三级教学医院，是北部酋长国最大的公立医院。研究纳入了2016年至2021年间所有符合以下纳入标准的社区获得性肺炎住院患者。通过国际分类标准从医疗记录中初步确定了CAP病例列表
人口统计学特征、基线特征和检查结果
2016年至2021年间共有783例符合纳入标准的肺炎病例被纳入研究，表1显示了所有患者的基线特征。几乎所有变量的缺失率都很低（<5%）。63.98%（n=501/783）为男性，49.68%（n=389/783）来自中东和北非地区（MENA），37.16%（n=291/783）年龄在65岁及以上。只有15.53%（n=109/702）为当前吸烟者，其中6.67%（n=7/105）接受了戒烟建议。平均住院时间为
讨论
本研究回顾了2016年至2021年间AQH医院783例非COVID-19肺炎住院患者，发现：(a) CAP的诊断检查较为充分，X光使用率较高，基线实验室结果一致，但培养订单不一致，病因诊断率很低。(b) 由于药物剂量普遍不足，对2019年ATS/IDSA指南的遵守情况非常有限，不到三分之一的患者符合住院肺炎管理指南。
结论与局限性
为确保结果的准确解释和透明度，需要考虑几个局限性。首先，作为单中心研究，其结果可能无法推广到其他地区。此外，肺炎的严重程度未按照ATS/IDSA指南进行评估，抗生素治疗持续时间也未进行评估。同时，合并症仅作为二元变量进行分析；由于记录不完整，未能进行按严重程度分层的分析（例如COPD的GOLD标准）
CRediT作者贡献声明
Yumna Almour： 数据整理。Kamel Samara： 写作——审稿与编辑、初稿撰写、可视化、验证、监督、软件使用、方法论设计、数据分析、概念化。Mohamed Nassef： 监督、调查。Zaher Al Aghbari： 监督、软件使用、数据分析。Hiba Jawdat Barqawi： 写作——审稿与编辑、初稿撰写、监督、方法论设计、概念化。Hebah Soudan： 数据整理。Islam Ibrahim Anwar： 数据整理。
伦理批准和同意
本研究已获得沙迦大学研究伦理委员会（参考编号：REC-22-02-12-S）和卫生与预防研究伦理委员会（MOHAP/DXB-REC/MJJ/No.56 / 2022）的批准。鉴于研究的回顾性质，免除了知情同意的要求。研究遵循了所有相关指南和规定，包括《赫尔辛基宣言》。
利益冲突
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
LLM工具使用声明
本手稿的撰写过程中未使用任何LLM工具。
资金支持
本研究未获得任何公共、商业或非营利机构的资助。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
