A prognostic model and simplified risk score for predicting poor treatment response in children aged 2–59 months hospitalized with severe community-acquired pneumonia: Development and validation study in Hakim Gizaw Hospital, Ethiopia

Technische Samenvatting: Prognostisch Model en Vereenvoudigde Risicoscore voor Ernstige Pneumonie bij Ethiopische Kinderen

Probleemstelling
Pneumonie blijft een belangrijke doodsoorzaak onder kinderen, met name in lage- en middeninkomenslanden. Hoewel ernstige pneumonie een grote klinische zorg vormt, is het klinisch heterogeen; kinderen die aan dezelfde diagnostische criteria voldoen, kunnen vaak zeer verschillende risico's op behandelingsfalen lopen. Bestaande voorspellingsinstrumenten voor pediatrische pneumonie (bijv. RISC, RISC-Malawi) hebben een variabele prestatie getoond wanneer ze buiten hun oorspronkelijke setting worden toegepast, vanwege verschillen in casemix, uitkomstprevalentie en klinisch management. Er is een kritische behoefte aan lokaal relevante, intern gevalideerde prognostische modellen die kinderen met een hoog risico op een slechte behandelrespons vroegtijdig tijdens hun hospitalisatie kunnen identificeren, om zo geprioriteerde monitoring en ondersteunende zorg te faciliteren.

Methodologie
Deze studie voerde een ontwikkeling van een prognostisch model en een interne validatieanalyse uit met gegevens van 630 kinderen (leeftijd 2–59 maanden) die werden opgenomen met ernstige community-acquired pneumonie in het Hakim Gizaw Teaching Hospital in Ethiopië.

• Definitie van de uitkomst: De primaire uitkomst was "slechte respons op behandeling" binnen 72 uur na opname, geoperationaliseerd als een composiet van: verlengde hospitalisatie (>72 uur), overlijden tijdens opname, en/of een wijziging in antibiotica na 72 uur.
• Predictoren: Kandidaat-predictoren werden beperkt tot variabelen die beschikbaar waren bij opname of tijdens de initiële klinische beoordeling om de prognostische bruikbaarheid te waarborgen. Deze omvatten demografie, vaccinatiestatus, vitale functies, zuurstofsaturatie, laboratoriummetingen en initiële antibioticaregimes.
• Gegevensverwerking: Vier laboratoriumvariabelen (WBC, neutrofielen, lymfocyten, hemoglobine) vertoonden aanzienlijke missende gegevens (ongeveer 18%). De studie maakte gebruik van multiple imputation by chained equations (MICE) met predictive mean matching om vijf geïmputeerde datasets te genereren, waardoor informatie die verloren zou gaan bij een complete-case analyse, behouden bleef.
• Modelontwikkeling:
  • Screening: Exploratieve univariabele analyses screenden kandidaten (drempelwaarde p < 0,25).
  • Selectie: Multivariabele logistische regressiemodellen werden vergeleken met behulp van de Akaike Information Criterion (AIC). Het definitieve model behield 16 predictorparameters.
  • Validatie: Interne validatie werd uitgevoerd met 1000 bootstrap-resamples om optimisme (overfitting) te schatten en te corrigeren.
• Prestatie-indicatoren:
  • Discriminatie: Beoordeeld via de Area Under the Receiver Operating Characteristic Curve (AUC) en Somers' Dxy.
  • Kalibratie: Geëvalueerd met kalibratieplots, intercept, helling, maximale absolute fout (Emax) en Brier-score.
  • Vereenvoudigde Score: Een 11-componenten integer risicoscore werd afgeleid uit het volledige model om klinisch gebruik aan het ziekbed te vergemakkelijken.
  • Klinische Bruikbaarheid: Decision-curve analyse (DCA) werd uitgevoerd om het netto voordeel van de score te beoordelen over verschillende drempelwaarde-kansen in vergelijking met "behandel-allen" en "behandel-niemand" strategieën.

Belangrijkste Bijdragen

1. Ontwikkeling van een Lokaal Model: De studie levert een multivariabel logistisch regressiemodel dat specifiek is afgestemd op de Ethiopische context, waarmee de beperkingen van het transporteren van globale instrumenten naar lokale settings worden geadresseerd.
2. Rigoureuze Statistische Aanpak: De studie houdt zich aan hedendaagse rapportage richtlijnen (bijv. TRIPOD), maakt gebruik van multiple imputation voor ontbrekende gegevens, bootstrap-resampling voor interne validatie en decision-curve analyse voor de beoordeling van de bruikbaarheid.
3. Dubbele Output: De studie levert zowel een volledig regressiemodel voor hoog-precieze risico-inschatting als een vereenvoudigde, 11-componenten risicoscore voor praktische klinische toepassing.
4. Transparante Rapportage: De auteurs verstrekken volledige regressiecoëfficiënten, odds ratio's en gedetailleerde prestatie-indicatoren, inclusclusief de door optimisme gecorrigeerde waarden, om toekomstige externe validatie te ondersteunen.

Resultaten

• Prevalentie van de Uitkomst: Slechte behandelrespons kwam voor bij 267 kinderen (42,4%).
• Prestaties Volledig Model:
  • Discriminatie: De schijnbare AUC was 0,875 (95% BI 0,849–0,902). Na bootstrap-correctie was de door optimisme gecorrigeerde AUC ongeveer 0,857 (Dxy 0,713).
  • Kalibratie: Het model vertoonde redelijke kalibratie met een gecorrigeerde helling van 0,927 en een intercept van 0,021. De Brier-score was 0,153.
  • Belangrijke Predictoren: Significante predictoren van een slechte respons waren onvolledige vaccinatie (AOR 3,79), zeer lage zuurstofsaturatie (AOR 2,23), leeftijd 12–23 maanden (AOR 3,29), ampicilline-gentamicine behandeling (vs. vancomycine), stridor, cyanose, onvermogen om te voeden, veranderingen in de mentale status, braken, diarree en verhoogde WBC.
• Prestaties Vereenvoudigde Score:
  • De score varieerde van 0 tot 19.
  • Discriminatie: De score behaalde een AUC van 0,823, wat statistisch significant lager was dan het volledige model (p < 0,001), maar nog steeds nuttige discriminerende kracht behield.
  • Risicostratificatie: Bij een drempelwaarde van ≥8 punten identificeerde de score een risicogroep met een geobserveerde slechte behandelrespons van 70,3%, vergeleken met 7,7% in de laag-risicogroep (0–3 punten).
  • Classificatie-indicatoren: Bij de ≥8 drempelwaarde was de sensitiviteit 76,4% en de specificiteit 76,3%.
  • Bruikbaarheid: Decision-curve analyse gaf een positief netto voordeel aan ten opzichte van de "behandel-niemand" strategie over een breed bereik van drempelwaarde-kansen.

Betekenis en Claims
De auteurs stellen dat het ontwikkelde model een goede discriminatie en aanvaardbare interne kalibratie vertoont voor het voorspellen van een slechte behandelrespons in deze specifieke cohort. De vereenvoudigde score, hoewel minder accuraat dan de volledige regressievergelijking, biedt een pragmatisch instrument voor risicostratificatie dat kinderen scheidt in groepen met wezenlijk verschillende uitkomsten.

De auteurs nemen echter een bescheiden standpunt in met betrekking tot klinische implementatie. De auteurs stellen expliciet dat:

• De resultaten gebaseerd zijn op interne validatie en externe validatie vereisen in onafhankelijke cohorten voordat de modellen als routinematig klinisch gebruik kunnen worden beschouwd.
• De studie geen prospectieve impactevaluatie heeft uitgevoerd; daarom vertegenwoordigt de decision-curve analyse potentieel nut in plaats van bewezen klinische effectiviteit.
• De uitkomst een geoperationaliseerde composietmaat is van de behandelrespons, en geen mortaliteitseindpunt.
• De transporteerbaarheid van het model naar andere ziekenhuizen of populaties onbewezen blijft vanwege het enkelvoudige centrum-design en de op data gebaseerde predictorselectie.

Concluderend biedt de studie een reproduceerbare, statistisch robuuste basis voor toekomstig onderzoek, waarbij wordt benadrukt dat externe validatie en prospectieve impactbeoordeling noodzakelijke voorwaarden zijn voordat deze instrumenten de klinische besluitvorming kunnen sturen.