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

Resumo Técnico: Modelo Prognóstico e Escore de Risco Simplificado para Pneumonia Grave em Crianças Etíopes

Definição do Problema
A pneumonia continua sendo uma das principais causas de mortalidade entre crianças, particularmente em países de baixa e média renda. Embora a pneumonia grave seja uma preocupação clínica importante, ela é clinicamente heterogênea; crianças que preenchem os mesmos critérios diagnósticos frequentemente enfrentam riscos vastamente diferentes de falha no tratamento. As ferramentas de predição de pneumonia pediátrica existentes (ex: RISC, RISC-Malawi) demonstraram desempenho variável quando aplicadas fora de seus contextos de derivação, devido a diferenças na composição de casos, prevalência de desfechos e manejo clínico. Há uma necessidade crítica de modelos prognósticos localmente relevantes e validados internamente que possam identificar crianças com alto risco de má resposta ao tratamento precocemente durante sua hospitalização, facilitando assim o monitoramento prioritário e o cuidado de suporte.

Metodologia
Este estudo realizou o desenvolvimento de um modelo prognóstico e uma análise de validação interna utilizando dados de 630 crianças (de 2 a 59 meses) hospitalizadas com pneumonia comunitária grave no Hospital de Ensino Hakim Gizaw, na Etiópia.

• Definição do Desfecho: O desfecho primário foi a "má resposta ao tratamento" dentro de 72 horas após a admissão, operacionalizada como um composto de: hospitalização prolongada (>72 horas), morte durante a internação e/ou mudança de antibióticos após 72 horas.
• Preditores: Os potenciais preditores foram restritos a variáveis disponíveis na admissão ou na avaliação clínica inicial para garantir a utilidade prognóstica. Estes incluíram demografia, status vacinal, sinais vitais, saturação de oxigênio, medidas laboratoriais e regimes iniciais de antibióticos.
• Tratamento de Dados: Quatro variáveis laboratoriais (WBC, neutrófilos, linfócitos, hemoglobina) apresentaram ausência substancial de dados (aprox. 18%). O estudo empregou imputação múltipla por equações encadeadas (MICE) com correspondência de média preditiva para gerar cinco conjuntos de dados imputados, preservando a informação que seria perdida em uma análise de casos completos.
• Desenvolvimento do Modelo:
  • Triagem: Análises univariáveis exploratórias triaram os candidatos (limiar de p < 0,25).
  • Seleção: Modelos de regressão logística multivariável foram comparados utilizando o Critério de Informação de Akaike (AIC). O modelo final reteve 16 parâmetros preditores.
  • Validação: A validação interna foi realizada através de 1000 reamostragens de bootstrap para estimar e corrigir o otimismo (overfitting).
• Métricas de Desempenho:
  • Discriminação: Avaliada via Área Sob a Curva ROC (AUC) e Somers' Dxy.
  • Calibração: Avaliada por meio de gráficos de calibração, intercepto, inclinação, erro absoluto máximo (Emax) e escore de Brier.
  • Escore Simplificado: Um escore de risco inteiro de 11 componentes foi derivado do modelo completo para facilitar o uso à beira do leito.
  • Utilidade Clínica: Uma análise de curva de decisão (DCA) foi conduzida para avaliar o benefício líquido do escore em vários limiares de probabilidade em comparação com as estratégias "tratar todos" e "não tratar ninguém".

Principais Contribuições

1. Desenvolvimento de um Modelo Local: O estudo fornece um modelo de regressão logística multivariável especificamente adaptado ao contexto etíope, abordando as limitações da transposição de ferramentas globais para cenários locais.
2. Abordagem Estatística Rigorosa: O estudo adere às diretrizes de relatório contemporâneas (ex: TRIPOD), utilizando imputação múltipla para dados ausentes, reamostragem de bootstrap para validação interna e análise de curva de decisão para avaliação de utilidade.
3. Saída Dupla: O estudo entrega tanto um modelo de regressão completo para estimativa de risco de alta precisão quanto um escore de risco simplificado de 11 componentes para aplicação clínica prática.
4. Relato Transparente: Os autores fornecem coeficientes de regressão completos, razões de chance (odds ratios) e métricas de desempenho detalhadas, incluindo valores corrigidos pelo otimismo, para apoiar futuras validações externas.

Resultados

• Prevalência do Desfecho: A má resposta ao tratamento ocorreu em 267 crianças (42,4%).
• Desempenho do Modelo Completo:
  • Discriminação: A AUC aparente foi de 0,875 (IC 95% 0,849–0,902). Após a correção por bootstrap, a AUC corrigida pelo otimismo foi de aproximadamente 0,857 (Dxy 0,713).
  • Calibração: O modelo apresentou calibração razoável com uma inclinação corrigida de 0,927 e um intercepto de 0,021. O escore de Brier foi de 0,153.
  • Principais Preditores: Preditores significativos de má resposta incluíram vacinação incompleta (AOR 3,79), saturação de oxigênio muito baixa (AOR 2,23), idade de 12–23 meses (AOR 3,29), tratamento com ampicilina-gentamicina (vs. vancomicina), estridor, cianose, incapacidade de alimentar-se, alterações no estado mental, vômitos, diarreia e aumento de WBC.
• Desempenho do Escore Simplificado:
  • O escore variou de 0 a 19.
  • Discriminação: O escore alcançou uma AUC de 0,823, o que é estatisticamente significativamente inferior ao modelo completo (p < 0,001), mas manteve poder discriminatório útil.
  • Estratificação de Risco: No limiar de ≥8 pontos, o escore identificou um grupo de alto risco com uma taxa de má resposta observada de 70,3%, comparado a 7,7% no grupo de baixo risco (0–3 pontos).
  • Métricas de Classificação: No limiar de ≥8, a sensibilidade foi de 76,4% e a especificidade foi de 76,3%.
  • Utilidade: A análise de curva de decisão indicou um benefício líquido positivo sobre a estratégia "não tratar ninguém" em uma ampla gama de limiares de probabilidade.

Significância e Alegações
Os autores afirmam que o modelo desenvolvido demonstra boa discriminação e calibração interna aceitável para prever a má resposta ao tratamento neste coorte específico. O escore simplificado, embora menos preciso que a equação de regressão completa, oferece uma ferramenta pragmática para estratificação de risco que separa as crianças em grupos com resultados marcadamente diferentes.

No entanto, o artigo mantém uma postura modesta quanto à implementação clínica. Os autores declaram explicitamente que:

• Os resultados baseiam-se em validação interna e requerem validação externa em coortes independentes antes que os modelos possam ser considerados para uso clínico rotineiro.
• O estudo não realizou uma avaliação de impacto prospectiva; portanto, a análise de curva de decisão representa uma utilidade potencial, e não uma eficácia clínica comprovada.
• O desfecho é uma medida operacional composta de resposta ao tratamento, não um desfecho de mortalidade.
• A transportabilidade do modelo para outros hospitais ou populações permanece não comprovada devido ao desenho de centro único e seleção de preditores baseada em dados.

Em conclusão, o estudo fornece uma base reprodutível e estatisticamente robusta para pesquisas futuras, enfatizando que a validação externa e a avaliação de impacto prospectivo são pré-requisitos necessários antes que esses instrumentos possam guiar a tomada de decisão clínica.