pada Anak
Derek J. Williams, MD, MPH, Sebuah Yuwei Zhu, MD, MS, b Carlos G. Grijalva, MD, MPH, c Wesley H. Diri, MD, MPH, d
Frank E. Harrell Jr, PhD, b Carrie Reed, DSc, e Chris Stockmann, PhD, MSc, f Sandra R. Arnold, MD, MSc, g
Krow K. Ampofo, MD, f Evan J. Anderson, MD, h Anna M. Bramley, MPH, e Richard G. Wunderink, MD, saya
Jonathan A. McCullers, MD, g Andrew T. Pavia, MD, f Seema Jain, MD, e Kathryn M. Edwards, MD Sebuah
LATAR BELAKANG: morbiditas substansial dan variasi perawatan yang berlebihan dilihat dengan pneumonia anak. alat abstrak
risiko-stratifikasi akurat untuk memandu pengambilan keputusan klinis yang diperlukan.
METODE: Kami mengembangkan model risiko untuk memprediksi hasil pneumonia berat pada anak-anak (<18 tahun)
dengan menggunakan data dari Etiologi Pneumonia di dalam Komunitas Studi, penelitian prospektif rawat inap
pneumonia dilakukan di 3 kota AS dari Januari 2010 hingga Juni 2012. di rumah sakit hasil yang disusun dalam
skala ordinal keparahan meliputi berat (mekanik ventilasi, shock, atau kematian), sedang (intensif care masuk saja),
dan ringan (non-intensif di rumah sakit perawatan) hasil-hasil. Dua puluh prediktor, termasuk pasien, laboratorium,
dan karakteristik radiografis pada presentasi, dievaluasi dalam 3 model: model penuh termasuk semua 20 prediktor,
model berkurang termasuk 10 prediktor berdasarkan konsensus ahli, dan catatan kesehatan elektronik (EHR) Model
termasuk 9 prediktor biasanya tersedia sebagai data terstruktur dalam EHRs komprehensif. regresi ordinal
digunakan untuk pengembangan model. akurasi prediksi diperkirakan dengan menggunakan diskriminasi (indeks
konkordansi).
HASIL: Di antara 2319 anak termasuk, 21% memiliki hasil sedang atau berat (14% sedang, 7% berat). Setiap
model akurat diidentifikasi risiko pneumonia sedang atau berat (konkordansi indeks di model 0,78-0,81). Usia,
tanda-tanda vital, indrawing dada, dan pola menyusup radiologis adalah prediktor terkuat dari tingkat keparahan.
model berkurang dan EHR mempertahankan sebagian besar prediktor terkuat dan dilakukan serta model penuh.
KESIMPULAN: Kami menciptakan model 3 risiko yang secara akurat memperkirakan risiko pneumonia berat pada anak-anak. Penggunaan mereka
NIH
Dr Williams dikonsep dan dirancang penelitian, dilakukan analisis awal, dan dirancang dan merevisi naskah
APA STUDI INI ADDS: Kami menciptakan model 3 risiko yang secara
awal; Drs Zhu dan Harrell dikonsep dan dirancang studi, mengawasi dan melakukan analisis, dan ditinjau dan
akurat memperkirakan risiko pneumonia berat pada anak-anak Amerika
direvisi naskah awal; Drs Grijalva, Self, Reed, Stockmann, Arnold, Ampofo, Anderson, Bramley, Wunderink,
Serikat. Penerapan alat fi kasi risiko-strati menggunakan model ini memiliki
McCullers, Pavia, Jain, dan Edwards dikonsep dan dirancang studi, dibantu dengan interpretasi data, dan ditinjau
dan direvisi naskah awal; dan semua penulis menyetujui naskah nal fi seperti yang disampaikan. potensi untuk meningkatkan perawatan klinis dan hasil.
untuk menghasilkan perkiraan risiko yang handal dan ahli. Untuk proses ini, kami survei 14 dokter
tujuan yang memfasilitasi keputusan manajemen menghadiri dari 10 institusi Amerika dengan
pasien. Insiden tinggi, morbiditas, dan variasi keahlian di pneumonia anak (termasuk 5 penyidik
substansial dalam perawatan membuat anak studi EPIC), yang mewakili perawatan kritis,
tersebut. Beberapa model prognostik yang tersedia tambahan. dan penyakit menular. Responden menilai
untuk orang dewasa dengan pneumonia, 8 - 10 dan pentingnya masing-masing variabel prediktor
studi model ini menunjukkan bahwa mereka dapat pada skala Likert 5 poin (1 = tidak penting untuk
Hasil
mengurangi spektrum luas penggunaan antibiotik 5 = sangat penting). Variabel dengan rata-rata
model prognostik kami berfokus pada hasil di ranking (skor median penting atau sangat penting ≥
dan mengurangi rawat inap di antara individu berisiko
rumah sakit akut, disusun dalam skala keparahan 4) tetap dipertahankan. Hal ini mengakibatkan
rendah. 11 - 14 Namun, tidak ada model divalidasi ada
tunggal ordinal dengan 3 tingkatan: berat, sedang, satu set berkurang dari 10 prediktor (berkurang
untuk memprediksi hasil klinis antara anak-anak
dan ringan. termasuk anak-anak yang berat yang model), termasuk usia, komorbiditas, indrawing
dengan pneumonia di negara maju, kesenjangan
meninggal, diperlukan ventilasi mekanik invasif, dada, status diubah mental, jantung dan
penelitian utama disorot dalam pedoman manajemen
atau dikembangkan kejutan yang membutuhkan pernafasan, tekanan darah sistolik, rasio PF,
pneumonia anak nasional. 15 Menggunakan data dari
obat vasoaktif (misalnya, dopamin, norepinefrin, menyusup pola, dan efusi pleura. Model ketiga
Pusat Pengendalian dan Pencegahan Penyakit
vasopressin). termasuk anak-anak sedang dirawat termasuk 9 prediktor yang rutin tersedia dalam
Etiologi Pneumonia di Komunitas (EPIC) Study, 16
di ICU yang tidak memenuhi kriteria untuk parah. catatan komprehensif elektronik kesehatan
Anak-anak yang tersisa diklasifikasikan sebagai (model EHR): usia, jenis kelamin, ras, suhu,
ringan. Anak-anak diklasifikasikan menurut hasil jantung dan pernafasan, tekanan darah sistolik,
yang paling parah yang terjadi selama rawat inap. rasio PF, dan jumlah sel darah putih. Sebuah
istilah untuk situs pendaftaran juga termasuk
dalam masing-masing model.
Variabel prediktor
METODE
Prediktor diidentifikasi apriori dan
Studi Kependudukan
diinformasikan oleh keahlian klinis dan
Penelitian EPIC adalah studi prospektif kajian literatur. Kami fokus pada pemilihan
pengawasan, berdasarkan populasi tujuan
2 WILLIAMS et al
TABEL 1 Karakteristik Studi Kependudukan, secara keseluruhan dan menurut Pneumonia Severity
Data disajikan sebagai no. (%) Kecuali dinyatakan lain; semua prediktor mencerminkan penilaian dilakukan pada saat penerimaan.
Sebuah anak-anak termasuk berat yang diperlukan ventilasi mekanik invasif dan mereka dengan kejutan yang membutuhkan obat vasoaktif; termasuk anak-anak sedang dirawat di perawatan intensif yang tidak memenuhi kriteria untuk pneumonia berat;
Kontribusi mikrobilogik Etiologi darah untuk kultur bakteri, serologi untuk 8 Mycoplasma pneumoniae, dan
virus pernafasan, dan pneumokokus dan grup Chlamydophila pneumoniae. 16
Untuk menilai kontribusi data mikrobiologis A reaksi berantai polimerase streptokokus; Untuk analisis ini, data mikrobiologis yang
kinerja prognostik, kami juga mengevaluasi dan naso / penyeka orofaringeal untuk dirangkum dengan menggunakan variabel
masing-masing model utama dengan polymerase chain reaction untuk 13 virus kategori biner untuk virus, bakteri atipikal ( M
menggunakan data etiologi dari studi EPIC. pernapasan, pneumoniae atau C pneumoniae), dan bakteri
penilaian etiologi termasuk lainnya.
menggunakan disesuaikan rasio odds (aORs). efek yang dinilai kembali setelah tidak termasuk
parsial plot untuk prediktor terus menerus juga yang anak-anak diprioritaskan ke ICU pada presentasi. 1,77 kali). Demikian pula, di antara prediktor
dihasilkan. Untuk menggambarkan pentingnya Analisis dilakukan dengan menggunakan Stata 13,1 terus menerus, penurunan rasio PF, tekanan
setiap prediktor, kita menghitung, dan grafis yang (StataCorp, College Station, TX) dan R 3.2.3 (R darah sistolik, dan suhu; ekstrem usia; dan
ditampilkan, fraksi variasi hasil dijelaskan Yayasan statistik Komputasi, Wina, Austria). rincian meningkatkan jantung dan pernapasan
disumbangkan oleh masing-masing prediktor metodelogi tambahan yang disediakan dalam bahan semuanya terkait dengan hasil pneumonia lebih
berdasarkan parsial mereka tambahan. parah (misalnya, dalam model penuh,
kemungkinan hasil sedang atau berat meningkat
1,22 kali untuk anak 1-yearold dibandingkan
dengan 2-yearold). Dikombinasikan, 9
variabel-variabel ini peringkat sebagai prediktor
terkuat pneumonia keparahan, kontribusi 96%
χ 2 nilai-nilai. 18 dari variasi hasil dijelaskan dalam model penuh
(Gambar 1). Model ini berkurang
Antara model perbandingan termasuk penilaian HASIL Studi
mempertahankan semua tapi 1 dari prediktor
dari fit (rasio kemungkinan χ 2 statistik), kualitas
Populasi tersebut (suhu), sedangkan model EHR
(Akaike Information Criterion), dan akurasi
dipertahankan 6 (tanpa perubahan status
prediksi (diskriminasi dan kalibrasi). 18 Kami Dari 2358 anak yang terdaftar dalam studi EPIC
mental, indrawing dada, dan menyusup pola)
menilai kemampuan model kami untuk dengan pneumonia radiografi dikonfirmasi, 39
(Tabel 2).
membedakan antara anak dengan dan tanpa dikeluarkan karena ≥ 1 immunocompromising
setiap hasil (diskriminasi) menggunakan indeks komorbiditas (Tambahan Gambar 3). Usia
konkordansi (c-index), yang analog dengan rata-rata dari 2319 anak termasuk adalah 28
daerah sering dilaporkan di bawah penerima bulan (kisaran interkuartil [IQR], 12-71); 55%
operasi kurva karakteristik. Sebuah c-indeks 1,0 laki-laki; 40% adalah non-Hispanik kulit putih,
menunjukkan konkordansi sempurna. 33% adalah non-Hispanik hitam, dan 19%
Kinerja Model prognostik
Persetujuan antara frekuensi hasil diprediksikan Hispanik; 49% dari anak-anak memiliki ≥ 1
dan yang diamati (kalibrasi) dinilai grafis. komorbiditas (Tabel 1). Tujuh persen anak-anak Setiap model akurat diidentifikasi risiko
Pertama, diperkirakan risiko pneumonia sedang memiliki hasil yang parah (kisaran di situs 6% pneumonia sedang atau berat (c-indeks
atau berat menjelma menjadi 100 tempat -10%); 14% memiliki hasil yang moderat (kisaran kisaran di seluruh model 0,78-0,81, Tabel 3).
sampah ukuran yang sama mulai dari 0 sampai di situs 9% -16%). Sepertiga dari anak-anak Perbedaan dalam model fit dan kualitas
1. kurva fit Lowess kemudian dihasilkan sesuai dirawat di rumah sakit untuk <48 jam dan hampir dianggap diabaikan, dan hasil dari validasi
dengan proporsi yang diamati dari anak-anak 10% untuk <24 jam. Tidak semua anak memiliki bootstrap internal yang sebanding dengan
yang mengalami hasil yang parah, sedang, atau data yang lengkap untuk semua prediktor model utama (c-indeks kisaran di model
ringan dalam setiap bin dari memprediksi risiko. dianggap (Tambahan Gambar 3); jumlah sel 0,76-0,79). Mengingat kinerja model serupa,
Akhirnya, kami menjelajahi potensi kinerja darah putih perifer, khususnya, yang hilang di model EHR disederhanakan dipilih untuk tujuan
model kami di populasi masa depan dengan 17% dari anak-anak ( n = 397); untuk semua ilustrasi. Untuk model ini, median prediksi risiko
menggunakan bootstrap internal yang variabel lain, data yang hilang di <2% dari pneumonia sedang atau berat adalah 18%
pengamatan. (IQR 9% -32%) dan untuk pneumonia berat 5%
(3% -11%). Seperti yang ditunjukkan pada
Gambar 2, di antara
4 WILLIAMS et al
MEJA 2 Disesuaikan Odds Rasio untuk Individu Prediktor Termasuk dalam Setiap Model
Usia, y Sebuah
Ref Ref -
1 1,04 (0,78-1,41) 1.13 (0,87-1,46) -
2 1,37 (0,91-2,06) 1,38 (0,95-2,0) -
3+ 1,93 (1,09-3,44) 2,26 (1,31-3,90) -
paparan rumah tangga asap 1,22 (0,94-1,59) - -
musim
semi Ref - -
Musim panas 1,09 (0,75-1,60) - -
Jatuh 0.86 (0,59-1,26) - -
Musim dingin 1.0 (0,74-1,36) - -
durasi gejala, d Sebuah
1 1,04 (1,0-1,08) - -
3 Ref - -
6 0,95 (0,89-1,01) - -
Muntah / makan penolakan 0,83 (0,65-1,06) - -
Suhu, C Sebuah
35 2,0 (1,54-2,59) - 2.23 (1,76-2,83)
37 Ref - Ref
39 0,50 (0,39-0,65) - 0,45 (0,35-0,57)
laju pernapasan, Sebuah 50 (ref) vs persentil ke-95: 1 y
0,73 (0,52-1,01) 0.99 (0,85-1,16) 1,02 (0,87-1,19)
2y 0,76 (0,44-1,33) 1,21 (1,0-1,46) 1.19 (0,98-1,44)
5y 1,35 (0,82-2,24) 1,44 (1,20-1,73) 1,36 (1,13-1,63)
10 y 1,30 (0,87-1,94) 1,53 (1,31-1,80) 1,45 (1,23-1,70)
denyut jantung, Sebuah 50 (ref) vs persentil ke-95 di:
450 Ref - -
300 2,57 (2,05-3,20) 2,84 (2,34-3,44) 3,44 (2,84-4,17)
200 3,43 (2,40-4,90) 4.29 (3,13-5,89) 5.64 (4,14-7,69)
perubahan status mental 7.42 (3,74-14,72) 11,9 (6,41-22,23) -
dada indrawing 1,77 (1,31-2,41) 2.12 (1,62-2,78) -
suara napas asimetris 0.86 (0,65-1,15) - -
mengi 1,12 (0,85-1,48) - -
jumlah sel darah putih, Sebuah per mm 3
pernapasan, dan tekanan darah sistolik), nilai persentil ke-50 dibandingkan dengan 95 persen (denyut jantung dan laju pernapasan) 20 atau 5 persentil (tekanan darah sistolik) 21 nilai pada 1, 2, 5, dan 10 y usia.
mereka dengan prediksi risiko 10% dari hasil Dalam analisis sekunder, korelasi positif tercatat persen anak-anak dengan panjang rumah sakit tinggal
sedang atau berat, 12% benar-benar mengalami antara panjang rumah sakit tinggal dan risiko <24 jam memiliki <5% prediksi risiko pneumonia sedang
hasil ini, menunjukkan kesepakatan yang baik diprediksi untuk pneumonia sedang atau berat atau berat, dibandingkan dengan 12% dari mereka
antara hasil yang diamati dan diharapkan. diperkirakan dari model EHR ( ρ = 0,33, P < . 01). dirawat di rumah sakit selama 24 sampai 47 jam dan 7%
GAMBAR 1
Pentingnya prediktor individu. Pentingnya setiap prediktor dalam model penuh dihitung sebagai proporsi variasi hasil dijelaskan disumbangkan oleh masing-masing prediktor (parsial χ 2 nilai
untuk setiap prediktor dibagi dengan total model χ 2). Sebuah Predictor termasuk dalam model berkurang. b Predictor termasuk dalam model EHR.
6 WILLIAMS et al
TABEL 3 Kinerja Model
Model Sebuah No. Anak-anak Prediktor (df) LR χ 2 AIC C-Index (95% CI) Bootstrap C-Index b
AIC, Kriteria Informasi Akaike; CI, kepercayaan diri selang; c-indeks, indeks kesesuaian; df, derajat kebebasan; LR χ 2, rasio kemungkinan χ 2. a model penuh termasuk usia, ras, jenis kelamin, variabel komorbiditas komposit (0, 1,
2, atau 3 +), paparan rumah asap, musim, durasi gejala, muntah, rasio PF, jantung dan pernafasan, tekanan darah sistolik, suhu, diubah status mental, indrawing dada, napas asimetris suara, mengi, jumlah sel darah putih, dan
temuan radiografi (dalam pola menyusup fi dan kehadiran efusi). Mengurangi Model meliputi usia, variabel komorbiditas komposit, indrawing dada, perubahan status mental, rasio PF, jantung dan pernafasan, tekanan darah
sistolik, dan temuan radiografi. Model EHR meliputi usia, jenis kelamin, ras, rasio PF, jantung dan pernafasan, tekanan darah sistolik, suhu, dan jumlah sel darah putih.
b Untuk memperkirakan kinerja yang diharapkan dalam populasi masa depan, validasi bootstrap internal yang (500 ulangan dengan penggantian) dari model nal fi dilakukan.
GAMBAR 2 DISKUSI
hasil yang diamati menurut risiko diprediksi untuk sedang atau berat pneumonia, Model EHR. kurva Fit menunjukkan
proporsi anak yang mengalami ringan (hitam), sedang (hijau), atau berat (biru) hasil pada setiap tingkat risiko diprediksi Menggunakan data prospektif dari
untuk pneumonia sedang atau berat. Untuk tujuan ilustrasi, garis putus-putus vertikal menunjukkan memprediksi risiko
> 2300 anak dirawat di rumah sakit dengan
10% dari pneumonia sedang atau berat. Pada tingkat risiko diprediksi ini, 12% dari anak-anak mengalami moderat (6%)
atau hasil berat (6%). pneumonia, kami mengembangkan dan divalidasi 3
model prognostik Novel internal untuk memperkirakan
risiko untuk hasil di rumah sakit parah. Setiap model
jam ( P < . 001). Hasil untuk model penuh dan (8%) dibandingkan dengan mereka yang tidak akurat diidentifikasi risiko sedang (ICU) dan berat
mengurangi serupa (data tidak ditampilkan). dirawat di ICU (14%, 4%; P < (ventilasi mekanik invasif, shock, atau kematian)
Selanjutnya, setelah tidak termasuk yang awalnya . 001 untuk kedua). hasil-hasil. alat risiko-stratifikasi berdasarkan model ini
diprioritaskan ke ruang ICU ( n = 336), kekuatan dapat digunakan dalam pengaturan perawatan darurat
Kontribusi mikrobilogik Etiologi
diskriminatif dari 3 model (c-indeks kisaran di model untuk membantu mengidentifikasi anak-anak yang
0,76-0,79) mirip dengan model utama. Yang berisiko rendah untuk hasil yang berat yang bisa
penting, orang-orang dengan mentransfer ICU Virus terdeteksi di 72% dari anak-anak dan dengan aman dibuang, serta orang-orang yang dapat
tertunda memiliki median secara signifikan lebih bakteri atipikal di 9%; deteksi patogen ini mengambil manfaat dari lebih intensif
tinggi diprediksi risiko sedang atau berat (25% kurang umum pada anak dengan
dalam model EHR) dan pneumonia berat pneumonia sedang atau berat (virus yang
terdeteksi di 21% dari
menunjukkan akurasi prediksi mirip dengan 2 signifikan. Komorbiditas gagal menunjukkan dan meningkatkan manajemen guidelineconcordant. 12,
13, 28 - 30
model yang lebih kompleks dan menawarkan asosiasi yang kuat dengan pneumonia
utilitas praktis terbesar. Meskipun model prediksi keparahan, meskipun kita mendalilkan hal ini Jadi, meskipun model prognostik tidak menggantikan
harus divalidasi eksternal, penggunaan alat-alat disebabkan heterogenitas macam komorbiditas penilaian dokter, studi ini menunjukkan bahwa akurat
risiko-stratifikasi berdasarkan model ini memiliki kronis pada anak-anak. Dari catatan, status stratifikasi risiko dapat meningkatkan pengambilan
potensi untuk membakukan perawatan dan fungsional dan kompleksitas medis tidak dinilai, keputusan. alat risiko-stratifikasi berdasarkan model
meningkatkan hasil bagi anak-anak dengan batasan yang membutuhkan studi lebih lanjut. kami dapat digunakan dalam pengaturan perawatan
pneumonia. darurat untuk membantu mengidentifikasi anak-anak
yang berisiko rendah untuk hasil yang parah dan
berpotensi memfasilitasi triase cepat dan debit aman
Dalam model kami, jumlah sel darah putih perifer
dengan pengujian minimal atau intervensi. 15 Sebaliknya,
Variasi dalam keputusan disposisi jelas antara tidak dikaitkan dengan hasil yang parah. Data ini
identifikasi cepat anak-anak beresiko tinggi untuk
anak-anak dengan pneumonia, 5-7 dengan potensi hilang selama hampir 20% dari anak-anak.
kerusakan bisa menandakan perlunya pemantauan
bahaya dihindari berkaitan dengan rawat inap yang pengamatan kami konsisten dengan pedoman
lebih dekat dan / atau terapi yang lebih intensif. Dalam
tidak perlu serta tertunda triase ke tingkat perawatan nasional yang menunjukkan bahwa pengukuran
skenario kedua, pengambilan keputusan diinformasikan
yang lebih tinggi. Untuk menginformasikan keputusan rutin jumlah darah lengkap mungkin tidak
oleh pemahaman yang akurat tentang risiko cenderung
perawatan dan mengoptimalkan hasil, tahun 2011 diperlukan kecuali pada mereka dengan penyakit
mengarah pada perawatan yang lebih baik dan hasil.
Pediatric Infectious Diseases Society / Penyakit kritis (misalnya, sepsis). 15 Menariknya, masuknya
Menular Masyarakat pedoman manajemen data etiologi juga memiliki efek yang dapat
pneumonia anak Amerika menekankan perlunya alat diabaikan pada model kami. Namun, deteksi virus
bantu risiko-stratifikasi objektif. 15 Reed et al 19 sebelumnya dan bakteri atipikal dikaitkan dengan kemungkinan
dikembangkan alat sederhana untuk memprediksi di penurunan hasil parah, sedangkan deteksi bakteri
rumah sakit pneumonia kematian pada anak-anak khas dikaitkan dengan peningkatan kemungkinan
muda di Afrika Selatan, meskipun kegunaannya hasil yang parah. Hasil penelitian bakteri tidak
Sebuah tantangan penting bagi model prognostik
dalam pengaturan di mana angka kematian tersedia pada penilaian triase awal dan sensitivitas
adalah implementasi klinis. Meskipun ketersediaan
pneumonia pada anak jarang terjadi belum dievaluasi. mereka tetap dipertanyakan, membatasi utilitas
alat risiko-stratifikasi dengan utilitas klinis
model prognostik kami berfokus pada hasil di rumah dari pengujian tersebut untuk menginformasikan
didokumentasikan untuk orang dewasa dengan
sakit dan dievaluasi set diperluas prediktor secara keputusan manajemen awal. Ini akan menjadi
pneumonia, 11 - 14
rutin dikumpulkan untuk perawatan klinis. Setiap penting untuk mengevaluasi kembali temuan kami
model kami menunjukkan potensi untuk sebagai strategi baru untuk cepat mendiagnosa
studi menunjukkan alat ini jarang digunakan atau
meningkatkan stratifikasi risiko untuk anak-anak AS bakteri muncul.
kadang-kadang digunakan tidak tepat. 26, 31 - 33 perhitungan
dengan pneumonia.
skor yang kompleks dapat mencegah adopsi, namun
ketersediaan aplikasi berbasis Web-atau perangkat
mobile dapat meningkatkan aksesibilitas. pendukung
keputusan klinis menggunakan model prognostik
tertanam dalam EHR menawarkan keuntungan yang
Sepertiga dari anak-anak dalam penelitian kami berbeda atas aplikasi elektronik lainnya, kepala di
dirawat di rumah sakit untuk <48 jam dan hampir antara ini adalah efisiensi komputasi dan integrasi alur
10% untuk <24 jam. 16 kerja mulus. 34 Dengan alat berbasis EHR, prediksi
Mengingat akurasi prediksi serupa dari 3 model Seperempat anak-anak dengan lama menginap <24 risiko dapat diperoleh secara real time pada titik
utama, kami mengantisipasi model EHR dapat jam memiliki <5% diperkirakan risiko hasil sedang perawatan tanpa memerlukan penyedia data masukan
paling mudah diadopsi ke dalam pengaturan klinis. atau berat. Rawat inap mungkin tidak diperlukan di tambahan. estimasi risiko juga dapat dihubungkan
Masing-masing prediktor termasuk dalam model ini beberapa anak-anak ini. Di lain, faktor yang tidak dengan rekomendasi perawatan yang disesuaikan
secara rutin tersedia dalam EHRs komprehensif terkait dengan pneumonia keparahan dapat dan ketertiban set untuk memastikan bahwa setiap
dan mudah tanya secara real time untuk anak-anak mempengaruhi keputusan rawat inap. Namun, pasien menerima tingkat yang paling tepat dari
yang datang untuk perawatan darurat. Sebagian penelitian pada orang dewasa dengan pneumonia perawatan. 11, 35
besar dari prediksi ini mewakili parameter fisiologis menunjukkan bahwa situs dari keputusan perawatan
dan banyak termasuk dalam yang ada skor bervariasi oleh penyedia dan bahwa risiko untuk hasil
8 WILLIAMS et al
dirancang dengan baik aplikasi pendukung populasi adalah penting sebelum diadopsi secara model sederhana menggunakan input yang berasal
keputusan berbasis EHR, 11, 35, 36
luas. Secara khusus, masuknya anak-anak keluar eksklusif dari data yang tersedia di EHR dilakukan sama
Penelitian tambahan diperlukan. dari ED tanpa rawat inap akan menjadi penting. dengan model yang lebih kompleks. Gunakan model
Calon validasi juga memungkinkan untuk model sederhana ini untuk menerapkan alat risiko-stratifikasi
Seperti semua studi prognosis, model kami
memperbarui dan evaluasi prediktor baru. dalam sistem EHR yang komprehensif dapat
dapat melakukan kurang baik antara populasi
pendekatan baru untuk memprediksi pneumonia menyebabkan perawatan yang lebih aman dan lebih
lain; Namun, penelitian ini bersarang dalam,
etiologi dan hasil, termasuk point-of-perawatan efektif yang disesuaikan dengan resiko masing-masing
prospektif, kohort berbasis populasi yang
pengujian dengan menggunakan biomarker pasien untuk hasil pneumonia berat.
sangat besar anak-anak dirawat di rumah sakit
(misalnya, prokalsitonin), 38
dengan pneumonia klinis dan radiografi di 3
kota AS. Yang penting, meskipun populasi
yang dilayani oleh 3 rumah sakit ini mungkin
tidak mewakili populasi AS, karakteristik mungkin lebih lanjut kemampuan kita untuk secara
populasi penelitian, termasuk usia, jenis tepat memperkirakan risiko untuk hasil yang parah.
kelamin, ras / etnis, dan frekuensi komorbiditas, evaluasi terus diperlukan untuk secara ketat
SINGKATAN
serupa dengan penelitian sebelumnya rawat mengevaluasi pelaksanaan, serta utilitas klinis, dari
model-model yang menjanjikan. aOR: disesuaikan rasio odds c-index:
inap pneumonia dilakukan dalam sampel
indeks konkordansi ED: darurat
nasional rumah sakit 43 anak AS. 37
departemen EHR: Electronic Health
Record EPIC Studi: Etiologi
KESIMPULAN
Pneumonia di dalam
Kami mengembangkan 3 model prognostik yang secara
Komunitas Studi
Meskipun hasil dari validasi internal kami akurat mengidentifikasi risiko untuk hasil yang parah pada
IQR: interkuartil berkisar rasio PF:
sangat menggembirakan, validasi eksternal anak-anak dirawat di rumah sakit dengan pneumonia.
PaO 2 / VIO 2 perbandingan
di diperluas SEBUAH
Alamat korespondensi Derek J. Williams, MD, MPH, CCC-5324 Medical Center Utara, Vanderbilt University Medical Center, 1161 21 Ave S., Nashville, TN 37212. E-mail: derek.williams@vanderbilt.edu
PENGUNGKAPAN KEUANGAN: Dr Diri telah menerima pembayaran untuk jasa konsultasi dan dewan penasehat dari Abbott Point of Care, Diagnostik BioFire, dan Venaxis. Dr Anderson telah menerima pembayaran untuk
konsultasi dari Abbvie dan dana penelitian dari MedImmune / AstraZeneca. Dr Ampofo telah menerima dana penelitian dari GlaxoSmithKline, Kubisme Farmasi, dan Janssen Pharmaceuticals. Para penulis lain telah
mengindikasikan mereka tidak memiliki hubungan keuangan yang relevan untuk artikel ini untuk mengungkapkan.
PENDANAAN: Didukung oleh National Institutes of Health di bawah nomor penghargaan K23AI104779 Dr Williams dan penghargaan jumlah K23GM110469 Dr Diri; oleh Badan Kesehatan Penelitian dan
Kualitas dengan nomor penghargaan 1R03HS022342 Dr Grijalva; dan oleh CTSA nomor penghargaan UL1TR000445 dan KL2TR000446 dari Pusat Nasional untuk Memajukan Translational Sciences.
The Etiologi Pneumonia di dalam Komunitas Studi didukung oleh Di fl Divisi influenza di Pusat Nasional untuk Imunisasi dan Penyakit Pernapasan di Pusat Pengendalian dan Pencegahan Penyakit
melalui perjanjian kerja sama dengan masing-masing lokasi penelitian dan didasarkan pada peluang pendanaan penelitian kompetitif. Temuan dan kesimpulan dalam laporan ini adalah dari penulis dan
tidak mewakili pandangan dari National Institutes of Health, Badan Kesehatan Penelitian dan Kualitas, atau Pusat Pengendalian dan Pencegahan Penyakit. Didanai oleh National Institutes of Health
(NIH).
POTENSI KONFLIK KEPENTINGAN: Para penulis telah mengindikasikan mereka tidak memiliki ik con fl kepentingan yang potensial untuk mengungkapkan.
REFERENSI
1. Self WH, Grijalva CG, Zhu Y, et al. Tarif dari 3. AHRQ. Perkiraan Nasional tentang Penggunaan pediatri rumah sakit. Arch Pediatr Adolesc
gawat darurat kunjungan karena pneumonia di Rumah Sakit dengan Anak-anak dari Database Med. 2012; 166 (12): 1155-1164
Amerika Serikat, Juli 2006-Juni 2009. Acad Rawat Inap yang HCUP Kids' (KID).
Neuman MI. Variasi tarif masuk gawat Pediatric Infectious Diseases Society dan sebuah Risiko Pediatric terbaru dari skor Kematian. Crit
darurat di rumah sakit anak-anak AS. Pediatri. Penyakit Infeksi Society of America. Perawatan Med.
Pengelolaan komunitas-pneumonia pada bayi 1996; 24 (5): 743-752
2014; 134 (3): 539-545 dan anak-anak lebih tua dari usia 3 bulan:
25. Baik MJ, Hough LJ, Medsger AR, et al.
pedoman praktek klinis oleh Pediatric
7. Brogan TV, Balai M, Williams DJ, et al. Keputusan masuk rumah sakit untuk pasien
Infectious Diseases Society dan Penyakit
Variabilitas dalam proses perawatan dan hasil dengan komunitas-pneumonia. Hasil dari
Infeksi Society of America. Clin Menginfeksi
antara anak-anak dirawat di rumah sakit pneumonia Pasien Hasil Tim Peneliti studi
Dis. 2011; 53 (7): E25-E76
dengan pneumonia. Pediatr Infect Dis J. kohort. Arch Intern Med.
10 WILLIAMS et al
33. Nadarajan P, Wilson L, Mohammed sebuah kenyataan. J Am Med Menginformasikan Assoc. berat lahir sangat rendah (VLBW) bayi: a lima tahun
B, Connor M, Lane SJ. Kepatuhan dalam 2003; 10 (6): 523-530 pengalaman. PLoS One.
pengukuran TROTOAR-65 pada pasien 2013; 8 (11): e78602
35. McGinn TG, McCullagh L, Kannry J, et al. Efficacy
dengan masyarakat pneumonia dan implikasi
dari pendukung keputusan klinis berbasis bukti 37. Neuman MI, Balai M, Gay JC, et al. Readmissions antara
potensial untuk debit awal. Ir Med J.
dalam praktek perawatan primer: uji coba klinis anak-anak yang sebelumnya dirawat di rumah sakit