Дифференциальная диагностика вирусной и бактериальной внебольничной пневмонии у детей с использованием логистической регрессионной модели

Цель: разработать логистическую регрессионную модель ранней дифференциальной диагностики вирусной и бактериальной внебольничной пневмонии у детей.  

Материалы и методы. Проведено проспективное исследование клинико-лабораторных особенностей внебольничной пневмонии у 130 детей. Для этиологической верификации использовался алгоритм с применением бактериологического, молекулярно-генетического, серологического методов диагностики (материал – отделяемое из носоглотки, кровь). Выделено две этиологические группы внебольничной пневмонии: вирусная (n=76), бактериальная (n=44). Для создания модели дифференциальной диагностики применялся метод бинарной логистической регрессии. В качестве потенциальных предикторов этиологии внебольничной пневмонии в обучающую матрицу вошли анамнестические, клинические, лабораторные (клинический анализ крови), инструментальные (рентгенограмма органов грудной клетки) данные. Качество построенной регрессионной модели оценивалось на тестовой выборке из 42 детей с внебольничной пневмонией.  

Результаты. Построена статистически значимая (p<0,001) регрессионная модель, которая имеет вид: y=exp(2,04-2,87×Х1+2,2×Х2+0,13×Х3+0,12×Х4-0,44×Х5)/ (1+ exp(2,04-2,87×Х1+2,2×Х2+0,13×Х3+0,12×Х4-0,44×Х5)), где y – вероятность бактериальной внебольничной пневмонии у детей, Х1 – бронхообструктивный синдром (нет – 0, есть – 1), Х2 – возраст (<4,5 лет – 0, ≥4,5 лет – 1), Х3 – абсолютное количество нейтрофилов (ANC, *109 клеток/л), Х4 – относительное количество палочкоядерных нейтрофилов (Band,%), Х5 – ширина распределения тромбоцитов по объему (PDW,%). 

При y≥0,31 диагностируется бактериальная внебольничная пневмония с чувствительностью 81,8%, специфичностью 81,6%; при y<0,31 – вирусная внебольничная пневмония. Используемые предикторы являются широкодоступными в клинической практике, что обусловливает возможность применения способа в поликлиниках и приемных отделениях стационаров. В кросс-проверке регрессионная модель подтвердила высокую классификационную способность.  

Заключение. Регрессионная модель, разработанная на основе комплекса клинических (возраст, БОС) и лабораторных признаков (ANC, Band, PDW), обладая высокой статистической значимостью (p<0,001) и достаточной диагностической способностью (84,2%), может применяться для ранней дифференциальной диагностики вирусной и бактериальной внебольничной пневмонии у детей на различных уровнях оказания помощи. 

1. Mardian Y, Menur Naysilla A, Lokida D, et al. Approach to Identifying Causative Pathogens of Community-Acquired Pneumonia in Children Using Culture, Molecular, and Serology Tests. Front Pediatr. 2021 May;28(9):629318.

2. Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека. О состоянии санитарно-эпидемиологического благополучия населения в Российской Федерации в 2020 году: Государственный доклад. – М.: Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека, 2021. – 256 с.

3. Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека. О состоянии санитарно-эпидемиологического благополучия населения в Российской Федерации в 2021 году: Государственный доклад. – М.: Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека, 2022. – 340 с.

4. Rueda ZV, Aguilar Y, Maya MA et al. Etiology and the challenge of diagnostic testing of community-acquired pneumonia in children and adolescents. BMC Pediatr. 2022 Mar; 22(1):169.

5. Nathan AM, Teh CSJ, Jabar KA, et al. Bacterial pneumonia and its associated factors in children from a developing country: A prospective cohort study. PLoS One. 2020 Feb;15(2):e0228056.

6. Thomas J, Pociute A, Kevalas R, et al. Blood biomarkers differentiating viral versus bacterial pneumonia aetiology: a literature review. Ital J Pediatr. 2020 Jan;46(1):4.

7. Пат. № RU2382362 Российская Федерация, МПК G01N33/48, G01N33/53. Способ ранней диагностики бактериальной пневмонии у недоношенных новорожденных детей с респираторным дистресс-синдромом / Дементьева Г.М., Чурсина Е.С., Кушнарева М.В. и др.; опубл. 27.11.2009, БИ № 33.

8. Elemraid MA, Rushton SP, Thomas MF, et al. Utility of inflammatory markers in predicting the aetiology of pneumonia in children. Diagn Microbiol Infect Dis. 2014 Aug;79(4):458-62.

9. Пат. № RU2738450 Российская Федерация, МПК G01N33/50. Способ дифференциальной диагностики типа инфильтрации легочной ткани при пневмонии / Канская Н.В., Удут В.В., Дьяков Д.А. и др.; опубл. 4.12.2020, БИ № 35.

10. Valim C, Ahmad R, Lanaspa M, et al. Responses to Bacteria, Virus, and Malaria Distinguish the Etiology of Pediatric Clinical Pneumonia. Am J Respir Crit Care Med. 2016 Feb;193(4):448-59.

11. Юнкеров, В.И. Математико-статистическая обработка данных медицинских исследований / В.И. Юнкеров, С.Г. Григорьев. – СПб.: ВМедА, 2002. – 266 с.

12. Высоцкая, Е.В. Многомерный статистический анализ в прикладных медицинских исследованиях: монография / Е.В. Высоцкая. – Харьков: Технологічний Центр, 2013. – 136 с. 13. Schober P, Vetter TR. Logistic Regression in Medical Research. Anesth Analg. 2021 Feb;132(2):365-66.

13. Григорьев, С.Г. Роль и место логистической регрессии и ROC-анализа в решении медицинских диагностических задач / С.Г. Григорьев, Ю.В. Лобзин, Н.В. Скрипченко // Журнал инфектологии. – 2016. – Т. 8, №4. – С. 36–45.

14. Rhedin SA, Eklundh A, Ryd-Rinder M, et al. Introducing a New Algorithm for Classification of Etiology in Studies on Pediatric Pneumonia: Protocol for the Trial of Respiratory Infections in Children for Enhanced Diagnostics Study. JMIR Res Protoc. 2019 Apr;8(4):e12705.

15. Боякова, И.В. Математические модели прогноза послеоперационных инфекционно-воспалительных осложнений у больных раком желудка / И.В. Боякова [и др.] // Хирургическая практика. – 2016. – № 1. –С. 31–35.

16. Шарашова, Е.Е. Применение множественного логистического регрессионного анализа в здравоохранении cиспользованием пакета статистических программ SPSS / Е.Е. Шарашова, К.К. Холматова, М.А. Горбатова, А.М. Гржибовский // Наука и Здравоохранение. – 2017. – № 4. – С. 5–26.

17. Таточенко, В.К. Внебольничные пневмонии у детей – проблемы и решения / В.К. Таточенко // Рос. вестн. перинатол и педиатр. – 2021. – Т. 66, №1. – С. 9–21.

18. Gao Q, Li Z, Mo X, et al. Combined procalcitonin and hemogram parameters contribute to early differential diagnosis of Gram-negative/Gram-positive bloodstream infections. J Clin Lab Anal. 2021 Sep;35(9):e23927.

19. Erarslan S, Kilit TP, Çeviker SA, et al. Relationship between platelet parameters and disease severity and coagulpathy in COVID-19. DAHUDER M J. 2022 Apr;2(2):48-52.

20. Chen J, Li Y, Zeng Y, et al. High Mean Platelet Volume Associates with In-Hospital Mortality in Severe Pneumonia Patients. Mediators Inflamm. 2020 Jun;8(2020):8720535.

21. Renshaw AA, Drago B, Toraya N, et al. Respiratory syncytial virus infection is strongly correlated with decreased mean platelet volume. Int J Infect Dis. 2013 Sep;17(9):e678-80.

22. Наркевич, А.Н. Интеллектуальные методы анализа данных в биомедицинских исследованиях: нейронные сети / А.Н. Наркевич [и др.] // Экология человека. – 2021. – № 4. – С. 55–64.