ESBLを生成する細菌によって引き起こされる小児性尿路感染症を予測するための機械学習ツール

科学分野:

• 小児感染症は,小児の感染症です.
• 医療情報工学 医療情報工学
• 医療における機械学習

背景:

• 拡張スペクトルβ-乳糖酶 (ESBL) を産生する細菌によって引き起こされる小児性尿路感染症 (UTIs) の世界的な流行率が増加しています.
• ESBL-UTIsは,特殊な抗生物質治療を必要とし,しばしば経験的治療の遅延,ICU入院の増加,罹病率,および長期の入院につながります.
• ESBL-UTIsを予測することは困難ですが,適切な患者管理をタイムリーにするために不可欠です.

研究 の 目的:

• ESBLを生成する細菌によって引き起こされる小児性尿路感染症を予測するための機械学習 (ML) モデルを開発および検証する.
• 小児科医が,ESBL陽性性尿路炎のリスクの高い子どもを特定するのを支援するためです.
• ESBL-UTIsに対する適切な経験的抗生物質治療の早期開始を可能にする.

主な方法:

• 2010年1月から2020年8月までの期間において,確認された尿路感染症の小児患者 (1ヶ月から18歳) の電子医療記録の遡及分析.
• データ抽出には,人口統計,臨床情報,検査結果が含まれていました.
• 5つのMLモデルを開発し,ESBL陽性細菌感染を予測するために,UTIプレゼンテーションで利用可能な患者データを使用して5つのMLモデルを開発しました.

主要な成果:

• この研究では,35,830件の小児性尿路感染症の症例を分析した.
• ESBL陽性尿路感染症と有意に関連した要因には,年齢,性別,社会経済的地位,感染部位,以前の抗生物質使用,以前のESBL-UTI歴,および特定の尿病原体が含まれています.
• 開発されたMLモデルでは,高い負の予測値 (~0.98) が示され,ESBL陽性尿路感染症の排除において高いパフォーマンスを示した.

結論:

• 尿路感染症のプレゼンテーションで利用可能なデータを活用した機械学習モデルは,小児におけるESBLを生成する細菌性尿路感染症の確率を評価するのに臨床医を助けることができます.
• これらのモデルは,経験的な抗生物質の選択のための臨床的意思決定を支援する見込みを示しています.
• モデルのパフォーマンスを洗練し,臨床結果への影響を評価するために,さらなる見通し研究が必要です.