小児の重症Mycoplasma pneumoniae肺炎に合併するプラスチック気管支炎のリスク因子および機械学習を用いた予測モデルの開発

プラスチック気管支炎（PB）は、重症の際に起こる稀ではあるが生命を脅かす合併症であるMycoplasma pneumoniae小児における肺炎（SMPP）であり、その早期予測のための有効なツールは依然として限られています。本研究の目的は、SMPPに合併するPBのリスク因子を特定し、機械学習に基づいた予測モデルを構築することです。

本レトロスペクティブ・コホート研究では、2022年1月から2024年12月の間に入院したSMPP（気道内異物）を伴う小児166名（1～14歳）を対象とした。患者は気管支鏡検査に基づき、PB（n=51）群と非PB（n=115）群に分類され、さらにランダムにトレーニングセットと検証セット（比率 7:3）に分割された。8つの機械学習アルゴリズムを構築し、受信者動作特性曲線下面積（AUC）、適合率-再現率曲線（PRC）、決定曲線分析（DCA）、正解率、およびF1スコアに基づいて評価した。最適モデルを選出し、SHapley Additive exPlanations（SHAP）を用いて解釈した。候補となるリスク因子を特定し、多変量ロジスティック回帰分析を用いてさらに解析し、ノモグラムを作成した。この予測モデルを両セットを用いて評価し、さらにブートストラップ再サンプリングによって検証した。

一般化線形モデル（GLM）が訓練セットにおいて最高の性能 [AUC: 0.951, 交差検証AUC: 0.915, 正解率 0.880, F1スコア: 0.825, 精密さ-再現率曲線下面積 (AUPRC): 0.856] を示し、最適モデルとなった。SHAP解析では、発熱期間、血清プレアルブミン、およびDダイマーが最も影響力のある特徴量であった。多変量解析により、これらが独立したリスク因子であることが確認された：発熱期間 [オッズ比 (OR): 1.550, 95% 信頼区間 (CI): 1.297-1.908, P<0.001]、プレアルブミン (OR: 0.959, 95% CI: 0.939-0.976, P<0.001)、およびDダイマー (OR: 1.723, 95% CI: 1.157-2.627, P=0.009)。ノモグラムは許容可能な識別能 [C-index: 訓練セットで 0.933 (95% CI: 0.887-0.980)、検証セットで 0.831 (95% CI: 0.717-0.946)、ブートストラップ検証で 0.913 (95% CI: 0.869-0.957)] および校正能 (Brierスコア: それぞれ 0.106、0.142、0.103) を示した。Hosmer-Lemeshow適合度検定の結果、χ²内部検証では=5.983であり [P=0.649 (>0.05)]、モデルの適合性は許容範囲内であることが示唆され、DCAにより0-90%のしきい値確率において臨床的有用性が確認された。

発熱期間、血清プレアルブミン、およびDダイマーは、SMPPを呈する小児におけるPBの独立したリスク因子である。本研究で構築されたノモグラムは、限定的な単一施設コホートにおいて中程度の識別能と許容可能なキャリブレーションを示した。したがって、その汎用性と臨床的有用性を検証するためには、独立した患者コホートにおけるさらなる外部妥当性検証が必要である。