Кого из детей с инфекцией мочевых путей направлять на инвазивную цистографию — модель предсказывает высокий риск тяжёлого рефлюкса с дискриминацией ≈0.83
Ребёнок с повторными или фебрильными инфекциями мочевых путей: нужно ли делать контрастную цистоуретрографию? В ретроспективное исследование включили 434 детей с ИМП, у которых была выполнена контрастная цистоуретрография при мочеиспускании; когорту разделили на обучающую и тестовую выборки в соотношении примерно 7:3.
Высокий градус везикоуретерального рефлюкса (ВУР; степень ≥3) выявили у 35.9% детей. Для предсказания тяжёлого ВУР авторы отобрали семь признаков (замедленная реакция на антибиотик, частота ИМП в год, гидронефроз по УЗИ/МРУ, аномальный паренхимальный сигнал на магнитно-резонансной урографии (МРУ), доля фебрильных ИМП, возраст при первом ИМП и эпизоды, вызванные не E. coli) и сравнили несколько алгоритмов машинного обучения; в итоге за оптимальную выбрали алгоритм градиентного бустинга — XGBoost — с показателем дискриминации по ROC ≈0.832 и приемлемой калибровкой.
Авторы дополнительно провели интерпретируемый анализ вкладов признаков и запустили бесплатный онлайн-калькулятор риска для индивидуальной оценки (ссылка в статье). Исследование одноперцентровое и ретроспективное, поэтому модель требует внешней валидации на независимых популяциях до применения в широкую практику.
Коротко: модель предлагает объективную стратификацию риска и может помочь сократить ненужные инвазивные исследования, направляя цистографию тем детям, у которых вероятность высокого ВУР выше.
Источник: Frontiers in Medicine
Ребёнок с повторными или фебрильными инфекциями мочевых путей: нужно ли делать контрастную цистоуретрографию? В ретроспективное исследование включили 434 детей с ИМП, у которых была выполнена контрастная цистоуретрография при мочеиспускании; когорту разделили на обучающую и тестовую выборки в соотношении примерно 7:3.
Высокий градус везикоуретерального рефлюкса (ВУР; степень ≥3) выявили у 35.9% детей. Для предсказания тяжёлого ВУР авторы отобрали семь признаков (замедленная реакция на антибиотик, частота ИМП в год, гидронефроз по УЗИ/МРУ, аномальный паренхимальный сигнал на магнитно-резонансной урографии (МРУ), доля фебрильных ИМП, возраст при первом ИМП и эпизоды, вызванные не E. coli) и сравнили несколько алгоритмов машинного обучения; в итоге за оптимальную выбрали алгоритм градиентного бустинга — XGBoost — с показателем дискриминации по ROC ≈0.832 и приемлемой калибровкой.
Авторы дополнительно провели интерпретируемый анализ вкладов признаков и запустили бесплатный онлайн-калькулятор риска для индивидуальной оценки (ссылка в статье). Исследование одноперцентровое и ретроспективное, поэтому модель требует внешней валидации на независимых популяциях до применения в широкую практику.
Коротко: модель предлагает объективную стратификацию риска и может помочь сократить ненужные инвазивные исследования, направляя цистографию тем детям, у которых вероятность высокого ВУР выше.
Источник: Frontiers in Medicine