Responsabile: Stefano Amici Tel.: 071740324 - 3331140521
Via Malviano, 6
Monte San Vito - Cod. Fisc. e P. IVA 01570990422
Scrivici a: ladamigiana_1@libero.it


Home >> Quantification de l’incertitude: Estimations par les médecins de l’infection chez les nouveau-nés et les enfants gravement malades

Quantification de l’incertitude: Estimations par les médecins de l’infection chez les nouveau-nés et les enfants gravement malades

Afin de déterminer l’exactitude diagnostique des estimations probabilistes des infections graves chez les nouveau-nés et les enfants gravement malades, nous avons mené une étude de cohorte prospective dans des unités de soins intensifs. En utilisant les données cliniques, de laboratoire et radiographiques disponibles, les médecins ont fourni des estimations de probabilités. taux,% L’estimation de la probabilité médiane de l’infection a augmenté de%, c.-à-d. aucun traitement antibiotique ou diagnostic pour la septicémie, à% le jour précédant le début de l’antibiothérapie,% au début du traitement antibiotique P & lt; Au début du traitement, les prédictions discriminaient bien entre les épisodes classés par la suite comme infection prouvée et les épisodes jugés improbables d’infection sous la courbe. Les médecins ont également montré une bonne capacité à prédire l’hémoculture sous la courbe, seuils de traitement et d’essai ont été dérivées des prévisions et des taux de traitement fournis Les pronostics des médecins concernant la présence d’une infection grave étaient remarquablement précis Les études examinant la valeur de nouveaux tests pour le diagnostic de septicémie devraient établir qu’ils ajoutent une valeur supplémentaire au jugement des médecins

La prise de décision en présence d’incertitude est une tâche essentielle de la médecine clinique Une situation particulièrement difficile est la prise en charge des nouveau-nés gravement malades et des enfants présentant des symptômes évocateurs d’une infection grave en raison du risque élevé d’infection bactérienne non traitée. prescription du traitement antibiotique Malgré le seuil bas qui en résulte pour initier un traitement antibiotique, certains nourrissons ont des conditions qui échappent au diagnostic précoce Pour améliorer la précision du bilan diagnostique, plusieurs nouveaux tests diagnostiques ont été proposés Cependant, aucun paramètre unique a acquis une acceptation incontestée Une raison potentielle de cette incapacité à changer la pratique clinique est l’incompatibilité inhérente entre les conditions réelles et la conception artificielle de la plupart des études sur la précision des tests diagnostiques, dans laquelle le pouvoir discriminant d’une nouvelle test de diagnostic est dérivé d’un sous-groupe de patients qui satisfont unanimement ac Cette conception cas-témoin souffre de la surestimation potentielle de la performance du test diagnostique étudié , car elle omet des épisodes ambigus de suspicion d’infection et, surtout, ne tient pas compte des l’information du patient qui est présente en plus du test de diagnostic sous examen Cela contraste avec la pratique clinique, dans laquelle les médecins détiennent des indices sur la présence ou l’absence d’infection de l’histoire du patient, l’évolution clinique et les résultats de laboratoire. est constamment mis à jour au fur et à mesure que de nouvelles informations diagnostiques apparaissent La plupart des études précédemment publiées sur la précision des tests diagnostiques ne traitent pas de cette évolution clinique et n’utilisent pas de cadre permettant d’intégrer le jugement clinique disponible au test de diagnostic. estimations de la présence ou de l’absence d’une infection grave n Les enfants gravement malades et les enfants n’ont pas été évalués de façon systématique Nous avons donc mené une étude de cohorte prospective pour obtenir des prévisions quotidiennes et évaluer l’exactitude des estimations des médecins sur la probabilité d’infection grave, en utilisant la études traditionnelles de la précision des tests diagnostiques L’objectif secondaire était de relier les estimations de probabilités obtenues aux décisions de prise en charge clinique observées, afin de déterminer les seuils de traitement antibiotique et de test.

Méthodes

Les informations supplémentaires recueillies pour chaque patient comprenaient l’âge, le sexe, le poids, le motif de l’hospitalisation, l’exposition aux antibiotiques, les résultats des cultures microbiologiques et le mode de ventilation. La version finale du formulaire de collecte de données est disponible sur demande de JEFOutcome assessment Après l’arrêt du traitement antibiotique d’un patient, les médecins principaux qui n’avaient pas fourni la prévision au début de l’antibiothérapie et des investigateurs ont classé indépendamment les résultats liés à chaque traitement antibiotique Les cours d’antibioprophylaxie ont été exclus de cette analyse. Les décideurs étaient aveugles aux prédictions a priori des médecins. Le désaccord a été résolu par consensus. D’autres détails sur les critères d’adjudication ont été rapportés ailleurs . “Localisé prouvé «infection probable», «infection virale» et «infection improbable ou absente» Le «traitement d’exclusion» était défini comme un épisode d’infection improbable dans lequel l’antibiothérapie était interrompue en h après avoir été initiée et non reprise dans le cadre de l’analyse hData En utilisant le test de Kruskal-Wallis, les prédictions des médecins ont été comparées à différents moments au cours de l’évolution clinique des patients. Des modèles linéaires généraux ont été utilisés pour expliquer la variance de ces prédictions. Le logarithme de la valeur de prédiction Nous avons examiné la possibilité que les différences entre les unités de soins intensifs participants et entre les médecins puissent affecter les prévisions dans toutes les situations cliniques. Nous avons donc testé les termes d’interaction possibles: interaction entre la situation clinique et les participants unité d’étude et l’interaction entre le clinique L’analyse finale présente le terme d’interaction plus parcimonieux, qui est le terme d’interaction, la situation clinique et l’unité d’étude. Nous avons évalué la capacité discriminante des prédictions des médecins au moment de l’initiation de l’antibiothérapie par analyse de régression logistique. comparer les prédictions pour les patients diagnostiqués plus tard comme ayant une infection bactérienne systémique prouvée avec les prédictions obtenues des patients avec des épisodes classés comme des traitements à exclure Cette approche fournit la comparabilité avec des études similaires sur la précision des tests diagnostiques sur le terrain. L’analyse a été répétée pour les prédictions obtenues le jour précédant l’instauration de l’antibiothérapie et pour les prévisions actualisées obtenues au cours de la ronde matinale après le début de l’antibiothérapie. Les analyses de sensibilité ont utilisé une définition de cas élargie comprenant des épisodes d’infection localisée avérée ou probable. n En utilisant cette définition de cas élargie, nous avons vérifié la stabilité des estimations après ajustement pour la confusion potentielle par unité participante, sexe du patient et âge gestationnel du patient modélisé comme une variable catégorique. Les statistiques de Hosmer et Lemeshow ont été utilisées pour tester le calibrage des modèles Cette méthode évalue si un modèle de prédiction est bien calibré dans une gamme possible de prédictions. Un mauvais ajustement est indiqué par une valeur P “significative”; une valeur P élevée indique un bon étalonnage. Nous avons déduit les seuils des schémas de prescription et de test observés en analysant les prédictions fournies avant et au début du traitement antibiotique. La proportion de patients recevant des antibiotiques a été tracée par rapport aux probabilités de pourcentage de, -, -, , -, -, -, et une courbe de régression a été ajustée par ces points de données Nous avons défini le seuil de traitement comme la probabilité prédite d’infection correspondant à un taux de traitement de% Nous avons déduit le seuil de test des résultats obtenus Le seuil d’essai a été défini comme le percentile de ces valeurs de prédiction Les définitions standard de la sensibilité, de la spécificité et du rapport de vraisemblance ont été utilisées Nous avons construit des courbes de représenter graphiquement la sensibilité au taux vrai-positif et le Fréquence de faux-positif pour une plage de points de coupure Les zones sous la courbe ROCa du récepteur ont été déterminées en utilisant l’algorithme proposé par Hanley et McNeil Plus la valeur ROCa est élevée, plus le test diagnostique est discriminant: une valeur ROCa de indique un résultat parfaitement discriminant, alors qu’une valeur ROCa de indique un résultat non discriminatoire. Toutes les analyses ont été effectuées en utilisant un logiciel SAS, la version SAS Institute Tests a été arrêtée, avec P & lt; indiquant la signification statistique

Résultats

Trois cent quarante-sept patients ont contribué aux journées d’hospitalisation de l’étude Les principales caractéristiques démographiques et cliniques de la cohorte de patients sont présentées dans le tableau. Les prévisions ont été obtenues pour le taux de suivi des jours d’hospitalisation. de la sortie précoce du patient n =, des périodes de charge de travail extrême n =, ou des marques ambiguës sur le formulaire de collecte de données n =

Table View largeTélécharger les caractéristiques démographiques et cliniques d’une cohorte de patients pédiatriques dans une étude de l’exactitude diagnostique des pronostics des médecins concernant l’infection bactérienne graveTable View largeTélécharger les caractéristiques démographiques et cliniques d’une cohorte de patients pédiatriques dans une étude de l’exactitude diagnostique des médecins Un total de patients ont reçu des traitements antibiotiques pour des épisodes de suspicion d’infection, dont des traitements ont été initiés après l’hospitalisation. Des traitements antibiotiques supplémentaires ont été prescrits comme prophylaxie chez les patients Dans l’ensemble, les patients ont été exposés à des agents antimicrobiens systémiques. jours% de tous les jours d’hospitalisation Parmi les traitements antibiotiques,% ont été administrés pour des épisodes d’infection bactérienne systémique finalement prouvée,% pour des épisodes d’infection localisée avérée,% pour des épisodes d’infection probable,% r épisodes d’infection virale et% pour les épisodes d’infection improbable, dont% pour les épisodes de traitement exclu% de tous les traitementsPredictions La probabilité prédite d’infection augmentait à mesure que les patients progressaient de ne pas être traités vers l’initiation du tableau d’antibiothérapie. de l’infection a augmenté de% ie, aucun traitement antibiotique ou diagnostic pour le sepsis, à% le jour précédant le début de l’antibiothérapie, à% au début du traitement P & lt; La figure présente des prédictions à des moments différents de la figure A et stratifiée par catégorie de résultats. Figure B Les modèles linéaires généraux ont révélé que la variance totale expliquée de la probabilité prédite d’infection avait un coefficient R de P & lt; La situation clinique avant, pendant ou après le début de l’antibiothérapie était le facteur le plus important pour estimer la probabilité d’infection; elle a expliqué% de la variance observée Autres facteurs c.-à-d. unité d’étude, âge et prédiction du médecin expliquée% de la variance L’ajout d’un terme pour l’interaction entre la situation clinique et l’unité d’étude n’a pas eu d’effet significatif

Table View largeTélécharger des prédictions quotidiennes pour différentes situations cliniques dans une cohorte de patients pédiatriques dans une étude de l’exactitude diagnostique des pronostics des médecins concernant une infection bactérienne graveTable View largeTélécharger des prévisions quotidiennes pour différentes situations cliniques dans une cohorte de patients pédiatriques dans une étude du diagnostic exactitude des pronostics des médecins concernant une infection bactérienne grave

Figure Vue grandDownload slidePhysiciens prédictions de la probabilité d’infection bactérienne grave chez les patients pédiatriques Barres horizontales noires, valeurs médianes; boîtes verticales, gamme interquartile; lignes verticales, percentiles A, prédictions à différents moments au cours de l’évolution clinique des patients B, prévisions, stratifiées par catégories de résultats voir Méthodes pour détails Les diagrammes en bâtons avec ombrage horizontal indiquent les estimations de probabilité au début de l’antibiothérapie AB; boîtes à moustaches sans ombrage afficher les pronostics le jour après le début de l’antibiothérapieFigure View largeTélécharger la diapositive Prévision des médecins de la probabilité d’infection bactérienne grave chez les patients pédiatriques Barres horizontales noires, valeurs médianes; boîtes verticales, gamme interquartile; lignes verticales, percentiles A, prédictions à différents moments au cours de l’évolution clinique des patients B, prévisions, stratifiées par catégories de résultats voir Méthodes pour détails Les diagrammes en bâtons avec ombrage horizontal indiquent les estimations de probabilité au début de l’antibiothérapie AB; Précision diagnostique Un jour avant le début de l’antibiothérapie, les médecins ont été incapables de faire la distinction entre les patients dont on a déterminé qu’ils étaient clairement infectés et ceux qui ont ensuite été classés comme ROCa non infectés. les prédictions sur le jour de l’initiation de l’antibiothérapie ont bien fait la distinction entre les épisodes classés par la suite comme une infection bactérienne systémique prouvée et ceux finalement classés comme des épisodes de traitement à exclure ROCa; % CI, -; figure Avec un seuil de la probabilité prédite de%, la sensibilité était% CI, – avec un rapport de vraisemblance correspondant de% CI, – Une prédiction de & lt;% a donné une spécificité de% CI, – et un rapport de vraisemblance de % IC, – Hosmer-Lemeshow χ statistiques ont révélé un bon ajustement P = Résultats de l’analyse de sensibilité avec la définition élargie de cas, infection prouvée ou probable a soutenu la stabilité de cette estimation chiffre ajusté qui contrôlait les effets confusionnels potentiels de l’âge, le sexe , et l’unité d’étude n’a pas modifié l’estimation ROCa; % CI, -; P =, par Hosmer-Lemeshow χ test La capacité discriminante des prédictions des médecins faites le lendemain matin après le début de l’antibiothérapie a augmenté à un ROCa de% CI, –

Figure Courbe de téléchargementLecture des courbes de fonctionnement pour l’exactitude diagnostique des pronostics des médecins concernant les infections bactériennes graves chez les patients pédiatriques La courbe contenant les carrés indique la discrimination des cas d’infection systémique prouvée en culture chez les patients témoins chez qui l’infection a finalement été considérée comme absente ou improbable Les triangles indiquent la courbe utilisant une définition de cas élargie comprenant des épisodes classés comme une infection bactérienne systémique prouvée, une infection systémique probable, ou une infection localisée prouvée. La courbe de fonctionnement pour l’exactitude diagnostique des pronostics des médecins concernant une infection bactérienne grave chez les patients pédiatriques. contenant des carrés désigne la discrimination des cas d’infection systémique prouvée par culture chez des patients témoins chez qui l’infection a finalement été considérée comme absente ou improbable Les triangles indiquent la courbe utilisant une définition de cas élargie comprenant des épisodes classés comme infection bactérienne systémique prouvée, infection systémique probable, ou infection localisée prouvée Critère de validité externe Des cultures d’échantillons sanguins obtenus pendant un diagnostic de septicémie, bactéries cultivées, y compris des cultures d’échantillons de sang provenant de ponction différente sites une ligne centrale et un site périphérique qui donnaient des staphylocoques à coagulase négative Des prédictions étaient disponibles pour% de ces cultures taux de positivité de la culture sanguine,%,% CI, -% La probabilité médiane prédite d’un résultat positif était de% intervalle interquartile,% -% Les médecins ont montré une bonne capacité à prédire la septicémie positive, après ajustement pour l’âge et l’unité d’étude ROCa; % CI, -; Comme le montre la figure, les seuils de traitement variaient entre les sous-groupes de patients, avec des seuils plus bas pour les patients les plus vulnérables. Le seuil de traitement médian a été calculé à partir des taux de traitement antibiotiques observés. correspondait à une probabilité prédite d’infection de% chez les nouveau-nés et de% chez les nourrissons âgés de & gt; mois Le seuil de dépistage était de% chez les nouveau-nés et de% chez les nourrissons et les enfants

Figure Vue largeTélécharger des courbes de seuil de traitement et des coefficients de régression pour l’exactitude diagnostique des prédictions des médecins concernant la probabilité d’infection bactérienne grave chez les patients pédiatriques avant et au début du traitement antibiotique L’axe horizontal indique la probabilité prédite d’infection, et l’axe vertical indique fréquence du traitement antibiotique La taille des cercles correspond au nombre de prédictions disponibles dans chaque strate de prédictions pour le calcul des droites de régression Grille de régression en gras, courbe de prédiction du taux de traitement pour tous les patients; ligne pointillée gauche, courbe de régression pour les prématurés; ligne grise pointillée à droite, courbe de régression ajustée par les prédictions obtenues pour les nourrissons et les enfants âgés de & gt; mois; Flèches verticales minces, taux de traitement en pourcentage, avec les probabilités prédites correspondantesFigure View largeTélécharger les lamesCourbes de seuil de traitement et coefficients de régression pour la précision diagnostique des prédictions des médecins concernant la probabilité d’infection bactérienne grave chez les patients pédiatriques avant et au début du traitement antibiotique. probabilité prédite d’infection, et l’axe vertical indique la fréquence associée de traitement antibiotique La taille des cercles correspond au nombre de prédictions disponibles de chaque strate de prévisions pour le calcul des lignes de régression ligne de régression audacieuse, courbe de prédiction de taux de traitement pour tous les patients; ligne pointillée gauche, courbe de régression pour les prématurés; ligne grise pointillée à droite, courbe de régression ajustée par les prédictions obtenues pour les nourrissons et les enfants âgés de & gt; mois; flèches verticales minces, taux de traitement en pourcentage, avec les probabilités prédites correspondantes

Discussion

Un test cliniquement utile permettrait de déplacer les estimations de probabilité pré-test qui se situent dans les limites de l’incertitude jusqu’à la probabilité post-test. Les données actuelles sur l’utilité clinique des nouveaux marqueurs diagnostiques du sepsis sont limitées. Ceci est particulièrement important en ce qui concerne la situation fréquente où les médecins soupçonnent une infection et, compte tenu des stratégies de diagnostic actuelles, initient des antibiotiques dans la présente étude. La majorité des patients qui ont ensuite été jugés avoir une infection prouvée, les prédictions ont dépassé les seuils de traitement observés Cela implique que les résultats positifs des tests de laboratoire n’auraient pas ajouté des informations contribuant à modifier les décisions de traitement antibiotique Cependant, les résultats négatifs de diagnostic puissant Les tests pourraient exiger une excellente sensibilité pour prévenir les erreurs dans le traitement des patients infectés . En combinaison avec les estimations de probabilité des médecins, un test avec un rapport de vraisemblance négatif de & lt; permettrait aux médecins d’arrêter ou de suspendre le traitement antibiotique pour le% de tous les patients ultérieurement diagnostiqués non infectés. Cependant, un test qui permettrait de suspendre le traitement antibiotique lorsque l’infection est déjà cliniquement suspectée devrait satisfaire des caractéristiques de performance supérieures à celles de tout marqueur biologique actuellement disponible de sepsis L’approche traditionnelle pour l’évaluation d’un nouveau test de diagnostic ne peut évaluer son utilité clinique, car elle repose sur l’analyse rétrospective d’un sous-groupe de patients répondant à des critères unanimement reconnus pour être clairement infectés. gonfle les estimations de l’exactitude d’un test, car il n’évalue pas le contraste plus difficile entre un groupe de patients similaires avec une infection présumée Pour cette raison, nous suggérons que les études futures complètent l’approche traditionnelle en obtenant des prédictions quotidiennes sur la probabilité d’infection. dans un groupe de patients consécutifs avec cl Une estimation des probabilités des médecins permet de déterminer les probabilités post-test pour chaque épisode suspecté, y compris ceux avec une classification ambiguë. Une question d’importance majeure demeure: la vigilance clinique et la surveillance constante permettent-elles de faire progresser le diagnostic précoce de l’infection? Dans notre étude, la veille de l’instauration d’un traitement antibiotique, la probabilité prédite d’infection chez les patients ayant suivi un traitement antibiotique a été significativement plus élevée chez les nouveau-nés et les enfants gravement malades. Pour les patients non traités, cela indique que les médecins étaient probablement au courant de signes cliniques non spécifiques. Cependant, à ce moment-là, le jugement des médecins n’a pas été en mesure d’identifier les patients qui ont ensuite été classés comme clairement infectés. Cependant, certaines mises en garde de notre étude nécessitent d’être prises en considération. D’abord, les seuils de traitement sont une question de jugement subjectif et diffèrent selon la condition, le risque et le risque. Par conséquent, les seuils générés dans cette étude peuvent ne pas être généralisables aux patients adultes. Cependant, même si les résultats ne sont pas généralisables, l’approche devrait être également valable. nous ne pouvons exclure un effet Hawthorne, c’est-à-dire un biais d’observation qui pourrait améliorer les compétences discriminatoires des médecins . Si un tel effet était présent, cela ne se traduisait pas par une modification des taux de prescription d’antibiotiques. le nombre limité de patients infectés nous a empêché de contrôler le varia observé Cependant, nous estimons que notre estimation de l’exactitude est prudente. En résumé, l’enregistrement quotidien des estimations de la probabilité de pré-test des cliniciens est faisable et fournit des informations utiles. Dans la présente étude, les pronostics des médecins concernant la présence d’une infection étaient remarquablement précis. Les études sur la valeur des nouveaux tests de diagnostic du sepsis devraient établir qu’ils ajoutent une valeur supplémentaire au jugement des médecins en fonction des données cliniques et de laboratoire actuellement disponibles. paramètres

Remerciements

Nous remercions le Dr Francis E Cook Division de l’épidémiologie clinique, Brigham and Women’s Hospital, Boston, MA pour le mentorat Nous remercions les médecins des deux unités de soins intensifs pour leur participation dévouée et Michael Ramser Zurich, Suisse pour l’aide à la collecte de données |

Résistance aux médicaments anti-VIH à long terme