Acceptabiliteten og virkningen af ​​diarré-ætiologi-forudsigelsesalgoritmen (DEP).

Diarrésygdomme er en førende årsag til sygelighed og dødelighed hos børn på verdensplan, med anslået en milliard tilfælde og 500.000 dødsfald årligt. Mens størstedelen af ​​dødsfald som følge af diarré forekommer i lande med lavere indkomst, er infektiøs diarré fortsat et betydeligt problem i højindkomstlande. Bortset fra den umiddelbare sygelighed omfatter potentielle langsigtede følgesygdomme af diarré hos børn i lav-ressource-miljøer underernæring, vaklende vækst og underskud i kognitiv udvikling.

Mens hjørnestenen i behandling af diarrésygdomme hos børn er rehydrering, kan en række andre ledelsesbeslutninger, herunder brugen af ​​antibiotika og laboratorieundersøgelser, påvirke sygdomsforløbet. Overforbrug af antibiotika kan forårsage bivirkninger og føre til øget antimikrobiel resistens i samfundet. Underbrug af antimikrobielle stoffer til nogle bakterielle og protozoale patogener kan føre til forlænget sygdomsvarighed og lette overførslen. Dette kan resultere i, at flere dage i skole- eller forældrearbejde går glip af, og blandt underernærede børn i ressourcesvage omgivelser, vækstpotentiale eller død. Overforbrug af laboratorietest kan have økonomisk indvirkning på både patienten og sundhedssystemet, og underbrug kan forsinke passende behandling eller forhindre anerkendelse af udbrud. Således er nøjagtig og omkostningseffektiv bestemmelse af diarré-ætiologi vigtig for korrekt sagsbehandling hos børn og for folkesundheden.

Kliniske forudsigelsesregler (CPR'er) hjælper klinikere med at fortolke klinisk information og kan forbedre beslutningstagningen. En nylig systematisk gennemgang viste, at ud af 137 undersøgelser af tilstande, for hvilke der er udviklet kliniske forudsigelsesregler for børn, kun 2 var for diarré, som begge er til vurdering af dehydrering. Tilsvarende er størstedelen af ​​tilgængelige retningslinjer for pædiatrisk diarré fokuseret på ruten, timingen og valg af væsker til rehydrering. Nogle få undersøgelser i de sidste 30 år har undersøgt brugen af ​​kliniske prædiktorer til at estimere sandsynligheden for en bakteriel årsag til diarré. Disse undersøgelser var imidlertid begrænset af lave rater af patogenidentifikation, små prøvestørrelser, brug af et enkelt undersøgelsessted og suboptimal forudsigelsesydelse.

I betragtning af manglen på retningslinjer og effektive kliniske prædiktorer, er beslutninger om brug af antibiotika og laboratorietests for det meste empiriske, baseret på en række "tommelfingerregler", som der er ringe bevis for. Desværre gør lægens vurdering meget dårligt til at forudsige både behovet for antibiotika og korrekt type test. En nylig undersøgelse af børn, der præsenterede sig på kenyanske hospitaler med diarré, viste, at afhængighed af dysenteri som en proxy for Shigella-infektion førte til, at man ikke kunne diagnosticere Shigellose i næsten 90 % af tilfældene. Der er klart behov for bedre værktøjer til beslutningstagning og evidensbaserede retningslinjer vedrørende brug af antibiotika og laboratorietests hos børn med diarré.

De fleste beslutninger om brug af antibiotika ved diarrésygdomme træffes empirisk. I lavere- og mellemindkomstlande (LMIC'er) stilles der på grund af omkostningsbegrænsninger sjældent ætiologisk diagnose, og et stort antal (op til 70%) af patienter med akut diarré får ordineret antibiotika. Men i modsætning til høje ressourceindstillinger kan bakterielle patogener være meget almindelige i lav-ressourceindstillinger. I multicenter Global Enteric Multicenter Study (GEMS) undersøgelsen fandt efterforskerne, at påvisning af Shigella varierede fra 16-78% af børn med dysenteri og 2-43% af børn med vandig diarré. I både høje og lave ressourcer fører uhensigtsmæssig brug af antimikrobielle stoffer til unødvendig toksicitet for individet, øgede omkostninger og en stigning i antibiotikaresistens i samfundet. Der er således et presserende behov for metoder til at vejlede passende brug af antibiotika til pædiatrisk diarré i både høje og lave ressourcer.

Kliniske forudsigelsesregler (CPR'er) er beslutningstagningsrubrikker, der hjælper klinikere med at vurdere sandsynligheden for et patientresultat. En række fremtrædende forudsigelsesscore er blevet brugt bredt til klinisk brug. Eksempler inkluderer CHADS2-scoren for slagtilfælderisiko hos patienter med atrieflimren, TIMI-scoren for dødelighed hos patienter med NSTEMI og CURB-65-score for dødelighed ved samfundserhvervet lungebetændelse. Kliniske forudsigelsesregler integreret i klinisk beslutningstagning har evnen til at lede klinikere mod mere evidensbaseret adfærd, hvilket resulterer i forbedret pleje og reduktion af omkostninger. HLR'er kan også reducere brugen af ​​antimikrobielle stoffer, som vist ved brugen af ​​scores for strep-faryngitis, og at forbinde CPR'er med testvejledning kan yderligere reducere brugen af ​​antimikrobielle stoffer. Kliniske forudsigelsesregler har således potentialet til at hjælpe sundhedspersonale over hele verden med at håndtere klinisk usikkerhed og give forbedret pleje til børn med diarré.

Efterforskerne har for nylig brugt data fra GEMS til at udlede en viral ætiologi-forudsigelsesregel med et internt krydsvalideret areal under kurven (AUC) på ca. 0,85. Efterforskerne brugte en post-test odds formuleringsmetode, som tager højde for odds fra flere modeller eller test. For det første trænede efterforskerne ved hjælp af data fra GEMS en logistisk regressionsmodel med viral ætiologi som afhængig variabel ved at bruge de fem mest prædiktive kliniske variabler som uafhængige variabler. Efterforskerne trænede derefter modeller med samme virale ætiologirespons ved at bruge både lokalt klima og nyere kliniske tendenser som uafhængige variabler. For hver model genereres odds for viral ætiologi versus andre kendte ætiologier ved at estimere den betingede fordeling af træningsforudsigelser ved hjælp af kernedensitetsestimater. De genererede odds for hver model multipliceres sammen med et præ-test odds for at bestemme en samlet odds for en viral ætiologi. Efterforskerne har nu overført beregningen af ​​denne forudsigelsesregel til en smartphone-applikation, kaldet Diarrheal Etiology Prediction (DEP) algoritmen. Efterforskerne har brugt TAC-data fra VIDA-undersøgelsen (Vaccine Impact on Diarrhea in Africa) til eksternt at validere DEP-algoritmens evne til at forudsige viral ætiologi af diarré. I denne ansøgning er vores mål at bestemme acceptabiliteten og brugen af ​​DEP blandt klinikere, der tager sig af børn med diarré.