설사 병인 예측(DEP) 알고리즘의 수용 가능성 및 영향

설사병은 매년 약 10억 건의 사례와 500,000명이 사망하는 전 세계 어린이의 이환율과 사망의 주요 원인입니다. 설사로 인한 사망의 대부분은 저소득 국가에서 발생하지만 감염성 설사는 고소득 국가에서 여전히 심각한 문제입니다. 즉각적인 이환율 외에도, 자원이 부족한 환경에서 어린이 설사의 잠재적인 장기적 후유증에는 영양실조, 발육 부진, 인지 발달 장애가 있습니다.

소아 설사병 관리의 초석은 수분 보충이지만, 항생제 사용 및 실험실 검사를 포함한 여러 다른 관리 결정이 질병 경과에 영향을 미칠 수 있습니다. 항생제의 남용은 부작용을 일으키고 지역 사회에서 항생제 내성을 증가시킬 수 있습니다. 일부 박테리아 및 원생동물 병원체에 대한 항균제를 충분히 사용하지 않으면 질병의 지속 기간이 연장되고 전염이 촉진될 수 있습니다. 이로 인해 학교 또는 부모의 일을 결석하는 날이 늘어나고 자원이 부족한 환경에서 영양실조 아동의 성장이 위축되거나 사망할 가능성이 있습니다. 실험실 테스트의 남용은 환자와 의료 시스템 모두에 재정적 영향을 미칠 수 있으며, 부족하게 사용하면 적절한 치료가 지연되거나 발병 인식을 방해할 수 있습니다. 따라서 설사 병인의 정확하고 비용 효율적인 결정은 어린이의 적절한 사례 관리와 공중 보건에 중요합니다.

임상 예측 규칙(CPR)은 임상의가 임상 정보를 해석하는 데 도움을 주고 의사 결정을 개선할 수 있습니다. 최근의 체계적 검토에 따르면 소아에 대한 임상 예측 규칙이 개발된 조건에 대한 137개의 연구 중 2개만이 설사에 대한 것으로, 둘 다 탈수 평가를 위한 것입니다. 유사하게, 소아 설사에 대한 이용 가능한 지침의 대부분은 재수화를 위한 경로, 시기 및 선택에 초점을 맞추고 있습니다. 지난 30년 동안의 몇몇 연구에서는 설사의 세균성 원인의 확률을 추정하기 위해 임상적 예측인자의 사용을 연구했습니다. 그러나 이러한 연구는 낮은 병원체 식별률, 작은 샘플 크기, 단일 연구 사이트 사용 및 최적이 아닌 예측 성능으로 인해 제한되었습니다.

지침과 효과적인 임상 예측 변수가 없다는 점을 감안할 때, 항생제 사용 및 실험실 테스트에 대한 결정은 증거가 빈약한 여러 "경험 법칙"에 기반한 본질적으로 대부분 경험적입니다. 불행하게도, 의사의 판단은 항생제의 필요성과 올바른 유형의 검사를 예측하는 데 매우 적합하지 않습니다. 설사로 케냐 병원에 입원한 어린이에 대한 최근 연구에서는 이질균 감염에 대한 대용물로서 이질에 의존하는 경우 거의 90%의 사례에서 이질균증을 진단하지 못하는 것으로 나타났습니다. 의사 결정을 위한 더 나은 도구와 설사가 있는 어린이의 항생제 사용 및 실험실 검사에 관한 증거 기반 지침이 분명히 필요합니다.

설사병에서 항생제 사용에 대한 대부분의 결정은 경험적으로 이루어집니다. 저소득 및 중간 소득 국가(LMIC)에서는 비용 제약으로 인해 병인 진단이 거의 이루어지지 않으며 급성 설사 환자의 많은 수(최대 70%)가 항생제를 처방받습니다. 그러나 높은 자원 설정과 달리 세균성 병원균은 낮은 자원 설정에서 매우 일반적일 수 있습니다. 다기관 GEMS(Global Enteric Multicenter Study) 연구에서 조사관은 이질이 있는 어린이의 16~78%와 수양성 설사가 있는 어린이의 2~43%에서 시겔라 검출이 범위임을 발견했습니다. 자원이 많든 적든 환경에서 항균제의 부적절한 사용은 개인에게 불필요한 독성, 비용 증가 및 지역 사회의 항생제 내성 증가로 이어집니다. 따라서 고자원 및 저자원 환경 모두에서 소아 설사에 대한 항생제의 적절한 사용을 안내하는 방법이 시급히 필요합니다.

임상 예측 규칙(CPR)은 임상의가 환자 결과의 가능성을 추정하는 데 도움이 되는 의사 결정 루브릭입니다. 다수의 저명한 예측 점수가 임상용으로 널리 채택되었습니다. 예를 들면 심방 세동 환자의 뇌졸중 위험에 대한 CHADS2 점수, NSTEMI 환자의 사망률에 대한 TIMI 점수, 지역사회 획득 폐렴의 사망률에 대한 CURB-65 점수가 있습니다. 임상 의사 결정에 통합된 임상 예측 규칙은 임상의에게 더 많은 증거 기반 행동을 지시하여 치료를 개선하고 비용을 절감할 수 있는 능력이 있습니다. CPR은 또한 연쇄상 구균 인두염에 대한 점수 사용에서 알 수 있듯이 항균제 사용을 줄일 수 있으며 CPR을 테스트 지침과 연결하면 항균제 사용을 더욱 줄일 수 있습니다. 따라서 임상 예측 규칙은 전 세계 의료 종사자들이 임상적 불확실성을 해결하고 설사가 있는 어린이에게 개선된 치료를 제공하는 데 도움이 될 가능성이 있습니다.

연구자들은 최근 GEMS의 데이터를 사용하여 약 0.85의 내부 교차 검증된 곡선 아래 영역(AUC)이 있는 바이러스 병인 예측 규칙을 도출했습니다. 조사관은 여러 모델 또는 테스트의 확률을 고려하는 사후 테스트 확률 공식화 방법을 사용했습니다. 먼저, GEMS의 데이터를 사용하여 연구자들은 가장 예측 가능한 임상 변수 5개를 독립 변수로 사용하여 바이러스 병인을 종속 변수로 하는 로지스틱 회귀 모델을 훈련했습니다. 그런 다음 연구자들은 지역 기후와 최근 임상 경향을 독립 변수로 사용하여 동일한 바이러스 병인 반응으로 모델을 훈련했습니다. 각 모델에 대해 커널 밀도 추정을 사용하여 훈련 예측의 조건부 분포를 추정하여 바이러스 병인 대 다른 알려진 병인의 오즈를 생성합니다. 각 모델에 대해 생성된 확률은 바이러스 병인의 전체 확률을 결정하기 위해 사전 테스트 확률과 함께 곱해집니다. 연구자들은 이제 이 예측 규칙의 계산을 DEP(Dirrheal Etiology Prediction) 알고리즘이라고 하는 스마트폰 애플리케이션으로 옮겼습니다. 연구자들은 설사의 바이러스성 병인을 예측하는 DEP 알고리즘의 능력을 외부적으로 검증하기 위해 VIDA(아프리카 설사에 대한 백신 영향) 연구의 TAC 데이터를 사용했습니다. 이 응용 프로그램에서 우리의 목표는 설사가 있는 어린이를 돌보는 임상의 사이에서 DEP의 수용 가능성과 사용을 결정하는 것입니다.