Kliniska prediktionsmodeller för risk för död på sjukhus hos barn med svår malaria i Kongo med maskininlärningsbaserade algoritmer

Bakgrund:

Allvarlig malaria har associerats med en hög risk för pediatrisk sjukhusdödlighet i resursbegränsade länder, vilket förblir beklagligt. Förbättrade metoder för riskstratifiering kan hjälpa till vid beslut om remiss och resursallokering. Forskare syftar till att i) skapa en prediktionsmodell för risken för dödlighet på sjukhus bland barn som presenterar sig med allvarlig malaria och jämföra dess prediktiva prestanda med nuvarande modeller, ii) validera den senare, och iii) bedöma plasmodium-inducerade förändringar i kliniska och biologiska parametrar.

Metoder:

Detta är en retrospektiv studie av data som samlats in prospektivt under en period från den 30 januari 2017 till den 1 augusti 2025, från barn med allvarlig malaria, som vårdats på PICU på Monkole Hospital Center (MHC) och Kimbondo Pediatric Center (KPC), alla i Kinshasa, DR Kongo. Baslinjekliniska och laboratorievariabler samlades in på de inskrivna barnen. Det primära utfallet är död upp till 1 vecka efter inläggning, och det andra utfallet, vårdtid på pediatrisk intensivvård efter inläggning för allvarlig malaria. Maskininlärningsalgoritmer kommer att användas för att uppnå de tre specifika forskningsmålen.

Förväntade resultat:

I linje med forskningsmålen förväntas följande resultat:

1. Prevalensen av multipel organsviktssyndrom (MODS) och metabolisk acidos hos barn som presenterar sig med allvarlig malaria kommer att fastställas.

2. En ny modell för att förutsäga associerad dödlighetsrisk vid allvarlig malaria kommer att utvecklas:

   1. Denna nya modell kommer att baseras på prediktorer för sjukdomsallvarlighet och kommer att mäta:

      • Graden av allvarlighet av MODS och metabolisk acidos.
      • Vårdtiden för allvarlig malaria på PICU
      • Risken för död efter sjukhusvård för allvarlig malaria
      • Inverkan av parasitemi på sjukdomsallvarlighet
   2. Prestandan för den föreslagna nya modellen kommer att mätas
   3. Det prediktiva nomogrammet och poängsystemet kommer att associeras med det.
3. Forskare validerar och jämför prestandan hos befintliga modeller för att förutsäga allvarlighetsgrad av malaria mot den föreslagna nya modellen.

Tillsammans kommer forskningsdata att ge principbevis som stöder tidiga interventioner och behandlingsval hos barn som presenterar sig med allvarlig malaria.