Çalışma, 2 ay ile 18 yaş arasındaki 2.323.720 çocuk acil başvurusunu kullanarak ridge lojistik regresyon ve XGBoost modelleri geliştirdi; modeller aynı sağlık sistemlerinin daha sonraki dönem verilerinde zamansal olarak doğrulandı.[1]
Makale Radarı içeriklerine dön
Makale RadarıRetrospektif kohort çalışmasıYayımlanmış · Klinik etki gösterilmediGüncelleme: 12 Ağustos 2026 · 15 dk
Model geliştirme ve zamansal doğrulama
Çocuk Acil Servisinde Sepsis Riskini Öngörme: İlk Dört Saatlik Veriler Ne Sağlıyor?
Beş sağlık sisteminden elde edilen elektronik sağlık kaydı verileriyle geliştirilen modeller, henüz sepsis ölçütlerini karşılamayan çocuklarda izleyen 48 saatlik sonuç penceresindeki Phoenix Sepsis Ölçütleri temelli bileşik sonlanımı öngörmek üzere sınandı. Ayrım gücü yüksek olmakla birlikte düşük pozitif öngörü değeri, klinik kullanıma geçmeden önce prospektif değerlendirme gerektiriyor.[1]
Hızlı okuma
3 cümlede özet
XGBoost modelinin sepsis için AUROC değeri 0,936 idi; ancak %90 duyarlılık eşiğinde her gerçek olgu için yaklaşık 59 değerlendirme tetiklenmesi ve %1,7 pozitif öngörü değeri, nadir sonlanımlarda alarm yükünün önemini gösterdi.[1]
Bu çalışma modelin ayrım gücünü gösterir; prospektif klinik uygulanabilirliği, alarm sonrası müdahaleyi, antibiyotik veya yatış kararlarını ve hasta sonuçlarına etkisini göstermez.[1]
Araştırma sorusu
İlk en çok dört saatlik rutin veriler, sonraki 48 saatlik pencerede sepsis riskini ayırt edebilir mi?
Amaç sepsis tanısı koymak değil, araştırmacıların tanımladığı Phoenix Sepsis Ölçütleri temelli bileşik sonlanım riskini önceden sınıflandırmaktı.
Popülasyon
Beş ABD sağlık sistemindeki sekiz çocuk acil ortamında, 2 ay–<18 yaş başvuruları. Eğitim kohortu 1.604.422; zamansal test kohortu 719.298 başvuru.
Özellik penceresi
Acil servise varıştan başlayarak en çok dört saat veya acil sonlanımı; hangisi önce gerçekleştiyse o ana kadar kaydedilen veriler.
Modeller
L2 cezalı ridge lojistik regresyon ve XGBoost. Sistem tabakalı çapraz doğrulama sonrasında daha sonraki zaman döneminde doğrulama.
Sonlanım
Şüpheli enfeksiyon ile Phoenix Sepsis Ölçütleri puanı ≥2 birlikteliği veya ölüm; ikincil sonlanım Phoenix septik şok.
Yöntemsel okuma
Tasarımın sağladığı ve sağlamadığı bilgi
Doğrulama zamansaldır: model, aynı beş sağlık sisteminin 2021–2022 verilerinde sınanmıştır. Bu tasarım zaman içindeki performans sürekliliğini değerlendirir; bağımsız coğrafi dış doğrulamanın, genel acil servislerde doğrulamanın veya klinik etki araştırmasının yerini tutmaz. Ayrıca şüpheli enfeksiyonun operasyonel tanımı ve bazı öngördürücüler sağlık hizmeti süreçlerinden etkilenebilir.[1]
Çalışmadan elde edilen bilgi
Yüksek ayrım gücü, düşük pozitif öngörü değeri
Zamansal test kohortunda sepsis prevalansı %0,37, septik şok prevalansı %0,15 idi. Bu düşük prevalans, yüksek AUROC’ye karşın pozitif öngörü değerini sınırlar.
| Alan | Bulgular / planlanan ölçüm | Doğru yorum |
|---|---|---|
| Sepsis · ridge | AUROC 0,923 (%95 GA 0,918–0,928) | %90 duyarlılık eşiğinde özgüllük %77,9; PPV %1,5; değerlendirilmesi gereken sayı 68. |
| Sepsis · XGBoost | AUROC 0,936 (%95 GA 0,931–0,940) | %90 duyarlılık eşiğinde özgüllük %80,7; PPV %1,7; değerlendirilmesi gereken sayı 59. |
| Septik şok · ridge | AUROC 0,923 (%95 GA 0,915–0,931) | %90 duyarlılık eşiğinde PPV %0,6; değerlendirilmesi gereken sayı 168. |
| Septik şok · XGBoost | AUROC 0,926 (%95 GA 0,918–0,934) | %90 duyarlılık eşiğinde PPV %0,6; değerlendirilmesi gereken sayı 164. |
| Alt grup incelemesi | Çoğu demografik alt grupta benzer ayrım; ödeme türüne göre farklılık | Performans benzerliği, bakım veya sonuç eşitliğinin kanıtı değildir. |
Eleştirel değerlendirme
Ne gösteriyor, ne göstermiyor?
Gösterdiği / sınamayı amaçladığı
- • Rutin elektronik sağlık kaydı değişkenleriyle yüksek ayrım gücüne sahip modeller geliştirilebildiğini.
- • ESI triyaj düzeyi bulunmadan kurulan modellerde de benzer performans elde edilebildiğini.
- • Daha sonraki zaman döneminde model ayrımının büyük ölçüde korunduğunu.
Göstermediği
- • Model kullanımının mortaliteyi, organ işlev bozukluğunu veya gecikmiş tedaviyi azalttığını.
- • Alarmın otomatik antibiyotik, kültür, yatış veya yoğun bakım kararı vermesi gerektiğini.
- • Modelin Türkiye’deki çocuk acil servislerinde kalibre ve klinik olarak yararlı olduğunu.
Başlıca sınırlılıklar
- • Retrospektif tasarım ve aynı sistemlerde zamansal doğrulama.
- • Düşük prevalans nedeniyle düşük pozitif öngörü değeri ve yüksek alarm yükü.
- • Eksik verinin ve bazı değişkenlerin klinisyen davranışıyla ilişkili olabilmesi.
- • Prospektif sessiz doğrulama, iş akışı denemesi ve hasta sonucu araştırmasının bulunmaması.
Klinik karşılığı
Model skoru, klinik kararın yerine değil yeniden değerlendirmenin önüne yerleştirilmelidir
Bu sonuçlar, model çıktısına dayalı otomatik tedaviyi desteklemez. Prospektif araştırmalarda öncelikle alarmın hangi eşikte, hangi kullanıcıya ve hangi yanıt paketiyle sunulacağı; bunun iş yükü, gereksiz tetkik, antibiyotik kullanımı ve hasta güvenliği üzerindeki etkileri değerlendirilmelidir.[1][2][3]
Olası kullanım biçimi, klinisyenin dikkatini yeni bir değerlendirmeye yönelten ikincil bir risk katmanı olabilir. Bununla birlikte yakın gözlem, vital bulguların tekrarı veya taburculuk kararının yeniden ele alınması gibi yanıtların yararı bu çalışmada sınanmamıştır.[1][2][3]
AUROC’yi tek başına okumayın
Ayrım gücünü prevalans, pozitif öngörü değeri, kalibrasyon ve alarm başına klinik yükle birlikte değerlendirin.
Eşik klinik bir tercihtir
Duyarlılığı artırmak daha fazla yanlış pozitif uyarı üretir; kabul edilebilir denge kullanım bağlamına göre belirlenmelidir.
Önce sessiz doğrulama
Canlı karar desteğinden önce yerel veride kalibrasyon, veri eksikliği, alt grup performansı ve alarm sayısı görünür kılınmalıdır.
Türkiye için klinik not
Yerel doğrulama yapılmadan doğrudan aktarım uygun değildir
Türkiye’de triyaj sınıflaması, elektronik kayıt düzeni, ölçüm sıklığı, başvuru özellikleri ve sepsis prevalansı merkezler arasında farklı olabilir. Bu nedenle model katsayılarının veya hazır kodun bulunması, güvenli klinik kullanım için yeterli değildir.
Yerel uygulama; çok merkezli veri kalitesi incelemesi, prospektif sessiz doğrulama, kalibrasyon, klinik eşik belirleme, alarm yükü analizi, kullanıcı eğitimi ve hasta güvenliği gözetimiyle aşamalı olarak değerlendirilmelidir.
Editör yorumu
Kanıtın doğru klinik karşılığı
Bu çalışma, çocuk acil servisinde sepsis riskinin elektronik verilerle erken sınıflandırılabileceğine ilişkin güçlü bir yöntemsel sinyal sunuyor. Bununla birlikte klinik değeri belirleyecek soru, modelin sepsisi ayırt edip etmediğinden çok, doğru zamanda ve kabul edilebilir alarm yüküyle güvenli bir klinik eyleme dönüşüp dönüşemeyeceğidir.
Hazırlayan: Prof. Dr. Hayri Levent Yılmaz · Çukurova Üniversitesi Tıp Fakültesi, Çocuk Acil Bilim Dalı, Adana
Doğrulanmış kaynaklar
Kaynakça
Bağlantılar doğrudan ilgili yayın veya resmi çalışma kaydına yönelir.
- 1
Alpern ER, Scott HF, Balamuth F, et al. Derivation and Validation of Predictive Models for Early Pediatric Sepsis. JAMA Pediatr. 2025;179(12):1318–1325.
Özgün, çok merkezli model geliştirme ve zamansal doğrulama araştırması. DOI: 10.1001/jamapediatrics.2025.3892.
Kaynağı aç - 2
- 3
PECARN PED Screen Study Group. Predictive Model for Early Pediatric Sepsis — açık kod deposu.
Araştırma kodu ve model materyalleri; klinik kullanım onayı değildir.
Kaynağı aç
PedEmUP içerikleri klinik karar desteği ve eğitim amacı taşır; yerel protokollerin ve kıdemli klinik değerlendirmenin yerine geçmez.