荆门市中心医院王沛团队于2026年4月23日在“上的文章“Early prediction of plastic bronchitis in pediatric patients with pneumonia by interpretable machine learning algorithms”。
影响因子4.8,中科院二区
作者：王沛1，段睿1，王琼1，肖笛2
作者单位：1.荆门市中心医院；2.广州市妇女儿童医院
该研究通过纳入荆门市中心医院2023年4月至2025年6月儿科肺炎支原体肺炎且实施过支气管镜检查患者，收集患者的临床信息、实验室检测指标和影像学结果。借助Lasso和Boruta算法筛选出塑型性支气管炎发生的预测因子。引入极度梯度提升树、随机森林、逻辑回归、支持向量机四种机器学习模型，最佳模型极度梯度提升树在训练集中获得了90.4%的灵敏度和85.8%的特异度，AUC值 0.948 (95% CI:0.919-0.973)；在测试集中获得了81.2%的灵敏度和85.2%的特异度，AUC值 0.905 (95% CI:0.843-0.957)。为帮助儿科医生作出及时合理的临床决策，研究团队还基于极度梯度提升树开发了一个网络风险评估计算器。儿科医生点击手机上的链接，在弹窗内输入预测因子的结果后，模型可实时计算患者发生塑性支气管炎的风险概率,并自动将患者分为高风险组和低风险组。高风险组患者需迅速实施支气管镜介入，低风险组患者则可持续观察治疗；儿童塑型性支气管炎起病急，发展快，会导致患儿发生严重呼吸窘迫综合征，进而危及患儿生命安全。塑型性支气管炎在儿童肺炎支原体肺炎患者中发生率高，如不及时干预治疗可产生严重不良的临床结局。在肺炎支原体爆发流行期间，该研究可为临床早期诊断及合理治疗提供决策依据。
此外，该研究团队曾于2025年6月7日在“”发表了另一项研究成果“Bronchoalveolar lavage cytokine profile and clinical features as risk predictors of plastic bronchitis in children with Mycoplasma pneumoniae pneumonia”，报道了利用支气管肺泡灌洗液中细胞因子IL-6,SMPP及SIRS联合预测肺炎支原体肺炎患者发生塑性支气管炎风险的列线图模型。
影响因子3.1,中科院三区
作者：王沛1，段睿1，王琼1，肖笛2
作者单位：1.荆门市中心医院；2.广州市妇女儿童医院
自2024年该研究团队主持人王沛加入全球小儿肺炎支原体多中心研究以来，与国内外优秀学术团队合作，多学科交叉融合促成团队在小儿塑型性支气管炎的预测领域取得了突破，相信在未来的合作中该团队定会再创佳绩。(通讯员：彭美蓉)
热门跟贴