# APBA Kısa Özet

Bu retrospektif gözlemsel çalışma, 2015‑2025 yılları arasında parapnömonik plevral effüzyon (PPE) tanısı konmuş 122 çocuğu analiz ederek, komplikasyon gelişme riskini erken belirleyen bir tahmin modeli oluşturdu. Beş faktör (daha düşük yaş, göğüs duvarı retraksiyonları, C‑reaktif protein ≥176,5 mg/L, efüzyon kalınlığı ve mediastinal kayma) bağımsız olarak komplikasyon riskini artırdı. Modelin ayırıcı gücü AUC 0.883 (95 % CI 0.817‑0.948) ve optimum eşik 0.49’da duyarlılık %92,2, özgüllük %71,1 olarak bulundu. Basitleştirilmiş bir klinik skor aynı performansı gösterdi, ancak dış doğrulama eksikliği nedeniyle rutin klinik kullanım için öneri henüz yapılamaz.

# Çalışma neyi araştırdı?

Parapnömonik plevral effüzyon (PPE), çocukluk pnömonisinin sık görülen bir komplikasyonudur ve bazı vakalar komplikasyonlu PPE (cPPE) haline dönüşerek daha uzun tedavi süresi, drenaj ihtiyacı ve artan morbiditeye yol açar. Erken tanı ve risk tahmini, tedavi stratejilerini yönlendirebilir; ancak mevcut literatürde erken belirleyiciler sınırlı ve tutarsızdır. Bu çalışma, başlangıçta elde edilen klinik, laboratuvar ve radyolojik verileri kullanarak cPPE riskini tahmin eden bir model geliştirmeyi amaçladı.

# Yöntem

  • Çalışma tasarımı: Tek merkezli retrospektif kohort.
  • Örneklem: 122 çocuğun (yaş <18 yıl) PPE tanısı konmuş hastaları; 77 (63 %) komplikasyonlu, 45 (37 %) komplikasyonsuz.
  • Değişkenler: Başlangıçta 20 aday klinik, laboratuvar ve görüntüleme değişkeni toplandı; bunlar arasında yaş, solunum bulguları, CRP, efüzyon kalınlığı vb. yer aldı.
  • İstatistiksel analiz: Tek değişkenli tarama sonrası istatistiksel anlamlı ve klinik olarak ilgili değişkenler çok değişkenli lojistik regresyona dahil edildi. Bağımsız risk faktörleri odds ratio (OR) ve %95 güven aralığı (CI) ile raporlandı. Modelin ayırıcı gücü ROC eğrisi ve alan altı (AUC) ile değerlendirildi; optimum eşik Youden indeksine göre belirlendi. Son olarak, orijinal modelden türetilen basitleştirilmiş bir skor oluşturuldu.

# Temel bulgular

  • Bağımsız risk faktörleri:\
  • Yaş (OR 0.73, 95 % CI 0.63‑0.84) – daha genç yaş artan risk.
  • Göğüs duvarı retraksiyonları (OR 3.23, 95 % CI 1.16‑8.95).
  • CRP ≥176,5 mg/L (OR 2.83, 95 % CI 1.02‑7.82).
  • Plevral efüzyon kalınlığı (OR 2.16, 95 % CI 1.27‑3.70).
  • Mediastinal kayma (OR 10.75, 95 % CI 2.24‑51.64).
  • Model performansı: AUC 0.883 (95 % CI 0.817‑0.948). Optimum eşik 0.49’da duyarlılık %92,2, özgüllük %71,1.
  • Basitleştirilmiş skor: Aynı ROC eğrisi altında kalırken, hastalar dört risk grubuna (düşük‑orta‑yüksek‑çok yüksek) ayrıldı; gözlemlenen cPPE oranları artan bir trend gösterdi.

# Bulgular ne anlama geliyor?

Bu sonuçlar, çocuklarda PPE tanısı konulduğunda, belirli klinik ve radyolojik bulguların komplikasyon riskini önemli ölçüde artırdığını gösteriyor. Özellikle çok genç yaş, göğüs duvarı retraksiyonları ve yüksek CRP düzeyi, hastanın daha agresif bir hastalık sürecine girebileceğinin erken işaretleri olabilir. Mediastinal kayma ve efüzyon kalınlığı gibi görüntüleme bulguları, hastanın akciğer ve mediastinal yapılar üzerindeki etkisini yansıtıyor ve komplikasyon riskini güçlü bir şekilde tahmin ediyor.

# Klinik önem

Model, acil serviste veya hastane girişinde PPE tanısı konmuş çocuklarda hızlı risk değerlendirmesi yapma potansiyeli sunuyor. Yüksek riskli hastalar, erken antibiyotik genişletme, görüntüleme takibi ve gerekirse torakostomi gibi invaziv müdahaleler için öncelikli izlenebilir. Ancak, modelin dış doğrulaması ve çok merkezli veri setleriyle test edilmesi eksik olduğundan, şu anki haliyle rutin klinik kararları yönlendirmek yerine, araştırma ortamında risk sınıflandırması ve gelecekteki protokol geliştirmeleri için bir temel olarak görülmelidir.

# Sınırlılıklar

  • Retrospektif tasarım: Veri toplama ve kayıt eksiklikleri olasılığı.
  • Tek merkezli ve sınırlı örneklem: 122 hasta, tahmin modeli geliştirmek için yeterli olsa da, dış popülasyonlara genellenebilirliği sınırlıdır.
  • Dış doğrulama eksikliği: Model yalnızca iç doğrulama ile değerlendirilmiştir; farklı coğrafi ve klinik ortamlarda performansı bilinmemektedir.
  • Potansiyel aşırı uyum (overfitting): Çoklu değişkenli model, sınırlı örneklemde çok sayıda değişkenle oluşturulduğundan, yeni veri setlerinde performans düşebilir.
  • Ölçüm değişkenleri: CRP ve efüzyon kalınlığı gibi laboratuvar ve radyoloji ölçümleri, laboratuvar standartları ve görüntüleme protokollerine göre değişiklik gösterebilir.
  • Çatışma ve finansal çıkarlar: Çalışmanın çıkar çatışması beyanı net değildir; bu durum sonuçların yorumlanmasında ek bir belirsizlik yaratabilir.

Bu sınırlamalar, modelin klinik uygulamaya geçmeden önce çok merkezli, prospektif çalışmalarla doğrulanması gerektiğini vurgulamaktadır.