儿童难治性肺炎支原体肺炎风险预测模型的系统评价

doi:10.12114/j.issn.1007-9572.2024.0098

摘要/Abstract

摘要： 背景肺炎支原体肺炎（MPP）是儿童常见的呼吸道疾病，容易发展为难治性肺炎支原体肺炎（RMPP）。RMPP患儿病情复杂、治疗难度大且伴有多种严重并发症。儿童RMPP风险预测模型有助于医务人员早期识别RMPP高危患儿并及时提供治疗对策。目的系统评价儿童RMPP风险预测模型的研究。方法在中国知网、万方数据知识服务平台、维普网、中国生物医学文献数据库、PubMed、Embase、Web of Science和Cochrane Library数据库中检索2024-02-20以前发表的有关儿童RMPP风险预测模型的研究。由2位研究员独立筛选文献、提取数据并评价纳入文献的质量。使用Stata 18.0软件对儿童RMPP发生率和预测因子进行Meta分析。结果共纳入14篇文献，包括17个风险预测模型。有10篇文献进行了内部验证，仅4篇文献进行了外部验证，其中风险预测模型的受试者工作特征曲线下面积（AUC）均>0.7。偏倚风险评估工具（PROBAST）评估结果显示，纳入的14篇文献均为高偏倚风险。Meta分析结果显示，儿童RMPP发生率为28.2%（95%CI=21.2%~35.1%），高热、乳酸脱氢酶、C反应蛋白、年龄、中性粒细胞比例、降钙素原和D-二聚体是儿童RMPP发生的独立影响因素（P<0.05）。结论儿童RMPP风险预测模型表现出良好的预测性能，但整体偏倚风险较高，且缺乏外部验证，未来风险预测模型研究可重点关注高热、乳酸脱氢酶、C反应蛋白、年龄、中性粒细胞比例、降钙素原和D-二聚体等预测因子。

关键词: 难治性肺炎支原体肺炎, 儿童, 预测, 模型, 系统评价

Abstract:

Background

Mycoplasma pneumoniae pneumonia (MPP) is a common respiratory disease in children, which can easily develop into refractory Mycoplasma pneumoniae pneumonia (RMPP). Children with RMPP have complex conditions, are difficult to treat, and are associated with multiple serious complications. A risk prediction model for RMPP in children can help healthcare professionals to identify children at high risk of RMPP and provide timely therapeutic countermeasures.

Objective

To systematically review the risk prediction models for RMPP in children.

Methods

CNKI, Wanfang Data, VIP, CBM, PubMed, Embase, Web of Science and Cochrane Library were searched to collect the related studies on risk prediction models for RMPP in Children to February 20th, 2024. Two reviewers independently screened the literature, extracted data and evaluated the quality of the included studies. Meta-analysis of the incidence and predictors of RMPP in children was performed using Stata 18.0 software.

Results

A total of 14 papers were included, containing 17 risk prediction models. Ten studies were internal validated, and only four studies were external validated, all of which had AUC>0.7. PROBAST results showed that 14 included papers were all at high risk of bias. The results of Meta-analysis showed that the incidence of RMPP in children was 28.2% (95%CI=21.2%-35.1%), hyperthermia, lactate dehydrogenase, C-reactive protein, age, neutrophil ratio, procalcitonin and D-dimer were independent influences on the occurrence of RMPP in children (P<0.05) .

Conclusion

Risk prediction models for RMPP in children have good predictive performance, but the overall risk of bias was high and external validation was lacking. The future risk prediction model should focus on hyperthermia, lactate dehydrogenase, C-reactive protein, age, neutrophil ratio, procalcitonin and D-dimer.

Key words: Refractory Mycoplasma pneumoniae pneumonia, Children, Forecasting, Model, Systematic review

中图分类号:

R 563.1

黎芮彤,岳玉川,谷续洁,等. 儿童难治性肺炎支原体肺炎风险预测模型的系统评价[J]. 中国全科医学, 2025, 28(09): 1105-1114. DOI: 10.12114/j.issn.1007-9572.2024.0098.
LI Ruitong,YUE Yuchuan,GU Xujie, et al. Risk Prediction Models for Refractory Mycoplasma Pneumoniae Pneumonia in Children: a Systematic Review[J]. Chinese General Practice, 2025, 28(09): 1105-1114. DOI: 10.12114/j.issn.1007-9572.2024.0098.

图/表 9

参考文献 52

[31]	GONG H，SUN B J，CHEN Y，et al. The risk factors of children acquiring refractory Mycoplasma pneumoniae pneumonia：a meta-analysis[J]. Medicine，2021，100（11）：e24894. DOI：10.1097/MD.0000000000024894.
[32]	许姜姜，舒林华. 儿童难治性肺炎支原体肺炎临床特征分析[J]. 中国当代儿科杂志，2018，20（1）：37-42. DOI：10.7499/j.issn.1008-8830.2018.01.008.
[33]	李宁，陈言钊，周克英. 乳酸脱氢酶在儿童难治性肺炎支原体肺炎诊断和治疗中的意义[J]. 中国小儿急救医学，2017，24（4）：305-308. DOI：10.3760/cma.j.issn.1673-4912.2017.04.015.
[34]	LU A Z，WANG C K，ZHANG X B，et al. Lactate dehydrogenase as a biomarker for prediction of refractory Mycoplasma pneumoniae pneumonia in children[J]. Respir Care，2015，60（10）：1469-1475. DOI：10.4187/respcare.03920.
[35]	HUANG X，LI D，LIU F，et al. Clinical significance of D-dimer levels in refractory Mycoplasma pneumoniae pneumonia[J]. BMC Infect Dis，2021，21（1）：14. DOI：10.1186/s12879-020-05700-5.
[36]	郑雪香，林继雷，代继宏. 基于决策曲线和剂量反应分析评估乳酸脱氢酶对儿童难治性肺炎支原体肺炎的预测价值[J]. 中国当代儿科杂志，2020，22（2）：112-117. DOI：10.7499/j.issn.1008-8830.2020.02.006.
[37]	ZHAO J L，JI X，WANG Y S，et al. Clinical role of serum interleukin-17A in the prediction of refractory Mycoplasma pneumoniae pneumonia in children[J]. Infect Drug Resist，2020，13：835-843. DOI：10.2147/IDR.S240034.
[38]	LIU T Y，LEE W J，TSAI C M，et al. Serum lactate dehydrogenase isoenzymes 4 plus 5 is a better biomarker than total lactate dehydrogenase for refractory Mycoplasma pneumoniae pneumonia in children[J]. Pediatr Neonatol，2018，59（5）：501-506. DOI：10.1016/j.pedneo.2017.12.008.
[39]	吴素丽，王宏鑫，王萌，等. WBC与CRP和D-D及FIB对肺炎支原体感染的诊断效果分析[J]. 中华医院感染学杂志，2020，30（3）：346-349. DOI：10.11816/cn.ni.2020-190319.
[40]	WEN J，SU Y F，SUN H L，et al. The combination of initial markers to predict refractory Mycoplasma pneumoniae pneumonia in Chinese children：a case control study[J]. Respir Res，2021，22（1）：89. DOI：10.1186/s12931-020-01577-9.
[41]	杨海军. 儿童难治性肺炎支原体肺炎的危险因素及预测价值分析[J]. 中国现代药物应用，2024，18（1）：1-5. DOI：10.14164/j.cnki.cn11-5581/r.2024.01.001.
[1]	SØNDERGAARD M J，FRIIS M B，HANSEN D S，et al. Clinical manifestations in infants and children with Mycoplasma pneumoniae infection[J]. PLoS One，2018，13（4）：e0195288. DOI：10.1371/journal.pone.0195288.
[2]	LI Y Y，GUO Z Y，ZHANG G L，et al. The correlation between vitamin a status and refractory Mycoplasma Pneumoniae pneumonia（RMPP）incidence in children[J]. BMC Pediatr，2020，20（1）：359. DOI：10.1186/s12887-020-02254-y.
[3]	LIU J R，LU J，DONG F，et al. Low bacterial co-infection invalidates the early use of non-anti-Mycoplasma pneumoniae antibiotics in pediatric refractory Mycoplasma pneumoniae pneumonia patients[J]. Front Pediatr，2018，6：296. DOI：10.3389/fped.2018.00296.
[4]	刘晓梅，崔振泽，杨光. 难治性肺炎支原体肺炎危险因素分析[J]. 中国现代医学杂志，2020，30（2）：55-59. DOI：10.3969/j.issn.1005-8982.2020.02.010.
[5]	JIANG Z L，LI S H，ZHU C M，et al. Mycoplasma pneumoniae infections：pathogenesis and vaccine development[J]. Pathogens，2021，10（2）：119. DOI：10.3390/pathogens10020119.
[6]	赵顺英，钱素云，陈志敏，等. 儿童肺炎支原体肺炎诊疗指南（2023年版）[J]. 新发传染病电子杂志，2024，9（1）：73-79. DOI：10.19871/j.cnki.xfcrbzz.2024.01.015.
[7]	WAITES K B，XIAO L，LIU Y，et al. Mycoplasma pneumoniae from the respiratory tract and beyond[J]. Clin Microbiol Rev，2017，30（3）：747-809. DOI：10.1128/CMR.00114-16.
[8]	SARAYA T. Mycoplasma pneumoniae infection：basics[J]. J Gen Fam Med，2017，18（3）：118-125. DOI：10.1002/jgf2.15.
[9]	刘帅帅，马静，张忠晓，等. 儿童肺炎支原体坏死性肺炎的早期预测指标[J]. 中华实用儿科临床杂志，2021，36（8）：601-604. DOI：10.3760/cma.j.cn101070-20191231-01327.
[10]	MOONS K G M，DE GROOT J A H，BOUWMEESTER W，et al. Critical appraisal and data extraction for systematic reviews of prediction modelling studies：the CHARMS checklist[J]. PLoS Med，2014，11（10）：e1001744. DOI：10.1371/journal.pmed.1001744.
[11]	WOLFF R F，MOONS K G M，RILEY R D，et al. PROBAST：a tool to assess the risk of bias and applicability of prediction model studies[J]. Ann Intern Med，2019，170（1）：51-58. DOI：10.7326/M18-1376.
[12]	陈香萍，张奕，庄一渝，等. PROBAST：诊断或预后多因素预测模型研究偏倚风险的评估工具[J]. 中国循证医学杂志，2020，20（6）：737-744. DOI：10.7507/1672-2531.201910087.
[13]	WANG Z，LI Y C，ZHOU X J，et al. Prediction of refractory Mycoplasma pneumoniae pneumonia in pediatric patients[J]. Pediatr Allergy Immunol Pulmonol，2017，30（2）：92-96. DOI：10.1089/ped.2016.0732.
[14]	CHENG S Y，LIN J L，ZHENG X X，et al. Development and validation of a simple-to-use nomogram for predicting refractory Mycoplasma pneumoniae pneumonia in children[J]. Pediatr Pulmonol，2020，55（4）：968-974. DOI：10.1002/ppul.24684.
[15]	BI Y，ZHU Y F，MA X，et al. Development of a scale for early prediction of refractory Mycoplasma pneumoniae pneumonia in hospitalized children[J]. Sci Rep，2021，11（1）：6595. DOI：10.1038/s41598-021-86086-5.
[16]	LIU G T，WANG G L，YANG Z，et al. A lung ultrasound-based nomogram for the prediction of refractory Mycoplasma pneumoniae pneumonia in hospitalized children[J]. Infect Drug Resist，2022，15：6343-6355. DOI：10.2147/IDR.S387890.
[17]	SHEN F F，DONG C J，ZHANG T Q，et al. Development of a nomogram for predicting refractory Mycoplasma pneumoniae pneumonia in children[J]. Front Pediatr，2022，10：813614. DOI：10.3389/fped.2022.813614.
[18]	XIE Q Y，ZHANG X T，CUI W，et al. Construction of a nomogram for identifying refractory Mycoplasma pneumoniae pneumonia among macrolide-unresponsive Mycoplasma pneumoniae pneumonia in children[J]. J Inflamm Res，2022，15：6495-6504. DOI：10.2147/JIR.S387809.
[19]	闵双双，魏兵，马明，等. 儿童难治性肺炎支原体肺炎危险因素分析及风险评估模型建立[J]. 临床军医杂志，2022，50（1）：46-50. DOI：10.16680/j.1671-3826.2022.01.13.
[20]	孙俊华，王晓丽. 儿童难治性肺炎支原体肺炎早期预测模型的构建与验证[J]. 宁夏医学杂志，2022，44（1）：49-51. DOI：10.13621/j.1001-5949.2022.01.0049.
[21]	许颖，王丹. 儿童难治性肺炎支原体肺炎危险因素分析及风险评分模型的构建[J]. 广东医学，2022，43（11）：1332-1336. DOI：10.13820/j.cnki.gdyx.20222747.
[22]	叶洪舟，朱焰，施明杰. 学龄期儿童难治性肺炎支原体肺炎早期预测模型的建立[J]. 浙江医学，2022，44（14）：1523-1527. DOI：10.12056/j.issn.1006-2785.2022.44.14.2022-817.
[23]	张雨. 儿童难治性肺炎支原体肺炎的临床特征和预测模型[D]. 衡阳：南华大学，2022.
[24]	LI M，WEI X，ZHANG S S，et al. Recognition of refractory Mycoplasma pneumoniae pneumonia among Myocoplasma pneumoniae pneumonia in hospitalized children：development and validation of a predictive nomogram model[J]. BMC Pulm Med，2023，23（1）：383. DOI：10.1186/s12890-023-02684-1.
[25]	ZHU J W，LIU X，ZHAN X W，et al. Predictive value of chemokines（CCL 2）in bronchoalveolar lavage fluid for refractory mycoplasma pneumonia in children[J]. Ital J Pediatr，2023，49（1）：125. DOI：10.1186/s13052-023-01528-2.
[26]	程彩虹. 皖南儿童难治性支原体肺炎Nomogram预测模型构建[D]. 芜湖：皖南医学院，2023.
[27]	PAATS M S，BERGEN I M，HANSELAAR W E J J，et al. Local and systemic cytokine profiles in nonsevere and severe community-acquired pneumonia[J]. Eur Respir J，2013，41（6）：1378-1385. DOI：10.1183/09031936.00060112.
[28]	朱影，王婧. 儿童难治性肺炎支原体肺炎高危因素logsitic回归分析[J]. 河北医学，2018，24（5）：760-763. DOI：10.3969/j.issn.1006-6233.2018.05.015.
[29]	LIU X M，CUI Z Z，Yang G. Analysis of risk factors of Mycoplasma pneumoniae pneumonia[J]. China J Modern Med，2019，10：1-8.
[30]	YAN Y D，WEI Y Z，JIANG W J，et al. The clinical characteristics of corticosteroid-resistant refractory Mycoplasma Pneumoniae pneumonia in children[J]. Sci Rep，2016，6：39929. DOI：10.1038/srep39929.
[42]	高恒妙，钱素云. 难治性、暴发性及大环内酯类耐药肺炎支原体肺炎的治疗[J]. 中国小儿急救医学，2021，28（1）：1-6. DOI：10.3760/cma.j.issn.1673-4912.2021.01.001.
[43]	李静，刘长山，王雪艳. 儿童肺炎支原体肺炎临床特点及重症危险因素分析[J]. 天津医科大学学报，2019，25（4）：396-399.
[44]	张芙荣，周卫芳，李玉琴，等. 中性粒细胞与淋巴细胞比值、血小板与淋巴细胞比值在重症肺炎支原体肺炎中的诊断价值[J]. 中华实用儿科临床杂志，2022，37（4）：260-264. DOI：10.3760/cma.j.cn101070-20201013-01612.
[45]	赵茜叶，侍苏杰，孙大权，等. 难治性肺炎支原体肺炎患儿支气管肺泡灌洗液中半乳凝素-3水平与细胞免疫的相关性[J]. 中国当代儿科杂志，2019，21（2）：150-154. DOI：10.7499/j.issn.1008-8830.2019.02.008.
[46]	李玉娟. 学龄期难治性肺炎支原体肺炎临床特点及危险因素分析[J]. 感染、炎症、修复，2021，22（1）：24-29. DOI：10.3969/j.issn.1672-8521.2021.01.006.
[47]	BALK D S，LEE C，SCHAFER J，et al. Lung ultrasound compared to chest X-ray for diagnosis of pediatric pneumonia：a meta-analysis[J]. Pediatr Pulmonol，2018，53（8）：1130-1139. DOI：10.1002/ppul.24020.
[48]	IORIO G，CAPASSO M，PRISCO S，et al. Lung ultrasound findings undetectable by chest radiography in children with community-acquired pneumonia[J]. Ultrasound Med Biol，2018，44（8）：1687-1693. DOI：10.1016/j.ultrasmedbio.2018.04.007.
[49]	ZAR H J，ANDRONIKOU S，NICOL M P. Advances in the diagnosis of pneumonia in children[J]. BMJ，2017，358：j2739. DOI：10.1136/bmj.j2739.
[50]	黄光成，周良，石建伟，等. 机器学习算法在疾病风险预测中的应用与比较[J]. 中国卫生资源，2020，23（4）：432-436. DOI：10.13688/j.cnki.chr.2020.19608.
[51]	INDRAWAN G，SUDIARSA I K P，AGUSTINI K，et al. Smooth support vector machine for suicide-related behaviours prediction[J]. Int J Electr Comput Eng IJECE，2018，8（5）：3399. DOI：10.11591/ijece.v8i5.pp3399-3406.
[52]	UDDIN M I，ZADA N，AZIZ F，et al. Prediction of future terrorist activities using deep neural networks[J]. Complexity，2020，2020：1373087. DOI：10.1155/2020/1373087.

步骤	检索式
#1	（child[MeSH Terms]）OR（children[Title/Abstract]）
#2	（（refractory mycoplasma pneumoniae pneumonia[MeSH Terms]）OR（rmpp[Title/Abstract]））OR（RMPP[Title/Abstract]）
#3	（"prediction model"[Title/Abstract] OR "risk prediction model"[Title/Abstract] OR "risk prediction"[Title/Abstract] OR "prognostic model"[Title/Abstract] OR "prediction tool"[Title/Abstract] OR "risk score"[Title/Abstract] OR "risk assessment"[Title/Abstract] OR "area under curve"[Title/Abstract] OR "roc curve"[Title/Abstract] OR "nomogram"[Title/Abstract]）
#4	#1 AND #2 AND #3

步骤	检索式
#1	（child[MeSH Terms]）OR（children[Title/Abstract]）
#2	（（refractory mycoplasma pneumoniae pneumonia[MeSH Terms]）OR（rmpp[Title/Abstract]））OR（RMPP[Title/Abstract]）
#3	（"prediction model"[Title/Abstract] OR "risk prediction model"[Title/Abstract] OR "risk prediction"[Title/Abstract] OR "prognostic model"[Title/Abstract] OR "prediction tool"[Title/Abstract] OR "risk score"[Title/Abstract] OR "risk assessment"[Title/Abstract] OR "area under curve"[Title/Abstract] OR "roc curve"[Title/Abstract] OR "nomogram"[Title/Abstract]）
#4	#1 AND #2 AND #3

第一作者	发表时间（年）	研究地点	模型类型	研究设计	研究对象	数据来源	病例收集时间（年）	样本总量			结局指标
第一作者	发表时间（年）	研究地点	模型类型	研究设计	研究对象	数据来源	病例收集时间（年）	结果事件（例）	例数	发生率（%）	结局指标
WANG^[13]	2017	上海1所医院	E+V₁	②	1~14岁的MMP和RMPP儿童	电子病历系统	2014—2016	49	234	20.94	RMMP
CHENG^[14]	2020	重庆1所医院	E+V₁	②	≤18岁的MPP和RMPP儿童	电子病历系统	2013—2019	73	219	33.33	RMMP
BI^[15]	2021	南京1所医院	E+V_1，2	①	MPP和RMPP儿童	临床资料	2016—2018	165	1 562	10.56	RMMP
LIU^[16]	2022	山东1所医院	E+V_1，2	②	1~14岁的MPP和RMPP儿童	电子病历系统	2018—2021	94	315	29.84	RMMP
SHEN^[17]	2022	天津1所医院	E+V₁	②	≤18岁的MPP和RMPP儿童	电子病历系统	2018—2021	155	299	51.84	RMMP
XIE^[18]	2022	宁波1所医院	E+V₁	②	≤18岁的NRMPP和RMPP儿童	电子病历系统	2020年1月—2022年1月	56	162	34.57	RMMP
闵双双^[19]	2022	北京1所医院	E+V₂	②	MPP和RMPP儿童	临床资料	2015—2019	124	351	35.33	RMMP
孙俊华^[20]	2022	宁夏1所医院	E+V₁	②	1~14岁的MPP和RMPP儿童	临床资料	2018—2020	32	208	15.38	RMMP
许颖^[21]	2022	辽宁1所医院	E+V₁	②	MPP和RMPP儿童	电子病历系统	2020—2022	—	268	—	RMMP
叶洪舟^[22]	2022	湖州1所医院	E	③	6~14岁的MPP和RMPP儿童	临床资料	2019—2020	109	307	35.50	RMMP
张雨^[23]	2022	某三甲医院	E	②	MPP和RMPP儿童	电子病历系统	2019—2020	57	185	30.81	RMMP
LI^[24]	2023	江苏2所医院	E+V_1，2	①	≤14岁的MPP和RMPP儿童	电子病历系统	2018—2021	195	839	23.24	RMMP
ZHU^[25]	2023	河南2所医院	E	②	≤14岁的MPP和RMPP儿童	临床资料	2021年10月—2023年2月	20	51	39.22	RMMP
程彩虹^[26]	2023	安徽1所医院	E+V₁	②	MPP和RMPP儿童	电子病历系统	2019—2022	42	425	9.88	RMMP

第一作者	发表时间（年）	研究地点	模型类型	研究设计	研究对象	数据来源	病例收集时间（年）	样本总量			结局指标
第一作者	发表时间（年）	研究地点	模型类型	研究设计	研究对象	数据来源	病例收集时间（年）	结果事件（例）	例数	发生率（%）	结局指标
WANG^[13]	2017	上海1所医院	E+V₁	②	1~14岁的MMP和RMPP儿童	电子病历系统	2014—2016	49	234	20.94	RMMP
CHENG^[14]	2020	重庆1所医院	E+V₁	②	≤18岁的MPP和RMPP儿童	电子病历系统	2013—2019	73	219	33.33	RMMP
BI^[15]	2021	南京1所医院	E+V_1，2	①	MPP和RMPP儿童	临床资料	2016—2018	165	1 562	10.56	RMMP
LIU^[16]	2022	山东1所医院	E+V_1，2	②	1~14岁的MPP和RMPP儿童	电子病历系统	2018—2021	94	315	29.84	RMMP
SHEN^[17]	2022	天津1所医院	E+V₁	②	≤18岁的MPP和RMPP儿童	电子病历系统	2018—2021	155	299	51.84	RMMP
XIE^[18]	2022	宁波1所医院	E+V₁	②	≤18岁的NRMPP和RMPP儿童	电子病历系统	2020年1月—2022年1月	56	162	34.57	RMMP
闵双双^[19]	2022	北京1所医院	E+V₂	②	MPP和RMPP儿童	临床资料	2015—2019	124	351	35.33	RMMP
孙俊华^[20]	2022	宁夏1所医院	E+V₁	②	1~14岁的MPP和RMPP儿童	临床资料	2018—2020	32	208	15.38	RMMP
许颖^[21]	2022	辽宁1所医院	E+V₁	②	MPP和RMPP儿童	电子病历系统	2020—2022	—	268	—	RMMP
叶洪舟^[22]	2022	湖州1所医院	E	③	6~14岁的MPP和RMPP儿童	临床资料	2019—2020	109	307	35.50	RMMP
张雨^[23]	2022	某三甲医院	E	②	MPP和RMPP儿童	电子病历系统	2019—2020	57	185	30.81	RMMP
LI^[24]	2023	江苏2所医院	E+V_1，2	①	≤14岁的MPP和RMPP儿童	电子病历系统	2018—2021	195	839	23.24	RMMP
ZHU^[25]	2023	河南2所医院	E	②	≤14岁的MPP和RMPP儿童	临床资料	2021年10月—2023年2月	20	51	39.22	RMMP
程彩虹^[26]	2023	安徽1所医院	E+V₁	②	MPP和RMPP儿童	电子病历系统	2019—2022	42	425	9.88	RMMP

第一作者	建模方法	变量选择	候选变量		样本量（D/I/E）	缺失数据		最终包含的预测因子
第一作者	建模方法	变量选择	数量（个）	连续变量处理方法	样本量（D/I/E）	数量（例）	处理方式	内容	数量（个）
WANG^[13]	LR	Logistic回归	11	N	234/—/—	—	—	年龄、LDH、ESR、CRP	4
CHENG^[14]	LR	LASSO回归	21	N	131/88/—	—	—	LDH、ALB、NE、高热	4
BI^[15]	LR	逐步回归法	14	N	618/—/944	—	—	年龄、发热天数、CRP、ALT、LDH、胸部影响学评分	6
LIU^[16]	LR	—	20	N	225/—/90	22	删除	实变大小/BSA、胸腔积液、LDH、CRP	4
SHEN^[17]	LR	逐步回归法	23	N	299/—/—	35	删除	CRP、LDH、D-二聚体	3
XIE^[18]	LR	单因素、多因素分析	16	N	162/—/—	—	—	年龄、白细胞计数、NE、血清PCT、LDH	5
闵双双^[19]	LR	单因素分析	24	N	351/—/67	—	—	高热、三凹征、肺部浸润改变、CRP、ESR、MP核酸耐药突变	6
孙俊华^[20]	LR	单因素、多因素分析	24	N	208/—/—	—	—	年龄、PCT、CRP	3
许颖^[21]	LR	单因素、多因素分析	—	N	188/80/—	—	—	LDH、CRP、PCT、NE	4
叶洪舟^[22]	LR	单因素、多因素分析	19	N	307/—/—	—	—	WBC、CRP、PCT、LDH、NE、MP核酸耐药突变	6
张雨^[23]	LR	单因素分析	—	N	185/—/—	76	删除	发热时间、NE、ALT、AST、LDH、D-二聚体、淋巴细胞比值、ALB、血钙	9
LI^[24]	LR	单因素、多因素分析	20	N	517/—/322	—	完整案例分析	年龄、发热天数、淋巴细胞计数、D-二聚体、肺部影像学评分	5
ZHU^[25]	LR	单因素分析	21	N	51/—/—	4	删除	CCL2、发热持续时间	2
程彩虹^[26]	LR	LASSO回归	28	N	301/124/—	—	五重差缺失值替换	入院前病程、精神状态、肺部听诊、CRP	4