Pałeczka okrężnicy
Rokowania, prognozy i postęp choroby
Zakażenia wywołane przez Escherichia coli charakteryzują się zróżnicowanym przebiegiem klinicznym, a śmiertelność w bakteriemii wynosi średnio około 17%, z wahaniami od 8% do 35%. Kluczowymi czynnikami ryzyka zgonu są m.in. poziom białka całkowitego ≤5,10 g/dl (śmiertelność 46,2%), białko całkowite ≤5,90 g/dl z zaburzeniami świadomości (39,4%) oraz białko całkowite ≤5,90 g/dl z hemoglobiną ≤11,10 g/dl i dehydrogenazą mleczanową ≥312,0 IU/l (42,3%). Wiek poniżej 1. roku życia lub powyżej 44 lat, infekcje układu oddechowego oraz niewłaściwa terapia empiryczna zwiększają ryzyko zgonu. W przypadku szpitalnego zapalenia płuc (HABP) wywołanego przez E. coli, 30-dniowa śmiertelność wynosi 24,56%, a niezależnymi czynnikami ryzyka są wynik SOFA ≥4,0, wynik Pitta ≥2,0 oraz niewłaściwa terapia empiryczna. Zakażenia STEC mogą prowadzić do zespołu hemolityczno-mocznicowego (HUS) z 3-5% śmiertelnością i długoterminowymi powikłaniami nerkowymi u do 64% pacjentów, nawet przy pozornym wyzdrowieniu funkcji nerek.
- Prognoza przy zakażeniach pałeczką okrężnicy
- Śmiertelność i czynniki ryzyka
- Prognoza w zakażeniach szpitalnych
- Prognoza w zespole hemolityczno-mocznicowym
- Czas trwania infekcji i przewidywanie przebiegu
- Modele predykcyjne w prognozowaniu zakażeń E. coli
- Przeżywalność E. coli w środowisku
- Podsumowanie czynników prognostycznych
Prognoza przy zakażeniach pałeczką okrężnicy
Zakażenia Escherichia coli (pałeczka okrężnicy) mogą prowadzić do różnorodnych konsekwencji klinicznych, od łagodnych stanów do zagrażających życiu powikłań. Prognoza jest zależna od wielu czynników, w tym typu szczepu wywołującego zakażenie, stanu immunologicznego pacjenta, czasu rozpoczęcia leczenia oraz obecności czynników ryzyka zwiększonej śmiertelności.1
Śmiertelność i czynniki ryzyka
Zakażenia wywołane przez E. coli mogą być śmiertelne. Badania sugerują, że średni wskaźnik śmiertelności wynosi około 17%, choć wyniki różnych badań znacząco się różnią (od 8% do 35%). Zakażenia układu moczowego wywołane przez E. coli są zwykle mniej śmiertelne niż inne rodzaje infekcji wywoływane przez tę bakterię. Najczęstszą przyczyną zgonu u pacjentów z zakażeniami E. coli jest sepsa.1
Analiza czynników ryzyka zgonu przy bakteriemii E. coli wskazuje na kilka istotnych parametrów. Model analizy drzewa decyzyjnego CHAID (Chi-Square Automatic Interaction Detector) wykazał, że do grupy wysokiego ryzyka należą pacjenci z:2
- Poziomem białka całkowitego ≤5,10 g/dl (śmiertelność 46,2%)
- Poziomem białka całkowitego ≤5,90 g/dl z zaburzeniami świadomości (śmiertelność 39,4%)
- Poziomem białka całkowitego ≤5,90 g/dl z poziomem hemoglobiny ≤11,10 g/dl i dehydrogenazy mleczanowej ≥312,0 IU/l (śmiertelność 42,3%)
Wyższe ryzyko zgonu występuje u pacjentów poniżej 1. roku życia lub powyżej 44. roku życia, u osób z infekcją układu oddechowego lub zakażeniem nieodpowiadającym na antybiotykoterapię.1
Prognoza w zakażeniach szpitalnych
W przypadku szpitalnego zapalenia płuc (HABP) wywołanego przez E. coli, 30-dniowa śmiertelność wynosi 24,56%, co jest istotnie niższe niż w przypadku HABP wywołanego przez Klebsiella pneumoniae (48,33%, P = 0,008).3
Niezależnymi czynnikami ryzyka 30-dniowej śmiertelności u pacjentów z zapaleniem płuc wywołanym przez E. coli (E. coli-HABP) są:4
- Niewłaściwa terapia empiryczna
- Wynik w skali SOFA ≥4,0
- Wynik w skali Pitta ≥2,0
Zakażenia odcewnikowe związane z E. coli (C-RBSI) występują stosunkowo rzadko (9,0% przypadków), ale skuteczność leczenia z utrzymaniem cewnika i uzyskaniem ujemnych posiewów krwi wynosi tylko 37,5%.5
Prognoza w zespole hemolityczno-mocznicowym
Zakażenie szczepami E. coli wytwarzającymi toksynę Shiga (STEC) może prowadzić do zespołu hemolityczno-mocznicowego (HUS), który stanowi poważne powikłanie, szczególnie u małych dzieci i osób starszych. Szacuje się, że do 10% pacjentów z zakażeniem STEC może rozwinąć HUS, ze wskaźnikiem śmiertelności wynoszącym od 3 do 5%. HUS jest najczęstszą przyczyną ostrej niewydolności nerek u małych dzieci.6
Długoterminowe następstwa STEC-HUS są znaczące, a pacjenci z pozornie całkowitym wyzdrowieniem czynności nerek pozostają w grupie ryzyka. Metaanaliza oceniająca rozwój długoterminowych powikłań nerkowych po STEC-HUS (z minimum 12 miesięcy od ostrego zachorowania) wykazała, że śmiertelność lub schyłkowa niewydolność nerek (ESRD) występuje u 0-30% pacjentów. Do 64% pacjentów rozwija nieprawidłowy GFR, białkomocz lub nadciśnienie.7
Wykazano również, że pacjenci z mniej nasilonym początkowym przebiegiem choroby mogą nadal być narażeni na długoterminowe powikłania nerkowe, co jest zgodne z innymi danymi dotyczącymi ostrego uszkodzenia nerek. Nawet pacjenci z pełnym wyzdrowieniem funkcji nerek mogą mieć wykrywalne objawy choroby nerek w dłuższej perspektywie.8
Czas trwania infekcji i przewidywanie przebiegu
W zależności od typu zakażenia E. coli, objawy mogą utrzymywać się od dwóch dni do dwóch tygodni. Zakażenia STEC zwykle trwają od pięciu do siedmiu dni.1 Większość pacjentów wraca do zdrowia samoistnie lub po zastosowaniu antybiotykoterapii.1
Modele predykcyjne w prognozowaniu zakażeń E. coli
Modele uczenia maszynowego
Rozwój modeli predykcyjnych opartych na uczeniu maszynowym ma znaczący potencjał w przewidywaniu oporności na antybiotyki u szczepów E. coli, co może poprawić wyniki leczenia. Testowanie modeli takich jak regresja logistyczna, lasy losowe, wzmacniane drzewa decyzyjne i głębokie sieci neuronowe na danych z sekwencjonowania całego genomu E. coli wykazało wysoką skuteczność w przewidywaniu oporności na 11 związków z czterech klas antybiotyków.9
Wzmacniane drzewa decyzyjne uzyskały najlepsze wyniki w przewidywaniu oporności dla 11/11 i wrażliwości dla 9/11 leków, ze średnią precyzją 0,93 i czułością 0,83. Wyniki pokazują, że modele predykcyjne mogą wykorzystywać pokrewieństwo genetyczne i strukturę populacji do przewidywania oporności.10
Do identyfikacji receptorów gospodarza wykorzystywanych przez bakteriofagi do wnikania do komórek E. coli również stosuje się modele uczenia maszynowego. Algorytmy, takie jak Random Forest, Regresja Logistyczna i Drzewo Decyzyjne, mogą przewidywać receptory bakteryjne, co ma potencjalne zastosowanie w terapii fagowej jako alternatywie dla antybiotyków w leczeniu zakażeń wieloopornymi szczepami.1112
Modele matematyczne przewidywania przeżywalności
Modele matematyczne wykazały, że krótki czas trwania leczenia ampicyliną (podawanie domięśniowe) powoduje mniejszą selekcję bakterii opornych w jelitach leczonych zwierząt i szybszy powrót do równowagi mikrobiologicznej.13
W badaniach nad eliminacją E. coli w procesach oczyszczania ścieków, modele przewidywania umożliwiły oszacowanie udziału poszczególnych mechanizmów usuwania bakterii z błędem względnym na poziomie 5,34%. Mechanizmy te obejmowały rozpad w ciemności (78,6-91,0% całkowitego usuwania E. coli), dezynfekcję wspomaganą światłem słonecznym (6,01-17,8%) oraz toksyczność związaną z wysokim pH (0,22-6,2%).1415
Modele środowiskowe
Opracowano bayesowski model regresji mieszanej z efektami losowymi do oceny czynników środowiskowych wpływających na stężenie E. coli na plażach morskich. Wyższe średnie geometryczne poziomy E. coli były prognozowane przez wyższe stężenia E. coli z poprzedniego dnia pobierania próbek, wyższe opady deszczu w ciągu poprzednich 48 godzin oraz wyższą średnią 24-godzinną temperaturę powietrza przy medianie lub wyższych poziomach 24-godzinnego średniego indeksu UV.16
Wpływ poszczególnych czynników na stężenie E. coli różnił się znacznie w zależności od plaży, co wskazuje na konieczność stosowania podejścia specyficznego dla danej plaży w programach monitorowania i modelach predykcyjnych.17
Przeżywalność E. coli w środowisku
Badania nad przeżywalnością E. coli O157 w glebie wykazały znaczące różnice w zależności od warunków. W glebie autoklawowanej całkowita eliminacja trzech szczepów E. coli O157 nastąpiła po 169 dniach, natomiast w glebie naturalnej po 84 dniach. Największą redukcję E. coli O157 zaobserwowano w glebach naturalnych w temperaturze 30°C, co sugeruje, że obecność określonych bakterii w naturalnym środowisku glebowym może przyczynić się do redukcji E. coli O157.18
Podsumowanie czynników prognostycznych
Prognozowanie przebiegu zakażeń E. coli wymaga uwzględnienia wielu czynników:
| Czynnik | Wpływ na prognozę | Uwagi |
|---|---|---|
| Poziom białka całkowitego ≤5,10 g/dl | Zwiększa śmiertelność do 46,2% | Czynnik wysokiego ryzyka w bakteriemii |
| Białko całkowite ≤5,90 g/dl + zaburzenia świadomości | Zwiększa śmiertelność do 39,4% | Czynnik wysokiego ryzyka w bakteriemii |
| Białko całkowite ≤5,90 g/dl + hemoglobina ≤11,10 g/dl + LDH ≥312,0 IU/l | Zwiększa śmiertelność do 42,3% | Czynnik wysokiego ryzyka w bakteriemii |
| Wiek 44 lat | Zwiększa śmiertelność | Populacja szczególnie wrażliwa |
| Wynik SOFA ≥4,0 | Niezależny czynnik ryzyka śmiertelności | Istotny w E. coli-HABP |
| Wynik Pitta ≥2,0 | Niezależny czynnik ryzyka śmiertelności | Istotny w E. coli-HABP |
| Niewłaściwa terapia empiryczna | Niezależny czynnik ryzyka śmiertelności | Istotny w E. coli-HABP |
| Zakażenie STEC prowadzące do HUS | Śmiertelność 3-5% | Do 64% pacjentów rozwija długoterminowe powikłania nerkowe |
Właściwe przewidywanie przebiegu zakażeń E. coli ma kluczowe znaczenie dla optymalizacji terapii i poprawy wyników leczenia. Coraz bardziej zaawansowane modele matematyczne i algorytmy uczenia maszynowego oferują obiecujące narzędzia do prognozowania oporności antybiotykowej, ciężkości zakażenia i ryzyka powikłań.1028
Kolejne rozdziały
Zapraszamy do dalszego czytania naszego leksykonu.
Wybierz kolejny rozdział z menu poniżej, aby otworzyć nową podstronę kompedium wiedzy i uzyskać szczegółowe informację o leku, substancji lub chorobie.