Zatrucie pokarmowe
Rokowania, prognozy i postęp choroby
Zatrucie pokarmowe zwykle ustępuje samoistnie w ciągu 12-48 godzin, choć czas trwania objawów może się wydłużyć w zależności od dawki toksyny, stanu układu odpornościowego oraz obecności pasożytów wymagających leczenia. Kliniczna prezentacja obejmuje głównie wymioty i biegunkę (>3 luźne stolce/24h), a rozpoznanie opiera się na wywiadzie, cechach epidemiologicznych i badaniach dodatkowych. Grupy ryzyka ciężkiego przebiegu to dzieci <5 r.ż., osoby >65 r.ż., kobiety w ciąży oraz pacjenci z immunosupresją. Czynniki prognostyczne obejmują wiek, wynik w skali Glasgow (GCS) oraz choroby współistniejące, takie jak zaburzenia rytmu serca i przewlekła niewydolność oddechowa, które zwiększają ryzyko konieczności hospitalizacji na OIT. Najczęstszą powikłaniem jest odwodnienie, a śmiertelność u osób bez chorób współistniejących jest rzadka w krajach rozwiniętych. Antybiotykoterapia empiryczna jest wskazana przy gorączce i objawach inwazyjnych (np. krwawa biegunka, leukocyty w kale), utrzymujących się >7 dni lub ciężkich objawach (>8 wodnistych stolców/dobę).
Prognoza zatrucia pokarmowego – przegląd ogólny
Zatrucie pokarmowe to schorzenie, które w większości przypadków kończy się pełnym wyzdrowieniem bez konieczności interwencji medycznej. Większość pacjentów z najczęstszymi typami zatruć pokarmowych powraca do zdrowia w ciągu 12-48 godzin. Zazwyczaj zatrucie pokarmowe ustępuje w ciągu 24-48 godzin od wystąpienia objawów. Czas trwania dolegliwości może być jednak dłuższy w zależności od ilości toksyny w organizmie, stanu układu odpornościowego pacjenta lub obecności pasożytów wymagających leczenia lekami przeciwpasożytniczymi.12
Zatrucie pokarmowe może mieć różne prezentacje kliniczne – od łagodnych objawów wymagających jedynie opieki ambulatoryjnej do ciężkich stanów klinicznych wymagających hospitalizacji. Większość zatruć pokarmowych objawia się wymiotami lub biegunką (ponad trzy luźne stolce w ciągu 24 godzin). Żaden z objawów zatrucia pokarmowego nie jest specyficzny, dlatego lekarz musi uwzględnić wywiad, cechy epidemiologiczne i obiektywne wyniki badań, aby postawić właściwą diagnozę.1
Czynniki prognostyczne w zatruciu pokarmowym
W przypadkach zatrucia pokarmowego, zrozumienie historii medycznej pacjenta, jego aktualnego stanu fizjologicznego oraz toksykokinetyki spożytej substancji jest kluczowe dla przewidywania potencjalnych wyników i określenia odpowiednich interwencji. Poważnym źródłem niepewności diagnostycznej jest ograniczona świadomość pacjentów dotycząca konkretnych substancji chemicznych powodujących ich objawy, co utrudnia ukierunkowane podejście terapeutyczne.1
Grupy wysokiego ryzyka
Niektóre osoby są szczególnie narażone na ciężki przebieg zatrucia pokarmowego i mogą wymagać interwencji medycznej. Do grup ryzyka należą:1
- Dzieci poniżej 5 roku życia
- Osoby powyżej 65 roku życia
- Kobiety w ciąży
- Pacjenci z osłabionym układem odpornościowym
Na rokowanie w zatruciu pokarmowym wpływają istotnie takie czynniki jak: wiek pacjenta, wynik w skali Glasgow (GCS), oraz określone choroby współistniejące, w tym zaburzenia rytmu serca i przewlekła niewydolność oddechowa. Czynniki te znacząco wpływają na prawdopodobieństwo konieczności przyjęcia pacjenta na oddział intensywnej terapii.1
Ryzyko powikłań
Niektóre rodzaje zatruć pokarmowych mogą prowadzić do poważnych powikłań. Najczęstszym powodem konieczności interwencji medycznej jest odwodnienie, szczególnie u osób z grup ryzyka. Śmierć z powodu zatrucia pokarmowego u osób, które są poza tym zdrowe, jest rzadka w krajach rozwiniętych.12
Zatrucia pokarmowe często związane z gorączką są wywoływane przez Vibrio cholerae non-O1, Shigella i Campylobacter jejuni. W przypadku podejrzenia zatrucia pokarmowego, antybiotykoterapia empiryczna powinna być rozważona tylko wtedy, gdy pacjent ma gorączkę i wykazuje objawy choroby inwazyjnej (np. makroskopową krwawą biegunkę, leukocyty w rozmazie kału), gdy objawy utrzymują się dłużej niż tydzień lub są ciężkie (tj. więcej niż osiem wodnistych stolców dziennie), lub gdy może być wymagana hospitalizacja.1
Prognozowanie na podstawie etiologii zatrucia
Etiologia zatrucia pokarmowego może pomóc w przewidywaniu przebiegu choroby:1
- Wczesne pojawienie się wymiotów i biegunki jest wynikiem spożycia gotowych toksyn, najczęściej pochodzących od Staphylococcus aureus lub Bacillus cereus
- Biegunka w ciągu 24 godzin od spożycia jest najczęściej spowodowana przez Clostridium perfringens lub Bacillus cereus
- Biegunka w ciągu 24-48 godzin od spożycia jest najczęściej wywoływana przez Campylobacter jejuni w pojedynczych przypadkach lub Salmonella w ogniskach epidemicznych
Modele predykcyjne w ocenie rokowania
Przewidywanie, czy pacjent z zatruciem wymaga (dalszego) leczenia lub nawet przyjęcia do szpitala, jest jedną z najtrudniejszych decyzji, jakie musi podjąć lekarz. Kluczowym celem modelu predykcyjnego jest określenie konieczności przyjęcia na oddział intensywnej terapii.11
Modele predykcji ryzyka są tworzone w celu oszacowania prawdopodobieństwa niekorzystnego wyniku, takiego jak śmiertelność, na podstawie różnych zmiennych, w tym czynników demograficznych i klinicznych. Stosując innowacyjne podejścia i włączając różnorodne źródła danych, lekarze mogą zwiększyć swoją zdolność do przewidywania wyników u pacjentów z zatruciem i poprawić ogólne strategie zarządzania pacjentami.12
Predykcja oparta na uczeniu maszynowym
Modele predykcyjne oparte na uczeniu maszynowym (ML) mogą przewidywać rokowanie pacjentów z zatruciem poddawanych hemodializie z wysoką skutecznością. Wyniki eksperymentalne wykazały, że dziesięć zmiennych ma znaczący wpływ na wyniki prognostyczne, w tym:1
- Wiek pacjenta
- Konieczność intubacji
- Poziom kwasowości (pH)
- Wcześniejsza historia medyczna
- Poziom wodorowęglanów (HCO3)
- Skala śpiączki Glasgow (GCS)
- Przyjęcie na oddział intensywnej terapii (OIT)
- Ostre uszkodzenie nerek
- Poziom potasu
Badania wykazały, że klasyfikator HGB (Histogram-based Gradient Boosting) przewyższa inne klasyfikatory w prognozowaniu wyników hemodializy, jak wskazują jego wyższe metryki Kappa i niższy wskaźnik błędu. W związku z tym, biorąc pod uwagę te ustalenia, klasyfikator HGB jest uważany za optymalny algorytm do budowy interfejsu systemu wspomagania decyzji klinicznych (CDSS) w celu przewidywania rokowania pacjentów z zatruciem, którzy mogą wymagać dializy.1
Wpływ leczenia na rokowanie
Hemodializa jest ratującym życie leczeniem stosowanym do eliminacji toksyn i metabolitów z organizmu podczas zatrucia. Przewidywanie wyników hemodializy zależy od wielu czynników i różni się w różnych populacjach.11
W przypadkach, gdy nie rozpoczęto leczenia empirycznego, antybiotykoterapia może być wskazana po uzyskaniu wyników posiewu kału, badania na obecność toksyn bakteryjnych lub mikroskopii. Zaleca się stosowanie fluorochinolonu (lub trimetoprimu/sulfametoksazolu u dzieci) jako empirycznej antybiotykoterapii. Leczenie antybiotykami może skrócić czas trwania objawów i może zapobiec bakteriemii u osób starszych, noworodków i pacjentów z obniżoną odpornością.1
Opracowane modele uczenia maszynowego wykazują cenny potencjał w dostarczaniu lekarzom pierwszego kontaktu opartych na danych, narzędzi do podejmowania decyzji w opiece nad pacjentami z zatruciem wymagającymi hemodializy. Badanie dotyczące wykorzystania modeli ML do przewidywania rokowania pacjentów z zatruciem, którzy mają przejść hemodializę, jest pierwszym tego typu.11
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.
Materiały źródłowe
- #1 Food Poisoning: Signs & Symptoms, Treatment, Causeshttps://my.clevelandclinic.org/health/diseases/21167-food-poisoning
Most people will recover without intervention in a few days. […] If you or someone in your care has a particularly severe reaction to food poisoning, you might need medical intervention. The most common reason for this is dehydration, especially in those who are under 5, over 65, pregnant or have compromised immune systems. […] Most of the time, food poisoning passes within 24 to 48 hours. […] It may last longer depending on how much toxin is in your system, if you have a weakened immune system, or if you have a parasite that requires treatment with antiparasitic drugs.
- #1 Diagnosis and Management of Foodborne Illness | AAFPhttps://www.aafp.org/pubs/afp/issues/2015/0901/p358.html
Foodborne illness can have various presentations, ranging from clinically mild illness that requires only outpatient care to severe illness that requires hospitalization. […] Most foodborne illnesses are associated with vomiting or diarrhea (more than three loose stools in 24 hours). […] None of the symptoms of foodborne illness is specific, so the clinician must consider the history, epidemiologic features, and objective findings to make an accurate diagnosis. […] Early onset of vomiting and diarrhea results from ingestion of preformed toxins, most often S. aureus or Bacillus cereus. […] Diarrhea within 24 hours of ingestion is most likely caused by C. perfringens or B. cereus. […] Diarrhea within 24 to 48 hours of ingestion is most often caused by Campylobacter jejuni in individual cases or Salmonella in outbreaks.
- #1 Predicting the outcome in poisoned patients: look at the past! – PubMedhttps://pubmed.ncbi.nlm.nih.gov/38683032/
When predicting future events, we often rely on analyzing past occurrences and projecting them forward. This methodology is crucial in various fields, including toxicology, in which predicting outcomes in poisoned patients plays a vital role in guiding treatment decisions and improving patient care. […] In cases of poisoning, understanding a patient’s medical history, current physiological status, and the toxicokinetics of the ingested substance is essential for predicting potential outcomes and determining appropriate interventions. […] Predicting whether an intoxicated patient needs (further) treatment or even admission to the hospital is one of the most difficult decisions a clinician needs to make. […] A significant source of this uncertainty stems from patients’ limited awareness of the specific chemical(s) causing their symptoms, making a targeted approach challenging.
- #1 Predicting the outcome in poisoned patients: look at the past! – PubMedhttps://pubmed.ncbi.nlm.nih.gov/38683032/
Therefore, a key objective of a predictive model is to determine the necessity for intensive care unit admission. […] Factors such as age, Glasgow Coma Scale, and specific comorbidities like dysrhythmias and chronic respiratory insufficiency significantly influence the likelihood of intensive care unit admission. […] By embracing innovative approaches and incorporating diverse data sources, clinicians can enhance their ability to predict outcomes in poisoned patients and improve overall patient management strategies.
- #1 Diagnosis and Management of Foodborne Illness | AAFPhttps://www.aafp.org/pubs/afp/issues/2015/0901/p358.html
Foodborne illnesses commonly associated with fever are caused by Vibrio cholerae non-O1, Shigella, and C. jejuni. […] Empiric antibiotics should be considered in cases of suspected foodborne illness only if the patient is febrile and has signs of invasive disease (e.g., gross hematochezia, leukocytes on fecal smear), if symptoms have persisted for more than one week or are severe (i.e., more than eight liquid stools per day), or if hospitalization may be required. […] A fluoroquinolone (or trimethoprim/sulfamethoxazole in children) is generally recommended for empiric antibiotic therapy. […] If empiric treatment has not been initiated, antibiotic therapy may be indicated once stool culture, bacterial toxin, or microscopy results are available. […] Antibiotic therapy can shorten the duration of symptoms and may prevent bacteremia in older adults, newborns, and immunocompromised patients.
- #1 Prediction the prognosis of the poisoned patients undergoing hemodialysis using machine learning algorithmshttps://pmc.ncbi.nlm.nih.gov/articles/PMC10845715/
Hemodialysis is a life-saving treatment used to eliminate toxins and metabolites from the body during poisoning. […] This study aims to bridge the existing knowledge gap by developing a machine-learning prediction model for forecasting the prognosis of the poisoned patient undergoing hemodialysis. […] The experimental results showed that ten variables had a significant influence on prognosis outcomes including age, intubation, acidity (PH), previous medical history, bicarbonate (HCO3), Glasgow coma scale (GCS), intensive care unit (ICU) admission, acute kidney injury, and potassium. […] ML-based predictive models can predict the prognosis of poisoned patients undergoing hemodialysis with high performance. […] The developed ML models demonstrate valuable potential for providing frontline clinicians with data-driven, evidence-based tools to guide time-sensitive prognosis evaluations and care decisions for poisoned patients in need of hemodialysis.
- #1 Prediction the prognosis of the poisoned patients undergoing hemodialysis using machine learning algorithmshttps://pmc.ncbi.nlm.nih.gov/articles/PMC10845715/
Prediction of hemodialysis outcomes depends on many factors and is different in different populations. […] Risk prediction models are created to estimate the likelihood of an unfavorable outcome, such as mortality, based on various variables including demographic and clinical factors. […] The results demonstrated that the HGB classifier outperforms the other classifiers in this study, as indicated by its superior Kappa metrics and lower error rate. […] Thus, given these findings, the HGB classifier is considered the optimal algorithm for building a CDSS interface to predict the prognosis of poisoned patients who may need dialysis. […] This research is the first to use ML models for predicting the outcome of poisoned patients who are about to undergo hemodialysis.
- #2 Food poisoning Information | Mount Sinai – New Yorkhttps://www.mountsinai.org/health-library/diseases-conditions/food-poisoning
Most people fully recover from the most common types of food poisoning within 12 to 48 hours. […] Some types of food poisoning can cause serious complications. […] Death from food poisoning in people who are otherwise healthy is rare in the United States.
- #2 Prediction the prognosis of the poisoned patients undergoing hemodialysis using machine learning algorithmshttps://pmc.ncbi.nlm.nih.gov/articles/PMC10845715/
Prediction of hemodialysis outcomes depends on many factors and is different in different populations. […] Risk prediction models are created to estimate the likelihood of an unfavorable outcome, such as mortality, based on various variables including demographic and clinical factors. […] The results demonstrated that the HGB classifier outperforms the other classifiers in this study, as indicated by its superior Kappa metrics and lower error rate. […] Thus, given these findings, the HGB classifier is considered the optimal algorithm for building a CDSS interface to predict the prognosis of poisoned patients who may need dialysis. […] This research is the first to use ML models for predicting the outcome of poisoned patients who are about to undergo hemodialysis.