En retrospektiv klinisk riskprediktionsmodell för samtidig infektion med Mycoplasma pneumoniae hos patienter med COVID-19 baserad på begränsade kubiska splines

Varför dolda lunginfektioner spelar roll

De flesta ser numera COVID-19 som en välbekant sjukdom, men för vissa patienter blir den fortfarande livshotande, särskilt när en annan mikrob tyst ansluter. En vanlig följeslagare är Mycoplasma pneumoniae, en liten bakterie som också orsakar lunginflammation. Eftersom dess symtom och lungbilder kan likna COVID-19 är denna extra infektion lätt att missa. Studien bakom denna artikel syftade till att bygga ett praktiskt verktyg för sjukhus som kan signalera vilka COVID-19-patienter som sannolikt bär på denna dolda samtidig infektion, genom att enbart använda rutinmässiga blodprover tagna vid inläggning.

Två infektioner som ser lika ut men blir värre tillsammans

Läkare har sett att när COVID-19 och Mycoplasma pneumoniae drabbar samma person, blir utfallen ofta sämre. Dessa patienter tenderar att stanna längre på sjukhus, behöver respirator oftare och har högre dödlighet än de med enbart COVID-19. Samtidigt skiljer inte datortomografi av bröstkorgen eller vardagliga symtom tillförlitligt mellan kombinationsinfektionen och viruset ensam. Att behandla alla ”för säkerhets skull” med extra antibiotika är inte heller en lösning, eftersom det driver fram resistens och onödiga biverkningar. Det kliniker behöver är ett sätt att i ett tidigt skede plocka ut vilka patienter som mest sannolikt bär båda mikroberna, så att testning och behandling kan riktas i stället för att ges brett.

Att omvandla rutinlabben till ett tidigt varningsscore

Forskarna granskade bakåt 242 vuxna inlagda med COVID-19 på ett kinesiskt sjukhus under den första stora Omikron-vågen i slutet av 2022 och början av 2023. Alla hade tecken på lunginflammation och blod analyserades för antikroppar mot Mycoplasma pneumoniae. Ungefär hälften visade sig ha båda infektionerna. Av 55 uppgifter som rutinmässigt samlades vid inläggning — såsom ålder, vanliga blodvärden, grundläggande kemiska analyser och koagulationsprover — använde de en statistisk metod kallad LASSO för att sålla fram de få mest informativa faktorerna. Sju stod ut: ålder; globulin (en grupp blodproteiner som inkluderar antikroppar); anjongap (en markör relaterad till kroppens syra–basbalans); blodureakväve (ett avfallsämne som speglar njur- och leverfunktion samt näringstillstånd); urinsyra (en naturlig antioxidant); och två koagulationsmått, protrombintid och trombintid.

Mönster i blodet som signalerar extra problem

När teamet undersökte hur dessa sju faktorer relaterade till sannolikheten för samtidig infektion framträdde en bild av störd immunitet, koagulation och ämnesomsättning. Högre globulin, anjongap, urinsyra och förlängd trombintid kopplades till ökad risk för Mycoplasma ovanpå COVID-19, medan högre blodureakväve oväntat var kopplat till lägre risk. Vissa samband var inte enkla rätlinjiga: till exempel steg risken snabbt när globulin passerade cirka 28 gram per liter, och patienter med särskilt kort protrombintid verkade befinna sig i ett ökat trombosbenäget tillstånd. Dessa vridningar och trösklar är precis vad standardlinjära modeller ofta missar men som kan ha betydelse vid sängkanten, där ett visst laboratorievärde kan markera en övergång från rutinbesvär till något mer allvarligt.

Ett smartare sätt att följa kurvande risk

För att fånga dessa kurviga samband byggde författarna en prediktionsmodell som tillåter riskkurvan att böja sig där data kräver det, genom en metod kallad begränsade kubiska splines inom en logistisk regression. I praktiken innebär detta att modellen kan behandla globulin, protrombintid och trombintid som att de har olika effekter på låga, medelhöga och höga nivåer, i stället för att tvinga fram en enda rätlinjig regel. Jämfört med en konventionell linjär modell med samma sju insatsvariabler separerade spline-baserade versionen patienter med samtidig infektion från dem utan mer precist och mer användbart för beslutsfattande. Den visade en högre förmåga att särskilja fall, bättre överensstämmelse mellan förutsagd och observerad risk, och en större nettoklinisk nytta över ett realistiskt spann av trösklar där en läkare kan besluta att beställa extra tester eller påbörja antibiotika.

Från forskningsdiagram till sängkantverktyg

För att göra detta användbart i hektiska avdelningar översatte teamet matematiken till ett visuellt poängschema kallat nomogram: en läkare kan linjera en patients ålder och laboratorievärden på enkla skalor, summera poängen och avläsa en uppskattad sannolikhet för Mycoplasma-samtidighet. Eftersom alla nödvändiga mått kommer från rutinprover vid inläggning kan modellen i princip tillämpas utan någon ny utrustning. Studien har begränsningar — den genomfördes på en enda enhet under en kort tid, utan extern validering eller en separat grupp patienter med enbart Mycoplasma — men den erbjuder ett viktigt konceptbevis. För frontlinjekliniker som möter nya COVID-19-vågor eller framtida luftvägsutbrott visar den att subtila mönster i vanlig blodstatus kan utnyttjas för att tidigt upptäcka dolda samtidig infektioner, hjälpa till att rikta tester, skräddarsy antibiotikaanvändning och potentiellt förbättra utfall samtidigt som onödig behandling undviks.

Citering: Ye, K., Su, Y., Hu, X. et al. A retrospective clinical risk prediction model for co‑infection with Mycoplasma pneumoniae in patients with COVID‑19 based on restricted cubic splines. Sci Rep 16, 14206 (2026). https://doi.org/10.1038/s41598-026-44539-9

Nyckelord: COVID-19 samtidig infektion, Mycoplasma pneumoniae, klinisk riskprediktion, sjukhuspneumoni, blodmarkörer