Математическое прогнозирование антибиотикорезистентности как инструмент оптимизации антибактериальной терапии в педиатрической реанимации

Цель. Разработать и верифицировать клинически применимую математическую модель прогнозирования риска выделения мультирезистентных микроорганизмов у детей в условиях отделения реанимации на основе локальных микробиологических и клинических данных. Материалы и методы. Проведено ретроспективно-проспективное когортное исследование, включившее 1562 клинических изолята, полученных в 2021–2024 гг. от пациентов педиатрического отделения анестезиологии и реанимации. Идентификацию микроорганизмов и определение чувствительности к антимикробным препаратам осуществляли стандартными методами с использованием автоматизированной системы Vitek 2 Compact с интерпретацией результатов в соответствии с критериями EUCAST (версии 12.0–13.0). Для выявления независимых факторов риска применяли многофакторную логистическую регрессию. Прогностическую способность модели оценивали с помощью ROC-анализа, кросс-валидации и анализа клинической полезности. Результаты. Формирование мультирезистентности было достоверно связано с длительностью госпитализации, повторными курсами антибактериальной терапии, ранним возрастом пациентов и применением инвазивной вентиляции легких. Разработанная модель продемонстрировала хорошую дискриминационную способность (AUC=0,79), стабильность при кросс-валидации и клиническую применимость в диапазоне пороговых вероятностей, релевантных для выбора эмпирической терапии. Выводы. Предложенная математическая модель позволяет количественно оценивать риск выделения мультирезистентного микроорганизма на ранних этапах лечения и может использоваться как инструмент поддержки клинических решений. Интеграция модели в систему антимикробного надзора способствует оптимизации эмпирической антибактериальной терапии и снижению распространения антибиотикорезистентности в педиатрической реанимации. Purpose. To develop and validate a clinically applicable mathematical model for predicting the risk of isolating multidrug-resistant microorganisms in pediatric intensive care settings based on local microbiological and clinical data. Materials and methods. A retrospective–prospective cohort study was conducted, including 1,562 clinical isolates obtained from patients of a pediatric intensive care unit between 2021 and 2024. Microorganism identification and antimicrobial susceptibility testing were performed using standard methods with the Vitek 2 Compact automated system, and results were interpreted according to EUCAST criteria (versions 12.0–13.0). Independent risk factors were identified using multivariable logistic regression. Model performance was assessed using ROC analysis, cross-validation, and clinical utility evaluation. Results. Multidrug resistance was independently associated with prolonged hospitalization, repeated courses of antibiotic therapy, younger age, and invasive mechanical ventilation. The developed model demonstrated good discriminative performance (AUC=0.79), stability across validation procedures, and clinical relevance within probability thresholds applicable to empirical treatment decision-making. Conclusion. The proposed mathematical model enables early quantitative assessment of multidrug resistance risk and may serve as an effective clinical decision-support tool. Its integration into antimicrobial stewardship programs can contribute to optimizing empirical antibacterial therapy and limiting the spread of antimicrobial resistance in pediatric intensive care units.