La decisión empieza antes de la radiografía
¿Qué se asocia con la intención de tratar, con la prescripción real y con volver a consultar?
Factors associated with antibiotic prescribing and outcomes for pediatric pneumonia in the ED
Lipshaw MJ y colaboradores · Pediatric Emergency Care, 2021;37(12):e1033–e1038
DOI y publicación · Texto completo y suplemento · Volver al índice
Los títulos originales se conservan junto con su traducción. Los ejemplos, cálculos y observaciones críticas se identifican como explicaciones didácticas. Las recomendaciones citadas en el artículo pertenecen a su contexto histórico; esta infografía no actualiza una guía clínica.
ResumenAbstract
ObjetivosObjectives:
Comprender qué características se asocian con la intención inicial de tratar, si esa intención predice la prescripción y cómo se relaciona el antibiótico con consultas posteriores.
MétodosMethods:
Análisis secundario planificado de una cohorte prospectiva. Puntaje de propensión, ponderación IPTW y regresión logística.
ResultadosResults:
OR publicado para intención → antibiótico: 6,39. Para neumonía radiográfica → antibiótico: 3,49. Para antibiótico → consulta posterior: 1,85.
ConclusionesConclusions:
La intención inicial fue el predictor con el OR más alto en el modelo de prescripción. La asociación con consultas posteriores requiere cautela: no demuestra que el antibiótico las cause.
IntroducciónINTRODUCTION
La clínica no distingue de manera fiable infección viral de bacteriana.
El médico ya tiene una sospecha y una intención de tratar.
¿Cuánto se mantiene o cambia esa intención?
Clínica → intención inicial.
Intención + Rx → antibiótico.
Antibiótico + intención + Rx → consulta posterior.
Materiales y métodosMATERIALS AND METHODS
Diseño del estudioStudy Design
Análisis secundario planificado de CARPE DIEM, cohorte prospectiva de niños con sospecha de NAC. Guardia de Cincinnati Children’s Hospital, centro terciario urbano; julio de 2013 a diciembre de 2017. Aprobación ética, consentimiento de responsables y asentimiento desde los 11 años.
PoblaciónStudy Population
3 meses–18 años, síntomas o signos de infección respiratoria baja y Rx por sospecha de NAC. Se incluyeron niños con asma.
Se excluyeron enfermedades crónicas complejas, internación en los 14 días previos y antecedentes de neumonía aspirativa. Para este análisis, el formulario debía completarse antes de revisar la imagen o el informe.
ProcedimientoStudy Procedure:
Detección siete días por semana, durante 12–16 horas diarias. Muestra por conveniencia. Respondieron médicos de planta, fellows de emergencias pediátricas y profesionales de enfermería avanzada. Registraron examen, gravedad percibida, intención antibiótica y destino previsto.
Mediciones de la exposiciónExposure Measurements
Sí / no, según impresión clínica.
Definida por lectores del estudio.
Administrado o prescrito.
Qué información recolectaron
Datos demográficos, seguro, educación materna y prematuridad; duración de síntomas, fiebre, tos, dificultad respiratoria, sibilancias y tratamientos previos; apariencia, perfusión, signos respiratorios, auscultación, SpO₂, frecuencia respiratoria y comportamiento.
También registraron gravedad percibida (leve, moderada, grave, muy grave) y probabilidad estimada de neumonía en siete intervalos, desde <1% hasta 75–100%. Recolectar una variable no significa que todas se incluyeran en el modelo final.
Esto difiere de Geanacopoulos: allí se clasificaron informes. La lectura asistencial empleada en el desempate tampoco garantiza que toda la clasificación final permanezca completamente ajena a la información clínica.
Desenlace principalPrimary Outcome
Recibir antibiótico en la guardia o salir con prescripción.
Consulta médica posterior, recogida por teléfono a responsables a los 7–15 días del alta. Incluye consultas programadas y no programadas.
La ventana 7–15 días permitió reintentos de contacto. No es un análisis de tiempo hasta la consulta.
Análisis de datosData Analysis
Mediana/RIC, Wilcoxon, χ² o Fisher.
Puntaje de propensión para la intención inicial + IPTW.
Regresión logística ponderada; neumonía radiográfica como covariable.
Modelo de propensión: edad, fiebre e impresión clínica global a priori; crepitantes, disminución de ruidos respiratorios y taquipnea agregados por p<0,05. Software SAS 9.3. Más abajo se explica cada decisión y sus límites.
ResultadosRESULTS
Población del estudioStudy Population
Cohorte de origen, según el texto.
Incluidos en este análisis (17,1% de 1.142).
Con seguimiento; 60 perdidos (30,8% de 195).
Figura 1: diagrama de inclusiónFigure 1: Flow Diagram of Study Enrollment
La figura denomina así la población inicial.
El médico vio la Rx antes del formulario.
135 seguidos + 60 sin seguimiento.
Redibujo de la figura original, revisada en el PDF. 947/1.142 = 82,9%; la discusión menciona 81%. Se conserva la discrepancia. El texto llama “enrolled” a 1.142 y la figura “assessed for eligibility”.
Tabla 1: demografía y antecedentesTable 1: Demographics and Medical History
Edad mediana 3,5 años, RIC 1,7–8,2. Antecedentes de asma: 65/195; neumonía previa: 47/195. No encontraron diferencias estadísticamente significativas en demografía o antecedentes entre grupos. Esto no prueba equivalencia ni equilibrio suficiente.
Presentación clínica y examenClinical Presentation and Physical Exam Findings
Tabla 2: factores clínicos asociados con la intención previaTable 2: Clinical Factors Associated with a Pre-Radiograph Plan to Prescribe Antibiotics
Porcentajes publicados de los grupos (68 con plan, 127 sin plan). Todos estos contrastes tienen p<0,01. Son asociaciones con la intención, no sensibilidad/especificidad para neumonía bacteriana.
SpO₂ mediana: 98% con plan versus 96% sin plan (p<0,01); los autores advierten que su importancia clínica es incierta. Retracciones: 41,2% versus 29,1%, p=0,09; la discusión las incluye entre factores más prevalentes, pero esta comparación no cruza p<0,05.
Subtítulos de la Tabla 2
Historical Features: antecedentes de fiebre, dificultad respiratoria y sibilancias.
Physical Exam Findings: aleteo nasal, retracciones, sibilancias, crepitantes, roncus, disminución de ruidos respiratorios, saturación y taquipnea.
Clinician Impressions before Seeing CXR: impresión clínica global y probabilidad estimada de neumonía antes de la imagen. “Overall Clinical Impression” y “Probability of Pneumonia” son los dos grupos de filas.
Impresiones clínicasClinical Impressions
Una impresión de mayor gravedad y mayor probabilidad estimada de neumonía se asociaron con intención de tratar (p<0,01). En la tabla, 26/68 con plan se juzgaron leves, frente a 90/126 sin plan con ese dato.
La probabilidad estimada y la intención proceden del mismo clínico y del mismo momento. Su relación puede reflejar el propio proceso decisorio; no valida un diagnóstico bacteriano.
Desenlaces clínicosClinical Outcomes
Tabla 3: desenlaces según intención inicialTable 3: Outcomes Stratified by Pre-Radiograph Plan for Antibiotic prescription
29 no tratados · 57,4% recibió antibiótico.
98 no tratados · 22,8% recibió antibiótico.
68 planeados y 68 tratados no significan los mismos 68 niños. 29 dejaron de tratarse pese al plan y 29 se trataron sin plan. La igualdad de totales oculta esos cambios.
| Desenlace | Con intención | Sin intención | p publicado |
|---|---|---|---|
| Antibiótico | 39/68 · 57,4% | 29/127 · 22,8% | <0,01 |
| Neumonía radiográfica | 13 · 19,4% | 14 · 11,4% | 0,13 |
| Internación | 45/68 · 66,2% | 43/127 · 33,9% | <0,01 |
| Consulta posterior (seguimiento) | 23/50 · 46,0% | 37/85 · 43,5% | 0,86 en tabla; 0,78 en texto |
Los denominadores 50 y 85 del seguimiento se deducen de los recuentos y porcentajes. Los denominadores exactos de las categorías radiográficas no están explicitados en la tabla; 27/195 no reproduce 14,2%.
¿Qué tipo de consulta posterior se contó?
54/60 consultas fueron programadas (46 controles de la misma enfermedad + 8 controles programados con empeoramiento). Hubo 5 consultas no programadas y 1 consulta de rutina. “Volvió a consultar” no equivale a “fracasó el tratamiento”.
Tabla 4: los dos modelos de regresiónTable 4: Multivariable logistic regression models examining the association of the intention to prescribe antibiotics in the ED and radiographic PNA with actual antibiotic prescription and medical care sought after discharge.
Tabla 4 completa: valores y límites de confianza
| Modelo | Variable | OR (IC95%) |
|---|---|---|
| 1: antibiótico | Intención de tratar | 6,39 (3,70–11,04) |
| Neumonía radiográfica | 3,49 (1,98–6,14) | |
| 2: consulta posterior | Intención de tratar | 0,90 (0,46–1,77) |
| Neumonía radiográfica | 0,18 (0,09–0,39) | |
| Antibiótico recibido/prescrito | 1,85 (1,13–3,05) |
La nota dice “Only variables listed were included in model”. Esto describe covariables de los modelos de desenlace; los factores clínicos entran antes, en el puntaje de propensión. No significa que el análisis carezca de ponderación.
La descripción permite identificar el puntaje para la intención inicial. No informa un segundo puntaje para la prescripción efectiva. El detalle de aplicación de los pesos al modelo 2 no queda plenamente desarrollado.
Auditoría numérica: problemas que no corregimos silenciosamente
Tabla 1: varones total 108, pero subgrupos 37+31=68; fila “Black” 70 con 30,9%, incompatible con n=195; las categorías de raza suman más de 195; prematuros 33/195=16,9%, no 16,2%. Tabla 2: dificultad respiratoria total 158/195=81,0%, no 92,7%.
Neumonía radiográfica: 27 casos y 14,2% sugieren un denominador menor de 195, pero no se explicita. El porcentaje no debe recalcularse como si todos tuvieran datos. Para consulta posterior, p=0,78 en el texto y 0,86 en la tabla. El 81% de exclusión de la discusión no coincide con 947/1.142.
Estas diferencias aparecen en el PDF proporcionado; no son solo artefactos de extracción. No atribuimos la causa a erratas o datos faltantes sin aclaración de la fuente. Los cálculos didácticos usan celdas cuya suma es consistente.
La estadística, aplicada paso a paso
1. Mediana y rango intercuartílico
25% aproximadamente por debajo.
Divide las observaciones en dos mitades.
75% aproximadamente por debajo.
El 50% central de edades está entre 1,7 y 8,2 años. El RIC describe dispersión de pacientes, no precisión de la mediana. No es un intervalo de confianza. Los autores eligieron estas medidas porque las variables continuas no tenían distribución normal.
2. Wilcoxon, χ² y Fisher: ¿qué comparan?
| Herramienta publicada | Aplicación | Interpretación y límite |
|---|---|---|
| Wilcoxon rank-sum | Comparar variables continuas entre dos grupos independientes, como edad o saturación. | Compara rangos/distribuciones. Solo con condiciones adicionales, como formas similares, se interpreta como diferencia de localización o medianas. No requiere normalidad. |
| χ² | Comparar proporciones/categorías si los recuentos esperados son adecuados. | Pregunta si hay asociación cruda. No ajusta por gravedad u otras covariables. |
| Fisher exacto | Tablas con celdas pequeñas, como algunas categorías de gravedad. | Evita depender de una aproximación asintótica pobre. El artículo no identifica para cada fila cuál prueba aplicó. |
Un t-test no es automáticamente inválido por no normalidad: puede ser robusto según distribución y tamaño muestral. Aquí los autores prefirieron rangos; no es una regla universal “no normal → nunca t-test”. p=0,13 para neumonía radiográfica indica falta de evidencia suficiente de diferencia, no igualdad demostrada.
3. OR crudo: se puede construir con cuatro celdas
| Intención inicial | Antibiótico sí | Antibiótico no | Total |
|---|---|---|---|
| Sí | 39 | 29 | 68 |
| No | 29 | 98 | 127 |
p sin plan = 29/127 = 22,83%
odds con plan = 39/29
odds sin plan = 29/98
OR crudo = (39×98)/(29×29) = 4,54
Diferencia = 57,35% − 22,83% = 34,52 puntos porcentuales
OR del modelo publicado = 6,39
La intención se asocia con 4,54 veces las odds crudas, pero con 2,51 veces la proporción observada de prescripción. El 6,39 pertenece al modelo ponderado y ajustado; no sale de esta tabla sola. La diferencia no demuestra cuánto “sesgo” se corrigió: también cambian la población ponderada y las condiciones del contraste, y los OR son no colapsables.
4. Dos regresiones logísticas con trabajos distintos
logit[e(X)] = α₀ + α₁edad + α₂fiebre + …
Predice la probabilidad de que exista intención inicial de tratar, dadas las características clínicas. Su resultado es el puntaje de propensión.
OR para intención = exp(βA)
Predice prescripción efectiva, con intención A y neumonía radiográfica R, usando la ponderación IPTW.
El desenlace binario justifica la logística: transforma η, una suma de coeficientes, a una probabilidad entre 0 y 1 mediante p=1/(1+e−η). El coeficiente βA se interpreta en log-odds; exp(βA)=6,39, por lo que βA≈1,85. Estas ecuaciones muestran la estructura, no coeficientes ni codificaciones individuales reconstruidos.
¿Cómo se estiman los coeficientes?
La logística habitual busca coeficientes que hagan más compatibles las probabilidades predichas con los eventos observados. Un niño tratado contribuye con pᵢ; uno no tratado, con 1−pᵢ. Con ponderación, algunas observaciones tienen mayor influencia.
Esta es la lógica habitual de la estimación ponderada. El reporte no detalla suficiente la implementación de pesos y varianza para reproducirla exactamente.
5. Propensión: la probabilidad de exposición, no de curación
Dos niños con distintas edades y hallazgos pueden tener probabilidades muy diferentes de que el médico planee tratarlos. Compararlos directamente puede mezclar la intención con la clínica que la generó.
6. IPTW: dar más peso a los perfiles menos habituales en su grupo
si A=1: w=1/e(X)
si A=0: w=1/[1−e(X)]
Forma conjunta: w=A/e(X)+(1−A)/[1−e(X)]
Se intenta crear una población ponderada en la que las características clínicas medidas se distribuyan de forma parecida entre grupos. No se agregan niños reales y no se convierte el estudio en un ensayo aleatorizado.
Si tiene intención (A=1)
Si no tiene intención (A=0)
Ejemplo con pesos no estabilizados. Las barras usan una escala común de 0 a 100 unidades de peso; el artículo no especifica si estabilizó, recortó o truncó sus pesos.
Un ejemplo donde se ve el equilibrio
Ejemplo ficticio: 100 niños con un perfil de alta propensión e=0,8. De ellos, 80 tienen plan y 20 no. Otros 100 con baja propensión e=0,2: 20 tienen plan y 80 no.
20×1/0,2=100 sin plan.
Baja propensión: 20×1/0,2=100 con plan;
80×1/0,8=100 sin plan.
La población ponderada tiene 50% de perfiles altos en cada grupo. Esto enseña el mecanismo ideal; no demuestra que los pesos reales de Lipshaw consiguieran ese balance.
Cuándo la ponderación puede fallar
Positividad: para perfiles comparables debe existir posibilidad de ambas intenciones. Si e se aproxima a 0 o 1, aparecen pesos enormes. Si e=1, no hay perfiles sin plan comparables; ponderar no crea información inexistente.
Intercambiabilidad condicionada: requiere haber medido y modelado adecuadamente los confusores relevantes. Preferencias familiares, estilo del médico u otros factores no medidos pueden persistir.
Diagnósticos: comprobar solapamiento, distribución de pesos y balance de covariables, por ejemplo con diferencias estandarizadas; considerar tamaño muestral efectivo, varianza robusta o bootstrap apropiado. El manuscrito principal no los reporta. Austin y Stuart, referencia 15, desarrollan estos controles.
Pocas observaciones de peso muy alto pueden dominar el análisis. Tener todos los 195 registros no garantiza conservar información equivalente a 195 observaciones bien equilibradas.
7. OR 6,39 no significa 6,39 veces la probabilidad
Para un mismo OR, el cambio absoluto depende de la probabilidad basal. Probá el simulador: usa cifras publicadas como ejemplos algebraicos, no reconstruye probabilidades ajustadas reales.
Para estimar probabilidades ajustadas verdaderas hacen falta los coeficientes, el intercepto, perfiles clínicos y el esquema de ponderación. No se debe insertar 22,8% crudo como si fuera la probabilidad de referencia de cualquier niño ajustado.
8. IC95% y valores p: qué concluyen y qué no
Asociación positiva con prescripción; el intervalo excluye 1.
Asociación positiva con consulta; 85% más odds, no 85% más probabilidad.
El intervalo incluye 1: admite asociaciones en ambos sentidos, no prueba ausencia de efecto.
82% menos odds de consulta; no implica protección causal ni 82% menos riesgo.
Un IC95% expresa precisión bajo supuestos del procedimiento. En repetición, aproximadamente 95% de los intervalos cubrirían el parámetro. No es el rango donde está 95% de los pacientes. Un valor p no mide la probabilidad de que una hipótesis sea verdadera ni el tamaño o la importancia clínica de la asociación.
6,39 es mayor que 3,49, pero comparar esos puntos no demuestra formalmente que los coeficientes difieran. La afirmación “predictor más fuerte” es la interpretación de los autores; no equivale a una comparación validada de capacidad predictiva o discriminación.
9. ¿Qué otras herramientas podrían servir?
| Alternativa | Utilidad y pertinencia | Límite para esta pregunta |
|---|---|---|
| Ajuste directo por regresión | Es válido para modelar asociaciones condicionando por clínica y Rx. | No elimina confusión no medida. Con n=195 y numerosas covariables puede ser sensible a especificación; IPTW tampoco evita esos supuestos. |
| Matching por propensión | Compara perfiles similares. Alternativa válida. | Puede excluir niños sin pareja y cambiar la población objetivo. Los autores eligieron IPTW para retener casos; retenerlos no garantiza pesos estables. |
| Poisson robusta / log-binomial | Permiten razones de probabilidades para desenlaces frecuentes. | Son alternativas pertinentes si interesa esa medida. Log-binomial puede tener problemas de convergencia; deben incorporarse pesos y varianza adecuados. |
| Probabilidades estandarizadas | Complementan OR con diferencias absolutas ajustadas. | Requieren datos individuales y una población objetivo explícita. |
| McNemar | Podría evaluar si cambia la frecuencia marginal entre intención y decisión pareadas. | Los dos discordantes son 29 y 29: no hay cambio neto, aunque la intención esté asociada con decisión. No sustituye el modelo ajustado ni evalúa efecto causal de la Rx. |
| Cox / Kaplan–Meier | Útiles para tiempo hasta evento y censura. | Aquí se analiza sí/no a una consulta en una ventana; no hay un tiempo a evento modelado. |
| Regresión lineal simple | Un modelo de probabilidad lineal podría estimar diferencias. | Exige atender heterocedasticidad y posibles predicciones fuera de 0–1. La logística es una opción natural para desenlaces binarios. |
Las alternativas son explicación metodológica, no decisiones de descarte explicitadas por los autores.
10. Pérdidas de seguimiento: ¿cuánto pueden mover el resultado?
Se sabe que 60/135 seguidos consultaron. No sabemos el desenlace de los 60 perdidos. Explorá un escenario simple para la proporción global de los 195 niños.
Los extremos son 60/195=30,8% y 120/195=61,5%. Este ejercicio no recalcula el OR ni identifica el sesgo entre grupos: haría falta conocer a qué grupos pertenecen los eventos faltantes. Los autores informan que 21 de los perdidos recibieron antibiótico y 7 tenían neumonía radiográfica.
Probá la idea central de IPTW
¿Qué equilibra el puntaje de propensión utilizado aquí?
DiscusiónDISCUSSION:
La impresión previa parece pesar en la prescripción más que la neumonía radiográfica. El antibiótico se asoció con consulta posterior; los autores plantean posibles perjuicios y necesidad de mejores métodos etiológicos.
No prueba que la Rx sea inútil, que el antibiótico cause retorno ni que una prescripción sin neumonía radiográfica sea innecesaria. La hipótesis de eventos adversos no se demuestra con este desenlace.
Limitaciones reconocidas por los autores
| Limitación | Consecuencia |
|---|---|
| Un centro terciario | Conducta y mezcla de casos pueden diferir de otros ámbitos. |
| Selección por formulario antes de la Rx | Niños graves podrían haber sido excluidos si el médico miró antes la imagen. |
| Todos recibieron Rx | No compara estrategias de pedir o no pedir imágenes; puede excluir extremos de sospecha clínica. |
| 60 pérdidas de seguimiento | El resultado secundario puede sufrir sesgo si las pérdidas se relacionan con tratamiento y consulta. |
| Proceso decisorio difícil de medir | La intención y sospecha declaradas no captan todos los motivos de prescripción. |
| Otras indicaciones antibióticas | No pudieron descartarse por completo, aunque la pregunta inicial especificaba NAC. |
Sesgos y cautelas adicionales de lectura crítica
Confusión por indicación: más antibióticos y más seguimiento pueden tener una causa común
Puede aumentar la prescripción.
Puede aumentar consultas programadas.
Desenlace medido.
Una asociación antibiótico–consulta puede reflejar preocupación clínica o instrucciones de seguimiento. No se demuestra que sea un efecto adverso. El puntaje se construyó para la intención, por lo que no garantiza equilibrio entre quienes efectivamente recibieron o no antibióticos.
Selección de covariables por significación estadística
Un confusor puede importar aunque p≥0,05; una variable significativa no necesariamente es confusora. Seleccionar por p puede producir modelos inestables y omitir factores relevantes. Es preferible fundamentar la selección en conocimiento clínico y relaciones temporales/causales, además de comprobar balance.
Reporte incompleto de ponderación y precisión
La interpretación causal también exige consistencia y una exposición bien definida: “tener intención” no es una intervención tan directa como asignar un tratamiento. No se presentan en el manuscrito principal solapamiento, distribución/estabilización de pesos, balance después de ponderar, tamaño efectivo, tratamiento de faltantes o método de varianza. Son datos necesarios para juzgar el análisis. No puede confirmarse que faltaran en la ejecución solo porque no están reportados.
También habría que verificar agrupamiento por clínico, forma funcional de covariables y manejo de repetición de pacientes. La selección de 195 no se corrige por el solo hecho de ponderar según intención.
Consulta no es fracaso; Rx no es etiología
La mayoría de visitas fueron programadas. El texto comunica 18% versus 24% de visitas no programadas (p=0,75), pero no ofrece los denominadores suficientes para reconstruir ese contraste. Tampoco la neumonía radiográfica confirma bacteria.
La lectura radiográfica utilizada por el estudio no necesariamente coincide con la que guio al médico en la guardia. Por eso el coeficiente de “neumonía radiográfica” no mide directamente el impacto de la información que recibió el tratante.
El cuerpo del artículo no tiene un título separado de “Limitations” ni “Conclusion”; estos contenidos están dentro de DISCUSSION. El resumen sí contiene “Conclusions”.
Material suplementarioSupplementary Material
El texto remite a Supplemental Table 1, que relaciona sospecha clínica previa con frecuencia de neumonía radiográfica. Informa una frecuencia creciente con mayor sospecha. El archivo suplementario no se verificó: no se agregan cifras ni estimaciones que no estén disponibles en el PDF principal.
FinanciaciónFunding:
NIAID/NIH: 1K23 AI121325–01 a T. A. Florin y K01 AI125413–01A1 a L. Ambroggio; Gerber Foundation a T. A. Florin. Los autores declaran que los financiadores no participaron en diseño, ejecución, recolección, gestión, análisis o interpretación.
Correspondencia y presentación previaCORRESPONDING AUTHOR
Matthew Lipshaw, Cincinnati Children’s Hospital Medical Center. Datos completos en el manuscrito. Presentación como póster en Pediatric Academic Societies, Toronto, mayo de 2018.
No hay un título independiente de conflictos de interés en el PDF revisado; no se inventa una declaración ausente. CAP=NAC; CXR=Rx de tórax; ED=guardia; IQR=RIC; OR=odds ratio; IPTW=ponderación por el inverso de la probabilidad de exposición.
ReferenciasREFERENCES
Numeración interna del artículo de Lipshaw, distinta de la bibliografía de la tesis. Para profundizar en estadística, ver especialmente 14 (propensión) y 15 (IPTW).
- Alpern ER , Stanley RM , Gorelick MH , Epidemiology of a Pediatric Emergency Medicine Research Network. Pediatr Emerg Care. 2006;22:11. DOI.
- Handy LK , Bryan M , Gerber JS , Variability in Antibiotic Prescribing for Community-Acquired Pneumonia. Pediatrics. 2017;139. DOI.
- Launay E , Levieux K , Levy C , Compliance with the current recommendations for prescribing antibiotics for paediatric community-acquired pneumonia is improving: data from a prospective study in a French network. BMC Pediatr. 2016;16:126.27520057. DOI.
- Bradley JS , Byington CL , Shah SS , The management of community-acquired pneumonia in infants and children older than 3 months of age: clinical practice guidelines by the Pediatric Infectious Diseases Society and the Infectious Diseases Society of America. Clin Infect Dis. 2011;53:e25–76.21880587. DOI.
- Rambaud-Althaus C , Althaus F , Genton B , Clinical features for diagnosis of pneumonia in children younger than 5 years: a systematic review and meta-analysis. Lancet Infect Dis. 2015;15:439–50.25769269. DOI.
- Shah SN , Bachur RG , Kim D , Lack of predictive value of tachypnea in the diagnosis of pneumonia in children. Pediatr Infect Dis J. 2010;29:406–9.20032805. DOI.
- Shah SN , Bachur RG , Simel DL , Does This Child Have Pneumonia?: The Rational Clinical Examination Systematic Review. JAMA. 2017;318:462–71.28763554. DOI.
- Florin TA , Ambroggio L , Brokamp C , Reliability of Examination Findings in Suspected Community-Acquired Pneumonia. Pediatrics. 2017;140. DOI.
- Grossman LK , Caplan SE . Clinical, Laboratory, and Radiologic Information in the Diagnosis of Pneumonia in Children. Annals of Emergency Medicine. 1988;17:4. DOI.
- Alario AJ , McCarthy PL , Markowitz R , Usefulness of chest radiographs in children with acute lower respiratory tract disease. J Pediatr. 1987;111:187–93.3612388. DOI.
- Nelson KA , Morrow C , Wingerter SL , Impact of Chest Radiography on Antibiotic Treatment for Children With Suspected Pneumonia. Pediatr Emerg Care. 2016;32:6.27490725. DOI.
- Jain S , Self WH , Wunderink RG , Community-Acquired Pneumonia Requiring Hospitalization among U.S. Adults. N Engl J Med. 2015;373:415–27.26172429. DOI.
- Feudtner C , Feinstein JA , Zhong W , Pediatric complex chronic conditions classification system version 2: updated for ICD-10 and complex medical technology dependence and transplantation. BMC Pediatr. 2014;14:199.25102958. DOI.
- Rosenbaum PR , Rubin DB . The Central Role of the Propensity Score in Observational Studies for Causal Effects. Biometrika. 1983;70:41–55.
- Austin PC , Stuart EA . Moving towards best practice when using inverse probability of treatment weighting (IPTW) using the propensity score to estimate causal treatment effects in observational studies. Stat Med. 2015;34:3661–79.26238958. DOI.
- Swingler GH , Hussey GD , Zwarenstein M . Randomised controlled trial of clinical outcome after chest radiograph in ambulatory acute lower-respiratory infection in children. Lancet. 1998;351:404–8.9482294. DOI.
- Jain S , Williams DJ , Arnold SR , Community-acquired pneumonia requiring hospitalization among U.S. children. N Engl J Med. 2015;372:835–45.25714161. DOI.
- Fleming-Dutra KE , Hersh AL , Shapiro DJ , Prevalence of Inappropriate Antibiotic Prescriptions Among US Ambulatory Care Visits, 2010–2011. JAMA. 2016;315:1864–73.27139059. DOI.
- Zimmerman DR , Kovalski N , Fields S , Diagnosis of childhood pneumonia: clinical assessment without radiological confirmation may lead to overtreatment. Pediatr Emerg Care. 2012;28:646–9.22743749. DOI.
- Lipsett SC , Monuteaux MC , Bachur RG , Negative Chest Radiography and Risk of Pneumonia. Pediatrics. 2018;142. DOI.
- Hamano-Hasegawa K , Morozumi M , Nakayama E , Comprehensive detection of causative pathogens using real-time PCR to diagnose pediatric community-acquired pneumonia. J Infect Chemother. 2008;14:424–32.19089556. DOI.
- Turck D , Bernet J , Marx M , Incidence and Risk Factors of Oral Antibiotic-Associated Diarrhea in an Outpatient Pediatric Population. Journal of Pediatric Gastroenterology and Nutrition. 2003;37:5. DOI.
- Lovegrove MC , Geller AI , Fleming-Dutra KE , US Emergency Department Visits for Adverse Drug Events From Antibiotics in Children, 2011–2015. J Pediatric Infect Dis Soc. 2018. DOI.