🇸🇪 Shapiros regel for bloddyrkning

Klinisk bakgrund

Blododlingar tas rutinmässigt på en stor andel av akutmottagningspatienter med misstänkt infektion, men diagnostiskt utbyte är lågt, i storleksordningen 2 till 20 procent positiva odlingar [3]. Överanvändning medför inte bara kostnader utan också kontaminering, onödig antibiotikabehandling och onödig vårdtid. Shapiros regel för blododling togs fram just som ett uteslutningsverktyg: den ska hjälpa läkaren att med säkerhet identifiera de patienter där risken för äkta bakteriemi är så låg att blododling kan avstås, snarare än att fynda högriskpatienter. Beslutet är svårt utan ett strukturerat stöd eftersom feber ensamt är en dålig triagevariabel och den kliniska blicken tenderar att övertjäna, särskilt hos patienter med stötande men lågriskprofiler.

Beräkning av Shapiros regel

Regeln bygger på en uppdelning i majorkriterier och minorkriterier. Blododling är indicerad vid minst ett majorkriterium eller minst två minorkriterier. I övriga fall klassificeras patienten som lågrisk och odling kan avstås.

Majorkriterier:

• Temperatur >39,5 °C
• Kvarliggande kärlkateter
• Klinisk misstanke om endokardit

Minorkriterier:

• Temperatur 38,3–39,4 °C
• Ålder >65 år
• Frossa/frysningar
• Kräkningar
• Systoliskt blodtryck <90 mmHg
• LPK >18 000/µL
• Stavkärniga >5 %
• Trombocyter <150 000/µL
• Kreatinin >2,0 mg/dL

Formellt kan regeln uttryckas som:

$$\text{Indikation för blododling} = \mathbb{1}!\left(\sum_{\text{major}} \geq 1\right) ;\lor; \mathbb{1}!\left(\sum_{\text{minor}} \geq 2\right)$$

där $\mathbb{1}$ är en indikatorfunktion som antar värdet 1 när villkoret är uppfyllt och 0 annars.

Härledningskohorten utgjordes av 3 901 konsekutiva vuxna akutmottagningspatienter vid Beth Israel Deaconess Medical Center, Boston, med blododling tagen under perioden februari 2000 till februari 2001 [1]. Av dessa inkluderades 3 730 (96 procent) och 305 (8,2 procent) hade äkta bakteriemi, definierat som en patogen mikroorganism i blododling utan att förelåa kontamination. Patienterna lottades till en härledningskohort (två tredjedelar) respektive en intern valideringskohort (en tredjedel). Variablerna hämtades från anamnes, komorbiditet, status och rutinlaboratorium.

Tolkning i praktiken

Regeln har två utfall: indicerad eller lågrisk. Det finns inga mellankategorier, vilket är en medveten konstruktion.

Ett negativt utfall enligt regeln stöder att avstå från blododling men övertrumfar inte klinisk bedömning. En patient som är illamående, har fokala infektionstecken eller riskfaktorer för sepsis kan ändå behöva odling oavsett poäng, särskilt om immunförsvaret är nedsatt.

Validering och prestanda

I den interna valideringskohorten var sensitiviteten 97 procent (95 procent KI 94–100 procent), och endast 3 (0,9 procent) lågriskpatienter hade positiv blododling [1]. I härledningskohorten var motsvarande siffra 4 (0,6 procent). Specificiteten var 47 procent i härledningskohorten.

I en extern retrospektiv validering vid en dansk akutmottagning (1 526 patienter, 6,9 procent äkta bakteriemi) uppmättes en sensitivitet på 94 procent (95 procent KI 88–98 procent) och en specificitet på 48 procent (95 procent KI 42–53 procent), med en area under ROC-kurvan på 0,83 [2]. En prospektiv systematisk översikt över bakteriemiprediktionsmodeller för akutmottagningar, publicerad 2024, identifierade 20 kohortstudier och fann att Shapiros modell presterade med en AUC mellan 0,71 och 0,83 över studier, med en sensitivitet upp till 98 procent men en specificitet som varierade mellan 26 och 69 procent [3]. I samma översikt identifierades nyare modeller (5MPB-Toledo och MPB-INFURG-SEMES) med högre diskrimination (AUC upp till 0,95 respektive 0,92), men Shapiros regel förblir den internationella referensstandarden och den mest spridda. En fransk retrospektiv studie av ett alternativt uteslutningsinstrument (BAROC) uppmätte 100 procent sensitivitet men endast 10–11 procent specificitet, vilket illustrerar att låg specificitet är ett strukturellt problem för uteslutningsregler på detta område [4].

Begränsningar

Regeln har låg specificitet i alla valideringar (26–69 procent), vilket innebär att den rekommenderar blododling hos en stor andel patienter som inte har bakteriemi. Detta är acceptabelt för ett uteslutningsverktyg men medför att en betydande andel odlingar ändå blir negativa. Den bör därför inte tolkas som ett vägval för antibiotikainitiering utan först och främst som stöd för odlingstagning.

Följande patientgrupper omfattas inte väl av regeln:

• Immunsupprimerade patienter, inklusive neutropeni, cytostataterapi, hematologisk malignitet eller solid organtransplantation. Här kan kliniska tecken och laboratorievärden vara förskjutna och sensitiviteten i osäker; klinisk bedömning väger tyngre än regeln.
• Patienter med redan pågående antibiotikabehandling, där blododlingens diagnostiska yield är lägre och regeln inte tar hänsyn till detta.
• Patienter med fokala infektioner där blododling inte är primär diagnostik, till exempel okomplicerad nedre urinvägsinfektion eller lokaliserad hudinfektion.

En ytterligare fallgrop är att regeln inte tagit ställning till odling av andra provtagningsmaterial. En lågriskpatient enligt regeln kan ändå ha meningokockinfektion, endokardit med negativa blododlingar eller annan allvarlig infektion som kräver specifik diagnostik. Regeln gäller alltså enbart beslutet om blododling, inte hela infektionsutredningen.

Att kvarliggande kärlkateter är ett majorkriterium betyder att patienter med hemodialyskateter, central venkateter eller perifer infusionskateter av typ PICC automatiskt uppfyller regeln. Detta är rationellt med tanke på den förhöjda risken för kateterrelaterad bakteriemi, men bidrar också till den låga specificiteten, eftersom många kateterbärande patienter har feber av annan orsak.

Källor

1. Shapiro NI, Wolfe RE, Wright SB m.fl. Who needs a blood culture? A prospectively derived and validated prediction rule. J Emerg Med 2008;35(3):255–64. PMID: 18486413
2. Jessen MK, Mackenhauer J, Hvass AM m.fl. Prediction of bacteremia in the emergency department: an external validation of a clinical decision rule. Eur J Emerg Med 2016;23(1):44–9. PMID: 25222426
3. Julián-Jiménez A, García DE, García de Guadiana-Romualdo L m.fl. Models to predict bacteremia in the emergency department: a systematic review. Emergencias 2024;36(1):48–62. PMID: 38318742
4. Pehlivan J, Douillet D, Jérémie R m.fl. A clinical decision rule to rule out bloodstream infection in the emergency department: retrospective multicentric observational cohort study. Emerg Med J 2023;41(1):20–26. PMID: 37940371