DOI: https://doi.org/10.1007/s00431-024-05505-7
PMID: https://pubmed.ncbi.nlm.nih.gov/38554173
تاريخ النشر: 2024-03-30
المؤلف: Seung Hyun Kim وآخرون
الموضوع الرئيسي: تغذية وصحة الرضع
نظرة عامة
تركز البحث على التنبؤ المبكر بالتهاب الأمعاء الناخر الجراحي (sNEC) في الرضع الخدج، وهي حالة حرجة تتميز بمعدلات تدخل جراحي عالية ونتائج سيئة، خاصة بين الرضع ذوي الوزن عند الولادة المنخفض جداً (VLBW). تم تطوير خوارزمية تعلم الآلة (ML) باستخدام عوامل ما حول الولادة من سجل مجموعة وطنية، مع تحليل بيانات من 16,385 رضيع VLBW تم تسجيلهم في الشبكة الكورية لحديثي الولادة (KNN). حددت الدراسة 1,085 حالة من NEC، تم تصنيف 654 منها على أنها sNEC و431 على أنها NEC الطبية (mNEC). من الجدير بالذكر أن حدوث sNEC كان أعلى بكثير في الرضع ذوي أعمار الحمل الأقل (GA) (p < 0.001). حقق النموذج الجماعي منطقة تحت منحنى التشغيل المستلم (AUC) قدرها 0.721، مما يشير إلى فعاليته المحتملة في التنبؤ بـ sNEC. تسلط النتائج الضوء على أهمية التنبؤ المبكر باستخدام البيانات المحيطة بالولادة التي تم جمعها خلال الأسبوع الأول من الحياة، مما يتناقض مع الدراسات السابقة التي اعتمدت بشكل أساسي على الأعراض السريرية والتصوير. تهدف هذه المقاربة المبتكرة إلى تعزيز تحديد الرضع VLBW المعرضين لخطر التدهور السريري والتدخل الجراحي. يستنتج المؤلفون أن نموذج ML المقترح يمكن أن يحسن بشكل كبير من التشخيص المبكر والتدخل الجراحي في الوقت المناسب لـ sNEC، مما يعزز في النهاية من توقعات المرضى ومعدلات البقاء على قيد الحياة في هذه الفئة الضعيفة.
مقدمة
التهاب الأمعاء الناخر (NEC) هو حالة حرجة في الجهاز الهضمي تؤثر على الرضع الخدج، وخاصة أولئك الذين يعانون من وزن عند الولادة منخفض جداً (VLBW)، مع معدلات حدوث تتراوح من 2% إلى 13%. تشمل الإدارة الأولية عادةً تدابير محافظة مثل الراحة المعوية والمضادات الحيوية؛ ومع ذلك، فإن التدخل الجراحي ضروري في 27-52% من الحالات المتقدمة من NEC، مما يؤدي إلى معدل وفيات يتراوح بين 20-30%، خاصة بين أولئك الذين يحتاجون إلى جراحة. تشير الأبحاث إلى أن التوقعات لعلاج NEC جراحيًا (sNEC) تتحسن مع تقدم عمر الحمل، ومع ذلك، لا تزال تحديد عوامل الخطر لـ sNEC غير متسقة، مما يعيق التقدم في استراتيجيات الوقاية.
حددت الدراسات الحديثة عدة عوامل تنبؤية لـ sNEC، بما في ذلك انخفاض عمر الحمل، وبداية مبكرة لـ NEC، وانخفاض مستويات البيكربونات، ووجود قنوات شريانية مفتوحة كبيرة. على الرغم من هذه النتائج، هناك نقص في الإجماع حول عوامل الخطر، ولم تتحسن معدلات الوفيات المرتبطة بـ sNEC بشكل كبير مع مرور الوقت. أظهرت تقنيات تعلم الآلة (ML) وعدًا في أبحاث NEC، خاصة في التنبؤ والتشخيص، ولكن القليل من الدراسات ركزت على التنبؤ بـ sNEC بشكل خاص. يهدف هذا البحث إلى الاستفادة من تحليل ML لعوامل ما حول الولادة من مجموعة وطنية من الرضع VLBW خلال الأسبوع الأول من الحياة لتحديد أولئك المعرضين لخطر كبير للتدهور السريري والتدخل الجراحي في سياق NEC.
الطرق
توضح قسم “المواد والطرق” في ورقة البحث التصميم التجريبي والإجراءات المستخدمة للتحقيق في سؤال البحث. يتناول المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، مما يضمن إمكانية تكرار الدراسة. تشمل المنهجية التقنيات المطبقة لجمع البيانات وتحليلها، مثل الاختبارات الإحصائية، والبروتوكولات التجريبية، وأي نماذج حسابية مستخدمة.
بالإضافة إلى ذلك، قد يصف القسم حجم العينة ومعايير الاختيار، فضلاً عن أي ضوابط تم تنفيذها للتحقق من النتائج. من خلال تقديم نظرة شاملة على الطرق، يؤسس هذا القسم الإطار للنتائج المقدمة لاحقًا في الورقة، مما يسمح بالتقييم النقدي لصرامة الدراسة وموثوقيتها.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. عادةً ما يتضمن بيانات كمية، وتحليلات إحصائية، وتمثيلات بصرية مثل الرسوم البيانية أو الجداول التي توضح نتائج الدراسة. غالبًا ما تتم مقارنة النتائج مع الفرضيات أو الأهداف الأولية الموضحة في المقدمة، مما يبرز الاتجاهات المهمة، أو الارتباطات، أو الشذوذات التي لوحظت خلال البحث.
بالإضافة إلى ذلك، قد يناقش القسم تداعيات النتائج، بما في ذلك أهميتها للأدبيات الموجودة والتطبيقات المحتملة في المجال. قد يتم أيضًا ذكر أي قيود واجهت الدراسة، بالإضافة إلى اقتراحات لوجهات بحث مستقبلية، بشكل موجز لوضع النتائج في سياق أوسع ضمن التخصص.
المناقشة
في هذه الدراسة الوطنية التي تستخدم بيانات من الشبكة الكورية لحديثي الولادة (KNN)، طور الباحثون نموذجًا جماعيًا قائمًا على تعلم الآلة (ML) للتنبؤ بخطر التهاب الأمعاء الناخر الجراحي (sNEC) في الرضع ذوي الوزن عند الولادة المنخفض جداً (VLBW). شمل التحليل بيانات سريرية من 16,385 رضيع VLBW ولدوا بين عامي 2013 و2020، مع التركيز على أولئك الذين تم تشخيصهم بـ NEC من الدرجة ≥ II. حددت الدراسة انخفاض ضغط الدم الذي يتطلب علاجًا طبيًا، وانخفاض عمر الحمل (GA)، وانخفاض وزن الولادة (BW) كعوامل تنبؤية هامة لـ sNEC. وُجد أن حدوث NEC مرتبط عكسيًا بـ GA، مع معدل حدوث ملحوظ قدره 6.6% بين المجموعة، وزيادة انتشار sNEC في الرضع الخدج للغاية.
أظهر النموذج الجماعي المقترح منطقة تحت منحنى التشغيل المستلم (AUROC) قدرها 0.721، متفوقًا على نماذج ML التقليدية في مختلف مقاييس الأداء مثل الدقة وF1-score. على الرغم من انخفاض AUROC مقارنةً بالنماذج الأخرى التي تتضمن بيانات سريرية أكثر شمولاً، فإن النموذج يحدد بفعالية الرضع المعرضين للخطر باستخدام عوامل ما حول الولادة المبكرة. تؤكد النتائج على أهمية التعرف المبكر وإدارة الرضع VLBW المعرضين لخطر sNEC، مما يمكن أن يؤدي إلى تحسين النتائج السريرية. ومع ذلك، تعترف الدراسة بالقيود، بما في ذلك الاعتماد على قاعدة بيانات KNN والحاجة إلى مزيد من المعلومات السريرية الشاملة لتحسين دقة النموذج.
DOI: https://doi.org/10.1007/s00431-024-05505-7
PMID: https://pubmed.ncbi.nlm.nih.gov/38554173
Publication Date: 2024-03-30
Author(s): Seung Hyun Kim et al.
Primary Topic: Infant Nutrition and Health
Overview
The research focuses on the early prediction of surgical necrotizing enterocolitis (sNEC) in preterm infants, a critical condition characterized by high surgical intervention rates and poor outcomes, particularly among very low birth weight (VLBW) infants. A machine learning (ML) algorithm was developed utilizing perinatal factors from a national cohort registry, specifically analyzing data from 16,385 VLBW infants recorded in the Korean Neonatal Network (KNN). The study identified 1,085 cases of NEC, with 654 classified as sNEC and 431 as medical NEC (mNEC). Notably, the incidence of sNEC was significantly higher in infants with lower gestational ages (GA) (p < 0.001). The ensemble model achieved an area under the receiver operating characteristic curve (AUC) of 0.721, indicating its potential effectiveness in predicting sNEC. The findings highlight the importance of early prediction using perinatal data collected within the first week of life, contrasting with previous studies that primarily relied on clinical manifestations and imaging. This innovative approach aims to enhance the identification of VLBW infants at high risk for clinical deterioration and surgical intervention. The authors conclude that the proposed ML model could significantly improve early diagnosis and timely surgical intervention for sNEC, ultimately enhancing patient prognosis and survival rates in this vulnerable population.
Introduction
Necrotizing enterocolitis (NEC) is a critical gastrointestinal condition affecting preterm infants, particularly those with very low birth weight (VLBW), with incidence rates ranging from 2% to 13%. Initial management typically involves conservative measures such as bowel rest and antibiotics; however, surgical intervention is necessary in 27-52% of cases with advanced NEC, leading to a mortality rate of 20-30%, especially among those requiring surgery. Research indicates that the prognosis for surgically treated NEC (sNEC) improves with gestational age, yet the identification of risk factors for sNEC remains inconsistent, hindering advancements in prevention strategies.
Recent studies have identified several predictive factors for sNEC, including low gestational age, early onset of NEC, low bicarbonate levels, and significant patent ductus arteriosus. Despite these findings, there is a lack of consensus on risk factors, and the mortality rates associated with sNEC have not significantly improved over time. Machine learning (ML) techniques have shown promise in NEC research, particularly in prediction and diagnosis, but few studies have focused on predicting sNEC specifically. This research aims to leverage ML analysis of perinatal factors from a nationwide cohort of VLBW infants within the first week of life to better identify those at high risk for clinical deterioration and surgical intervention in the context of NEC.
Methods
The “Materials and Methods” section of the research paper outlines the experimental design and procedures employed to investigate the research question. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the study. The methodology encompasses the techniques applied for data collection and analysis, such as statistical tests, experimental protocols, and any computational models utilized.
Additionally, the section may describe the sample size and selection criteria, as well as any controls implemented to validate the findings. By providing a comprehensive overview of the methods, this section establishes the framework for the results presented later in the paper, allowing for critical evaluation of the study’s rigor and reliability.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It typically includes quantitative data, statistical analyses, and visual representations such as graphs or tables that illustrate the outcomes of the study. The results are often compared against the initial hypotheses or objectives outlined in the introduction, highlighting significant trends, correlations, or anomalies observed during the research.
Additionally, the section may discuss the implications of the findings, including their relevance to existing literature and potential applications in the field. Any limitations encountered during the study, as well as suggestions for future research directions, may also be briefly mentioned to contextualize the results within the broader scope of the discipline.
Discussion
In this national cohort study utilizing data from the Korean Neonatal Network (KNN), researchers developed a machine learning (ML)-based ensemble model to predict the risk of surgical necrotizing enterocolitis (sNEC) in very low birth weight (VLBW) infants. The analysis included clinical data from 16,385 VLBW infants born between 2013 and 2020, focusing on those diagnosed with NEC grade ≥ II. The study identified hypotension requiring medical treatment, low gestational age (GA), and low birth weight (BW) as significant predictors of sNEC. The incidence of NEC was found to be inversely related to GA, with a notable 6.6% incidence rate among the cohort, and a higher prevalence of sNEC in extremely preterm infants.
The proposed ensemble model demonstrated an area under the receiver operating characteristic curve (AUROC) of 0.721, outperforming conventional ML models in various performance metrics such as accuracy and F1-score. Despite its lower AUROC compared to other models that incorporate more extensive clinical data, the model effectively identifies high-risk infants using early perinatal factors. The findings underscore the importance of early identification and management of VLBW infants at risk for sNEC, which can lead to improved clinical outcomes. However, the study acknowledges limitations, including reliance on the KNN database and the need for more comprehensive clinical information to enhance model accuracy.