Отправить статью по E-mail 
Опубликовать комментарии Раннее прогнозирование бронхолегочной дисплазии у глубоко недоношенных детей: когортное исследование
- Авторы: Пермякова А.В.1, Бахметьева О.Б.2, Мамунц М.А.1, Кучумов А.Г.3, Кошечкин К.А.4
-
Учреждения:
- Пермский государственный медицинский университет имени академика Е.А. Вагнера
- Пермский краевой перинатальный центр
- Пермский национальный исследовательский политехнический университет
- Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский университет)
- Выпуск: Том 41, № 3 (2024)
- Страницы: 120-128
- Раздел: Методы диагностики и технологии
- URL: https://bakhtiniada.ru/PMJ/article/view/260591
- DOI: https://doi.org/10.17816/pmj413120-128
- ID: 260591
Цитировать
Аннотация
Цель. Разработка алгоритма раннего прогнозирования развития клинически значимой бронхолегочной дисплазии у глубоко недоношенных детей.
Материалы и методы. В ретроспективное исследование, проведенное в Пермском краевом перинатальном центре, были включены 226 глубоко недоношенных детей, со сроком гестации менее 31 недели, весом при рождении от 490 до 999 г., в возрасте от 0 до 7 дней, с наличием дыхательной недостаточности, потребовавшей аппаратной поддержки. Для построения прогностической модели использовались алгоритмы машинного обучения: логистическая регрессия, метод опорных векторов, метод случайного леса, метод градиентного бустинга. Использовали пять переменных характеристик: масса тела при рождении, оценка по шкале Апгар на 5-й мин жизни, оценка по шкале Сильвермана, количество дней инвазивной ИВЛ, медианное значение доли кислорода во вдыхаемом воздухе, измеряемое ежедневно в первые семь дней жизни.
Результаты. На 36-й неделе постконцептуального возраста у 148 из 182 новорожденных исследуемой когорты (81,3 %) развилась бронхолегочная дисплазия (БЛД): у 15,4 % она была отнесена к легкой, у 29,7 % – к средней тяжести, и у 36,3 % – к тяжелой. Из четырех изученных алгоритмов прогнозирования в качестве итоговой выбрана модель логистической регрессии с метриками: AUC = 0,840, точность 0,818, чувствительность 0,972, специфичность 0,666. Прикладное применение результатов моделирования осуществлено в виде калькулятора вероятности.
Выводы. В раннем неонатальном периоде глубоко недоношенных детей для прогнозирования развития БЛД можно использовать сочетание клинических предикторов, таких как масса тела при рождении, оценка по шкале Апгар на 5-й мин, оценка по шкале Сильверман, количество дней инвазивной ИВЛ, медианное значение доли кислорода во вдыхаемом воздухе измеряемое в первые семь дней жизни. Модель логистической регрессии показывает высокие значения чувствительности, которые позволяют минимизировать вероятность ошибки второго рода, что делает ее применение полезным в задачах раннего прогнозирования развития БЛД у глубоко недоношенных детей.
Ключевые слова
Полный текст
Открыть статью на сайте журналаОб авторах
А. В. Пермякова
Пермский государственный медицинский университет имени академика Е.А. Вагнера
Автор, ответственный за переписку.
Email: derucheva@mail.ru
ORCID iD: 0000-0001-5189-0347
доктор медицинских наук, заведующая кафедрой детских инфекционных болезней
Россия, ПермьО. Б. Бахметьева
Пермский краевой перинатальный центр
Email: derucheva@mail.ru
ORCID iD: 0000-0003-2343-3602
ассистент кафедры анестезиологии, реаниматологии и скорой медицинской помощи, анестезиолог-реаниматолог
Россия, ПермьМ. А. Мамунц
Пермский государственный медицинский университет имени академика Е.А. Вагнера
Email: derucheva@mail.ru
ORCID iD: 0000-0001-5326-6740
кандидат медицинских наук, доцент кафедры педиатрии с курсом поликлинической педиатрии
Россия, ПермьА. Г. Кучумов
Пермский национальный исследовательский политехнический университет
Email: derucheva@mail.ru
ORCID iD: 0000-0002-0466-175X
доктор физико-математических наук, доцент, профессор кафедры вычислительной математики, механики и биомеханики
Россия, ПермьК. А. Кошечкин
Первый Московский государственный медицинский университет имени И.М. Сеченова(Сеченовский университет)
Email: derucheva@mail.ru
ORCID iD: 0000-0001-7309-2215
доктор фармацевтических наук, доцент, профессор кафедры информационных и интернет-технологий
Россия, МоскваСписок литературы
- Cheong J.L.Y., Doyle L.W. An update on pulmonary and neurodevelopmental outcomes of bronchopulmonary dysplasia. Semin Perinatol. 2018; 42 (7): 478–484. doi: 10.1053/j.semperi.2018.09.013.
- Lui K., Lee S.K., Kusuda S., Adams M., Vento M., Reichman B., Darlow B.A., Lehtonen L., Modi N., Norman M., Håkansson S., Bassler D., Rusconi F., Lo-dha A., Yang J., Shah P.S. International Network for Evaluation of Outcomes (iNeo) of neonates Investigators. Trends in Outcomes for Neonates Born Very Preterm and Very Low Birth Weight in 11 High-Income Countries. J Pediatr. 2019; 215: 32–40.e14. doi: 10.1016/j.jpeds.
- Kwok T.C., Batey N., Luu K.L., Prayle A., Sharkey D. Bronchopulmonary dysplasia prediction models: a systematic review and meta-analysis with validation. Pediatr Res. 2023; 94 (1): 43–54. doi: 10.1038/s41390-022-02451-8.
- Peng H.B., Zhan Y.L., Chen Y., Jin Z.C., Liu F., Wang B., Yu Z.B. Prediction Models for Bronchopulmonary Dysplasia in Preterm Infants: A Systematic Review. Front Pediatr. 2022; (12): 10: 856159. doi: 10.3389/fped.2022.856159.
- Romijn M., Dhiman P., Martijn J.J. Fink-en, Anton H. van Kaam, Trixie A. Katz, Joost Rotteveel, Ewoud Schuit, Gary S. Collins, Wes Onland, Heloise Torchin. Prediction Models for Bronchopulmonary Dysplasia in Preterm Infants: A Systematic Review and Meta-Analysis. J Pediatr. 2023; Jul: 258 (113370). doi: 10.1016/j.jpeds.2023.01.024.
- Кучумов А.Г., Голуб М.В., Ракишева И.О., Дорошенко О.В. Алгоритм построения метамодели для прогнозирования гемодинамики в аортах детей с врожденными пороками сердца. Сборник научных трудов VII съезда биофизиков России. Сборник материалов съезда: в 2 т. Краснодар 2023; 228–229 / Kuchumov A.G., Golub M.V., Rakisheva I.O., Doroshenko O.V. An algorithm for creation of metamodel for predicting hemodynamics in the aortas of children with congenital heart defects. Sbornik nauchnyh trudov VII kongressa biofizikov Rossii. Sbornik materialov kongressa. Krasnodar 2023; 228–229 (in Russian).
- Ter-Levonian, A.S., Koshechkin K.A. Review of machine learning technologies and neural networks in drug synergy combination pharmacological research. Research Results in Pharmacology 2020; 6 (3): 27–32. DOI: 0.3897/rrpharmacology.6.49591
- Породиков А.А., Биянов А.Н., Пермя-кова А.В., Туктамышев В.С., Кучумов А.Г., Поспелова Н.С., Фурман Е.Г., Оноприенко М.Н. N-терминальный фрагмент мозгового натрийуретического пептида как предиктор гемодинамической значимости функционирующего артериального протока у недоношенных новорожденных. Пермский медицинский журнал 2021; 38 (1): 5–15 / Porodikov A.A., Bijanov A.N., Permjakova A.V., Tuktamyshev V.S., Kuchumov A.G., Pospelova N.S., Furman E.G., Onoprienko M.N. N-terminal probrain natriuretic peptide as a predictor of hemodynamic significance of functioning ductus arteriosus in premature newborns. Perm Medical Journal 2021; 38 (1): 5–15 (in Russian).
- Permyakova A.V., Porodikov A., Kuchu-mov A.G., Biyanov A., Arutunyan V., Furman E.G., Sinelnkov Y.S. Discriminant Analysis of Main Prognostic Factors Associated with Hemodynamically Significant PDA: Apgar Score, Silverman–Anderson Score, and NT-Pro-BNP Level. J. Clin. Med. 2021; 10 (3729). doi: 10.3390/jcm10163729.
- Verder H., Heiring C., Ramanathan R., Scoutaris N., Verder P., Jessen T.E., Höskuldsson A., Bender L., Dahl M., Eschen C., Fenger-Grøn J., Reinholdt J., Smedegaard H., Schousboe P. Bronchopulmonary dysplasia predicted at birth by artificial intelligence. Acta Pae-diatr. 2021; 110 (2): 503–509. doi: 10.1111/apa.15438.
- Dai D., Chen H., Dong X., Chen J., Mei M., Lu Y., Yang L., Wu B., Cao Y., Wang J., Zhou W., Qian L. Bronchopulmonary Dysplasia Predicted by Developing a Machine Learning Model of Genetic and Clinical Information. Front Genet. 2021; 2 (12): 689071. doi: 10.3389/fgene.2021.689071.
- Na J.Y., Kim D., Kwon A.M., Jeon J.Y., Kim H., Kim C.R., Lee H.J., Lee J., Park H.K. Artificial intelligence model comparison for risk factor analysis of patent ductus arteriosus in nationwide very low birth weight infants cohort. Sci Rep. 2021: 11 (1): 22353. doi: 10.1038/s41598-021-01640-5.
- Son J., Kim D., Na J.Y., Jung D., Ahn J.H., Kim T.H., Park H.K. Development of artificial neural networks for early prediction of intestinal perforation in preterm infants. Sci Rep. 2022; 12: 12112. doi: 10.1038/s41598-022-16273-5.
- Журавлева Л.Н., Новикова В.И., Дер-кач Ю.Н. Определение возможности развития бронхолегочной дисплазии путем определения цитокинового профиля у недоношенных детей. Иммунопатология, аллергология, инфектология 2021; 3: 21–27. doi: 10.14427/jipai.2021.3.21. / Zhuravleva L.N., Novikova V.I., Derkach Ju.N. Determin-ing the possibility of developing bronchopulmonary dysplasia by determining the cytokine profile in premature infants. International journal of Immuno-pathology, allergology, infectology 2021; 3: 21–27. doi: 10.14427/jipai.2021.3.21.
- Higgins R.D., Jobe A.H., Koso-Thomas M., Bancalari E., Viscardi R.M., Hartert T.V., Ryan R.M., Kallapur S.G., Steinhorn R.H., Konduri G.G., Davis S.D., Thebaud B., Clyman R.I., Collaco J.M., Martin C.R., Woods J.C., Finer N.N., Raju T.N.K. Иronchopulmonary Dysplasia: Executive Summary of a Workshop. J Pediatr. 2018; 197: 300–308. doi: 10.1016/j.jpeds.2018.01.043.
Дополнительные файлы
