WJP：中国早产儿支气管肺发育不良严重程度的危险因素和预测模型

支气管肺发育不良（BPD）是极早产儿常见的慢性肺部疾病。结果和临床负担因严重程度而异。World Journal of Pediatrics杂志发表了一项研究，旨在确定BPD严重程度的临床危险因素，并基于机器学习在中国人群中开发一个有效的BPD严重程度早期预测模型。

这项回顾性单中心研究纳入了2016年-2020年在新生儿重症监护室被诊断为BPD的胎龄（GA）<32周早产儿。收集了产前、围产期和产后早期的所有临床因素。除了众所周知的风险因素，如GA、出生体重和性别，还评估了最近显示与BPD相关的临床因素，如C反应蛋白（CRP）。

主要结局是矫正胎龄36周时，根据呼吸支持将BPD严重程度分为轻度、中度和重度。轻度BPD定义为呼吸空气，中度BPD定义为FiO₂<0.30，重度BPD定义为FiO₂≥0.30或矫正胎龄36周时给予正压通气。

研究最终纳入了471例患者（279例轻度、147例中度和45例重度）。平均GA为28.0±1.6（27.0，29.0）周，平均出生体重（BW）为1136±248（960，1280）g。重度BPD的BW和GA显著低于轻度和中度BPD。

在多变量分析中具有显著差异的所有8个临床因素以及关键因素（GA和BW）都被输入到机器学习模型中。GBDT、XGB、RF和LR模型的AUC分别为0.79±0.045（95%CI 0.70-0.88）、0.85±0.043（95%CI 0.77-0.94）、0.84±0.038（95%CI 0.77-0.91）和0.86±0.036（95%CI 0.79-0.93）。

在有序逻辑回归分析中，妊娠期糖尿病、初始FiO2值、有创通气、酸中毒、低氯血症、C反应蛋白水平、动脉导管未闭和呼吸道培养阳性是BPD严重程度的独立危险因素。

研究发现了BPD严重程度的风险因素，并在此基础上开发了机器学习模型。这些模型可能成为临床实践中BPD早期分层的有用工具，有助于临床医生在中国人群中选择个性化的治疗方案和随访策略。

原文出处：

Wen He, Lan Zhang, et al, Risk factors and machine learning prediction models for bronchopulmonary dysplasia severity in the Chinese population, World Journal of Pediatrics, 2023, https://doi.org/10.1007/s12519-022-00635-0.