基于可穿戴设备生物节律监测的儿童术后并发症预测研究

为解决儿童术后并发症难以早期识别的问题，研究人员通过可穿戴设备（Fitbit）采集心率和活动数据，提取31种生物节律（biorhythms）指标，构建机器学习模型（BRF），实现并发症提前3天预测（灵敏度91%，特异性74%）。该研究为儿童术后远程监测提供了客观、无创的新方法，具有重要临床转化价值。

　　

儿童术后并发症的早期识别一直是临床难题，尤其是出院后依赖家长主观观察易导致延误诊断。传统方法缺乏客观指标，而可穿戴设备虽能连续监测生理数据，但如何从中提取有效预测特征仍待探索。美国芝加哥Ann & Robert H. Lurie儿童医院（Ann & Robert H. Lurie Children's Hospital of Chicago）的研究团队创新性地将生物节律（biorhythms）分析引入儿童术后监测领域，通过消费级可穿戴设备（Fitbit）采集103例复杂阑尾炎术后患儿21天的心率（HR）和步数数据，结合机器学习算法，实现了并发症的早期预警。这项发表在《SCIENCE ADVANCES》的研究为儿科精准医疗提供了新范式。

研究团队运用三项关键技术：1）基于周期图谱（periodogram）和余弦回归（cosinor regression）提取31种生物节律指标，量化昼夜节律（circadian，24小时）和超昼夜节律（ultradian，<24小时）特征；2）采用平衡随机森林（BRF）算法处理数据不平衡问题；3）通过留一受试者交叉验证（LOSO）评估模型性能。

数据概述
纳入94例3-18岁患儿（13例出现并发症），分析1259天的可穿戴数据。并发症组术后住院时间（LOS）平均4天，主要并发症为腹腔脓肿（10例）和手术部位感染（2例）。

生物节律解析
典型病例显示，健康恢复患儿（如#67）心率和活动呈现显著24小时节律（P<0.01），而并发症患儿（如#53）节律紊乱（心率P=0.31，步数P=0.39）。周期图谱分析进一步证实并发症患儿缺乏显著主导节律。

并发症早期预测
BRF模型对并发症日前3天至确诊日的预测灵敏度达91%，特异性74%（AUC-ROC=0.86）。关键指标中，活动节律（占比75%）预测价值高于心率节律（25%），其中步数的PSD24h/显著性阈值、余弦振幅等6项指标最具区分度（P<0.05）。

症状与并发症鉴别
异常症状组（23例）的活动节律与健康组相似，而心率节律介于健康组与并发症组之间。三分类模型对并发症的召回率降至56%，提示需优化算法减少假阳性。

数据缺失稳健性
在120分钟采样窗口和0小时最低佩戴要求下，模型性能最优（相关系数∣r∣≥0.9），表明生物节律指标对数据缺失具有较强耐受性。

讨论部分指出，这是首个将生物节律用于儿童术后监测的研究，其性能优于既往成人研究（AUC-ROC 0.71-0.85）。研究揭示了儿童术后节律恢复的临床意义：并发症患儿表现为昼夜节律重建延迟和强度减弱。尽管存在样本量较小（13例并发症）和缺乏术前基线数据的局限，但该方法为儿科术后管理提供了新思路，未来可拓展至其他手术类型（如骨科、肿瘤切除术）及精神神经疾病监测。

该研究的创新性在于：1）将生物节律从神经科学领域迁移至外科预后评估；2）验证了消费级可穿戴设备在儿科重症监测中的可行性；3）开发了耐受数据缺失的算法框架。正如作者强调，随着远程医疗发展，这种无创、客观的监测模式有望优化医疗资源配置，减轻患儿家庭负担。