《Journal of Perinatology》：Development of a prediction model for mortality in infants undergoing therapeutic hypothermia for neonatal encephalopathy
编辑推荐：
本研究针对新生儿脑病(NE)低温治疗(TH)中缺乏早期死亡率预测工具的问题，开发了THERM预测模型。研究人员通过分析爱尔兰19家医院385例患儿的临床数据，发现产前剖宫产、肾上腺素使用、碱剩余(BE)≤-22 mmol/L和出生首日癫痫发作四项指标可有效预测28天死亡率。模型经内部验证显示优异区分度(C-statistic=0.885)，为临床医生提供了首日个性化风险评估工具，显著改善家长沟通质量。
在新生儿医学领域，新生儿脑病(Neonatal Encephalopathy, NE)仍是足月儿死亡和长期神经功能障碍的主要病因。尽管治疗性低温(Therapeutic Hypothermia, TH)已成为中重度NE的标准治疗方案，能显著降低死亡率和改善幸存者神经发育结局，但临床实践中仍面临早期预后评估的挑战。尤其对于接受TH治疗的患儿家庭而言，在生命最初几天获得准确的死亡风险预测，不仅有助于医护人员进行针对性沟通，更能帮助家长做好心理准备和医疗决策。
目前已有的预测模型存在明显局限：Ambalavanan等人开发的模型基于20多年前的美国数据，未经过验证且可能不适用现代临床实践；近期研究则多依赖磁共振成像(MRI)或局限于特定区域，无法在治疗早期广泛应用。Glass等人虽开发了死亡或严重神经发育障碍的复合结局预测模型，但未提供单独死亡结局的绩效指标，且随访时间长达两年。这些缺口凸显了开发基于首日可获临床指标的新型预测模型的迫切性。
为破解这一难题，研究团队开展了一项基于全国多中心数据的新颖研究，成果发表于《Journal of Perinatology》。研究人员收集了2016-2021年间爱尔兰19家医院385例接受TH治疗的NE患儿数据，采用多变量逻辑回归和逆向逐步选择法，开发并内部验证了THERM(Therapeutic Hypothermia Early Risk Model for Mortality)预测工具。该模型首次整合四项易于获取的临床指标，为TH治疗患儿的早期死亡率预测提供了实用解决方案。
研究方法的核心包括多中心回顾性队列设计、多变量逻辑回归分析和内部验证流程。研究团队从爱尔兰国家新生儿低温治疗发展项目中获取了385对母婴的医疗记录，排除存在遗传异常的患儿后，最终纳入378-385例进行分析。通过文献回顾和专家咨询确定了23项候选预测变量，涵盖产前因素、分娩因素、早期新生儿评估和实验室结果。采用逆向逐步选择法(p≥0.1排除)构建预测模型，并通过自助法(100次重复)进行内部验证，计算乐观调整后的C统计量、校准截距和斜率等绩效指标。
描述性统计显示，研究队列中46例(11.9%)患儿在28天内死亡。产妇中58.7%为初产妇，大多数分娩为足月产。分娩方式分布为：自然分娩23.9%、手术助产31.9%、产时剖宫产22.9%、产前剖宫产21.3%。值得注意的是，产前剖宫产中97.6%为急诊手术，且该组中急性围产期事件发生率高达90.2%。
未调整逻辑回归分析识别出13项与死亡率显著相关的变量(p<0.1)，包括婴儿性别、胎粪污染、急性围产期事件、分娩方式(特别是产前剖宫产)、复苏期间肾上腺素使用、胸外按压、5分钟Apgar评分<3、自主呼吸建立、气管插管、碱剩余≤-22 mmol/L、pH≤6.70以及出生首日癫痫发作。
初始预测模型通过多变量分析确定了四项最佳预测指标：分娩方式(产前剖宫产)、复苏期间肾上腺素使用、碱剩余≤-22 mmol/L和出生首日癫痫发作。模型的原始C统计量为0.900，经自助法调整后为0.873，显示优秀区分能力。
简化预测模型采用迭代排除法后，最终保留与初始模型完全相同的四项预测因子。该模型表现优异，Brier评分0.069，Cragg & Uhler's R2 0.459，乐观调整后C统计量达0.885(95% CI: 0.827-0.936)。校准分析显示预测概率与观察结果高度一致，证实模型稳定性良好。
模型验证中，研究人员还特别评估了缺失数据的影响。Little检验表明缺失数据完全随机(MCAR假设p=0.908)，且缺失比例较低(简化模型5.1%)，因此采用完整病例分析不会引入显著偏倚。当加入因缺失较多而被排除的"胎粪污染"变量时，模型预测能力并未改善(AUC=0.892)，进一步证实最终模型的稳健性。
预测工具开发环节，团队将四项预测因子整合为THERM工具，创建了基于Excel的交互式计算器。该工具根据各变量的回归系数加权计算总log-odds，并通过逆logit函数转换为概率。例如，当输入产前剖宫产、肾上腺素使用和碱剩余≤-22 mmol/L三项风险因素时，预测死亡概率为67%；当四项因素全存在时，概率升至87%。
混淆矩阵分析显示，在50%概率阈值下，简化模型能正确预测92.9%的存活儿(329/354)和67.7%的死亡儿(21/31)。这一结果具有重要临床意义：当模型预测存活时，可信度极高；当预测死亡时，虽确定性稍低，但仍能为家庭咨询提供有价值参考。
研究结论强调，THERM模型是首个基于全国性现代临床数据开发的新生儿脑病低温治疗死亡率预测工具。四项常规指标的组合既能实现优秀预测性能，又保证了临床实用性，特别适合在资源有限的高收入国家推广应用。值得注意的是，该模型仅旨在支持家长沟通和情感准备，而非用于指导TH的启动或终止决策，这些临床决策仍需依据既定标准。
研究的优势包括全国代表性数据、常规可获预测因子、用户友好型工具开发以及TRIPOD指南的严格遵循。局限性主要涉及回顾性设计、癫痫判定依赖临床评估而非统一EEG监测、以及需要外部验证等。未来研究方向应关注长期神经发育结局预测模型的开发，并在更广泛人群中验证THERM工具的适用性。
这项研究的创新价值在于将复杂的预后预测转化为临床首日即可实施的实用工具，填补了新生儿脑病管理中的重要空白。通过提供个体化、证据化的风险沟通框架，THERM工具有望减轻医护人员沟通负担，增强患儿家庭的决策参与感，最终改善危重新生儿医疗的人文关怀质量。
