基于母体免疫炎症标志物预测机械通气晚期早产儿及足月儿急性呼吸窘迫综合征的模型构建与内部验证

《Frontiers in Immunology》：A predictive model based on maternal immune-inflammatory markers for ARDS identification in mechanically ventilated late-preterm and term neonates

目的：旨在开发并内部评估一种利用分娩前获取的母体外周血标志物，用于鉴别需要机械通气的晚期早产儿及足月儿中，新生儿急性呼吸窘迫综合征（ARDS）与其他原因所致呼吸窘迫的预测模型。 方法：这项回顾性研究纳入了2024年6月至2026年1月期间来自两家三级医院的227对母婴。研究对象为胎龄34–40周、依赖机械通气的呼吸窘迫新生儿，被分为训练队列和内部测试队列。研究人员采用弹性网络回归结合1000次bootstrap重抽样筛选预测因子。随后比较了四种特征集和六种算法，通过20次重复分层五折交叉验证进行评估，最终选定包含六个预测因子的随机森林（RF）模型。研究人员评估了模型的区分度、校准度和净获益，应用500次重抽样的bootstrap乐观校正以及Shapley加法解释（SHAP）。 结果：ARDS组的母体系统性免疫炎症指数（SII）及相关炎症比值更高，产前感染更常见，而记录到的产前皮质类固醇激素（ACS）使用频率更低（P < 0.001）。最终模型保留了六个预测因子：SII、产前感染、产妇年龄、妊娠期甲状腺功能减退症、妊娠期糖尿病以及ACS使用。主要的内部性能估计值——训练集交叉验证的平均曲线下面积（AUC）为0.729 ± 0.080，固定流程的乐观校正后AUC为0.793，内部测试集的AUC为0.827（95% CI, 0.712–0.923），平均精确度为0.828，Brier评分为0.175。这三个数值不可互换，分别报告为一个主要估计值和两个次要估计值，且均不代表完全独立的性能。在训练集推导的阈值0.424处，敏感度为78.8%，特异度为77.8%。SHAP分析确定SII为贡献最大的因素，但这并不暗示任何预测因子具有因果效应。使用相同六个预测因子的逻辑回归模型在内部测试集中达到了数值上更高的AUC（0.838 vs 0.827, ΔAUC = ?0.011, P = 0.744），但其交叉验证AUC为0.706 ± 0.082 vs 0.729 ± 0.080，因此RF并未展现出区分优势。 结论：对于胎龄34–40周、患有呼吸窘迫并需要机械通气的新生儿，该六因子RF模型显示出中等程度的区分能力，而充分校准的证据有限。该模型仍处于初步阶段，在临床应用前需进行外部验证、重新校准以及前瞻性的临床影响评估。

研究背景与问题

新生儿急性呼吸窘迫综合征（ARDS）是一种严重的肺损伤形式，常与不良预后相关。新生儿肺部发育不成熟且抗炎防御能力有限，使其面临更高的呼吸系统疾病风险。ARDS的发病机制与全身性炎症及免疫介导的损伤密切相关，但有效的早期生物标志物仍然缺乏。一项国际队列研究发现住院新生儿中ARDS患病率为1.5%，肺炎、窒息和早发性脓毒症是主要诱因，多数病例在出生后迅速发生。免疫细胞在ARDS发病中起核心作用，肺泡巨噬细胞通过释放促炎细胞因子招募其他免疫细胞至肺部，而中性粒细胞则通过中性粒细胞胞外陷阱（NETs）损伤肺组织。已有研究表明，全身性免疫炎症指数（SII）和全身性炎症反应指数（SIRI）等由中性粒细胞、血小板、淋巴细胞和单核细胞计数组合计算得出的复合指标，在恶性肿瘤和脑血管疾病中有所研究。在新生儿中，SII和SIRI已被确定为呼吸窘迫综合征的独立危险因素。母体孕晚期的免疫炎症状态可能影响宫内环境和胎儿肺部发育，然而，母体标志物对新生儿ARDS的预测价值尚未得到充分阐明。因此，有必要开展此项研究，探索基于母体标志物的模型是否能帮助在需要机械通气的高危新生儿群体中区分ARDS与其他原因的呼吸窘迫。

研究方法与结论

研究人员开展了一项回顾性观察研究，数据来源于2024年6月1日至2026年1月1日期间入住两家三级甲等医院新生儿重症监护室（NICU）的母婴。研究共纳入227对符合标准的母婴，其中ARDS组107例，非ARDS组120例。研究人员将队列按7:3比例通过分层随机抽样分为训练集（n=158）和内部测试集（n=69）。研究的预测时间点为分娩前即刻，此时所有六个模型输入变量均可获知。研究人员首先通过bootstrap稳定的弹性网络逻辑回归从23个候选变量中筛选预测因子，经临床冗余性降低后，最终确定了包含六个预测因子的特征集：SII、产前感染（AI）、产妇年龄（MA）、妊娠期甲状腺功能减退症（GH）、妊娠期糖尿病（GDM）和产前皮质类固醇激素（ACS）使用。随后，研究人员在训练集中使用重复分层五折交叉验证（20次重复）比较了六种算法，包括逻辑回归、弹性网络逻辑回归、随机森林（RF）、梯度提升机（GBM）、XGBoost和支持向量机（径向基函数核，SVM-RBF）。基于训练集交叉验证的平均曲线下面积（AUC），RF模型被选为主要模型。该模型使用500棵树，无最大深度限制，最小叶子大小为5，采用平方根特征采样。模型性能评估包括区分度（ROC-AUC和平均精确度AP）、校准度（校准曲线、校准截距和斜率）和决策曲线分析。研究人员还进行了500次bootstrap重抽样的乐观校正，并使用SHAP进行模型解释。此外，研究人员还进行了一项事后敏感性分析，探讨ACS使用是否改变SII与新生儿ARDS之间的关联。

研究结果

1. 1.
   参与者特征：与非ARDS组相比，ARDS组的母体SII及相关炎症比值（NLR、PLR、SIRI）更高，产前感染更频繁，而记录到的ACS使用频率显著较低。产妇年龄在ARDS组略高。白细胞、血小板、中性粒细胞和单核细胞水平在ARDS组更高，而淋巴细胞水平较低但未达统计学意义。
2. 2.
   变量筛选与最终变量集：通过bootstrap稳定的弹性网络逻辑回归初步识别出八个稳定预测因子。经临床冗余性降低后，最终保留的六因子集为AI、ACS、MA、GH、GDM和SII。在重复交叉验证中，该六因子集（临床加炎症组）的平均AUC（0.729 ± 0.080）略高于八因子全集（0.718 ± 0.084）和七因子临床加原始血常规组（0.708 ± 0.081），支持使用更简洁的特征集。
3. 3.
   模型选择与开发集比较：在使用最终六因子集比较六种算法时，RF模型在训练集交叉验证中获得了最高的平均AUC（0.729 ± 0.080），高于逻辑回归（0.706 ± 0.082）和弹性网络逻辑回归（0.679 ± 0.089），因此RF被锁定为主要模型。
4. 4.
   内部测试集的区分度与校准度：在内部测试集中，RF模型实现了AUC为0.827（95% CI, 0.712–0.923），AP为0.828（95% CI, 0.682–0.941），Brier评分为0.175（95% CI, 0.130–0.223）。校准截距为0.501（95% CI, ?0.057 – 1.110），校准斜率为1.269（95% CI, 0.735–2.291），表明预测概率系统性偏低且风险估计不够极端，但置信区间均包含理想值。决策曲线分析显示模型在部分阈值范围内相对于默认策略有净获益。
5. 5.
   内部验证与过拟合评估：固定RF流程的表观训练集AUC为0.889，估计乐观值为0.096，得到乐观校正后AUC为0.793。研究指出三个不同的区分度估计值（交叉验证AUC 0.729、乐观校正AUC 0.793、内部测试集AUC 0.827）不可互换，并将训练集交叉验证AUC作为主要内部性能估计值。
6. 6.
   阈值选择与临床分类性能：在训练集推导的Youden阈值0.424处，敏感度为78.8%，特异度为77.8%，阳性预测值（PPV）为0.765，阴性预测值（NPV）为0.800，准确度为0.783，F1分数为0.776。
7. 7.
   模型解释：SHAP分析显示SII对预测ARDS风险的全局贡献最大，其次是AI、MA、ACS、GH和GDM。SII与模型预测风险呈非线性正相关关系。个体SHAP瀑布图展示了各预测因子如何推动个体风险估计。
8. 8.
   事后ACS敏感性分析：无论是否使用ACS，ARDS组的SII中位数均较高。在多变量调整模型中，log2转换后的SII每增加一个标准差，ARDS风险升高（OR=1.82, 95%CI, 1.28–2.58），且SII与ACS之间无统计学显著的交互作用（P=0.140）。

讨论与结论

讨论部分指出，该六因子RF模型在需要机械通气的晚期早产儿和足月儿中表现出中等区分能力（主要内部性能估计AUC为0.729），而充分校准的证据有限。SII被确定为最重要的预测因子，反映了母体全身免疫炎症状态可能在新生儿ARDS发生中起作用。模型中的其他临床变量（如产前感染、ACS使用、产妇年龄、妊娠期甲状腺功能减退症和妊娠期糖尿病）也提供了独立的预测信息。研究人员强调，该模型仍处于初步阶段，存在局限性，包括样本量有限导致估计不稳定、内部测试集并非严格未触碰的留出集、缺乏外部验证、校准度证据不足以及模型未考虑产后动态变化。因此，研究结论明确指出：在胎龄34–40周、患有呼吸窘迫并需要机械通气的新生儿中，该六因子RF模型显示了中等程度的区分能力，而充分校准的证据有限。该模型仍处于初步阶段，在临床应用前需要进行外部验证、重新校准以及前瞻性的临床影响评估。