足月婴儿出生后的身体测量指标增长与3岁时神经发育表现优异之间的关联
《Journal of Perinatology》:Association between postnatal anthropometric growth by term and high-performing neurodevelopment at age 3 years in extremely preterm infants
【字体:
大
中
小
】
时间:2026年05月14日
来源:Journal of Perinatology 2.4
编辑推荐:
**摘要**
**目的** 评估足月出生的婴儿在出生后的生长情况与低于28周妊娠期出生的婴儿的高水平神经发育之间的关系。
**方法** 这项回顾性研究考察了在妊娠32周、36周和40周时的人体测量Z分数(身高、体重、头围)与3岁时神经发育之间的关联,并将神经发育分为四组
**摘要**
**目的** 评估足月出生的婴儿在出生后的生长情况与低于28周妊娠期出生的婴儿的高水平神经发育之间的关系。
**方法** 这项回顾性研究考察了在妊娠32周、36周和40周时的人体测量Z分数(身高、体重、头围)与3岁时神经发育之间的关联,并将神经发育分为四组(发育迟缓、低于正常水平、正常、高水平)。
**结果** 共有287名婴儿接受了评估。妊娠40周时的身高与高水平的神经发育显著相关(调整后的OR = 1.86,95% CI = 1.49–2.32),其次是头围(调整后的OR = 1.32,95% CI = 1.04–1.67)。从妊娠36周到40周的身高Z分数变化与高水平的神经发育显著相关,而体重和早期的Z分数变化则没有这种相关性。
**结论** 在极早早产儿中,妊娠40周时的身高增长是3岁时高水平神经发育的独立预测因素,而体重和早期的生长变化则不是。
**引言** 近几十年来,极早早产儿的围产期护理和医学取得了显著进展,使得这一脆弱群体的存活率大幅提高[1,2,3]。尽管存活率有所提高,但许多极早早产儿仍存在长期残疾,包括认知、运动、行为、教育、情感和社会方面的挑战[4,5,6]。即使神经影像学检查未发现脑损伤,极早早产儿也表现出多种神经发育障碍,而这些问题的病理生理机制尚未完全明了[7]。阐明其发病机制需要多方面的研究,特别是关注与神经发育相关的方面[7, 8]。在导致这些问题的各种因素中,如性别、早产和围产期并发症[9, 10],宫内和宫外营养的差异被认为是影响足月儿和早产儿大脑发育差异的重要因素[10]。以往研究主要关注出生后体重和头围的增长与神经发育结果之间的关联[11,12,13]。最近,身高也被认为是一个重要的生长指标[14, 15]。此外,纵向评估(如Z分数的变化)比单一的横断面测量更能预测神经发育[16, 17]。尽管有这些发现,大多数先前的研究仍集中在识别中度或重度神经发育障碍的风险因素上。
在日本,2001年修订的《京都心理发展量表》(KSPD)[18]常用于评估早产儿的神经发育,包括日本新生儿研究网络进行的随访研究[19, 20]。KSPD与《贝利婴儿和幼儿发展量表》第三版密切相关,用于评估早产儿的神经发育[21]。它提供了总分和各子分的发展年龄,从而根据实际年龄计算出发展商数(DQ)[18]。在我们之前的研究中,我们建议将3岁时的总DQ阈值设定得更高(≥93)比传统阈值更能预测学龄期是否需要教育支持[22]。这种“高水平神经发育”的概念有助于识别那些没有细微损伤、可能在以后学术和社会功能上表现良好的儿童。虽然传统定义的“正常”DQ范围内的儿童在幼儿期可能看起来发育正常,但我们的先前研究表明,其中相当一部分儿童在学龄期仍需要教育支持[21]。这表明传统的正常范围并不一定能保证良好的长期功能结果。因此,区分DQ≥93的亚组在临床上是有意义的,因为它能够识别出具有更一致良好发展轨迹的儿童,而不意味着正常范围内的儿童就一定较差。
**本研究** 我们将3岁时的高水平神经发育作为主要结果。我们收集了极早早产儿出生后急性期和亚急性期的营养数据,并使用日本新生儿人体测量图表[23]追踪了他们的身高、体重和头围的人体测量Z分数,直到达到足月年龄。我们的目标是确定哪些人体测量指标和生长模式与高水平神经发育最显著相关。
**研究对象** 研究对象为2014年1月至2018年12月期间入住八家新生儿重症监护病房(NICU)的极早早产儿(妊娠期小于28周):名古屋大学医院、安城康生医院、日本红十字会爱知医疗中心、名古屋第一医院、大垣市立医院、东成综合医院、冈崎市立医院、丰田纪念医院和近南康生医院。符合条件的婴儿是那些在医院存活下来、在妊娠40周时进行了人体测量,并在3岁时进行了神经发育评估的婴儿。被转院到其他医院的婴儿、在住院期间死亡的婴儿以及有严重先天性异常的婴儿被排除在外。最终共有287名婴儿参与了这项回顾性队列研究(图1)。
**图1** 研究参与者流程图。
**人体测量** 每名婴儿在住院期间的身体测量数据来自医疗记录。体重每天在喂食前和更换尿布后使用电子秤测量,婴儿需裸体。身高和头围在每个机构规定的时间使用非弹性测量带测量。我们在妊娠32周、36周和40周时获取了人体测量数据。每个测量的Z分数是根据日本新生儿人体测量图表[23]得出的,并计算了以下时间段的Z分数变化:从出生到32周、从32周到36周以及从36周到40周。
**数据收集** 收集了包括妊娠期、性别、多胎妊娠、妊娠期高血压疾病、妊娠糖尿病、胎膜早破、临床/组织学绒毛膜羊膜炎、Apgar评分、侵入性通气、支气管肺发育不良(定义为妊娠36周时需要补充氧气或呼吸支持)、III级至IV级脑室内出血(根据Papile分类定义)、室周白质软化(定义为颅脑超声或MRI上的囊性病变)、血液培养证实的新生儿败血症、局部肠穿孔、坏死性小肠结肠炎(根据Bell分期标准定义为II级或更高级别)等临床特征。对于肠内营养,记录了类型(配方奶或母乳)和喂养量、开始喂养的日期、达到全量喂养的日期(100 ml/kg/天)以及开始和停止强化营养的日期。对于肠外营养,记录了开始和停止的日期、持续时间以及出生后前两周的能量(kcal/kg/天)、氨基酸(g/kg/天)和脂肪(g/kg/天)摄入量。
**神经发育评估** 3岁时的神经发育由经过认证的心理学家使用KSPD[18]进行评估。总DQ基于三个综合子量表计算:姿势-运动、认知-适应性和语言-社会。根据我们之前的研究,参与者根据神经发育结果被分为四组:总DQ<70分为发育迟缓,70 ≤ 总DQ<85分为轻度发育迟缓,85 ≤ 总DQ<93分为正常发育,总DQ≥93分为高水平[22]。
**统计分析** 分类变量以数字(百分比)表示,并使用卡方检验或Fisher精确检验进行比较。正态分布的定量变量表示为平均值±标准差(SD),并使用Student t检验或单因素方差分析(ANOVA)进行比较。当整体单因素ANOVA检验具有统计学意义时,使用Bonferroni校正的p值进行四个神经发育组之间的事后成对比较,以考虑多重比较的影响。非正态分布的定量变量表示为中位数(四分位数范围),并使用Mann-Whitney U检验或Kruskal-Wallis检验进行比较。使用逻辑回归分析进行了调整模型,以确定新生儿期的人体测量Z分数与3岁时高水平神经发育之间的关联。纳入调整模型的潜在混杂因素是在单变量分析中与结果具有统计学显著关联的变量(p<0.05),以及其他临床相关的潜在混杂因素。在这些模型中,性别被编码为二元变量(男性=1,女性=0),男性性别被编码为风险类别。除了分析妊娠32周、36周和40周时的人体测量Z分数外,我们还计算了这些时间点之间的Z分数变化(出生-32周、32–36周和36–40周)。这些Z分数的变化作为解释变量纳入逻辑回归模型,以评估它们与3岁时高水平神经发育的关联。在这些逻辑回归模型中,所有人体测量Z分数及其随时间的变化都被视为连续变量。为了研究机构与高水平神经发育之间的关联,我们进行了逻辑回归分析,包括潜在因素作为协变量以调整混杂因素。基于逻辑回归模型进行了调整后的接收者操作特征(ROC)曲线分析。这些模型调整了单变量分析中识别的潜在混杂因素和临床相关变量。我们评估了两种不同神经发育结果的诊断值:(1)高水平神经发育和(2)良好神经发育(结合“正常”和“高水平”)。使用Youden指数(敏感性和特异性的最大和)确定了每个ROC曲线的最佳切值。使用Spearman等级相关系数评估了营养方法和人体测量相关变量之间的关联。所有比较均为双尾,p值<0.05被认为具有统计学意义。统计分析使用SPSS统计软件包28.0版本进行。
**伦理批准** 本回顾性研究未获得书面同意,但通过在各机构网站上公开信息文件确保了参与者可以拒绝参与。该研究获得了名古屋大学医院当地伦理委员会的批准(编号2022-0274,批准日期2022年10月24日)。
**结果**
表1总结了287名婴儿的临床特征,并按3岁时的神经发育结果进行了分层。队列的平均(SD)妊娠期和出生体重分别为26.0(1.4)周和777(210)克。不同组之间的妊娠期、出生体重以及脑室内出血和支气管肺发育不良的发生率存在显著差异。还展示了妊娠36周和40周时的人体测量数据。
**3岁时的神经发育** 根据神经发育分类,78名儿童(27.1%)被分为发育迟缓,83名儿童(28.9%)分为低于正常水平,59名儿童(20.5%)分为正常发育,67名儿童(23.3%)分为高水平[22]。子量表的中位数(四分位数范围)分别为:姿势-运动89(65–102),认知-适应性83(69–94),语言-社会81(65–92)。补充表1显示了使用KSPD评估的3岁时的神经发育情况。此外,表1还展示了四个神经发育组之间的临床特征比较(发育迟缓[n=78]、低于正常水平[n=83]、正常[n=59]、高水平[n=67])。高水平组的妊娠期和出生体重显著较高,严重脑室内出血(III级–IV级)和支气管肺发育不良的发生率较低。
**各神经发育组的人体测量生长模式**
图2显示了四个神经发育组的身重、身高和头围Z分数的未调整生长模式。使用单因素ANOVA比较了四个组在每个时间点的差异,并在适当的情况下进行了Bonferroni校正后的事后检验。到妊娠32周时,发育迟缓组已经显示出体重和身高的生长延迟迹象。在妊娠36周和40周时,低于正常水平、正常和高水平组在所有生长指标上的追赶生长明显优于发育迟缓组。特别是在妊娠40周时,不同神经发育组之间的身高差异最为显著,低于正常水平组(p<0.001)、正常组(p=0.001)和高水平组(p<0.001)的生长明显优于发育迟缓组。此外,低于正常水平组与正常组之间(p<0.001)以及低于正常水平组与高水平组之间(p<0.001)也观察到了显著的生长差异。然而,需要指出的是,尽管平均Z分数存在显著差异,但在每个时间点,四组之间的身体测量值分布有相当大的重叠。图2:不同神经发育组别的人体测量Z分数生长模式的比较。该图像的替代文本可能是使用人工智能生成的。全尺寸图像显示了四个神经发育组(发育迟缓组n=78、低于正常组n=83、正常组n=59和高表现神经发育组n=67)的体重、身长和头围的原始Z分数。从事后成对比较中得出的统计显著差异用*表示(p adj < 0.05),**表示调整后的p adj < 0.01。PMW表示产后周数。
神经发育与人体测量数据
表2展示了多项逻辑回归分析的结果,其中提出了两个不同的模型。第一个模型针对“整个队列”,评估了人体测量数据与达到高表现神经发育之间的关联,与所有其他参与者的组合参考组进行比较。第二个模型仅限于正常或高表现神经发育的婴儿进行亚组分析。调整了包括胎龄、出生体重、性别、脑室内出血、支气管肺发育不良和小于胎龄儿等因素后的逻辑回归分析显示,36周PMA时的身长Z分数(p值=0.02,OR=1.49,95%CI=1.08–2.06)、40周PMA时的身长Z分数(p值<0.001,OR=1.86,95%CI=1.49–2.32)以及40周PMA时的头围Z分数(p值=0.02,OR=1.32,95%CI=1.04–1.67)是高表现神经发育的显著变量。在正常组和高表现组之间的亚组分析中,40周PMA时的身长是唯一显示出显著差异的人体测量指标,高表现组的值更高。此外,从36周PMA到40周PMA的身长Z分数变化也与高表现神经发育显著相关(OR=1.98,95%CI: 1.55–2.62,p=0.001),而在同一时间段内体重或头围Z分数的变化则不显著。重要的是,这种关联在正常组和高表现组之间也同样观察到(OR=1.70,95%CI: 1.18–2.45,p=0.004)。而从出生到32周PMA以及从32周PMA到36周PMA的Z分数变化在任何人体测量指标中都与结果无关。
表2 3岁时的人体测量Z分数、Z分数变化和高表现神经发育
全尺寸表格
补充表2展示了逻辑回归分析的结果,这些分析考察了机构与高表现神经发育之间的关联,以及人体测量Z分数及其变化与3岁时高表现神经发育之间的关联。即使在调整了潜在的混杂因素(包括机构、40周时的身长以及从36周PMA到40周PMA的身长变化)后,PMA仍与高表现神经发育显著相关。在整个队列的分析中,预测高表现神经发育的调整后ROC曲线下面积分别为:40周PMA时的身长Z分数为0.851(95% CI: 0.801–0.901),36周PMA时的身长Z分数为0.700(95% CI: 0.631–0.768),40周PMA时的头围Z分数为0.677(95% CI: 0.610–0.745)(见图3)。此外,以Z分数-2.93作为临界值时,高表现神经发育的敏感性为69%,特异性为89%。进一步进行了针对良好神经发育的调整后ROC分析(结合正常组和高表现组),40周PMA时的身长Z分数的AUC为0.897(95% CI: 0.858–0.936)(见补充图)。
图3:在整个队列中预测高表现神经发育的调整后接收者操作特征(ROC)曲线
该图像的替代文本可能是使用人工智能生成的。全尺寸图像
调整后的ROC曲线展示了在整个队列中分析的3岁时高表现神经发育的人体测量Z分数(36周和40周PMA时的身长、40周PMA时的体重和头围)的预测能力。
营养因素与人体测量数据
补充表3显示了急性期(出生后前两周)和亚急性期(出生后3-4周)人体测量数据与营养因素之间的相关性。开始和结束肠外营养的年龄、达到每天100毫升/公斤肠内营养的年龄以及开始强化营养的年龄与40周PMA时的身长Z分数呈负相关,而从出生后2周到4周的能量摄入与40周PMA时的身长Z分数呈正相关,这些相关性也出现在40周PMA时的体重Z分数和头围Z分数上。
讨论
在这项多中心回顾性研究中,我们调查了足月时人体测量Z分数的生长与3岁时神经发育结果之间的关系。与头围和体重相比,线性生长滞后,许多婴儿在足月等龄时的身长仍低于预期范围。值得注意的是,达到高表现神经发育的婴儿表现出显著更大的线性生长,且40周PMA时的身长显著预测了高表现神经发育。此外,在仅限于正常或高表现神经发育的婴儿的亚组分析中,只有足月时的身长与高表现神经发育独立相关。
我们关于足月时人体测量的纵向结果与之前的EPI研究一致[24,25,26]。Horemuzova等人报告称,40周PMA时的体重、身长和头围的平均Z分数分别为-1.72、-2.49和-0.86,大约70%的婴儿在出院时的身长Z分数低于-2个标准差[24]。这种追赶生长的不平衡表明需要改进产后宫外生长的营养干预措施。NICU住院期间体重和头围的增长不足是神经发育障碍的已知风险因素[12, 13, 16, 27, 28, 29, 30]。然而,大多数研究关注的是中度或重度神经发育障碍[13, 16, 29, 30],而许多EPI患者表现出较轻的障碍,如注意力缺陷、学习困难和轻度运动延迟[4,5,6],这些需要进一步讨论其病理生理学。在我们之前的研究中,我们发现将3岁时的总发育商(DQ)阈值设定得更高显著减少了无需教育支持就能上普通课程的儿童数量[22]。基于这些发现,我们提出了一个未来应针对的3岁时的新神经发育基准[22]。
在这项研究中,高表现神经发育组的身长生长优于其他组。此外,比较正常组和高表现神经发育组的亚组分析显示,40周PMA时的身长是唯一具有显著差异的人体测量指标。这种高表现神经发育与身长之间的关联为改善EPI中的神经发育结果提供了宝贵的见解。我们关于高表现神经发育与身长之间关联的发现强调了产后营养质量的重要性,以及平衡能量摄入和消耗以实现高表现神经发育的必要性。最近的研究越来越多地关注体重和头围以外的生长指标。足月时的无脂质量与脑容量相关,可作为产后营养的生物标志物[31]。研究还表明,产后身长生长与早产儿的神经发育相关。Watanabe等人发现,足月时的身长和头围是白质体积的关键决定因素[15],Egashira等人将它们与极低出生体重婴儿3岁时的认知功能和DQ>85联系起来[14]。在我们的研究中,当使用更高的高表现神经发育阈值时,身高成为最可靠的指标。在营养缺乏期间,头围生长通常得以保持[32]。此外,在NICU中,营养干预主要集中在体重增加上,导致脂肪积累[33,34,35],而骨骼和肌肉生长所需的必需营养素可能不足,从而导致身长生长延迟[34]。虽然体重增加发生得很快,但身长生长需要长期稳定的营养[34, 36, 37]。因此,身长可能是产后营养状况的更敏感指标[38]。我们发现从36周PMA到40周PMA的身长Z分数变化与高表现神经发育最密切相关,这支持了这一观点。我们假设36-40周这一时期反映了早产儿生理的临界过渡阶段。我们推测,在此期间,许多婴儿从急性并发症(如支气管肺发育不良或感染)的代谢压力中恢复,使得营养能够有效地分配到质量线性生长上,开始追赶其遗传潜力。此外,我们提出40周PMA时的身长Z分数本身可能是婴儿喂养能力的指标[39]。NICU的病程经常受到可能减缓生长的并发症的挑战。因此,40周PMA时的身长可能可靠地反映了一些婴儿是否成功开始了追赶生长。
我们研究了产后营养因素(能量摄入、达到完全肠内营养的天数和总肠外营养的持续时间)与人体测量数据之间的关系。这些因素与身长、头围和体重的生长显著相关,但没有一个因素特别与足月婴儿的身长相关。线性生长需要维生素D、钙、磷以及生长激素和胰岛素样生长因子-1等激素[40, 41]。这些营养素的缺乏可能导致线性生长延迟,特别是在EPI中,这些激素的分泌和作用的不成熟会导致进一步的延迟[42]。呼吸窘迫和感染等并发症也会增加能量需求,减少生长资源[43]。总体而言,生长应被视为受营养、激素和医学因素影响的中间变量,识别这些决定因素对于制定更有效的营养和医疗策略以改善长期神经发育结果至关重要。
这项研究有几个局限性。首先,由于缺乏家庭信息,我们无法考虑受试者的社会和教育背景。这些因素可能会影响婴儿的认知和语言能力[44]。其次,NICU中的营养管理实践因中心而异,使得难以标准化干预措施。此外,本研究使用不可伸展的胶带进行人体测量,这可能不如长度板或基于成像的评估方法准确,尤其是在患有严重疾病的危重婴儿中。此外,研究中排除了40周PMA时没有进行身体测量或3岁时没有进行神经发育评估的婴儿。这种排除可能导致选择偏差,因为失去随访的婴儿可能与被评估的婴儿系统性地不同,他们可能具有更差的神经发育结果或面临更大的社会经济挑战,这些本身也是发育不良的风险因素。此外,没有进行超过3年的长期随访,限制了我们对早期生长对神经发育长期影响的理解。最后,鉴于进行的统计测试数量众多——特别是在回归分析中——不能完全排除I型错误的可能性。因此,这些发现应谨慎解释,特别是在探索性分析的背景下。
总之,我们的研究强调了足月时身长生长与3岁时高表现神经发育之间的显著关联。身长可能提供更敏感的产后营养指标。需要进一步的研究来探索影响身高生长的其他因素,并开发更好的营养干预措施以改善EPI的结果。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号