校正胎龄（corrected gestational age, CGA）特异性预测模型用于识别需治疗的早产儿视网膜病变（treatment-requiring retinopathy of prematurity）

《Japanese Journal of Ophthalmology》：Corrected gestational age–specific prediction models for identifying treatment-requiring retinopathy of prematurity

　　

目的：开发并验证随时间更新的校正胎龄（corrected gestational age, CGA）特异性预测模型，利用常规可用的系统因素识别需治疗的早产儿视网膜病变（treatment-requiring retinopathy of prematurity），并评估随着CGA进展，预测因子组合及模型性能的纵向变化。研究设计：回顾性队列研究。方法：纳入来自单一三级医疗中心符合机构ROP筛查标准的早产儿，排除侵袭性ROP（aggressive ROP, AROP）。使用从出生到各CGA期间汇总的常规可用系统变量，分别在CGA 28、30、32和34周独立开发多变量逻辑回归模型（multivariable logistic regression models）。在每个CGA特异性分析中，排除在目标CGA之前已接受治疗的婴儿。基于赤池信息量准则（Akaike information criterion, AIC）的穷举子集选择确定CGA特异性最优预测因子集。使用分层五折交叉验证（stratified five-fold cross-validation）结合袋外预测评估模型性能，并通过受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）评估区分度。结果：最优模型选择的预测因子组合在各CGA间存在差异，表明系统因素的预测相关性存在纵向变化。生长相关和炎症指数被反复选中，而总体预测因子构成随CGA进展而演变。区分度在较晚CGA有所改善，CGA 28、30、32和34周的交叉验证AUC分别为0.650、0.716、0.809和0.842。结论：这些发现表明CGA特异性预测模型可能有助于表征需治疗ROP的动态风险。然而，在临床应用前仍需前瞻性多中心验证及进一步完善。

该研究发表于《Japanese Journal of Ophthalmology》。早产儿视网膜病变（retinopathy of prematurity, ROP）仍是儿童视力损害的主要原因之一。随着新生儿重症监护技术的进步，极度早产儿的生存率提高，但需要进行长期眼科随访的婴儿数量也随之增加。目前的ROP筛查策略主要基于孕龄（gestational age, GA）和出生体重，虽能有效识别高风险婴儿，但许多最终未进展至需治疗疾病的婴儿也接受了重复的眼科检查。这些检查不仅消耗大量医疗资源，还可能对脆弱的早产儿造成生理应激。除出生相关因素外，出生后系统状况如不良生后生长、贫血、感染、炎症及氧合不稳定等被认为参与了ROP的异常视网膜血管发育进程，其中中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio, NLR）、血小板与淋巴细胞比值（platelet-to-lymphocyte ratio, PLR）等炎症指数近期备受关注。然而，既往多数研究仅在单一时间点（常为出生后早期）评估这些因素，未充分探讨其预测相关性如何随婴儿成熟而变化。ROP是一种动态疾病，系统状况和临床决策随校正胎龄（corrected gestational age, CGA）演变。因此，研究人员旨在利用日常临床实践中常规获取的系统因素，开发并内部验证CGA特异性的需治疗ROP预测模型，考察预测因子组合是否随CGA不同而变化，以及模型区分度是否在较晚CGA改善。

研究人员开展了一项单中心回顾性队列研究，样本来源于东京大学医院（University of Tokyo Hospital）2019年10月至2024年12月期间符合机构筛查标准（出生体重≤1800 g和/或出生GA <34周）的早产儿，排除侵袭性ROP（aggressive ROP, AROP）后共293名婴儿构成研究队列，其中245名婴儿为至少对一个CGA特异性模型贡献完整数据的分析队列。研究人员分别在CGA 28、30、32和34周独立构建多变量逻辑回归模型，采用基于赤池信息量准则（Akaike information criterion, AIC）的穷举子集选择法从14个候选预测因子中筛选最优组合，排除目标CGA前已治疗的婴儿以确保界标分析框架，并使用分层五折交叉验证评估模型区分度（AUC）及平均精确度（average precision, AP），通过方差膨胀因子（variance inflation factors, VIFs）评估多重共线性。

研究结果如下。研究队列与治疗模式：总体研究人群（n=293）中37名婴儿（12.6%）在随访期间需ROP治疗；分析样本（n=245）中34名（13.9%）需治疗。各CGA分析样本量为CGA 28周47名、30周99名、32周159名、34周241名；各队列中最终需治疗婴儿数分别为22、28、31、30名。选定预测因子在CGA特异性最优模型中：各CGA最优模型预测因子组合不同。CGA 28周含性别、相对生长率（relative growth rate, RGR）和PLR_max；CGA 30周含GA、性别、RGR、Hb_min、NLR_max、PLR_max和Plt_min；CGA 32周含GA、RGR、Hb_min、NLR_max、PLR_max和Plt_min；CGA 34周含细菌感染、RGR、NLR_max、LMR_min、PLR_max和CRP_max。各CGA最小AIC值分别为67.75、103.47、130.21和144.84。多重共线性评估：所有模型VIF均<3，显示低水平共线性。模型区分度：区分度随CGA进展逐步改善，分层五折交叉验证得出的AUC在CGA 28、30、32、34周分别为0.650、0.716、0.809和0.842；相应AP值分别为0.573、0.513、0.496和0.408。CGA 32和34周仅含GA和出生体重的模型AUC分别为0.788和0.796，低于相应全模型。

讨论部分总结指出，研究人员开发了使用常规系统因素的CGA特异性需治疗ROP预测模型，得出三点主要发现：第一，CGA 28、30、32和34周的系统预测因子最优组合不同；第二，模型区分度随CGA进展改善，CGA 34周最高；第三，生长相关指数和炎症标志物在各CGA被反复选中，表明系统状况与进展至需治疗ROP的风险持续相关，且基于精确率-召回率（precision-recall, PR）的评估显示尽管AUROC有利但各CGA精确度仅中等，可能存在假阳性预测及不必要加强随访。较晚CGA表现较高可能部分反映分析人群特征随时间变化，仅用GA和出生体重的附加分析显示较低AUC，表明系统变量贡献了超越出生因素的预测性能；较早CGA因可用信息量少和分析案例少限制性能。CGA间预测因子构成的差异支持ROP风险是动态的而非静态的，系统因素影响疾病进展的相关性随婴儿成熟变化，但最优预测因子可能因人群、机构和样本量而异，结果应视为假设生成而非直接指导筛查日程修改，临床应用前需前瞻性多中心验证及定义临床适用风险阈值。生长相关RGR在所有CGA被选中，印证生后生长措施作为严重ROP预测标志的相关性；部分预测因子如最小血红蛋白比值方向看似反直觉，反映实验室值受疾病严重程度、临床干预及测量时机频率影响的复杂背景，模型用于预测而非因果推断故需谨慎解释方向；基于AIC选择模型旨在考察预测变量组合随CGA变化而非识别单一简约集。研究局限性包括回顾性单中心设计限制推广性、使用极值汇总可能未完全捕捉时间模式或波动、完整病例分析引入选择偏倚、未进行外部验证校准及建立临床适用阈值。结论部分翻译为：综上所述，与需治疗ROP相关的系统预测因子在各CGA间存在差异，且模型区分度在较晚CGA改善。这些发现表明CGA特异性的时间更新预测模型能够反映早产儿演变的风险特征，并在考虑未来ROP随访策略时提供有用信息。

需要我帮你把这篇解读文章按期刊摘要格式提炼成一段300字以内的结构化概要吗？