《Journal of Perinatology》：Development and external validation of the NEO-READY model to predict date of discharge among premature neonatal intensive care patients
编辑推荐：
目的 开发一个简洁、可解释且准确的模型，用于预测新生儿重症监护病房（NICU）中早产儿的出院——该模型适用于前瞻性评估并整合到临床工作流程中。研究设计 利用常规可用的电子健康记录数据，研究人员开发并验证了新生儿可靠出院预估（NEOnatal Reliable
目的 开发一个简洁、可解释且准确的模型，用于预测新生儿重症监护病房（NICU）中早产儿的出院——该模型适用于前瞻性评估并整合到临床工作流程中。研究设计 利用常规可用的电子健康记录数据，研究人员开发并验证了新生儿可靠出院预估（NEOnatal Reliable Estimation of Approaching Discharge in Young Infants, NEO-READY）模型，这是一个每日更新的模型，可预测早产儿在5天内出院的概率。结果 使用702名婴儿的数据开发模型，并使用201名婴儿的数据进行时间外部验证。该模型包含13个预测因子和两个交互项，在开发队列（AUC=0.88，95% CI 0.87–0.90）和验证队列（AUC=0.90，95% CI 0.88–0.91）中表现出优异的区分能力。结论 这项工作是向长期目标迈出的第一步：将NEO-READY模型整合到临床工作流程中，作为改善出院准备、减少出院延迟和优化NICU资源的综合策略的一部分。
早产儿在新生儿重症监护病房（NICU）中常因并发症（如脑室内出血、早产儿视网膜病变、支气管肺发育不良和脓毒症）而经历长期且复杂的住院过程。这些患儿占NICU入院人数的一半以上，超过40%需要手术干预，进一步延长住院时间。NICU出院是一个高度复杂且资源密集的过程，需要多学科团队（包括医生、护士、社会工作者和个案管理者）进行结构化协调规划。准确预测生理出院准备时间，有助于团队提前完成照护者培训、随访安排和筛查检查等任务，避免因计划滞后导致患者生理成熟后仍在院等待，从而浪费NICU床位、增加医疗成本、可预防再入院率和护理相关失误。然而，目前关于早产儿出院延迟的负担和原因报道较少，且现有模型多局限于入院时预测住院时间，或排除标准严格、使用出院后编码等不可用的数据，缺乏动态更新能力，难以应用于临床实践。为解决这一问题，研究人员在《Journal of Perinatology》上发表了本研究，旨在开发并外部验证一个简洁、可解释且准确的预测模型——NEO-READY，该模型利用电子健康记录（EHR）中常规可得的数据，每日更新预测早产儿在NICU中5天内出院的概率，以促进出院计划的及时启动，最终减少出院延迟、优化资源利用。
本研究采用回顾性队列设计，数据来源于范德比尔特大学医学中心（VUMC）NICU，纳入了2017年11月2日至2020年1月1日期间出生的胎龄28～37周、接受积极治疗的早产儿。开发队列包括702名婴儿（2017年11月2日至2019年7月1日入院），时间外部验证队列包括201名婴儿（2019年7月2日至2020年1月1日入院）。研究人员使用离散时间生存模型框架，以二元逻辑回归分类器构建模型，并利用LASSO（最小绝对收缩和选择算子）进行变量选择，最终模型包含13个预测变量和两个交互项。模型性能通过区分度（受试者工作特征曲线下面积AUC、精确率-召回率曲线下面积AUPRC）和校准度（校准曲线、Brier评分）评估，并在验证队列中未进行调整，直接应用开发队列的模型参数。
**Patient characteristics**（患者特征）：开发队列的702名婴儿共贡献17,842个患者日，验证队列的201名婴儿贡献4,587个患者日。两组队列在人口统计学特征上无显著差异，85名患者（9.4%）因死亡或转回其他NICU而被视为删失。最长住院时间为243天，最短为1天。
**Model description and performance**（模型描述与性能）：最终逻辑回归模型包含13个变量和两个交互项，其中与5天内出院最相关的变量按重要性排序为：过去24小时经口摄入营养百分比、过去24小时最高环境温度、预测时的住院天数、出生胎龄和出生地点（院内/院外分娩）。模型在开发队列中表现出优异的区分度（AUC=0.88，95% CI 0.87–0.90），校准度良好，但高风险分位数存在轻微偏差（Brier评分=0.036）。每日模型性能也表现突出。
**Temporal external validation**（时间外部验证）：将开发队列模型直接应用于时间外部验证队列，未进行重新校准，显示出优异的区分度（AUC=0.90，95% CI 0.88–0.91）和校准度（Brier评分=0.039），同样在高风险分位数存在预期偏差。
**Discussion**（讨论部分总结）：研究人员成功实现了研究目标，开发并外部验证了一个准确的预后模型，该模型可每日动态生成NICU早产儿5天内出院的概率。模型使用简洁的13个变量，基于逻辑回归，易于自动提取，具备临床可行性、合理性、适用性、动态预测能力和可操作预测窗口（5天）。与现有模型（如Temple等的研究）相比，NEO-READY模型在预测4天和6天出院时AUC更高（0.795和0.754），原因包括：纳入了环境温度这一强预测因子、对缺失数据进行了填充而非排除、以及引入了反映患者复杂度的代理变量（如院外分娩地点、药物总数、实验室测量值、平均动脉压MAP）。大多数其他模型仅预测入院时住院时间，或依赖不可实时获取的数据（如账单编码），而NEO-READY模型克服了这些局限。然而，研究存在局限性：单中心回顾性数据可能限制泛化性；模型基于实际出院日期而非生理出院准备日期训练；仅针对胎龄28～37周早产儿，未涵盖极早产儿和足月儿；住院时间<10天或>40天的患者模型性能有限；EHR中部分数据缺失。未来工作将记录生理出院准备日期、进行前瞻性验证、扩展至复杂足月儿和极早产儿，并整合到EHR中。
**Conclusion**（研究结论翻译）：尽管存在这些潜在局限性，但本研究和验证工作的产物是一个极其强大的模型，用于预测NICU中5天内出院，具有明确的前瞻性评估和未来实施潜力。该模型克服了以往预测NICU患者住院时间或出院准备研究中的许多局限性。目前正在VUMC NICU记录患者出院准备日期，这将允许重新校准以预测患者生理出院准备日期而非实际出院日期。未来工作将进行前瞻性时间验证和复杂足月儿及极早产儿的探索性领域验证，并结合将预测嵌入EHR、在数据捕获时限制缺失和生理上不合理数据的举措。然后，通过直接比较模型预测与主治新生儿科医生的出院准备预测，来展示潜在的临床价值。长期目标是将该模型整合到NICU工作流程中，作为改善婴儿、父母和护理团队出院准备、减少出院延迟和优化NICU护理能力的综合策略的一部分。成功且持续地改善患者及时出院不仅需要出色的预测，还需要采取行动全面识别和克服当前医疗系统中的障碍。研究人员期待未来通过混合方法工作，开展务实随机对照试验和临床实施，进一步合作。
