基于入院光电容积脉搏波描记法的乌干达疑似或确诊感染住院儿童死亡率预测:一项可行性研究

《PLOS Digital Health》:Admission photoplethysmography-based mortality prediction in hospitalized Ugandan children with suspected or confirmed infection: A feasibility study

【字体: 大 中 小 】 时间:2026年08月07日 来源:PLOS Digital Health 7.7

编辑推荐:

  摘要:脓毒症仍然是发展中国家可预防的儿科医院死亡的主要原因,而有效风险识别工具的缺乏阻碍了相关进展。入院时早期识别最高风险儿童对于指导临床护理和资源分配至关重要,尤其是在资源有限的环境中。光电容积脉搏波描记法(Photoplethysmography,PPG)

  
摘要:脓毒症仍然是发展中国家可预防的儿科医院死亡的主要原因,而有效风险识别工具的缺乏阻碍了相关进展。入院时早期识别最高风险儿童对于指导临床护理和资源分配至关重要,尤其是在资源有限的环境中。光电容积脉搏波描记法(Photoplethysmography,PPG)可测量血氧水平,同时也能客观反映与脓毒症相关的心血管改变。研究人员对Smart Discharges项目前瞻性收集的数据进行了二次分析,该项目涉及乌干达六家医院收治的疑似或确诊感染的五岁以下儿童,并开发了预测两个年龄组(0–6个月和6–60个月)全因院内死亡的模型。婴幼儿组死亡率为7%,较大儿童组为4.1%。机器学习模型基于入院时采集的一分钟光电容积脉搏波描记图提取的特征进行训练。表现最佳的模型在婴幼儿队列中实现了受试者工作特征曲线下面积(AUROC)均值0.70(95%置信区间:0.62–0.76),在较大儿童队列中为0.67(95%置信区间:0.56–0.73),相应的精确率-召回率曲线下面积(AUPRC)值分别为0.18(95%置信区间:0.12–0.27)和0.14(95%置信区间:0.06–0.22)。风险分层内的校准令人满意(Brier评分分别为0.06和0.04),决策曲线分析显示了临床实用性。值得注意的是,尽管模型的预测能力中等,但通过入院时快速且易于获取的客观测量即可实现,无需延长监测时间。虽然其准确性低于大多数现有风险评分,且不能替代临床判断,但这些基于入院的简单模型可能有助于识别高风险儿童,并在缺乏复杂诊断设备的环境中指导针对性干预。在采用前需进行外部验证。

作者总结:脓毒症对资源有限医院中的儿童构成严重风险,医护人员可能难以快速识别哪些患者处于最危险状态。在研究人员的研究中,研究人员调查了医院常用的简易指尖传感器(用于测量血氧水平)是否有助于在入院时识别高风险儿童。研究人员利用乌干达医院的数据开发了基于计算机的工具,分析这些传感器的信号并支持护理决策,无需先进设备或实验室检测。虽然研究人员的方法在准确性上不及最先进的方法,但研究人员通过入院时的一次快速测量获得了有价值的信息。这些发现表明,即使是简单易用的工具也能帮助工作人员做出更好的决策,并在资源有限的环境中优先处理需要紧急护理的儿童。研究人员希望进一步的工作能完善这些技术,并在其他医院和地区验证其价值。
**基于光电容积脉搏波描记法的乌干达感染住院儿童死亡风险预测:一项可行性研究的深度解读**

**一、研究背景与目的**

在全球范围内,五岁以下儿童死亡率尤其是可预防原因导致的死亡,仍是严峻的公共卫生挑战。尽管近几十年来死亡率显著下降,但进展并不均衡,撒哈拉以南非洲地区在2023年占全球五岁以下儿童死亡总数的一半以上。这种显著差异反映了持续存在的系统性挑战,包括医疗可及性有限、基础设施不足和社会经济不平等。疟疾、肺炎和腹泻病等感染性疾病仍是导致死亡的主要原因,这些疾病常以非特异性症状起病,却可能迅速进展为脓毒症这一危及生命的并发症。在资源有限的医疗机构中,分诊延迟和诊断工具缺乏放大了这些风险,凸显了对可扩展方法来改善儿童生存的迫切需求。入院时快速识别高死亡风险儿童至关重要,尤其是在病例负荷过重、实验室诊断能力有限、常规分诊往往依赖主观判断的医院中。及时准确的风险分层能够实现救生干预和有限资源的更高效利用。然而,大多数现有预测模型依赖于详细的临床或实验室数据,而这些数据在资源匮乏的医院中很少具备。这揭示了对简单、客观、无创且可在护理点无缝实施的方法的迫切需求,以便在入院时实现准确的风险预测。

光电容积脉搏波描记法(Photoplethysmography,PPG)代表了在这些环境中进行早期客观风险评估的一种有前景的技术手段。作为一种无创且经济实惠的技术,PPG最常通过脉搏血氧仪等便携式设备获取。它捕捉血容量的实时相对变化,能够在最少的培训和专业临床基础设施下快速收集数据。这使得PPG在高患者负荷和有限资源排除了更复杂诊断手段的环境中尤为宝贵。PPG还能提供可重复的生理数据,减少传统评估的主观性。PPG波形的细微变化可反映早期生理不稳定,近期研究表明,PPG衍生特征在检测脓毒症和进行风险分层方面具有价值,增加的变异性和独特的脉搏模式可识别出不良结局风险较高的患者。这一不断增长的证据支持将PPG用作低资源环境中的前线分诊工具。在此背景下,研究人员开发并评估了针对乌干达医院疑似或确诊感染儿童的死亡预测模型,仅使用一分钟入院PPG记录中提取的特征。研究目标是评估在缺乏全面临床或实验室数据时,利用快速、负担最小的生理数据进行早期风险分层的可行性和实用性。研究人员在广泛的PPG衍生特征集上采用了多种机器学习算法来评估预测性能。虽然研究人员的模型表现中等,与某些实用性临床评分相当,但未达到最稳健的多领域模型的准确性。尽管如此,该方法的一个重要优势在于脉搏血氧仪的应用不需要临床评估,而临床预测评分本质上需要临床医生的输入和培训。因此,尽管基于PPG的预测可能无法取代最准确的风险评分,但它有潜力有效增强现有的分诊实践,弥补客观、易用的决策支持工具缺乏的关键缺口。

**二、研究数据与方法概述**

本研究是对Smart Discharges项目第一阶段前瞻性收集数据的二次分析。该多中心前瞻性前后对照研究旨在调查定制化出院前护理对乌干达<5岁疑似脓毒症住院患儿出院后死亡率的影响。数据通过儿科脓毒症数据合作实验室(Pediatric Sepsis Data CoLaboratory)获取。研究对象为社区入院的疑似脓毒症患儿(由治疗团队定义为确诊或推定感染),排除标准包括居住地超出医院覆盖区域、因创伤入院、短期观察(<24小时)及出生后未经回家直接入院的新生儿。参与者分为两个队列:<6个月和6–60个月,分别招募自乌干达不同医院,覆盖服务约30个地区、超过800万人口(其中约140万五岁以下儿童)的公立和宗教背景医疗机构。入院时,经过培训的护士通过照护者访谈和临床检查收集临床、社会和人口学数据,包括生命体征、基础实验室参数(血糖、疟疾快速诊断检测[RDT]、人类免疫缺陷病毒[HIV]RDT、红细胞压积、乳酸)、营养评估人体测量指标、临床体征和症状、合并症及病史等。参与者在出院后2、4和6个月接受随访,记录院内和院外死亡及再入院情况。

本研究的核心方法涉及从入院时采集的PPG信号中提取特征并构建机器学习模型。每位儿童最多获得两段一分钟PPG记录,使用LionsGate Technologies脉搏血氧仪和运行Phone Oximeter软件的Android平板电脑采集,仅分析红外通道(940 nm)数据。信号预处理包括排除<30秒的记录、时间反转以匹配标准PPG形态、基于移动平均的趋势去除、通过Hilbert变换进行解调归一化以抑制运动伪差。信号质量通过Dall'Olio等人算法生成的不充分评分进行评估,仅保留评分<0.01的最高质量记录。特征提取包括脉搏分割、信号质量指数(SQI)估计和特征量化三个主要步骤。脉搏定义为一次搏动起点到下一次搏动起点之间的片段,信号经样条插值重采样至160 Hz并归一化。SQI采用Karlen等人基于相关性匹配的算法计算,仅保留SQI>50的脉搏。从高质量脉搏中提取了包括幅度、时间间隔、斜率、二阶导数形态、脉搏率变异性(PRV)的时域、频域和非线性指标在内的共60个特征,SpO2和灌注指数直接从脉搏血氧仪导出。剔除两两相关性>0.8的特征后,0–6个月和6–60个月队列分别保留32和34个特征。

研究采用嵌套分层交叉验证(CV)框架,外循环和内循环均为5折,重复6次。评估了四种机器学习分类器:逻辑回归(LR)、随机森林(RF)、极端梯度提升(XGB)和多层感知机(MLP)。预处理包括5近邻缺失值插补和0–1范围归一化。使用基于逻辑回归估计器的递归特征消除(RFE)进行特征选择,并测试了多种特征数量配置。同时评估了三种重采样技术(RandomOverSampler、RandomUnderSampler和SMOTEENN)以应对类别不平衡,但结果显示无显著改善,最终模型训练和评估未使用重采样。模型在完整外训练折上重新训练,使用等渗回归进行校准,并在外测试折上评估。使用Shapley Additive exPlanations(SHAP)方法识别整体最重要的预测因子。性能评估涵盖区分度(AUROC和AUPRC)、校准度(Brier评分和校准图)和临床实用性(决策曲线分析)。

**三、主要研究结果**

**1. 研究人群特征**

在合并的0–6个月队列中,共记录2,707例住院,排除274例PPG记录不充分的病例后,剩余2,433名受试者:2,263名(93%)存活,170名(7%)死亡。幸存者中位住院时间(LoS)为5天(IQR:3–6),非幸存者为3天(IQR:1–5)。在6–60个月队列中,排除390例后剩余3,449名受试者:3,307名(95.9%)存活,142名(4.1%)死亡。幸存者中位LoS为4天(IQR:3–6),非幸存者为2天(IQR:1–5)。两个队列中被排除儿童(因PPG记录不充分)的死亡率均高于纳入分析者。两个年龄组中约55%为男性;0–6个月队列中位年龄为1.5个月,13.6%患有严重营养不良;6–60个月队列中位年龄为16.6个月,14.5%患有严重营养不良。

**2. 模型预测性能**

在0–6个月队列中,所有四种模型在PPG特征数量从2增加到约10个时,AUROC和AUPRC均有显著改善,随后趋于平稳。基于此趋势,选择10特征集进行后续建模。在0–6个月队列中,LR10、RF10、XGB10和MLP10的平均AUROC分别为0.67、0.70、0.70和0.67,平均AUPRC分别为0.20、0.19、0.18和0.20。在6–60个月队列中,LR10、RF10、XGB10和MLP10的平均AUROC分别为0.65、0.68、0.67和0.65,平均AUPRC分别为0.12、0.13、0.14和0.12。两个年龄组中,RF10和XGB10的区分性能最高,Friedman检验确认分类器间差异有统计学意义(p<0.05),Nemenyi事后两两比较显示RF10和XGB10在各队列内无显著差异。将灵敏度固定为80%时,RF10和XGB10的平均概率阈值分别为约0.05(0–6个月)和0.03(6–60个月)。在此阈值下,两个队列中两种模型的NPV均≥0.97,表明阴性预测高度可靠。

所有模型在较低预测概率下校准良好,Brier评分在0–6个月队列为0.06,6–60个月队列为0.04。在较高概率区间,校准曲线偏离对角线,可能反映该范围内样本量较小和风险高估倾向。KDE图显示幸存者预测风险聚集在零附近,而非幸存者分布更广且在较高值处出现峰值,但在极低风险区域存在显著重叠。决策曲线分析显示,在两个年龄组中,所有四种模型在临床相关阈值概率下均比默认的“不治疗”策略提供更高的净获益。在实现80%灵敏度的阈值下,RF10和XGB10的净获益约为0.03和0.016,这相当于每1,000名患者中额外识别出30名和16名真阳性,而不会增加假阳性数量。与“全部治疗”策略相比,RF10和XGB10在0–6个月队列中每1,000名患者减少了171个假阳性(约17%),在6–60个月队列中减少了162个(约16%)。

**3. 死亡预测因子**

在0–6个月队列中,共识别出12个跨四种分类器的顶级死亡预测特征,其中8个在所有模型中被一致选择。在6–60个月队列中,识别出14个特征,其中7个在所有模型中一致选择。SpO2和脉搏率作为心肺功能的直接测量指标在所有模型中被选择。PRV相关指标占主导地位,包括pNN20、SD1/SD2、tprPP、tprPPdiff、LFn、VLF、entropyPP和skewPP。此外,多个基于幅度和形态的PPG特征(包括b波和a波峰值幅度、sysAmp、IPA和SysDiasTimeRatio)也被识别为重要预测因子。SHAP分析显示,在0–6个月婴儿中,较高的死亡风险与较低的SpO2、b波、skewPP、entropyPP和tprPPdiff,以及较高的SD1/SD2、pNN20、脉搏率、tprPP和sysAmp相关。其中SD1/SD2和pNN20尤为稳健,出现在所有30个CV折中。在6–60个月儿童中,较低的stdPERF、IPA、SpO2、a波和LFn,以及较高的pNN20、脉搏率、SysDiasTimeRatio、SD1/SD2和tprPP与死亡风险增加相关,其中pNN20是最频繁出现的特征(28折)。

**四、讨论与结论**

研究结果显示,基于PPG的模型在区分度上处于既有工具的中等范围,传统临床评分如Lambaréné器官功能障碍评分(LODS)和儿童致死性炎症体征评分(SICK)的AUROC可达0.85,但许多常用工具如改良全身炎症反应综合征评分(mSIRS)和儿科早期预警评分(PEWS)的区分度与本研究模型相当或仅略优。重要的是,许多表现更优的传统评分通常依赖临床、人体测量和实验室变量,这些资源在LMIC中并非持续可得且存在测量变异性。相比之下,本研究方法采用快速、无创的检测,可由经过最少培训的人员部署,在入院时支持客观可重复的风险评估。PRV指标和波形衍生特征作为关键预测因子的选择,支持了该方法的生理学合理性,考虑到既往研究已将变异性降低与更差的脓毒症结局联系起来。

研究存在若干局限性。首先,约10%的受试者因PPG信号质量不足或记录缺失被排除,且被排除患者死亡率较高,这反映了可测量性的实际约束。其次,结局定义包含入院至出院后48小时内的死亡,在缺乏可比出院后监测的数据集中可能导致错误分类。第三,作为二次分析,可用PPG记录时长(一分钟)是预先确定的,可靠估计所有PRV指标通常需要≥90秒,可能影响准确性。第四,预测性能可能因结局定义时间点不同而有所差异。第五,模型仅使用来自单一地理区域的队列进行了内部验证,更广泛的采用需要针对预期实施环境定制的外部验证。最后,模型的实际临床影响尚不清楚,需要未来前瞻性研究评估可用性、可接受性、工作流程整合及对患者结局和资源分配的真实影响。

总之,尽管模型表现中等,但在患者与工作人员比例高、专科医生有限、结构化风险分层常不切实际的环境中,仍可提供实用价值。作为分诊辅助工具,基于PPG的模型可作为快速筛查工具识别高风险儿童,指导加快评估和资源分配,而不取代临床判断。通过捕捉早期不稳定信号,模型可帮助将有限资源集中于最需要的人群,最终改善LMIC医院的儿科结局。中等预测性能可能反映了使用单时间点测量和仅依赖生理信号这两方面因素。为解决这一问题,研究人员目前正在研究通过整合额外负担最小的临床或人口学变量以及应用深度神经网络从原始PPG记录中自动提取特征来提高准确性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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