肠外-肠内营养过渡期预测宫外生长受限：极早产儿风险识别模型的构建

《Frontiers in Nutrition》：Predicting extrauterine growth restriction at the parenteral-enteral nutrition transition: a model for risk identification in very preterm infants

　　

摘要
引言：本研究旨在识别极早产儿在肠外-肠内营养过渡期间纵向宫外生长受限（extrauterine growth restriction, EUGR）的关键预测因素，并据此构建一个有效的预测模型，用于早期临床识别。
方法：本回顾性研究共纳入260例胎龄28–31⁺⁶周的早产儿。收集围产期及产后早期临床数据。采用单因素回归分析（p?结果：研究确定了六个关键预测因素：胎龄、性别、恢复出生体重时间、妊娠期糖尿病、妊娠期高血压疾病及血尿素氮。在比较的模型中，逻辑回归模型表现出最佳性能，基于该模型构建的列线图显示出强大的预测效能。
结论：在本研究中，研究人员开发并内部验证了一个专门针对极早产儿在肠外-肠内营养过渡期间纵向EUGR的预测模型。该模型展现出稳健的预测性能、良好的临床实用性和优异的可解释性，为肠外-肠内营养过渡期的风险分层提供了实用工具，有助于临床医生识别可能受益于及时、个体化营养支持的高危婴儿。

论文解读：极早产儿肠外-肠内营养过渡期纵向EUGR风险预测模型的构建与验证

**一、研究背景与问题提出**

极早产儿（胎龄28至<32周）因器官发育极度不成熟，面临较高的死亡率和严重并发症风险。在中国新生儿网络（CHNN）数据中，<32周早产儿中88.3%出生于28–31⁺⁶周，构成极早产儿的主体人群。尽管围产期和新生儿救治水平显著提升了存活率，但这类婴儿宫内营养储备有限，加之器官功能不成熟易诱发并发症进而增加代谢需求，使其成为宫外生长受限（extrauterine growth restriction, EUGR）的高危人群。EUGR与远期生长受损、神经发育迟滞及成年期心血管疾病风险增加密切相关。EUGR的定义包括横断面定义（校正胎龄36–40周或出院时体重Z评分低于标准阈值）和纵向定义（出生至上述时间点Z评分下降>1–2个标准差）。研究显示，纵向定义能更准确捕捉累积性生长轨迹异常，且与24–30月龄校正年龄时较差的体重和头围结局关联更强。流行病学数据显示极早产儿EUGR负担沉重：西方横断面发生率约45%，中国为48.4%；纵向发生率更高，西方和中国队列分别约为59%和74.9%。优化营养管理是早产儿照护的基石，及时识别EUGR高危儿并优化营养策略至关重要，包括提高出生后第一周累积热量摄入、尽早开始肠内喂养及更快推进喂养量。然而，现有EUGR预测模型存在以下局限：（1）部分依赖横断面而非纵向定义；（2）纳入的风险因素不够全面；（3）部分变量在出生后早期无法获取，限制了早期风险识别与干预。此外，传统统计方法可能不足以严谨分析复杂、多维的临床数据集。为此，本研究利用极早产儿肠外-肠内营养过渡期间的综合临床数据，构建并评估EUGR风险预测模型。

**二、研究设计与主要技术方法**

本研究为单中心回顾性队列研究，纳入2022年1月至2023年12月福建省妇幼保健院新生儿科收治的260例胎龄28–31⁺⁶周的极早产儿，按7:3比例随机分为训练集（n=182）和测试集（n=78）。研究人员采用两阶段变量选择策略：先进行单因素逻辑回归分析（p<0.1），再应用最小绝对收缩和选择算子（LASSO）回归进行降维。随后构建五种预测模型：逻辑回归、轻量梯度提升机（LightGBM）、分类提升（CatBoost）、支持向量机（SVM）和K近邻（KNN），通过受试者工作特征曲线下面积（AUC）、准确率、灵敏度、特异度、阳性预测值和F1分数等指标评估并比较模型性能。采用校准曲线和决策曲线分析（DCA）评估模型校准度和临床效用，并应用沙普利加法解释（SHAP）方法增强模型可解释性。EUGR定义为使用Fenton生长曲线，从出生到出院体重Z评分下降超过?1个标准差。

**三、研究结果**

**3.1 EUGR组与非EUGR组婴儿的特征比较**

260例极早产儿中，EUGR组170例（65.4%），非EUGR组90例（34.6%）。EUGR组婴儿胎龄更低（29.35周对30.95周，p<0.001）、出生体重更低（1.23 kg对1.38 kg，p<0.001）。出生时、第7天和第14天体重Z评分组间无显著差异，但出院时EUGR组体重Z评分显著更低（?1.95对?1.08，p<0.001）。EUGR组住院时间更长（53天对35天，p<0.001），出生后14天内未恢复出生体重的比例更高（11.18%对2.22%，p=0.012）。母体妊娠期糖尿病（GDM，42.94%对20.00%，p<0.001）和妊娠期高血压疾病（HDP，30.59%对16.67%，p=0.015）在EUGR组中更为普遍。EUGR组贫血（76.47%对61.11%，p=0.009）和早产儿视网膜病变（ROP，24.71%对13.33%，p=0.032）发生率更高。EUGR组第14天血尿素氮（BUN）≥3.2 mmol/L的比例显著较低（22.94%对42.22%，p=0.001）。

**3.2 训练集和测试集的基线特征比较**

数据集按7:3随机拆分后，训练集（n=182）和测试集（n=78）之间所有比较参数均无显著差异（p>0.05），表明两组基线特征可比。

**3.3 训练集单因素逻辑回归分析**

单因素逻辑回归分析显示，GDM（OR=2.98，p=0.003）和HDP（OR=2.52，p=0.020）是EUGR的显著危险因素；而14天内恢复出生体重（OR=0.12，p=0.045）、BUN≥3.2 mmol/L（OR=0.44，p=0.016）、出生体重（OR=0.13，p=0.002）、胎龄（OR=0.62，p<0.001）、第7天体重（OR=0.07，p<0.001）和第14天体重（OR=0.08，p<0.001）则表现出保护效应。

**3.4 基于LASSO的特征选择**

将单因素分析中p<0.1的10个变量纳入LASSO回归，经10折交叉验证后，最终保留6个变量：性别、胎龄（GA）、GDM、HDP、BUN和恢复出生体重时间。

**3.5 模型评估**

在测试集中，CatBoost模型AUC最高（0.820），其次为逻辑回归（0.814）、SVM（0.790）、LightGBM（0.784）和KNN（0.754）。但逻辑回归模型在准确率（0.782）、阳性预测值（0.894）和F1分数（0.832）等指标上表现优异，且从训练集到验证集指标保持稳定。由于逻辑回归与CatBoost的AUC差异无统计学意义，且逻辑回归综合性能更优，故最终选择逻辑回归作为最优预测模型。

**3.6 逻辑回归模型构建**

多因素逻辑回归分析确定性别、GDM、HDP、GA、BUN和恢复出生体重时间为EUGR的独立预测因子。列线图显示，总评分超过100分预测出院时EUGR风险>50%，超过165分则预测>90%风险。

**3.7 列线图的验证与性能评估**

训练集AUC为0.824（95% CI: 0.761–0.887），测试集AUC为0.814（95% CI: 0.713–0.914），表明区分度良好。校准曲线显示预测概率与实际观察结果一致性良好，Hosmer-Lemeshow检验训练集（p=0.2921）和测试集（p=0.6242）均无显著偏差。决策曲线分析显示，训练集阈值概率25–95%和测试集35–95%范围内，列线图比“全部治疗”或“均不治疗”策略提供更高净收益。SHAP分析显示特征重要性排序为：GA、BUN、GDM、HDP、性别、恢复出生体重时间。

**四、讨论与结论**

本研究中EUGR纵向定义发生率为65.4%，与使用相似定义的中国新生儿网络（60%）和希腊队列（58.4%）报告一致，但高于欧洲和加拿大队列（44.3–47.2%和38–47%），提示需加强早期风险预测和营养管理优化。研究发现，低胎龄是EUGR的关键危险因素，这与生理和代谢不成熟、并发症负担高等因素相关。值得注意的是，男性在本队列中表现为保护因素，该方向与既往部分研究一致，但与大多数当代网络公认的“男性劣势”形成对比，可能反映边界统计学意义、单中心设计或较窄胎龄窗口的影响，需在更大规模多中心人群中验证。GDM和HDP作为产前重要因素通过胎盘功能障碍增加EUGR风险。BUN作为直接测量的营养生物标志物，其<3.2 mmol/L提示蛋白质摄入不足，SHAP分析将其列为第二重要预测因子，且与EUGR风险呈负相关。恢复出生体重时间延长是营养不足的直接标志，延迟与EUGR风险增加相关。与既往模型相比，本模型的独特优势在于：采用纵向EUGR定义、预测因子限于出生后14天内以捕捉肠外-肠内营养过渡关键期、纳入BUN这一营养生物标志物、并专门针对28–31⁺⁶周胎龄亚组进行风险分层。研究局限性包括：测试集样本量较小（n=78）导致AUC置信区间较宽、缺乏外部验证、BUN截断值取自干预文献而非本队列推导、EUGR定义仅依赖体重增长而未纳入头围指标。未来需开展前瞻性多中心研究进一步验证模型的临床实用性。

研究结论：研究人员开发并验证了一个用于预测极早产儿纵向EUGR的逻辑回归模型。该模型在内部验证中展现出较强的预测准确性、良好的校准度和正向净临床获益，其预测性能优于四种对比机器学习算法。模型的可视化解释量化了各预测因子的个体风险贡献，将其转化为简单直观的临床实用工具，有助于临床医生对这一脆弱人群进行个体化早期风险评估和干预。该研究成果发表于《Frontiers in Nutrition》。