Novas Ideias sobre Modelos de Previsão de Risco de NEC
Pesquisas mostram o desenvolvimento e a eficácia dos modelos de predição de risco de NEC em recém-nascidos.
― 6 min ler
Índice
Enterocolite Necrosante (NEC) é uma parada séria que afeta os intestinos dos bebês. Rolam danos nos tecidos intestinais, e eles começam a morrer. Isso causa vários sintomas, como barriga inchada, vômito, diarreia e, às vezes, sangue nas fezes. Se não tratar rápido, a NEC pode levar a complicações graves, tipo choque, falência de múltiplos órgãos e até morte.
Nos Estados Unidos, a NEC foi uma das principais causas de morte entre recém-nascidos em 2019. A taxa de mortalidade foi maior do que no ano anterior, atingindo especialmente os bebês com peso de nascimento muito baixo. Pra esses pequenos, o risco de morte por NEC é bem alto, variando de 30% a 50%.
A NEC pode aparecer do nada e sem sinal claro, o que dificulta o diagnóstico precoce pelos médicos. Essa evolução rápida, junto com a chance alta de complicações, faz ser super importante identificar os bebês em risco. Infelizmente, os profissionais de saúde ainda não têm testes ou biomarcadores confiáveis pra diagnosticar a NEC, o que complica ainda mais a situação.
Reconhecer os bebês de alto risco logo de cara e tomar medidas preventivas pode melhorar muito os resultados. Recentemente, caiu uma chuva de pesquisas focadas em criar modelos que prevejam quais bebês estão mais propensos a desenvolver NEC. Mas, esses modelos costumam variar bastante em design e eficácia.
Pesquisa sobre Modelos de Previsão de Risco de NEC
Esse artigo resume os achados de estudos sobre modelos de previsão de risco de NEC na China. O objetivo é dar uma visão de como esses modelos são desenvolvidos, sua eficácia e os vários fatores que influenciam o risco de um recém-nascido desenvolver NEC.
A pesquisa seguiu diretrizes específicas pra fazer uma revisão completa da literatura existente. Vários critérios foram usados pra decidir quais estudos incluir, focando principalmente em pesquisas sobre recém-nascidos e ferramentas de previsão de risco de NEC. No total, dez estudos significativos foram analisados.
Método de Pesquisa
Os pesquisadores fizeram uma busca sistemática de estudos relevantes em várias bases de dados médicas. Essa busca focou em achar literatura que discutisse NEC e seus fatores de risco. Os estudos selecionados incluíram vários tipos de desenhos de pesquisa, tipo estudos de coorte e estudos de caso-controle, todos feitos na China.
Depois de revisar milhares de artigos, os pesquisadores selecionaram dez estudos que foram considerados mais relevantes. Os estudos escolhidos incluíram informações sobre como as ferramentas de previsão de risco foram desenvolvidas e validadas, além da sua eficácia.
Principais Descobertas dos Estudos
Os estudos incluídos focaram principalmente em bebês que nasceram com menos de 37 semanas. A maioria deles foi retrospectiva, ou seja, analisaram dados passados pra entender os resultados.
Os pesquisadores identificaram doze modelos diferentes de previsão de risco nos estudos. Esses modelos geralmente levaram em conta fatores como Peso ao nascer, Idade Gestacional e qualquer Infecção que o bebê pudesse ter. A maioria desses modelos usou regressão logística, que é um método estatístico comum nesse tipo de pesquisa.
Um dos achados importantes foi que a performance desses modelos de previsão variou. Alguns modelos mostraram um bom desempenho preditivo, com uma pontuação alta de área sob a curva (AUC), enquanto outros tiveram resultados menos favoráveis. Os modelos foram frequentemente apresentados em formatos amigáveis, como nomogramas, que ajudam os profissionais de saúde a fazer avaliações rápidas.
Fatores de Risco Associados à NEC
Ao revisar os estudos, os pesquisadores encontraram vários fatores de risco que apareceram consistentemente em diferentes modelos. Os principais fatores associados a um risco mais alto de NEC incluíam:
- Peso ao nascer: Pesos mais baixos estão ligados a um risco maior de NEC.
- Idade gestacional: Bebês que nascem antes de 37 semanas têm uma chance maior de desenvolver a condição.
- Infecções: Qualquer sinal de infecção pode aumentar o risco de NEC.
- Método de alimentação: Alimentação artificial, principalmente com leite em pó, está ligada à NEC, enquanto a amamentação é considerada protetora.
- Sepse: Essa infecção severa pode causar danos intestinais.
Além disso, alguns fatores foram encontrados como protetores contra a NEC. Por exemplo, tratamentos pré-natais como dexametasona mostraram reduzir as taxas de NEC. A amamentação também fornece nutrientes essenciais e suporte imunológico para o corpo em crescimento do bebê, ajudando a evitar infecções potenciais. Probióticos, que são bactérias benéficas, podem ajudar a manter a flora intestinal saudável.
Qualidade e Aplicabilidade da Pesquisa
O risco geral de viés nos estudos incluídos foi considerado alto. Isso significa que os desenhos e métodos das pesquisas podem não ter sido rigorosos o suficiente, o que pode afetar a confiabilidade dos resultados. A maioria dos estudos se baseou em dados retrospectivos, que pode introduzir vários vieses.
Melhorar a qualidade de futuras pesquisas é crucial. As recomendações incluem usar estudos de coorte prospectivos pra coletar dados no futuro, em vez de olhar pra registros passados. Além disso, os pesquisadores devem buscar melhores práticas estatísticas e validações de modelo pra garantir que suas previsões sejam as mais precisas possíveis.
Direções Futuras na Previsão de Risco de NEC
O campo da pesquisa sobre NEC tá evoluindo, especialmente com a introdução de algoritmos de aprendizado de máquina. Essas técnicas avançadas permitem que os pesquisadores trabalhem com grandes conjuntos de dados pra desenvolver modelos de previsão de risco mais precisos. O potencial do aprendizado de máquina tá na habilidade de analisar dados complexos, fornecendo avaliações e previsões em tempo real.
Mas, ainda existem desafios, incluindo garantir que os modelos podem ser generalizados entre populações de pacientes diversas e lidar com considerações éticas em torno do uso de dados. Mais pesquisas devem focar em esforços colaborativos pra reunir dados extensivos e multicêntricos, melhorando a eficácia e aplicabilidade dos modelos.
Conclusão
No geral, a pesquisa sobre modelos de previsão de risco de NEC fez avanços significativos, mas ainda precisa melhorar. Ao entender os vários fatores de risco e aprimorar as metodologias de pesquisa, os profissionais de saúde podem prever e gerenciar melhor a NEC em recém-nascidos. A identificação precoce de bebês em risco e a implementação de medidas protetoras podem melhorar muito os resultados de saúde desses pacientes vulneráveis.
À medida que os pesquisadores continuam a refinar esses modelos e explorar aplicações de aprendizado de máquina, há esperança por ferramentas mais precisas e confiáveis que podem salvar vidas e melhorar os cuidados com recém-nascidos em risco de NEC.
Título: The risk prediction models of neonatal necrotizing enterocolitis in China: a systematic review
Resumo: ObjectiveSystematically evaluate the risk prediction model for neonatal necrotizing enterocolitis (NEC) in China, providing reference for clinical work and future research. MethodsWe searched Chinese and English databases were systematically searched to focus on NEC risk prediction modeling studies.The search time ranged from database establishment to 25 August 2023.Two researchers independently screened the literature and extracted information.Then risk of bias and applicability were assessed by using the Prediction Model Risk of Bias Assessment Tool. ResultsA total of 10 papers involving 12 NEC risk prediction models were included, which is focusing on the populations of preterm infants mostly, building the methods of models diversity, predicting factors discrepancy widely. conclusionThe existing NEC risk prediction models in China have good predictive performance, while they often lack external validation, resulting in an overall high risk of bias. In the future, clinicians and nurses should learn from the evaluation criterions based on the PROBAST, then to test and verify them. Or machine learning algorithms usage is to construct models with operationalization and better predictive efficacy. [REGISTRATION: PROSPERO ID: CRD42024503844]
Autores: HU xue, W. jiaming, D. jiajia, P. junjie, G. xin, L. yunchuan, W. yuanfang
Última atualização: 2024-02-05 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2024.02.04.24302320
Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.02.04.24302320.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.