基于机器学习的新生儿细菌性脑膜炎短期不良预后预测模型构建与验证

本研究创新性地应用机器学习（ML）技术，通过最大相关最小冗余（mRMR）算法筛选17项临床特征，系统评估9种算法对新生儿细菌性脑膜炎（NBM）短期不良预后的预测效能。研究证实逻辑回归（LR）模型表现最优（AUC=0.908），关键预测因子包括肌张力异常、惊厥发作、脑脊液（CSF）蛋白>2000 mg/L等指标，为临床早期识别高风险患儿提供了数据驱动的分层管理工具。

　　

ABSTRACT

新生儿细菌性脑膜炎（NBM）是新生儿期极为严重的疾病。本研究旨在系统评估机器学习模型，筛选危险因素并确定最佳预测模型，为NBM患者的分层管理提供数据驱动工具。

Background

NBM临床表现为非特异性，早期识别高风险婴儿对及时干预至关重要。尽管机器学习在预测其他新生儿疾病结局方面显示出潜力，但其在NBM短期不良预后预测中的应用尚未探索。

Methods

回顾性分析2013年1月至2023年12月首都儿科研究所新生儿科收治的433例足月NBM患儿临床数据。根据出院结局将患者分为不良预后组（n=84）和良好预后组（n=349）。从32个临床变量中筛选出17个变量（15个通过mRMR算法，2个基于临床知识），评估9种机器学习模型的曲线下面积（AUC）、敏感性、特异性等指标。

Results

在9个模型中，逻辑回归（LR）模型表现最优（AUC:0.908，准确率:0.890）。关键预测因子包括：肌张力异常、惊厥发作、CSF蛋白>2000 mg/L、机械通气、需要血管活性药物的低血压、CSF葡萄糖<2.0 mmol/L、前囟膨隆、C反应蛋白（CRP）、肝肿大和血培养阳性。

Conclusions

机器学习模型可作为预测NBM患者短期不良预后的可靠工具。LR模型表现出最佳预测性能，可帮助临床医生识别高风险患者。

1 Introduction

NBM发病率约为0.3-0.49/1000活产儿，在发展中国家高达0.61%。尽管全球细菌性脑膜炎死亡率从1961年前的32%降至2010年后的15%，但新生儿死亡率下降幅度小于其他年龄组。在高收入国家，NBM死亡率约10%-15%，而在中低收入国家仍高达40%-58%。约20%-50%幸存者可能出现听力损失、失明、癫痫等后遗症。

2 Participants and Methods

2.1 研究对象

纳入2013-2023年首都儿科研究所新生儿科收治的433例足月NBM患儿。排除标准包括早产儿、先天性神经发育畸形等。

2.2 研究方法

收集临床资料包括：

(1) 一般资料：性别、胎龄等

(2) 临床表现：体温异常、惊厥等

(3) 实验室检查：CRP>50 mg/dL、CSF白细胞计数等

(4) 出院时临床结局

2.3 机器学习模型构建

采用mRMR算法进行特征选择，评估9种机器学习方法：LR、SVM、RF、DT、KNN、GBoost、XGboost、AdaBoost和CatBoost。

3 Results

3.1 一般资料

433例患儿中男性275例，平均出生体重3.47±0.49 kg，平均发病日龄13.35±7.92天。

3.2 预后分组比较

不良预后组在意识状态改变、惊厥发作、肌张力异常等临床表现，以及CRP>50 mg/L、CSF蛋白>2000 mg/L等实验室指标方面显著高于良好预后组。

3.3 并发症

21.94%患儿出现并发症，最常见为脑积水（5.31%）和硬膜下积液（5.08%）。

3.4 特征选择结果

mRMR算法筛选出15个最具预测性特征，结合临床知识最终纳入17个变量。

3.5 模型性能比较

LR模型表现最佳（AUC=0.908），其次是SVM（0.878）和CatBoost（0.875）。

3.6 LR模型特征重要性

前10位重要特征为：肌张力异常、惊厥发作、CSF蛋白>2000 mg/L、机械通气、需要血管活性药物的低血压、CSF葡萄糖<2.0 mmol/L、前囟膨隆、CRP、肝肿大和血培养阳性。

4 Discussion

4.1 NBM特征与预后

临床症候群中，肌张力异常与不良预后相关性最强。CSF指标中，蛋白>2000 mg/L和葡萄糖<2.0 mmol/L是重要预测因子。全身炎症反应指标（CRP>50 mg/L和确诊败血症）具有重要预测价值。多器官功能障碍（肝肿大、呼吸支持等）是短期不良预后的显著特征。

4.2 机器学习与NBM预后

研究表明机器学习模型能提高NBM不良预后预测的准确性和速度。LR模型表现最优，可能与其能有效处理样本不平衡有关。集成学习方法（如CatBoost）也显示出良好潜力。

5 Conclusions

LR模型对NBM短期不良预后具有最佳预测性能。该研究为临床早期识别高风险患儿提供了重要工具，对降低NBM死亡率和致残率具有重要临床意义。