Serum uric acid-to-creatinine ratio and preeclampsia: a retrospective cross-sectional analysis with machine learning discrimination using the MIMIC-IV database
Diese retrospektive Querschnittsstudie unter Verwendung der MIMIC-IV-Datenbank ergab, dass ein höheres Serum-Harnsäure-Kreatinin-Verhältnis bei Aufnahme signifikant mit Präeklampsie assoziiert ist und als Schlüsselmerkmal in Machine-Learning-Modellen mit moderater diskriminativer Fähigkeit dient, wenngleich vor einer klinischen Anwendung eine prospektive Validierung erforderlich ist.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Präeklampsie ist ein ernster Zustand, der während der Schwangerschaft auftreten kann und eine routinemäßige Schwangerschaft in einen medizinischen Notfall verwandeln kann. Sie geht mit Bluthochdruck und Anzeichen einer Schädigung anderer Organsysteme einher, meist der Nieren, und bleibt weltweit eine der führenden Ursachen für Erkrankungen und Todesfälle bei Müttern und ihren Babys. Seit Jahrzehnten wissen Ärzte, dass bei Auftreten dieses Zustands die Harnsäurewerte im Blut einer Frau dazu neigen, anzusteigen. Harnsäure ist ein Abfallprodukt, das entsteht, wenn der Körper bestimmte Chemikalien abbaut, die in Lebensmitteln und Zellen vorkommen. Es kann jedoch irreführend sein, nur auf die Harnsäure zu schauen, da die Nieren eine entscheidende Rolle bei der Filterung dieser aus dem Blut spielen. Wenn die Nieren Probleme haben, reichert sich die Harnsäure an, aber wenn die Nieren gut funktionieren, kann der Wert normal bleiben, selbst wenn der Körper zu viel produziert. Um ein klareres Bild zu erhalten, betrachten Forscher oft das Verhältnis von Harnsäure zu Kreatinin, einem anderen Abfallprodukt, das als zuverlässiger Marker dafür dient, wie gut die Nieren filtern. Durch den Vergleich dieser beiden Zahlen können Ärzte die tatsächliche Harnsäurelast im Körper besser verstehen, unabhängig davon, wie schnell die Nieren arbeiten.
Ein Forschungsteam setzte sich zum Ziel zu untersuchen, ob dieses spezifische Verhältnis, gemessen bei der ersten Ankunft einer schwangeren Frau im Krankenhaus, dabei helfen könnte, diejenigen zu identifizieren, die ein Risiko für Präeklampsie haben. Sie wollten auch testen, ob moderne Computerprogramme, bekannt als maschinelles Lernen, dieses Verhältnis zusammen mit anderen routinemäßigen Bluttestergebnissen nutzen könnten, um den Zustand genauer zu erkennen, als es ein menschlicher Arzt allein könnte. Zu diesem Zweck griffen sie auf eine riesige, anonymisierte Sammlung medizinischer Aufzeichnungen eines großen Krankenhauses in den Vereinigten Staaten zurück. Sie konzentrierten sich auf fast fünftausend schwangere Frauen, die sich mindestens in der zwanzigsten Woche ihrer Schwangerschaft befanden. Nach dem Herausfiltern unvollständiger Datensätze blieben eine Gruppe von etwas über fünfhundert Frauen für die Studie übrig. In dieser Gruppe waren etwa achtundsiebzig Frauen mit Präeklampsie diagnostiziert worden, während der Rest nicht betroffen war.
Die Forscher begannen damit, die Blutwerte der Frauen mit Präeklampsie mit denen ohne den Zustand zu vergleichen. Sie fanden ein klares Muster: Die Frauen, die eine Präeklampsie entwickelten, hatten bei der Aufnahme höhere Verhältnisse von Harnsäure zu Kreatinin als die gesunden Frauen. Die Beziehung schien direkt und linear zu sein, was bedeutet, dass mit steigendem Verhältnis das Risiko für den Zustand stetig zunahm. Wenn sie sich die Frauen mit den höchsten Verhältnissen ansah, war die Wahrscheinlichkeit für eine Präeklampsie bei ihnen fast dreimal so hoch wie bei denen mit den niedrigsten Verhältnissen. Dieser Zusammenhang blieb bestehen, selbst nachdem die Forscher Faktoren wie das Alter der Frau und die gesprochene Sprache berücksichtigt hatten.
Um zu sehen, ob dieser Befund in ein praktisches Werkzeug umgewandelt werden konnte, trainierte das Team sechs verschiedene Computer-Algorithmen, um aus den Daten zu lernen. Diese Programme wurden mit den Bluttestergebnissen bei der Aufnahme gefütert, einschließlich des Harnsäure-Verhältnisses, zusammen mit anderen Standardmesswerten wie Leberenzymwerten und Blutzellzahlen. Das Ziel war es zu sehen, ob die Computer zwischen den Frauen mit Präeklampsie und denen ohne den Zustand unterscheiden konnten. Die Ergebnisse zeigten, dass die Computer diese Unterscheidung mit moderater Genauigkeit treffen konnten. Einer der Algorithmen schnitt am besten ab und identifizierte den Zustand in einem signifikanten Anteil der Fälle korrekt. Als die Forscher den Computer fragten, welche Faktoren am wichtigsten waren, rangierte das Harnsäure-Verhältnis konsistent unter den Top-Hinweisen, nur übertroffen von einem Maß für die rote Blutzellkonzentration.
Trotz dieser vielversprechenden Ergebnisse waren die Forscher vorsichtig, ihre Studie nicht zu überbewerten. Da sie eine Momentaufnahme von Daten betrachteten, die alle auf einmal erhoben wurden, anstatt Frauen über einen Zeitraum zu verfolgen, konnten sie nicht beweisen, dass das hohe Verhältnis die Krankheit verursachte oder dass es die Krankheit vor ihrem Beginn vorhersagen konnte. Die Studie war auch dadurch begrenzt, dass viele Datensätze fehlten, was bedeutete, dass die endgültige Gruppe der Frauen kleiner war als der ursprüngliche Pool, und die Anzahl der tatsächlichen Präeklampsie-Fälle relativ gering war. Die Autoren kamen zu dem Schluss, dass das Harnsäure-Verhältnis zwar eine nützliche Information ist und Computermodelle dabei helfen kann, bessere Vermutungen anzustellen, es aber noch kein eigenständiges Kristallornament ist. Bevor diese Methode eingesetzt werden kann, um Behandlungsentscheidungen in echten Krankenhäusern zu leiten, muss sie in größeren, prospektiven Studien getestet werden, um zu bestätigen, dass sie für alle schwangeren Frauen zuverlässig funktioniert. Vorerst stellt es einen wertvollen, kostengünstigen Indikator dar, der, kombiniert mit anderen Daten, hilft, ein klareres Bild des Risikos für diejenigen zu zeichnen, die bereits im Krankenhaus sind.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.