Early detection of six-week post-discharge mortality and readmission among postpartum women and newborns in Uganda: development and temporal validation of multivariable prediction models

In veel delen van de wereld is de gevaarlijkste tijd voor een moeder en haar pasgeborene niet tijdens de bevalling zelf, maar in de weken die volgen. Hoewel ziekenhuizen beter zijn geworden in het veilig begeleiden van bevallingen, valt de zorg die plaatsvindt nadat een gezin het gebouw heeft verlaten vaak weg. Gezondheidssystemen zijn regelmatig overbelast, en gezinnen verlaten het ziekenhuis mogelijk voordat ze een volledige controle hebben ontvangen, om pas dagen of weken later terug te keren wanneer een eenvoudige infectie is veranderd in een levensbedreigende noodsituatie. De uitdaging voor artsen is weten welke gezinnen veilig naar huis kunnen en welke extra aandacht, extra bezoeken of onmiddellijke hulp nodig hebben. Zonder een manier om deze risico's vroegtijdig te signaleren, moeten zorgverleners elke familie hetzelfde behandelen, een strategie die schaarse middelen verspilt aan laag-risicogevallen terwijl de hoog-risicogevallen die de meeste hulp nodig hebben, worden gemist.

Om dit op te lossen, heeft een team onderzoekers in Oeganda zich eraan gewijd een praktisch hulpmiddel te ontwikkelen dat kan fungeren als een triage-systeem op het moment van ontslag. Ze wilden zien of ze de basisinformatie die al beschikbaar is in een medisch dossier — zaken zoals de hartslag van de moeder, het type bevalling of of de baby hulp bij de ademhaling nodig had — konden gebruiken om te voorspellen wie binnen zes weken weer ziek zou worden. Door gegevens van duizenden moeders en baby's te analyseren, ontwikkelden ze eenvoudige computermodellen die families in risicocategorieën konden sorteren. Het doel was niet om artsen te vervangen, maar om hen een duidelijk, op bewijs gebaseerd signaal te geven om hen te helpen beslissen wie een nazorgbezoek nodig heeft en wie met een gerust hart naar huis kan.

De studie vond plaats in twee grote regionale ziekenhuizen in Oeganda, één in het zuidwesten en één in het oosten, die samen een populatie van bijna één miljoen mensen bedienen. Gedurende een periode van meer dan een jaar nam het onderzoeksteam duizenden vrouwen die net waren bevallen in de studie op. Ze verzamelden een breed scala aan informatie, van de bloeddruk en temperatuur van de moeder tot het gewicht en de zuurstofgehaltes van de baby. Ze legden ook details vast over de zwangerschap, zoals of de moeder tijdens de zwangerschap was gediagnosticeerd met malaria of hiv, en hoe lang het gezin moest reizen om het ziekenhuis te bereiken. Zodra de moeders en baby's werden ontslagen, volgde het team hen zes weken later op, hetzij via de telefoon, hetzij persoonlijk, om te zien wat er was gebeurd. Ze hielden bij of de moeders opnieuw in het ziekenhuis waren opgenomen voor infecties gerelateerd aan de bevalling, en of de baby's waren overleden of opnieuw waren opgenomen voor ernstige ziekte.

De onderzoekers ontdekten dat hoewel de meeste gezinnen het goed deden, een aanzienlijk aantal te maken kreeg met ernstige complicaties. Onder de bijna zeven duizend moeders die de studie voltooiden, is niemand overleden, maar meer dan drie procent moest terugkeren naar het ziekenhuis, waarbij meer dan de helft van die terugkeer werd veroorzaakt door infecties zoals wondinfecties bij chirurgische ingrepen of sepsis. Voor de baby's was de situatie iets precairder; ongeveer 3,8 procent van de pasgeborenen werd opnieuw opgenomen, en een klein maar tragisch deel stierf binnen die zes weken. Het team gebruikte deze gegevens vervolgens om hun voorspellingsmodellen te trainen. Ze testten duizenden verschillende combinaties van variabelen om de kleinste set feiten te vinden die nog steeds accuraat de gezinnen met risico kon identificeren. Ze ontdekten dat ze geen complexe batterij aan tests nodig hadden; een handvol routinematige observaties was voldoende om een betrouwbare voorspelling te doen.

Voor de moeders steunde het definitieve model op acht belangrijke stukken informatie. Deze omvatten hoe de baby is geboren, de hartslag van de moeder op het moment van ontslag, of zij een urineweginfectie tijdens de zwangerschap had, en of de baby bij de geboorte reanimatie nodig had. Andere factoren, zoals of de moeder tijdens haar zwangerschap hiv of malaria had, en of zij het ziekenhuis verliet tegen medisch advies in, speelden ook een rol. Wanneer de onderzoekers dit model testten, bleek het zeer effectief in het opsporen van de vrouwen die weer ziek zouden worden. Het behaalde een AUC van 0,8 voor het identificeren van de vrouwen die uiteindelijk opnieuw opgenomen zouden worden voor een infectie, terwijl het een AUC van 0,7 behaalde voor het correct vrijwaren van degenen die gezond zouden blijven. Deze balans betekende dat het instrument de juiste mensen kon aanwijzen voor extra zorg zonder het systeem te overbelasten met valse alarmen.

Het model voor de pasgeborenen was iets anders omdat het twee dingen moest voorspellen: overlijden en heropname. Het team kwam tot de conclusie dat de beste voorspellers voor het risico van een baby onder meer de hiv-status van de moeder, of de moeder een slechte melkproductie had, het gewicht van de baby en hoe lang het gezin moest reizen naar het ziekenhuis waren. Het model hield ook rekening met of de moeder tijdens de zwangerschap aan bepaalde aandoeningen leed en of er antibiotica werden gebruikt tijdens de opname. Hoewel het model voor pasgeborenen goed was in het identificeren van risico, was het minder precies dan het moeder-model, met een AUC van 0,8 voor het identificeren van de baby's die zouden overlijden of opnieuw opgenomen zouden worden, maar met een hoger aantal valse alarmen. Dit komt deels doordat het aantal sterfgevallen zeer laag was, wat het statistisch moeilijker maakt om een perfecte voorspeller voor dat specifieke resultaat te bouwen.

Om ervoor te zorgen dat hun bevindingen niet slechts een gelukstreffer waren specifiek voor één groep mensen, testten de onderzoekers hun moeder-model op een andere dataset uit hetzelfde ziekenhuis, verzameld enkele jaren eerder. Het model presteerde even goed op deze oudere gegevens als op de nieuwe gegevens, wat suggereert dat de regels die het leerde stabiel en betrouwbaar zijn over de tijd heen. Dit gaf het team het vertrouwen dat het instrument in de echte wereld zou kunnen werken, zelfs als de patiëntenpopulaties licht verschuiven. De studie benadrukte ook dat de meest voorkomende redenen voor moeders die terugkeerden naar het ziekenhuis infecties waren die direct gerelateerd waren aan de bevalling, zoals infecties van de operatiewond of de baarmoeder, in plaats van niet-gerelateerde ziekten zoals malaria. Dit bevestigde dat de focus op deze specifieke, voorkombare complicaties de juiste strategie was voor een ontslag-instrument.

De onderzoekers waren zorgvuldig in het benoemen van de beperkingen van hun werk. De modellen werden alleen gebouwd en getest in Oeganda, en hoewel de ziekenhuizen een grote en diverse populatie bedienen, kunnen de resultaten niet exact hetzelfde zijn in andere landen of in kleinere rurale klinieken. Ze wezen er ook op dat hun instrument specifiek was ontworpen om obstetrische infecties te detecteren en niet rekening hield met andere redenen waarom een moeder ziek zou kunnen worden, zoals mentale gezondheidsproblemen of letsel. Bov�kwamen ook aan dat, omdat het aantal sterfgevallen onder pasgeborenen zo klein was, het model voor het voorspellen van zuigelingensterfte minder zeker was dan dat voor heropnames. Ondanks deze beperkingen toonde de studie aan dat het mogelijk is om een eenvoudig, risicogebaseerd systeem te creëren met gegevens die al worden verzameld tijdens de reguliere zorg.

De uiteindelijke waarde van dit werk ligt in het potentieel om de manier waarop nazorg wordt geleverd te veranderen. In plaats van een algemene aanpak waarbij elk gezin hetzelfde advies krijgt, zouden zorgverleners deze modellen kunnen gebruiken om de specifieke dyades te identificeren die de meeste ondersteuning nodig hebben. Een als hoog-risico aangemerkte moeder zou prioriteit kunnen krijgen voor een huisbezoek, gedetailleerdere instructies kunnen krijgen over waarschuwingssignalen, of direct naar een gemeenschapswerker kan worden doorverwezen. Deze gerichte aanpak respecteert de realiteit van overbelaste gezondheidssystemen door beperkte middelen te richten op de mensen die ze het hardst nodig hebben. Door routinematige klinische observaties om te zetten in een duidelijk signaal voor actie, biedt de studie een pad naar het voorkomen van het vermijdbare, zodat de veiligheid van een moeder en haar kind zich ook buiten de ziekenhuisdeuren voortzet.