Serum uric acid-to-creatinine ratio and preeclampsia: a retrospective cross-sectional analysis with machine learning discrimination using the MIMIC-IV database
Deze retrospectieve cross-sectionele studie met gebruik van de MIMIC-IV database vond dat een hogere serum urinezuur-creatinine ratio bij opname significant geassocieerd is met pre-eclampsie en dient als een belangrijke kenmerk in machine learning modellen met een matige discriminerende bekwaamheid, hoewel prospectieve validatie vereist is voor klinische toepassing.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Preeclampsie is een ernstige aandoening die tijdens de zwangerschap kan toeslaan, waardoor een routineuze zwangerschap kan veranderen in een medisch noodgeval. Het houdt een hoge bloeddruk en tekenen van schade aan andere orgaansystemen in, meestal de nieren, en het blijft wereldwijd een belangrijke oorzaak van ziekte en sterfte voor zowel moeders als hun baby's. Decennialang wisten artsen al dat wanneer deze aandoening zich ontwikkelt, de urinezuurniveaus in het bloed van een vrouw de neiging hebben te stijgen. Urinezuur is een afvalproduct dat ontstaat wanneer het lichaam bepaalde chemicaliën afbreekt die in voedsel en cellen worden gevonden. Het kijken naar urinezuur alleen kan echter misleidend zijn, omdat de nieren een grote rol spelen bij het filteren ervan uit het bloed. Als de nieren moeite hebben, hoopt urinezuur zich op, maar als de nieren goed functioneren, kan het niveau normaal blijven, zelfs als het lichaam er te veel van produceert. Om een duidelijker beeld te krijgen, kijken onderzoekers vaak naar de ratio van urinezuur tot creatinine, een ander afvalproduct dat dient als een betrouwbare marker voor hoe goed de nieren filteren. Door deze twee getallen met elkaar te vergelijken, kunnen artsen de werkelijke belasting van urinezuur in het lichaam beter begrijeren, onafhankelijk van hoe snel de nieren werken.
Een team van onderzoekers zette zich in om te zien of deze specifieke ratio, gemeten op het moment dat een zwangere vrouw voor het eerst in het ziekenhuis arriveert, kan helpen om degenen te identificeren die een risico lopen op preeclampsia. Ze wilden ook testen of moderne computerprogramma's, bekend als machine learning, deze ratio samen met andere routinematige bloedtestresultaten kunnen gebruiken om de aandoening nauwkeuriger te detecteren dan een menselijke arts dat in zijn eentje zou kunnen. Hiervoor maakten ze gebruik van een enorme, anonieme collectie medische dossiers van een groot ziekenhuis in de Verenigde Staten. Ze richtten zich op bijna vijf duizend zwangere vrouwen die minstens twintig weken zwanger waren. Na het filteren van onvolledige dossiers bleven ze over met een groep van net iets meer dan vijfhonderd vrouwen om te bestuderen. Binnen deze groep hadden ongeveer acht het zeventig vrouwen de diagnose preeclampsia gekregen, terwijl de rest dat niet had.
De onderzoekers begonnen door het bloedonderzoek van de vrouwen met preeclampsia te vergelijken met die zonder de aandoening. Ze vonden een duidelijk patroon: de vrouwen die preeclampsia ontwikkelden, hadden bij opname een hogere ratio van urinezuur tot creatinine dan de gezonde vrouwen. De relatie leek recht doorlopend en lineair, wat betekent dat naarmate de ratio steeg, het risico op de aandoening gestaag toenam. Wanneer ze naar de vrouwen met de hoogste ratio's keken, waren zij bijna drie keer zo waarschijnlijk om preeclampsia te hebben vergeleken met de vrouwen met de laagste ratio's. Deze connectie hield stand, zelfs nadat de onderzoekers rekening hadden gehouden met factoren zoals de leeftijd van de vrouw en de gesproken taal.
Om te zien of dit bevinding kon worden omgezet in een praktisch hulpmiddel, trainden het team zes verschillende computeralgoritmes om van de data te leren. Deze programma's werden gevoed met de bloedtestresultaten bij opname, inclusioneel de urinezuurratio, samen met andere standaardmetingen zoals leverenzymwaarden en bloedcelcounts. Het doel was om te zien of de computers het onderscheid konden maken tussen de vrouwen met preeclampsia en de vrouwen zonder. De resultaten lieten zien dat de computers dit onderscheid inderdaad met matige nauwkeurigheid konden maken. Eén van de algoritmes presteerde het best en identificeerde de aandoening correct in een aanzienlijk deel van de gevallen. Wanneer de onderzoekers de computer vroegen welke factoren het belangrijkst waren, rangschikte de urinezuurratio zich consequent als een van de belangrijkste aanwijzingen, op één na na een maatstaf voor de concentratie van rode bloedcellen.
Ondanks deze veelbelovende resultaten waren de onderzoekers voorzichtig om de reikwijdte van hun studie niet te overschatten. Omdat ze naar een momentopname van data keken die in één keer werd verzameld, in plaats van vrouwen over een langere periode te volgen, konden ze niet bewijzen dat de hoge ratio de ziekte veroorzaakte of dat het de ziekte kon voorspellen voordat deze begon. De studie werd ook beperkt door het feit dat veel dossiers ontbraken, wat betekende dat de uiteindelijke groep vrouwen kleiner was dan de oorspronkelijke pool, en het aantal werkelijke gevallen van preeclampsia relatief laag was. De auteurs concludeerden dat hoewel de urinezuurratio een nuttig stuk informatie is en computermodellen kan helpen om betere schattingen te maken, het nog geen op zichzelf staande kristallen bol is. Voordat deze methode gebruikt kan worden om behandelbeslissingen in echte ziekenhuizen te sturen, moet het getest worden in grotere, prospectieve studies om te bevestigen dat het betrouwbaar werkt voor alle zwangere vrouwen. Voor nu staat het te boek als een waardevolle, goedkope indicator die, wanneer gecombineerd met andere data, helpt een duidelijker beeld te schetsen van het risico voor degenen die al in het ziekenhuis liggen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.