Development and Internal Validation of a Clinical Decision Support Nomogram for Predicting Neonatal Intensive Care Unit Admission in Late-Onset Preeclampsia

Technische Samenvatting: Ontwikkeling en Interne Validatie van een Klinische Beslissingsondersteunende Nomogram voor het Voorspellen van NICU-opname bij Late-Onset Preeclampsie

Probleemstelling
Late-onset preeclampsie (≥34 weken zwangerschap) vormt een aanzienlijke klinische uitdaging. Hoewel het vaak minder ernstig is dan early-onset ziekte, vormt het een groot deel van de gevallen van preeclampsie en is het geassocieerd met betekenisvolle neonatale morbiditeit. Een kritiek beslismoment vindt plaats intrapartum of onmiddellijk na de bevalling, waarbij clinici moeten bepalen of een opname op de Neonatale Intensive Care Unit (NICU) noodzakelijk is. Huidige voorspellingsmodellen vertrouwen vaak op screening in een vroeg stadium van de zwangerschap of sluiten niet aan bij de specifieke tijdshorizon en de beschikbare data (bijv. arbeidsevenementen, geboortegewicht) die vereist zijn voor directe neonatale triage bij late-onset gevallen. Er is behoefte aan een transparante, geïndividualiseerde risico-inschattingstool die gebruikmaakt van routinematig verzamelde variabelen die beschikbaar zijn op het moment van bevalling om de hulpbronnenplanning en de paraatheid van het team te ondersteunen.

Methodologie
De studie maakte gebruik van een retrospectief cohortontwerp met 560 vrouwen bij wie preeclampsie werd vastgesteld en die bevielen bij ≥34 weken zwangerschap in het Fujian Maternity and Child Health Hospital tussen 2016 en 2020.

• Data-partitionering: Deelnemers werden willekeurig toegewezen aan een trainingscohort (n=392) en een intern testcohort (n=168) met een verhouding van 7:3.
• Predictorselectie: Een brede set kandidaat-predictors werd overwogen, inclus\nslief maternale demografie, comorbiditeiten (diabetes, anemie), het begin van de prenatale zorg (specifiek vóór 24 weken), intrapartum gebeurtenissen (koorts, foetale distress, duur van de arbeid), behandelingen (magnesiumsulfaat) en neonatale variabelen (geboortegewicht).
• Modelontwikkeling:
  1. Feature Selectie: Least Absolute Shrinkage and Selection Operator (LASSO) logistische regressie werd toegepast op het trainingscohort om kandidaat-predictors te screenen en overfitting te voorkomen.
  2. Multivariabele Modellering: Geselecteerde variabelen werden ingevoerd in een multivariabele logistische regressiemodel.
  3. Visualisatie: Het uiteindelijke model werd omgezet in een nomogram en geïmplementeerd als een zelfstandige webgebaseerde calculator.
• Validatie en Evaluatie:
  • Discriminatie: Beoordeeld met behulp van de Area Under the Receiver Operating Characteristic Curve (AUC).
  • Kalibratie: Geëvalueerd via kalibratieplots, kalibratieslope en intercept.
  • Algemene Prestaties: Gemeten met de Brier-score.
  • Klinische Bruikbaarheid: Beoordeeld met Decision Curve Analysis (DCA) om het netto voordeel over drempelwaarschijnlijkheden te bepalen.
  • Interne Validatie: Bootstrap-validatie (1.000 resamples) werd uitgevoerd om optimisme-gecorrigeerde statistieken te berekenen.
• Rapportage: De studie hield zich aan de TRIPOD-principes en de geüpdatete TRIPOD+AI-richtlijnen.

Belangrijkste Bijdragen

• Doelgerichte Voorspellingsvenster: In tegenstelling tot screeningsinstrumenten voor de vroege zwangerschap, is dit model specifiek ontworend voor het intrapartum of onmiddellijk post-partum beslismoment, waarbij variabelen worden geïntegreerd die pas tijdens de bevalling beschikbaar komen (bijv. duur van de arbeid, intrapartum koorts, geboortegewicht).
• Multivariabele Integratie: Het model synthetiseert diverse datapunten, waaronder maternale comorbiditeiten, de geschiedenis van prenatale zorg, intrapartum stressoren en neonatale metrieken, in plaats van te vertrouwen op geïsoleerde predictors.
• Implementatie van Klinische Tool: De auteurs hebben een gebruiksvriendelijke webcalculator en een nomogram ontwikkeld, waarbij complexe regressiecoëfficiënten zijn vertaald naar een transparant formaat voor klinische overdracht en hulpbronnenplanning.

Resultaten

• Prevalentie van Uitkomst: NICU-opname kwam voor bij 91 van de 560 neonaten (16,3%).
• Definitieve Predictors: Het multivariabele model behield negen predictors:
  • Positieve Associaties: Diabetes (OR 2,53), Magnesiumsulfaat-behandeling tijdens de zwangerschap (MSTDP) (OR 2,31), en een trend voor intrapartum koorts (OR 3,70, p=0,058).
  • Negatieve Associatie: Prenatale zorg gestart vóór 24 weken (OR 0,48).
  • Sterkste Predictor: Geboortegewicht (OR 1,00 per gram, p<0,001).
  • Niet-significant/Instabiel: Anemie-categorieën, foetale distress (door schaarse gebeurtenissen) en de duur van de verschillende stadia van de arbeid waren niet onafhankelijk significant in het definitieve model, hoewel sommige werden behouden voor klinische interpreteerbaarheid of LASSO-selectie.
• Prestatie-indicatoren:
  • Trainingscohort: AUC van 0,814 (95% BI 0,747–0,881).
  • Intern Testcohort: AUC van 0,767 (95% BI 0,671–0,863).
  • Bootstrap Validatie: Optimisme-gecorrigeerde C-statistiek van 0,770, kalibratieslope van 0,844 en Brier-score van 0,097.
  • Testcohort Validatie: Brier-score van 0,131 en kalibratieslope van 0,863.
• Klinische Bruikbaarheid: Decision Curve Analysis gaf aan dat de nomogram een groter netto voordeel biedt dan "behandel-allen" of "behandel-niemand" strategieën over relevante drempelwaarschijnlijkheden heen.

Significantie en Claims
De auteurs stellen dat deze studie een praktische, intern gevalideerde tool biedt voor het schatten van het risico op NICU-opname specifiek voor neonaten geboren aan vrouwen met late-onset preeclampsie. De primaire significantie ligt in de bruikbaarheid als een beslissingsondersteunend systeem in plaats van een diagnostische regel. Het model is bedoeld om:

1. Routinematig beschikbare gegevens uit de bevallingsperiode te organiseren in een transparante risico-inschatting.
2. Vroegtijdige notificatie van het neonatale team te faciliteren.
3. Anticiperende monitoring en een meer doelbewuste allocatie van NICU-hulpbronnen te ondersteunen.

Het artikel neemt expliciet een bescheiden standpunt in met betrekking tot de huidige reikwijdte. Het erkent dat het model gebaseerd is op een single-center retrospectief ontwerp en dat NICU-opnametarieven worden beïnvloed door institutionele protocollen en personeelsbezetting. Daarom stellen de auteurs dat externe validatie, kalibratie-updates en prospectieve workflow-evaluaties vereist zijn voordat de tool kan worden aanbevolen voor routinematige klinische implementatie. Het model is niet bedoeld om de neonatale beoordeling te vervangen, maar om het voorbereidingsproces op het moment van de bevalling te versterken.