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

Resumo Técnico: Desenvolvimento e Validação Interna de um Nomograma de Suporte à Decisão Clínica para Predição de Admissão em UTI Neonatal em Pré-eclâmpsia de Início Tardio

Problema
A pré-eclâmpsia de início tardio (≥34 semanas de gestação) apresenta um desafio clínico significativo. Embora seja frequentemente menos grave que a doença de início precoce, ela representa uma grande proporção dos casos de pré-eclâmpsia e está associada a uma morbidade neonatal relevante. Um ponto crítico de decisão ocorre no intraparto ou imediatamente após o parto, onde os clínicos devem determinar a necessidade de admissão na Unidade de Terapia Intensiva Neonatal (UTI Neonatal). Os modelos de predição atuais muitas vezes dependem de triagem no início da gravidez ou não se alinham com o horizonte temporal específico e com os dados disponíveis (ex: eventos do trabalho de parto, peso ao nascer) necessários para a triagem neonatal imediata em casos de início tardio. Há uma necessidade de uma ferramenta de estimativa de risco individualizada e transparente que utilize variáveis coletadas rotineiramente no momento do parto para apoiar o planejamento de recursos e a preparação da equipe.

Metodologia
O estudo empregou um delineamento de coorte retrospectiva envolvendo 560 mulheres diagnosticadas com pré-eclâmpsia que deram à luz com ≥34 semanas de gestação no Hospital de Maternidade e Saúde Infantil de Fujian entre 2016 e 2020.

• Particionamento de Dados: As participantes foram alocadas aleatoriamente em uma coorte de treinamento (n=392) e uma coorte de teste interna (n=168) na proporção de 7:3.
• Seleção de Preditores: Um amplo conjunto de preditores candidatos foi considerado, incluindo demografia materna, comorbidades (diabetes, anemia), início do pré-natal (especificamente até as 24 semanas), eventos intraparto (febre, sofrimento fetal, duração do trabalho de parto), tratamentos (sulfato de magnésio) e variáveis neonatais (peso ao nascer).
• Desenvolvimento do Modelo:
  1. Seleção de Características: A regressão logística LASSO (Least Absolute Shrinkage and Selection Operator) foi aplicada à coorte de treinamento para selecionar os preditores candidatos e evitar o sobreajuste (overfitting).
  2. Modelagem Multivariável: As variáveis selecionadas foram inseridas em um modelo de regressão logística multivariável.
  3. Visualização: O modelo final foi convertido em um nomograma e implementado como uma calculadora web independente.
• Validação e Avaliação:
  • Discriminação: Avaliada através da Área Sob a Curva ROC (Area Under the Receiver Operating Characteristic Curve - AUC).
  • Calibração: Avaliada via gráficos de calibração, inclinação de calibração e intercepto.
  • Desempenho Geral: Medido pelo escore de Brier.
  • Utilidade Clínica: Avaliada por meio da Análise de Curva de Decisão (DCA) para determinar o benefício líquido em diversas probabilidades de limiar.
  • Validação Interna: A validação por bootstrap (1.000 reamostragens) foi realizada para calcular estatísticas corrigidas pelo otimismo.
• Relato: O estudo aderiu aos princípios TRIPOD e às diretrizes atualizadas do TRIPOD+AI.

Principais Contribuições

• Janela de Predição Direcionada: Ao contrário das ferramentas de triagem no início da gravidez, este modelo é especificamente projetado para o ponto de decisão intraparto ou pós-parto imediato, integrando variáveis que só se tornam disponíveis durante o trabalho de parto (ex: duração do trabalho de parto, febre intraparto, peso ao nascer).
• Integração Multivariável: O modelo sintetiza diversos pontos de dados, incluindo comorbidades maternas, histórico de cuidados pré-natais, estressores intraparto e métricas neonatais, em vez de depender de preditores isolados.
• Implementação de Ferramenta Clínica: Os autores desenvolveram uma calculadora web intuitiva e um nomograma, traduzindo coeficientes de regressão complexos em um formato transparente para a passagem de plantão clínica e planejamento de recursos.

Resultados

• Prevalência do Desfecho: A admissão em UTI Neonatal ocorreu em 91 de 560 neonatos (16,3%).
• Preditores Finais: O modelo multivariável reteve nove preditores:
  • Associações Positivas: Diabetes (OR 2,53), Tratamento com Sulfato de Magnésio Durante a Gestação (MSTDP) (OR 2,31) e uma tendência para febre intraparto (OR 3,70, p=0,058).
  • Associação Negativa: Início do pré-natal até as 24 semanas (OR 0,48).
  • Preditores Mais Fortes: Peso ao nascer (OR 1,00 por grama, p<0,001).
  • Não Significativos/Instáveis: Categorias de anemia, sofrimento fetal (devido à escassez de eventos) e durações de estágios do trabalho de parto não foram independentemente significativos no modelo final, embora alguns tenham sido retidos para interpretabilidade clínica ou seleção pelo LASSO.
• Métricas de Desempenho:
  • Coorte de Treinamento: AUC de 0,814 (IC 95% 0,747–0,881).
  • Coorte de Teste Interna: AUC de 0,767 (IC 95% 0,671–0,863).
  • Validação por Bootstrap: C-estatística corrigida pelo otimismo de 0,700, inclinação de calibração de 0,844 e escore de Brier de 0,097.
  • Validação da Coorte de Teste: Escore de Brier de 0,131 e inclinação de calibração de 0,863.
• Utilidade Clínica: A Análise de Curva de Decisão indicou que o nomograma proporciona um benefício líquido maior do que as estratégias de "tratar todos" ou "não tratar ninguém" em relação aos limiares de probabilidade relevantes.

Significância e Alegações
Os autores afirmam que este estudo fornece uma ferramenta prática, validada internamente, para estimar o risco de admissão em UTI Neonatal especificamente para neonatos nascidos de mulheres com pré-eclâmpsia de início tardio. A principal significância reside em sua utilidade como um sistema de suporte à decisão, e não como uma regra diagnóstica. O modelo destina-se a:

1. Organizar dados rotineiramente disponíveis do período do parto em uma estimativa de risco transparente.
2. Facilitar a notificação precoce da equipe neonatal.
3. Apoiar o monitoramento antecipado e a alocação mais deliberada de recursos da UTI Neonatal.

O artigo mantém explicitamente uma postura modesta quanto ao seu escopo atual. Reconhece que o modelo é baseado em um delineamento retrospectivo de centro único e que as taxas de admissão em UTI Neonatal são influenciadas por protocolos institucionais e dimensionamento de pessoal. Consequentemente, os autores afirmam que validação externa, atualização de calibração e avaliação prospectiva do fluxo de trabalho são necessárias antes que a ferramenta possa ser recomendada para implementação clínica rotineira. O modelo não pretende substituir a avaliação neonatal, mas sim aumentar o processo de preparação no momento do parto.