Serum uric acid-to-creatinine ratio and preeclampsia: a retrospective cross-sectional analysis with machine learning discrimination using the MIMIC-IV database
这项基于MIMIC-IV数据库的回顾性横断面研究发现，入院时较高的血清尿酸/肌酐比值与子痫前症显著相关，并作为具有中等判别能力的机器学习模型中的关键特征，但在临床应用前仍需进行前瞻性验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
子痫前期是一种可能发生在怀孕期间的严重疾病，它能让原本常规的怀孕变成一场医疗紧急情况。它涉及高血压以及其他器官系统（通常是肾脏）受损的迹象，并且仍然是全球范围内导致孕妇和婴儿患病及死亡的主要原因之一。几十年来，医生们已经知道，当这种情况发生时，女性血液中的尿酸水平往往会升高。尿酸是身体分解食物和细胞中某些化学物质时产生的一种代谢废物。然而，仅观察尿酸本身可能会产生误导，因为肾脏在过滤尿酸排出血液方面起着重要作用。如果肾脏功能不佳，尿酸就会堆积；但如果肾脏运作正常，即使身体产生的尿酸过多，其水平也可能保持正常。为了获得更清晰的图景，研究人员通常会观察尿酸与肌酐的比值，肌酐是另一种作为衡量肾脏过滤功能好坏的可靠指标的代谢废物。通过比较这两个数值，医生可以更好地了解体内尿酸的真实负荷，而不受肾脏工作速度的影响。
一个研究小组着手研究，观察这种特定的比值（在孕妇首次入院时测量）是否可以帮助识别那些面临子痫前期风险的人群。他们还想测试现代计算机程序（即机器学习）是否能利用这一比值结合其他常规血液检测结果，比人类医生独立判断时更准确地发现该疾病。为此，他们转向了一个来自美国某大型医院的大规模、匿名的医疗记录库。他们将研究对象锁定在怀孕至少二十周的近五千名孕妇身上。在剔除不完整的记录后，他们最终得到了一组由五百多名女性组成的样本进行研究。在这组人群中，约有七十八名女性被诊断出患有子痫前期，其余则未患病。
研究人员首先对比了患有子痫前期的女性与未患病女性的血液检查结果。他们发现了一个明显的模式：入院时患有子痫前期的女性，其尿酸与肌酐的比值高于健康的女性。这种关系呈现出直观且线性的特征，这意味着随着比值的上升，患病风险也会稳步增加。当研究人员观察比值最高的女性时，发现她们患有子痫前期的可能性几乎是比值最低的女性的三倍。即使在研究人员考虑了年龄和语言等因素后，这一关联依然成立。
为了看看这一发现能否转化为实用的工具，团队训练了六种不同的计算机算法来从数据中学习。这些程序被输入了入院时的血液检测结果，包括尿酸比值，以及肝酶水平和血细胞计数等其他标准测量指标。目标是观察计算机是否能够区分患有子痫前期和未患病的女性。结果显示，计算机确实能够以中等的准确度做出这种区分。其中一种算法表现最佳，在很大比例的病例中正确识别了该疾病。当研究人员询问计算机哪些因素最为重要时，尿酸比值始终位列最重要的线索之一，仅次于红细胞浓度的测量指标。
尽管取得了这些令人鼓舞的结果，研究人员仍谨慎地表示，不应过度夸大这项研究的作用。由于他们观察的是一次性采集的数据快照，而非对女性进行长期随访，因此他们无法证明高比值是导致该疾病的原因，也无法证明它能在疾病发生前进行预测。该研究还受到许多记录缺失的限制，这意味着最终的研究群体比最初的样本池要小，且实际的子痫前期病例数量相对较少。作者总结道，虽然尿酸比值是一个有用的信息，并且可以帮助计算机模型做出更好的判断，但它目前还不是一个独立的“水晶球”。在该方法被用于指导现实医院中的治疗决策之前，还需要通过更大规模、前瞻性的研究来进行测试，以确认它对所有孕妇都同样可靠。目前，它作为一个有价值且低成本的指标，在结合其他数据时，有助于为那些已经在医院内的女性描绘出更清晰的风险图景。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。