未分化特徴抽出とクラスタリングを用いた小児気管支炎における先住民乳児の臨床プロファイル特定

科学分野:

• 小児呼吸器科
• ヘルスケアにおけるデータサイエンス
• 先住民健康研究

背景:

• 気管支炎で入院した乳児は、持続的な症状や気管支拡張症のような将来の慢性肺疾患のリスクに直面する。
• リスクの高い乳児を早期に特定することで、標的を絞った介入を可能にし、長期的な転帰を改善できる。
• 従来のクラスタリング手法は大規模なデータセットを必要とし、先住民乳児のような小規模コホートには課題をもたらす。

研究 の 目的:

• 小規模な気管支炎で入院した先住民乳児のコホートにおける高リスク表現型を特定するための、未分化特徴抽出アルゴリズム（UFEA）とクラスタリングを組み合わせた有用性を探求すること。
• UFEAがこの特定の集団のリスクプロファイリングのためにデータ次元を効果的に削減できるかどうかを評価すること。

主な方法:

• 気管支炎で入院した128人の先住民乳児のコホートが分析された。
• 8つのUFEAが22の変数に適用され、次元削減（2〜17次元）が行われた。
• カーネル主成分分析（KPCA）が最も優れた次元削減（9次元）を達成し、その後クラスタリングに使用されて、異なる乳児プロファイルが特定された。

主要な成果:

• UFEAとクラスタリングを用いて、6つの異なる臨床リスクプロファイルが特定された。
• 最もリスクの高いプロファイル（プロファイルC）は、気管支拡張症（45%）、早産（95%）、低出生体重（86%）、家庭内での喫煙曝露（90%）の高い割合を示した。
• 特定された他のプロファイルは、気管支拡張症のリスク、咳の重症度、酸素需要、および浸潤の様々なレベルを示し、多様な臨床的プレゼンテーションを強調した。

結論:

• UFEAとクラスタリングは、データ次元を効果的に削減し、先住民乳児における6つの臨床的に有意なリスクプロファイルの特定を可能にした。
• このアプローチは、小規模データセットにおけるリスク層別化のための実行可能な方法を提供し、慢性肺疾患のリスクのある乳児のための早期介入を導く可能性がある。