[体重增长速度的不同计算方法在预测早产婴儿长期神经和身体发育结果中的价值]

科学领域:

• 新生儿发育和结果.
• 儿科生长评估 儿科生长评估
• 发育儿科 发育儿科

背景情况:

• 在怀孕30周之前出生的早产婴儿面临长期的神经和身体发育挑战.
• 准确评估生长速度对于监测和预测这个脆弱人群的发展轨迹至关重要.
• 计算体重增长速度的现有方法可能对长期结果具有不同的预测值.

研究的目的:

• 评估由帕特尔指数模型和Z分数变化方法计算的体重增长速度的预测值,用于早产婴儿 (<30周妊娠期) 的长期神经和身体发育.
• 为了比较这两种方法在识别患有发育异常风险的婴儿方面的有效性.

主要方法:

• 对早产婴儿 (<30周妊娠期) 的回顾性研究,在出院后超过18个月的时间内进行跟踪.
• 使用帕特尔指数模型和Z分数变化方法将婴儿分为高和低体重增长速度组.
• 在不同组之间比较神经 (精细和粗运动,适应性行为) 和身体发育结果.

主要成果:

• 在低增长速度组中,Z分数变化方法发现了异常毛细运动发育率显著更高,发育系数更低的异常毛细运动发育率.
• 帕特尔指数模型表明,在低增长速度组中,异常精细运动率显著更高.
• 两种方法都没有显示出高和低增长速度组之间的身体发展结果 (长度,体重,头周长,生长限制) 的显著差异.

结论:

• 使用Z分数变化方法计算的体重增长速度是早产婴儿 (<30周妊娠期) 长期神经发育的更有效预测指标.
• 评估体重增长速度的两种方法都没有显示出与该队列的长期身体发育结果的显著关联.
• 变化Z分数方法为早期识别极度早产婴儿的神经风险提供了卓越的实用性.