一种创新的方法来评估纵向大脑体积测量与早产婴儿神经发育结果之间的关系

科学领域:

• 神经科学是一个神经科学.
• 发展生物学 发展生物学
• 生物统计学 生物统计学

背景情况:

• 准确预测非常早产婴儿的神经发育结果对于早期干预至关重要.
• 纵向总脑体积 (TBV) 是大脑生长的关键宏观指标,但临床数据往往稀疏和不规则.
• 现有的数据归算方法与纵向TBV数据的复杂性作斗争,阻碍了预后准确性.

研究的目的:

• 为了比较六种归算策略来处理稀疏的,非常早产婴儿的纵向TBV数据.
• 开发和评估一个半监督的分类器,使用假定的TBV轨迹来预测神经发育结果.
• 确定最有效的归算方法,以提高这一群体的预后准确性.

主要方法:

• 研究了294名非常早产婴儿,在2岁和8岁时进行了纵向TBV测量和神经发育评估.
• 进行比较的归算策略:平均值,MissForest,MICE,GP,MGP和MGP (initGP).
• 训练了一种半监督的分类器,以归纳的TBV轨迹进行分类,并使用多个分类指标评估性能.

主要成果:

• 在所有分析中,用GP匹配 (MGP (initGP)) 初始化的小说Missing Gaussian Process表现出优越的平均性能.
• 在预测8年神经发育结果方面,MGP (initGP) 显示出一致且显著的优势,这表明在建模更长的发育轨迹方面具有强大优势.
• 2年后的预测性能更为温和,可能是由于仅使用TBV的早期预测固有的局限性.

结论:

• 在非常早产婴儿的预后研究中,MGP (initGP) 被推作为强大的默认方法,用于赋予纵向TBV数据.
• 这种先进的归算技术提高了预测长期神经发育结果的能力.
• 可能需要进一步的研究来提高从TBV数据的早期预测准确度.