影响新生儿重症监护室住院儿童食能力的因素:使用机器学习方法进行集群分析

科学领域:

• 新生儿护理 新生儿护理
• 儿童营养学 儿童营养学
• 医疗信息学医学信息学

背景情况:

• 口服养是新生儿重症监护室 (NICU) 中的一个复杂的过程,经常受到有限的客观评估工具的阻碍.
• 重症新生儿在建立口服养方面面临着特殊的挑战.
• 了解口服养成功的预测因素对于优化婴儿重症监护室的护理至关重要.

研究的目的:

• 识别和分析入住新生儿重症监护室的重症新生儿的口服养相关特征.
• 确定在这个弱势群体中成功口服养的主要预测因素.
• 探索口服食准备的不同配置.

主要方法:

• 研究了一组1419名在NICU的重症新生儿.
• 使用早产婴儿口服养准备性评估尺度 (PIOFRA) 来收集口服养特征的数据.
• 使用Shapley增量解释 (SHAP) 值的XGBoost模型是为了预测而开发的,并与ANOVA一起进行组比较.

主要成果:

• 集群分析揭示了基于PIOFRA特征的三个不同的配置文件.
• 与其他模型 (如物流回归和随机森林) 相比,XGBoost模型显示出更高的准确性 (85.2%).
• 吸力 (积极影响) 和植根反射 (负面影响) 成为口服养结果最有影响的预测因素.

结论:

• 口腔养困难在NICU新生儿中很常见,需要详细的评估,包括妊娠因素.
• 皮奥弗拉特征是实现全口服养的强有力的预测指标.
• 需要进行进一步的研究,以阐明吸和扎根反射促进NICU新生儿安全和有效养的确切机制.