在基于机器学习方法的新生儿重症监护室高风险期满婴儿新生儿行为神经学评估中的差异性项目功能

科学领域:

• 新生儿发育神经科学 新生儿发育神经科学
• 临床评估验证临床评估验证
• 在儿科中使用心理测量.

背景情况:

• 新生儿行为神经评估 (NBNA) 用于评估婴儿的神经行为发展.
• 评估NBNA的心理特征对于它的准确应用至关重要,特别是在高风险人群中.

研究的目的:

• 用拉什分析评估NBNA的心理特征.
• 评估高风险的NBNA的可靠性和有效性,在NICU逗留期间,在高风险的,满期婴儿.
• 检查NBNA项目中的差异性项目功能 (DIF).

主要方法:

• 使用拉什分析 (RA) 和拉什模型 (RM) 来分析NBNA数据.
• 543名高风险,满期婴儿 (14.26 ± 7.02天) 参与.
• 用GPCMlasso模型来调查DIF.

主要成果:

• 该NBNA展示了一个单元结构测量神经行为,包括视觉反应.
• 分析揭示了NBNA中功能失调类别的项目.
• 婴儿对NBNA项目的反应主要取决于神经发育水平,而不是人口统计数据.

结论:

• 该NBNA适用于评估高风险NICU婴儿的神经行为.
• 高风险婴儿的反应与他们的神经发育保持一致.
• 在NBNA项目中失序的评级表需要修订以提高数据准确性.