自动化EEG背景分析和新生儿缺氧缺血脑病的2年结果
Marie-Coralie Cornet1, Adam L Numis2, Courtney J Wusthoff3
1Division of Neonatology, Department of Pediatrics, University of California, San Francisco.
JAMA network open
|December 16, 2025
概括
使用新生儿大脑状态 (BSN) 评分的自动化脑电图 (EEG) 背景分析显示,预测患有缺氧缺血性脑病变 (HIE) 的婴儿的结果具有前景. 该方法为早期风险分层提供了一个客观的工具,并补充了临床评估.
科学领域:
- 新生儿神经学 新生儿神经学
- 神经生理学 神经生理学
- 临床信息学是一种临床信息学.
背景情况:
- 缺氧性缺血性脑病变 (HIE) 是新生儿死亡率和发病率的主要原因,即使是治疗性低温.
- 准确的早期预后对于管理HIE和分层患者进行临床试验至关重要.
研究的目的:
- 评估自动化脑电图 (EEG) 背景分析的可行性和预测准确性,使用新生儿大脑状态 (BSN) 评分来评估HIE新生儿的神经发育结果.
- 将BSN得分的预后能力与临床变量和专家EEG解释进行比较.
主要方法:
- 对HEAL试验队列的二次分析,包括203名HIE新生儿.
- 在出生后24小时内收集的原始EEG数据使用BSN得分进行分析.
- 一般化的线性混合模型评估了接收器操作特征曲线 (AUROC) 下的区域,用于预测2年后的死亡或严重神经发育障碍 (NDI).
主要成果:
- 该BSN得分与专家EEG分类的相关性很好 (皮尔森的r=0.69).
- 与单独临床变量相比,BSN得分显著改善了严重NDI或死亡的预测 (AUROC 0.90-0.93对比0.79).
- 中位数BSN得分的预后准确性与专家EEG评估 (AUROC 0.90) 相似.
结论:
- 自动化EEG背景分析与BSN得分提供了一个客观的方法,用于HIE新生儿的早期预后.
- BSN评分有助于风险分层,其准确性与专家解释相竞争.
- 需要进一步的研究来评估BSN得分在缺乏专家EEG解释的资源有限的环境中的有用性.
