Respiratory distress syndrome prediction at birth by optical skin maturity assessment and machine learning models for limited-resource settings: a development and validation study
Notice bibliographique
Résumé
Background: A handheld optical device was developed to evaluate a newborn's skin maturity by assessing the photobiological properties of the tissue and processing it with other variables to predict early neonatal prognosis related to prematurity. This study assessed the device's ability to predict respiratory distress syndrome (RDS). Methods: To assess the device's utility we enrolled newborns at childbirth in six urban perinatal centers from two multicenter single-blinded clinical trials. All newborns had inpatient follow-up until 72 h of life. We trained supervised machine learning models with data from 780 newborns in a Brazilian trial and provided external validation with data from 305 low-birth-weight newborns from another trial that assessed Brazilian and Mozambican newborns. The index test measured skin optical reflection with an optical sensor and adjusted acquired values with clinical variables such as birth weight and prenatal corticoid exposition for lung maturity, maternal diabetes, and hypertensive disturbances. The performance of the models was evaluated using intrasample k-parts cross-validation and external validation in an independent sample. Results: Models adjusting three predictors (skin reflection, birth weight, and antenatal corticoid exposure) or five predictors had a similar performance, including or not maternal diabetes and hypertensive diseases. The best global accuracy was 89.7 (95% CI: 87.4 to 91.8, with a high sensitivity of 85.6% (80.2 to 90.0) and specificity of 91.3% (95% CI: 88.7 to 93.5). The test correctly discriminated RDS newborns in external validation, with 82.3% (95% CI: 77.5 to 86.4) accuracy. Our findings demonstrate a new way to assess a newborn's lung maturity, providing potential opportunities for earlier and more effective care. Trial registration: RBR-3f5bm5 (online access: http://www.ensaiosclinicos.gov.br/rg/RBR-3f5bm5/), and RBR-33mjf (online access: https://ensaiosclinicos.gov.br/rg/RBR-33rnjf/).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».