About KNN
News
Research
Tools
Data Display
DM & Monitoring
QI
연구 정보
KNN 연구 요약서
Title | A Study on Clinical Factors Associated with Discharge BMI in very low birth weight Infants: a Nationwide Neonatal Network |
---|---|
Author | 김현호 |
작성자 | 김현호 |
Background | 극소저체중출생아는 출생 후 38-84일 동안 신생아 중환자실에서 입원을 한다. 입원 기간동안 생존과 양호한 예후를 위해 치료를 받게 되며, 적절한 성장을 위해서 집중 영양공급을 수행하게 된다. 재태주수에 따른 출생 몸무게는 예후 중요하며, 퇴원 시기에 몸무게도 추후 성장을 예측할 수 있는 인자로서 가치를 지닌다. 2015년도 American Academy of Pediatrics에서는 미숙아의 Body mass index(BMI)를 제시하였고, 그 이후 신생아의 BMI에 대한 다양한 연구가 진행되고 있다. 신생아네트워크 데이터를 이용한 출생 BMI가 이후 발달과 성장에 대한 연구 결과에서는 낮은 BMI가 Bronchopulmonary dysplasia, necrotizing enterocolitis와 같은 질환과 연관되어 있다고 보고되었다. 신생아네트워크 데이터를 이용하여 퇴원 시기의 BMI를 계산할 수 있으며, 초기의 성장을 평가하는 기준으로 제시할 수도 있다. 퇴원 시기의 BMI를 이용하여 신생아 중환자실에서 시행하는 처치나 진단받은 질환이 퇴원시기에 성장에 미치는 영향을 확인할 수 있다면 적절한 성장을 유지할 수 있는 기준을 제시할 수 있을 것으로 생각된다. |
Aim / Hypothesis | 이번 연구에서는 극소저체중출생아의 퇴원 BMI에 영향을 주는 출생 초기 임상 인자를 확인하고, 선형회귀분석과 인공지능 알고리즘으로 퇴원 BMI를 예측하고자 한다. |
Inclusion Criteria | 극소저체중출생아로 출생하여 한국 신생아 네트워크에 등록된 환자 |
Exclusion Criteria | 선천성 기형을 진단받은 환자 |
Study Design Statistical methods | 1) 결과 변수 정의 및 입력 변수 선택 - Output target variable: Discharge BMI를 Z-score로 구분 Low BMI: z-scores of less than -1 / Normal BMI: -1 to 1 / High BMI: greater than 1 - Input features: Baseline eCRF 항목 중 출생 2주간 획득 가능한 정보 2) 데이터 전처리 데이터 구분(Splitting): 훈련 세트(80%)와 테스트 세트(20%)로 구분한다. 3) 선형회귀분석 적용 - Training and validation: Stratified Cross-validation with AUROC -Hyperparameter optimization: Grid Search with AUROC 4) 머신러닝 알고리즘에 적용 - Logistic Regression, Decision tree, Linear Support Vector Machine - Random Forest, Extra Trees - Extreme greatest boost (XGB), Light GBM 5) 딥러닝 알고리즘 개발 6) 예측 모형을 테스트 세트에 적용하여 평가 - AUROC, AUPRC, F-score, Accuracy |
Primary Outcomes | Discharge BMI |
Secondary Outcomes and Definitions | Low discharge BMI 여부 |
Protocols | 1. 예측 모델의 평가 - AUROC, AUPRC, Accuracy, F-score 2. 모델 변수 중요도 비교 - Rank of importance of variable, shapley value |
Funding | 한국연구재단 |