European Child & Adolescent Psychiatry:多变量模型预测儿童心理风险,阴性预测值达 95.4%

2025-05-16 xiongjy MedSci原创 发表于上海

该模型的优势在于仅需非侵入性、低成本数据即可实施,适合在常规儿童健康检查中应用。

儿童心理健康问题已成为全球公共卫生的重要挑战,约六分之一的2至8岁儿童存在可诊断的心理、行为或发育障碍,其中超过半数症状严重。早期识别高风险儿童对于实施预防性干预至关重要。本研究基于法国ELFE前瞻性出生队列(n=9768),开发并内部验证了一个多变量预测模型,旨在利用围产期已知信息预测5岁儿童的心理健康状况。研究采用“优势与困难问卷”(SDQ)总分(临床临界值≥17分)作为结局指标,通过LASSO回归和自助法(bootstrap)进行变量筛选和模型优化,最终确定了10个关键预测因子

在方法学上,研究团队从ELFE队列中提取了26个候选预测变量,涵盖孕前母亲健康、妊娠特异性经历(PSEs)、出生因素和社会人口风险(SR)四大维度。其中,PSEs整合了妊娠期生物、心理和社会因素(如出血、高血压、心理困扰、社会支持不足等),SR则综合了母亲年龄、教育水平、移民状态、家庭收入等指标。数据分析采用LASSO回归进行变量选择,并通过1000次自助抽样校正模型乐观度。模型性能通过C统计量(AUC)、校准斜率和Brier评分等指标评估,同时考察了不同风险阈值(8%、15%、20%、25%)下的分类效能。

figure 1

图1 预测不稳定性图。注意:每个个体的散点相对于原始模型(X 轴)及其 95% 范围的预测值(Y 轴)的自举预测值

研究结果显示,最终模型包含10个预测因子:妊娠特异性经历总数、社会人口风险、孕前高血压史、孕前心理问题史、孕次、既往妊娠心理健康问题、当前妊娠吸烟与饮酒、分娩启动方式和婴儿性别。模型的区分度(AUC=0.67,95%CI:0.64–0.69)和校准性(斜率=1.04)表现良好,尤其在阴性预测值(NPV=95.4%)方面表现突出,能够准确识别78.8%的低风险儿童。值得注意的是,模型对新生儿重症监护病房(NICU)收治的儿童预测效能更佳(AUC=0.78)。然而,阳性预测值(PPV=12%)较低,表明模型更适用于排除低风险个体而非确诊高风险人群。此外,研究尝试纳入1岁儿童的感觉处理特征作为预测因子,但未显著提升模型性能。

模型的稳定性分析显示,其在人群和个体层面均表现稳健。通过预测不稳定性图、校准曲线和分类指数等验证,模型在风险阈值≥8%时具有最佳平衡(敏感性39%,特异性81.3%)。亚组分析表明,模型在不同性别和社会经济风险群体中性能一致,但对NICU儿童的特异性更强。研究还探讨了分层干预策略的可行性,建议对高风险儿童进行二次筛查以确定干预强度,而非直接实施高成本措施。

figure 2

图2:ROC图比较了模型在新生儿重症监护病房(NICU)中和未在新生儿重症监护室(NICU)中度过的时间。注意:乐观调整后的 95%CI 不重叠

尽管模型在阴性预测方面表现优异,但其阳性预测能力有限,可能产生较多假阳性。这一局限性提示需结合临床评估或其他生物标志物以提高精准度。此外,研究样本仅纳入胎龄≥33周的儿童,限制了模型对极早产儿的适用性。未来研究需通过外部验证进一步检验模型的泛化能力,并探索标准化感觉评估工具对预测效能的潜在提升。

该模型的优势在于仅需非侵入性、低成本数据即可实施,适合在常规儿童健康检查中应用。其开发过程严格遵循统计规范,包括样本量计算、聚类校正和稳定性验证,为围产期心理健康风险预测提供了可靠工具。研究结果支持将模型整合至分级预防体系,通过早期识别高风险儿童优化资源配置,同时减轻低风险家庭的不必要干预负担。

原始出处: 

Butler, E., Spirtos, M., O’Keeffe, L. M., & Clarke, M. (2025). Predicting 5-year-olds mental health at birth: development and internal validation of a multivariable model using the prospective ELFE birth cohort. European Child & Adolescent Psychiatryhttps://doi.org/10.1007/s00787-025-02730-9

评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2265311, encodeId=09b022653114b, content=<a href='/topic/show?id=52941002359d' target=_blank style='color:#2F92EE;'>#预测模型#</a> <a href='/topic/show?id=fdef9e3606b' target=_blank style='color:#2F92EE;'>#队列研究#</a> <a href='/topic/show?id=edb9126944f5' target=_blank style='color:#2F92EE;'>#围产期风险评估#</a> <a href='/topic/show?id=b558126945bd' target=_blank style='color:#2F92EE;'>#分层干预#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=31, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=126945, encryptionId=b558126945bd, topicName=分层干预), TopicDto(id=126944, encryptionId=edb9126944f5, topicName=围产期风险评估), TopicDto(id=97360, encryptionId=fdef9e3606b, topicName=队列研究), TopicDto(id=100235, encryptionId=52941002359d, topicName=预测模型)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Fri May 16 16:22:54 CST 2025, time=2025-05-16, status=1, ipAttribution=上海)]

相关资讯

【Ann Hematol】陈文明/高文教授牵头建立原发性浆细胞白血病的预后模型

首都医科大学附属北京朝阳医院陈文明教授和高文教授牵头一项研究,探索102例pPCL患者的预后因素并建立有效的预测模型,研究结果近日发表于《Annals of Hematology》。

Eur J Neurol:我国学者发现自发性幕上脑出血后情感障碍和认知障碍的预测因素

由 Boruta 算法增强的 logistic 回归模型为预测 ICH 后的情感障碍和认知障碍提供了有价值的工具。它有助于早期识别并改善小血肿患者这些神经精神结局的风险评估。

J Dig Dis:长海医院发表预测中重症和重症急性胰腺炎并发感染性胰腺坏死的列线图

急性胰腺炎(AP)是临床常见且具有挑战性的胃肠道疾病。这项研究使用列线图成功建立了一个设计良好的IPN预测模型,该模型在内部和外部验证组中均显示出足够的准确性。

论著|老年认知功能障碍患者营养风险预测模型的建立

本研究初步尝试建立老年认知功能障碍患者的营养风险预测模型,期望可以作为有效工具协助评估认知功能障碍患者住院期间的营养状态,为进一步完善预后评估及营养治疗方案调整提供理论依据。

【论著】| 基于机器学习构建乳腺癌骨转移预测模型

本研究选择9种机器学习算法探索建立有效的预测模型,并对模型评估对比,寻找更适合构建乳腺癌骨转移预测模型的方法。

Translational Psychiatry:利用美国和澳大利亚队列中的临床变量开发多因素痴呆预测模型

多因素痴呆预测模型中APOE基因型是最重要的预测因子,神经网络模型表现最佳。ADNI和AIBL数据集之间的APOE基因型分布差异导致模型性能差异,建议未来研究进一步整合不同队列数据以提高模型的泛化能力

CGH:基于MRI的肛周克罗恩病抗肿瘤坏死因子治疗失败预测模型的开发

研究人员建立了基于临床和/或MRI特征的风险评估模型来预测瘘管缓解。该模型具有良好的区分能力,显著优于其他PAF活动指数评分。