构建贝叶斯网络决策模型以支持婴儿猝死分类的概念验证研究

科学报告|(2022) 12:9773| https://doi.org/10.1038/s41598-022-14044-w1 打开概念验证研究构建支持婴儿猝死分类的贝叶斯网络决策模型Hideki Hamayasu1,5, Masashi Miyao1,5, Chihiro Kawai1, Toshio Osamura2, Akira Yamamoto3, Hirozo Minami1, Hitoshi Abiru1, Keiji Tamaki1 & Hirokazu Kotani4婴儿猝死综合症 (SIDS) 仍然是高收入国家婴儿死亡的主要原因。支持将婴儿意外死亡分类为小岛屿发展中国家/非小岛屿发展中国家的模型可以降低死亡率。因此，我们的目标是利用法医数据开发这种工具，但 SIDS 病例数量的减少使这项任务本身就变得困难。为了克服这一点，我们根据病理学家的诊断构建贝叶斯网络模型，并在概念验证研究中创建条件概率表。在诊断支持模型中，以64例婴儿猝死病例的数据作为训练数据集，并增加了死亡年龄、同睡等16个已知危险因素。在包括 8 例新病例的验证研究中，模型在 6 例小岛屿发展中国家中的 4 或 5 例中重现了专家的诊断。下一个，为了确认这种方法对发病预测的有效性，使用了来自 41 例 SIDS 病例的数据。该模型预测，接触被动吸烟和同睡的 0 至 2 个月大婴儿发生 SIDS 的风险是普通婴儿人群的 8 倍，这与之前发表的研究结果相当。贝叶斯方法可能是构建 SIDS 预防模型的有前途的工具。婴儿猝死综合症 (SIDS) 仍然是高收入国家婴儿死亡的主要原因1.小岛屿发展中国家，如圣地亚哥定义中所述3，指1岁以下的婴儿突然意外死亡。致命事件的发作往往发生在睡眠期间，如果在彻底调查（包括完整尸检、回顾死亡情况和临床病史）后原因仍未得到解释，则可归因于 SIDS。与小岛屿发展中国家相关的死亡率在 1980 年代达到顶峰，并在 1990 年代下降。这主要归因于提倡仰卧位的“重返睡眠”运动1.然而，小岛屿发展中国家相关死亡率的下降率在近几十年已趋于平稳。1.持续不断的研究可能有助于进一步减少小岛屿发展中国家。导致小岛屿发展中国家持续存在的一个主要因素是小岛屿发展中国家的诊断困难4.为制定有效的疾病预防措施，诊断必须在国际和地区上统一。然而，人们担心 SIDS 的诊断在不同国家和不同行业之间存在不一致4.此外，以前报告为 SIDS 的病例目前报告为“未确定”或“窒息”，尽管在睡眠期间突然意外死亡的婴儿总数保持不变8.这种诊断转变导致 SIDS 发病率降低，同时“未确定”和“窒息”病例的发病率增加。诊断的转变和诊断的不一致阻碍了流行病学研究之间的有效比较，并阻碍了有效预防措施的制定11.美国疾病控制与预防中心和美国儿科学会将婴儿意外死亡 (SUID) 定义为结合了婴儿猝死的三个类别的术语。1京都大学医学研究生院法医学系，日本京都。 2日本红十字会京都第二医院儿科，京都，日本。 3京都大学医学研究生院医学教育中心，日本京都。 4 三重大学医学研究生院法医学与科学系，2-174 Edobashi, Tsu, Mie 5148507, Japan。 5这些作者贡献相同：Hideki Hamayasu 和 Masashi Miyao。电子邮件：hirokazu-k otani@med.mie-u.ac.jp 科学报告|(2022) 12:9773 |https://doi.org/10.1038/s41598-022-14044-w2国际疾病分类第 10 版 (ICD-10)，即 SIDS (R95)、不明原因或不明原因 (R99) 以及床上意外窒息和勒死 (W75)；建议在流行病学研究中使用该术语12.但是，这是意外死亡的总称，包括不明原因（R95 和 R99）和解释性死亡（W75）。因此，从诊断的角度来看，它是令人困惑的。然而，为 SIDS 制定预防措施需要一种能够区分 SIDS 和 SUID 的诊断方法。导致小岛屿发展中国家持续存在的另一个因素是难以预测出生后早期小岛屿发展中国家的发病。实际上，尚未制定有效的小岛屿发展中国家预测措施14. SIDS 的风险因儿童而异，风险因素之间的相互作用可能会调节发生 SIDS 的风险。大数据和人工智能技术可能有助于阐明风险因素之间的复杂关系以及开发准确的发病预测和诊断模型15.然而，每个机构的小岛屿发展中国家病例数普遍较低，即使病例来自多个机构，由于上述不一致和诊断的转移，数据质量也较低。为了解决这些问题，我们假设贝叶斯方法将提供强大的工具来创建 SIDS 诊断或发病预测支持模型，因为它在小样本研究中具有优势和灵活性17.因此，我们旨在通过 SIDS 的贝叶斯诊断和发病预测支持模型来预测 SUID 的死因和发病。在这项概念验证研究中，我们首先使用厚生劳动省的统计数据检查了日本 SUID 诊断的现状18，其中包括按县划分的婴儿猝死死因分类，以阐明日本的死因统计数据是否可用于构建 SIDS 预测模型。然后，我们通过专家构建网络和软件辅助条件概率表创建来构建贝叶斯模型，以调查是否可以使用基于数据的贝叶斯推理来构建诊断和发病预测支持模型，即使是少数病例，来自法医尸检具有专家共识诊断和详细信息的病例。结果日本不同地区SIDS诊断的差异。为了根据日本的 SUID 分类调查 SIDS 诊断的潜在区域间差异，我们首先比较了 47 个县的 SUID 病例亚类。从 2012 年到 2018 年，日本有 6,917,706 名活产婴儿，婴儿死亡总数为 13,917 名（2.0/1000 名活产婴儿），SUID 占婴儿死亡人数的 25%。不同地区的小岛屿发展中国家比率差异很大（图1）。在 47 个地区中，只有 7 个地区的 SIDS 发病率大于 0.2/1000 个活产儿（补充图 S1），这是高收入国家记录的最低 SIDS 发病率4.总共有26个地区的SIDS发病率低于0.1/1000活产儿，其中大多数地区的不明原因死亡或意外窒息比例较高。如表1所示，SUID总数的变异系数值（变异程度的指标）为18.4%，大大低于SIDS（72.7%）。总体而言，由 SIDS、未知死因和意外窒息组成的诊断子类别的比例不均衡，尽管日本 47 个县的 SUID 病例的总比例没有显着差异。模型尸检案例分析建造。2006 年 1 月至 2018 年 12 月期间，京都大学总共报告了 1170 例尸检病例（图 2）。总体而言，1094 例因 1 岁后死亡而不合格。其余76例符合条件的病例中，11例因缺乏详细信息而被排除，1例因死胎而被排除。我们的分析中总共包括 64 例 SUID 病例。小岛屿发展中国家病例占病例总数的 64%（64 例中的 41 例，表 2）。其他死亡原因包括各种内部和外部疾病，例如腹膜炎（占病例的 3.1%）、意外窒息、和先天性异常（7.8% 的病例）。表 3 显示了 64 例病例的人口统计学特征，包括已知的 SIDS 危险因素19.在 16 个风险因素中，只有与睡眠相关的死亡和同睡在 SIDS 发病率方面显示出统计学上的显着差异。64例病例的完整资料，包括临床病史、婴儿睡眠环境等，均从警方获得。例如，关于婴儿睡眠环境的信息包括婴儿床、毯子和枕头的照片。描述了床垫的特性和厚度，以及一张使用比例尺标明尺寸的照片。此外，几乎在所有案例中，都有与婴儿看护人一起重建死亡场景的照片和插图。16 个危险因素中的 5 个缺少一些信息，在表 3 中以“未知”表示：睡眠位置，64 例中的 6 例；母乳喂养，2 例；疫苗接种，2 例；和被动吸烟，22 例。被动吸烟信息缺失的主要原因是在研究开始时缺乏获取信息。如“方法”部分所述，对所有病例进行组织学检查。之间SIDS 41例，肺泡轻度淋巴细胞浸润2例；但是，该数量并不表示肺炎。同时，4例肺炎和2例腹膜炎在受累器官的组织学上显示出明显的炎症表现。 5例先天性畸形中，除肺毛细血管发育不良外，4例经大体尸检证实；组织学检查证实了一例肺毛细血管发育不良。外因死亡12例，除1例肺泡有轻度淋巴细胞浸润外，均无明显炎症表现。64 例中有 53 例进行了感染快速抗原检测； 53 例中有 9 例（6 例死于 SIDS，3 例死于其他内因，1 例死于外因）呼吸道合胞病毒阳性，但所有其他病原体均为阴性。 科学报告|(2022) 12:9773 |https://doi.org/10.1038/s41598-022-14044-w3比率100%SIDS 不明窒息50%0%1 2 3 4 5 6 78 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47日本47个都道府县图1。2012 年至 2018 年日本 47 个县的婴儿猝死 (SUID) 子类别与 SUID 病例总数的比率。SUID 被定义为以下三个子类别：SIDS、意外窒息和死因不明。 ICD-10 中的 SIDS，R95（SIDS）；意外窒息，W75（意外窒息和窒息在床上）、W78（吸入胃内容物）和 W79（吸入和摄入食物，导致呼吸道阻塞）的组合；死亡原因不明，R96（其他猝死，原因不明）、R98（无人看管的死亡）和 R99（其他不明原因和未指明的死亡原因）的组合。 SUID，婴儿突然意外死亡； ICD-10，国际疾病分类，第 10 版； SIDS，婴儿猝死综合症。意思是标清简历 （％）小岛屿发展中国家0.110.0872.7窒息0.070.0571.4未知0.310.1032.2SUID0.490.0918.4表格1。三个 SUID 诊断子类别的诊断变异性。计算了 2012 年至 2018 年间日本 47 个县的每 1000 名活产婴儿死亡率。CV 采用 SD 的平均值计算。 CV，变异系数； SD，标准偏差； SIDS，婴儿猝死综合征； SUID，婴儿突然意外死亡。SIDS 诊断支持模型，以降低诊断偏倚的风险。为了检验贝叶斯方法在开发 SIDS 诊断支持模型中的效用，我们将 16 个风险因素应用于贝叶斯网络，无论统计学上是否存在显着差异，并如方法部分所述构建了三种类型的诊断支持模型（图 3：模型 1；补充图 S2：模型 2 和 3）。在所有模型中，已知的高风险因素，如“死亡年龄”、“同睡”和“睡眠中死亡”，因此位于 SIDS 节点附近。相比之下，在这些模型中，“母乳喂养”、“早产”和“男性性行为”这些也是已知的高危因素，位于远离 SIDS 节点的位置。一个包含 6 个 SIDS 病例、2 个其他内部原因病例和没有外部原因病例的验证队列用于验证模型的有用性和局限性。表 4 显示了使用三种模型估计的 SIDS 或其他诊断概率、专家做出的共识诊断以及每个病例的人口统计学特征。在验证研究中，所有三个模型都将 SIDS 确定为 6 例 SIDS 病例中的 4 或 5 例（病例 2、3、5、6 和 8）最可能的诊断。然而，病例 1、4 和 7 获得的结果与专家诊断不符。模型 3 提供的概率比其他两个模型提供的概率更接近专家的共识诊断。值得注意的是，这些病例的概率值介于 0.71 到 0.87 之间，表明专家对 SIDS 诊断的不确定性。 科学报告|(2022) 12:9773 |https://doi.org/10.1038/s41598-022-14044-w42006-2018年法医尸检案件研究对象(n = 1,170)不容忽视：死亡年龄超过 1 岁(n = 1,094)有资格的：1岁以下的死亡年龄(n = 76)排除：缺乏详细信息（n = 11）排除：死产病例（n = 1）最终分析中包含的可评估总人口(n = 64)图 2。病例登记和排除流程图。总计（n = 64）男性（n = 36）女性（n = 28）n (%)n (%)n (%)内因5