儿童肥胖是美国最常见的儿科慢性疾病之一，影响着五分之一的儿童。这一问题不仅由遗传和生理因素驱动，还受到健康的社会决定因素的影响，如食物不安全或生活在食品沙漠区、贫困、父母教育水平和保险获取情况。但儿科医生和其他儿科医疗提供者有一个重要的策略：预防。如果他们能够在儿童早期或关键发展阶段及时发现肥胖风险，就可能解决未来可能出现的相关后果，如2型糖尿病、高血压和高脂血症。
这正是开发一种新的、经过验证的预测模型的初衷，该模型使用深度机器学习应用于可获取的电子健康记录（EHR）数据，其开发和详细信息上个月在《肥胖支柱》中提到。
“这项工作的主要动机是，我们希望建立一个可以整合到儿科设施中的模型，这些数据无需额外的时间或资金收集，而是在每次就诊时已经收集。”该研究的主要作者、达拉斯南卫理公会大学计算机科学助理教授Mehak Gupta博士说。
性能和优势
该研究基于来自五个州（特拉华州、佛罗里达州、马里兰州、新泽西州和宾夕法尼亚州）大型儿科医疗网络中36,191名儿童的EHR数据，数据采集时间为2002年1月1日至2019年12月31日。该模型从出生开始使用EHR输入，并从七个常规捕获的风险类别中提取数据：
- 诊断
- 家族史/诊断
- 药物
- 测量
- 人口统计学
- 3岁前最后一次肥胖状态
- 2岁前体重长度百分比变化
研究人员在这些类别中检查了大约500个儿童肥胖因素。该模型评估了其预测10岁以下儿童肥胖风险的能力。结果显示，该模型能够在2-7岁儿童的3年内预测肥胖，与标准的体重长度测量相比，所有情况下曲线下面积均超过0.8。
然而，鉴于当前临床时间限制、EHR数据的不一致捕获以及普遍存在的肥胖污名化，这种方法的实用性和可行性尚不清楚。
查尔斯·托马斯·伍德博士（Charles Thomas Wood, MD, MPH）是北卡罗来纳州杜克大学医学院的儿科医生和儿科学助理教授，他也在研究如何利用EHR数据开发干预措施，以预防早期儿童肥胖。“有很多评论和纵向研究表明，通过观察体重增长的变化来预防不同年龄的肥胖，以及在2岁或3岁之前区分高风险儿童的兴趣。”他说。伍德指出，目前使用EHR进行风险预测的一个挑战是缺乏2岁前的数据。
但Gupta认为，即使在更年轻的年龄段，预测模型仍然具有价值。“有时你可能会看到一个尚未达到肥胖阈值的患者，但他们的体重轨迹正在增加。你不能确定这个患者是否会越过阈值，但这个模型可以告诉你有这种风险，并在风险超过50%或70%时发出警报。”Gupta说。
“我认为这是一种有趣的方式，可以将我们已有的信息综合成一幅图，用作支持家庭的辅助工具。”马里兰大学医学院儿科学助理教授、马里兰大学儿科中城医疗主任Mutiat Onigbanjo博士补充道。“这是一个我们可以用来鼓励家庭做出我们经常推广的生活方式改变的额外工具。”她说。
它准备好投入临床了吗？
在临床指南中，美国儿科学会强调了风险评估、共病评估、EHR内的临床决策支持的必要性，以及需要以吸引人、家庭为中心、非污名化的方式治疗BMI在第85-95百分位（超重）和第95百分位及以上（肥胖）的儿童。
“假设你的孩子在3岁时有45%的风险发展成肥胖。你可能会优先讨论响应性喂养、睡眠和体育活动，而不是其他事情，但这些家庭在有孩子之前就已经被污名化了。”伍德说。“所以即使我们有一些神奇的数字可以帮助我们区分高风险儿童，这也只是一个对话，一种确定讨论重点的方式。”
同时，他还指出了透明度的必要性。“我们必须敏感地认识到这是一种多因素疾病；有些事情我们还不了解，我们必须向家庭传达这种不确定性。”他说。
“这是一个敏感的话题。”达拉斯私人执业儿科医生、专门从事儿童和青少年肥胖治疗的Suzanne Cuda博士说。“大多数时候，不仅仅是那个孩子；还有家庭中的其他孩子；父母——每个人都需要参与关于如何应对的讨论。”
还有一个适用性的问题。Cuda指出，EHR系统因提供者类型和个人办公室而异。然而，Gupta及其团队正在解决这一缺点。“我们使用的数据基于OMOP通用数据模型，这是当前EHR数据的收集格式。”她说。“然而，我们也在开发一个用户界面，使其具有互操作性，即使你有不同格式的EHR数据，也应该能够使用我们的工具。”她说。
该团队正在从各种从业者那里收集反馈，以确定可行性。重要的是，Gupta还强调，所有内容最初都将开源，但细节仍在敲定中。
最后，广泛的多机构代表性将是关键。尽管该研究基于从五个州收集的数据，但这些数据来自单一网络。“任何预测模型的一个大问题是，提供数据的基础人群是否真正代表了我们面前的人群。”伍德说。
该研究由美国国立卫生研究院资助。Cuda目前担任《肥胖支柱》的执行编辑，但未参与手稿编辑。伍德和Onigbanjo没有财务披露。
(全文结束)
