Modellbasierte fetale Herzfrequenzvariabilitätsanalytik zur Prädiktion einer Early Onset Neonatalen Sepsis (EONS) nach Frühem Vorzeitigem Blasensprung (PPROM)

Einleitung Die Inzidenz der frühen Neugbeborenensepsis (early-onset neonatal sepsis – EONS) nach frühem vorzeitigem Blasensprung (preterm premature rupture of membranes – PPROM) beträgt 14–22% [Brown RG et al. 2018]. Die Diagnostik und Prädiktion inflammatorischer und infektiöser Komplikationen ist eine klinische Herausforderung. Die Analyse fetaler Herzfrequenzvariabilität (HRV) könnte hierbei eine ergänzende, nicht invasive Überwachungsmodalität darstellen [Vandenbroucke et al. 2017]. Anhand von Routine-CTG-Aufzeichnungen nach PPROM soll das prädiktive Potential modellbasierter HRV-Auswertung beurteilt werden.

Material/Methode Auf Basis 759 prospektiver, longitudinaler CTG-Aufzeichnungen aus 32 Einlingsschwangerschaften nach PPROM zwischen 22+0 und 34+0 SSW (EONS n=4, noEONS n=28) konnten nach Ausschluss gestörter Areale, Artefaktkorrektur und der fetalen Zustandsklassifikation (Ausschluss: nicht 2F, Geburts-CTG, Wehentätigkeit, lost of follow-up) 131 lineare und nicht lineare HRV-Parameter des Zeit- und Frequenzbereiches von 619 CTG-Aufzeichnungen in die Parameterselektion des logistischen Regressionsmodells einbezogen werden. Zunächst wurden stark (r>0,9) partiell korrelierte HRV-Parameter unter Berücksichtigung des Gestationsalters entfernt, sowie anschließend CTG-Aufzeichnungen zwischen 1–7 Tage vor der Geburt selektiert. Auf Basis der verbliebenen 47 HRV-Parameter und 218 CTG-Aufzeichnungen (42 EONS vs.172 noEONS) erfolgten 20 Wiederholungen einer Recursive Feature Elimination mit einer 5-fachen internen Kreuzvalidierung ohne Patientenabhängigkeiten zu beachten, mit Nutzung der AUC als Metrik für das optimale Modell. Die 15 am häufigsten verwendeten prädiktiven HRV-Merkmale wurden anschließend unter Berücksichtigung der Signifikanz des Parameters innerhalb des logistischen Regressionsmodells zur Vorhersage einer EONS und eines nur schwach abfallenden AUC-Wertes einer 10x4 Kreuzvalidierung, unter Berücksichtigung der Patientenabhängigkeiten innerhalb der Kreuzvalidierung, reduziert.

Ergebnisse Im resultierenden Prädiktionsmodell verblieben die 4 HRV-Merkmale: Akzelerationskapazität [S=1,25sec-T=1,25sec] (quantifiziert Schwankungsbreite), Skewness (quantifiziert De-/Akzelerationen), Sampleentropie (quantifiziert Komplexität) und mittlere basale Herzfrequenz als Einflussfaktoren enthalten. Der AUC-Wert des Modells beträgt 73,27+/−12,1 (Sens: 58,54+/−21,24%, Spez: 72,90+/−10,16%, PPV: 35,39+/−15,53%). Die Anwendung des Prädiktionsmodells auf die Tagesspanne 0–15 Tage vor der Geburt (285 noEONS vs. 74 EONS) ergibt 77,0 AUC (95% CI 70,99–82,9, Sens: 68,92%, Spez: 69,82%, PPV: 37,23%).

Schlussfolgerung Die automatisierte Auswertung und modellbasierte Integration CTG-basierter HRV-Merkmale stellt prinzipiell einen vielversprechenden Ansatz zur Ergänzung multimodaler klinischer fetaler Überwachung nach PPROM und der Prädiktion einer konsekutiven EONS dar. Die weiterführende Evaluation, Validierung und Optimierung des Modells sind angestrebt.

Publication History

Article published online:
26 November 2021