目的评估新生儿神经行为评分(neonatal behavioral neurological assessment,NBNA)与婴儿运动能力检查(the test of infant motor performance,TIMP)对早产儿运动发育异常的早期诊断价值。方法检索Pubmed、Embase、Cochrane Library、万方、中国知网数据库,查询从建库至2017-05-20有关早产儿中使用NBNA或者TIMP进行神经行为或运动评估的文献,使用基于共识选择健康测量工具的标准清单(the consensus-based standards forselection of measurement instruments checklist,COSMIN)进行方法学质量评价,并分析NBNA与TIMP的预测效度。结果最终获得16篇符合标准的文献,其中,5篇关于NBNA在早产儿随访中的应用研究,均存在明显威胁研究的方法学质量的因素;11篇关于TIMP在早产儿随访中的应用研究,其中9篇研究结果示TIMP对纳入早产儿半岁后的神经发育评分有良好的预测效度(灵敏度:0.50～1.00;特异度:0.68～1.00)或相关度(r:0.36～0.44),故TIMP有助于早期诊断。结论 TIMP作为一种功能性运动的评估方法,对早产儿远期神经发育结局具有良好的预测效度。
目的从全球、区域及国家3个层面探讨新生儿黄疸疾病负担,为新生儿黄疸防治提供依据。方法检索2019全球疾病负担数据库,收集该数据库新生儿黄疸的发病人数/率、死亡人数/率和全球社会人口指数(socio-demographic index,SDI)和全民健康覆盖指数(universal health coverage index,UHCI),统计1990-2019年新生儿黄疸的流行趋势,并研究新生儿黄疸发病率/死亡率与SDI、UHCI之间的关系。结果1990-2019年,全球新生儿黄疸发病人数从1990年的601681例增加到2019年的626005例,增幅为4.04%;全球年龄标准化发病率呈上升趋势[估计年度变化百分比:0.13(95%CI:0.03~0.23)]。全球死亡人数从1990年的128119例下降至2019年的52742例,降幅为58.83%;全球年龄标准化死亡率呈下降趋势[估计年度变化百分比:-2.78(95%CI:-3.00~-2.57)]。印度、巴基斯坦、尼日利亚等SDI较低的国家新生儿黄疸发病人数和死亡人数所占比例均较高。2019年新生儿黄疸的年龄标准化死亡率的估计年度变化百分比与SDI(ρ=-0.320,P<0.05)和UHCI(ρ=-0.252,P<0.05)均呈负相关。结论全球新生儿黄疸发病率呈上升趋势,而死亡率呈下降趋势;新生儿黄疸疾病负担与社会发展及经济、医疗水平有关。
医疗相关不良事件(Adverse healthcare-related events, AEs)不仅影响医疗质量,增加医疗成本,更会给患者及其家属造成伤害。新生儿因其特殊的生理特性,成为AE的高发人群,可能引起严重后果,甚至危及生命。当前AE监测手段可分为主动上报和被动监测,但均存在一定局限性,随着人工智能(Artificial Intelligence, AI)技术的发展,在提升医疗安全上展现出巨大潜力。本文旨在总结新生儿AE的发生率、常见类型与分类方式,分析新生儿易发生AE的原因,探讨现有监测手段及未来AI在新生儿病房AE监测的应用前景。Adverse healthcare-related events (AEs) significantly impact healthcare quality, increase costs, and harm patients and their families. Neonates, due to their unique physiological characteristics, are particularly susceptible to AEs, which can lead to severe consequences, including life-threatening situations. Current AEs monitoring methods, including active reporting and passive surveillance, both have limitations. Nowadays, advancements in Artificial Intelligence (AI) throw light on enhancing healthcare safety. This article aims to summarize the incidence, common types, and classification of neonatal AEs, analyze the reasons for their high occurrence in neonates, and explore existing monitoring methods along with the future prospects of AI in neonatal AEs surveillance.
