Respiratory parameters as a predictor of hospital outcomes in newborns requiring medical evacuation

Cover Page

Cite item

Full Text

Abstract

BACKGROUND: Assessment of the clinical condition, prediction of risks and possible outcomes during the transfer of newborns remains an important part of the work of transport teams. Respiratory disorders remain a significant indication for transfer to medical organizations of a higher level of care.

AIM: To study the predictive value of the parameters of respiratory support in newborns requiring medical evacuation for the outcomes of treatment.

MATERIALS AND METHODS: The observational, cohort, retrospective study included data from neonatal to patients on ventilators (286 newborns) in the period from August 1, 2017 to December 31, 2018. Anamnesis parameters, intensive care volume, respiratory support settings, and assessments on scales (KSHONN, NTISS, TRIPS) were evaluated. Analyzed: 24-hours mortality, 7 days mortality, hospital mortality, air leakage syndrome. The assessment and comparison of the predictive value of the parameters in relation to the hospital outcomes was performed.

RESULTS: The AUC ROC of SpO2/FiO2 for predicting 24-hours mortality was 0.984 [0.966–1.000], which is significantly higher than the ROC of the saturation oxygenation index (AUC 0.972 [0.949–0.995], p = 0.004). The area under the ROC of the 24-hours mortality on the TRIPS scale does not significantly differ from the saturation index of oxygenation (AUC 0.972 [0.949–0.995], p = 0.113) and the mean airway pressure (AUC 0.943 [0.884–1.000], p = 0.107). When predicting 7-day mortality, the saturation oxygenation index has AUC ROC (0.702 [0.549–0.854]) significantly lower than AUC ROC for SpO2/FiO2 (0.762 [0.638–0.887], p = 0.001). SpO2/FiO2 predicts total mortality with AUC ROC (0.759 [0.677–0.841]).

CONCLUSIONS: The mean airway pressure, saturation oxygenation index and SpO2/FiO2 have a high (AUC > 0,9) predictive value for 24-hours mortality, while only SpO2/FiO2 reliably predicts total mortality with AUC ROC > 0,7.

About the authors

Rustam F. Mukhametshin

Ural State Medical University; Regional Children’s Clinical Hospital

Author for correspondence.
Email: rustamFM@yandex.ru
ORCID iD: 0000-0003-4030-5338
SPIN-code: 4206-3303

Cand. Sci. (Med.), Assistant Professor, Head of the Department

Russian Federation, Yekaterinburg; 32, S. Deriabinoi st., Yekaterinburg, 620149

Olga P. Kovtun

Ural State Medical University

Email: kovtun@usma.ru
ORCID iD: 0000-0002-5250-7351
SPIN-code: 9919-9048

Dr. Sci. (Med.), Professor, Academician of Academy of Sciences

Russian Federation, Yekaterinburg

Nadezhda S. Davydova

Ural State Medical University

Email: davidovaeka@mail.ru
ORCID iD: 0000-0001-7842-6296
SPIN-code: 3766-8337

Dr. Sci. (Med.), Professor

Russian Federation, Yekaterinburg

References

  1. Gonzalez RM, Gilleskie D. Infant Mortality Rate as a Measure of a Country’s Health: A Robust Method to Improve Reliability and Comparability. Demography. 2017;54(2):701–720. doi: 10.1007/s13524-017-0553-7
  2. Hentschel R, Guenther K, Vach W, Bruder I. Risk-adjusted mortality of VLBW infants in high-volume versus low-volume NICUs. Arch Dis Child Fetal Neonatal Ed. 2019;104(4):F390-F395. doi: 10.1136/archdischild-2018-314956
  3. Walther F, Kuester D, Bieber A, et al. Are birth outcomes in low risk birth cohorts related to hospital birth volumes? A systematic review. BMC Pregnancy Childbirth. 202121(1):531. doi: 10.1186/s12884-021-03988-y
  4. Hossain S, Shah PS, Ye XY, et al.; Canadian Neonatal Network; Australian and New Zealand Neonatal Network. Outborns or Inborns: Where Are the Differences? A Comparison Study of Very Preterm Neonatal Intensive Care Unit Infants Cared for in Australia and New Zealand and in Canada. Neonatology. 2016;109(1):76-84. doi: 10.1159/000441272
  5. Gould JB, Danielsen BH, Bollman L, et al. Estimating the quality of neonatal transport in California. Journal of Perinatology. 2013;33(12);964–970. doi: 10.1038/jp.2013.57
  6. Aleksandrovich YuS, Nurmagambetova BK, Pshenisnov KV, Parshin EV. specific features of the course of multiple organ dysfunction syndrome in the full-term and premature neonate. Clinical Practice in Pediatrics. 2009;4(1):19-21.
  7. Proulx F, Joyal JS, Mariscalco MM, et al. The pediatric multiple organ dysfunction syndrome. Pediatr Critical Care Medicine. 2009;10(1):12–22. doi: 10.1097/PCC.0b013e31819370a9
  8. Hooper SB, Te Pas AB, Lang J, et al. Cardiovascular transition at birth: a physiological sequence. Pediatr Res. 2015;77(5):608-614. doi: 10.1038/pr.2015.21
  9. van Kaam AH, Rimensberger PC, Borensztajn D, De Jaegere AP.; Neovent Study Group. Ventilation practices in the neonatal intensive care unit: a crosssectional study. J Pediatr. 2010;157(5):767-771.e1–3.
  10. Aleksandrovich YuS, Pshenisnov KV, Parshin EV, Nurmagambetova BK. Prediktors multisystem organ failure at the newborns requiring interhospital transportation. Emergency Medical Care. 2008;9(4):29-34.
  11. Mhanna MJ, Iyer NP, Piraino S, Jain M. Respiratory severity score and extubation readiness in very low birth weight infants. Pediatr Neonatol. 2017;58(6):523–528. doi: 10.1016/j.pedneo.2016.12.006
  12. Aleksandrovich YuS, Pshenisnov KV, Parshin EV, et al. hospital-to-hospital transportation of the newborns with multiple organ insufficiency. Emergency Medical Care. 2009;10(1):9–13.
  13. Rawat M, Chandrasekharan PK, Williams A, et al. Oxygen saturation index and severity of hypoxic respiratory failure. Neonatology. 2015;107(3):161–166. doi: 10.1159/000369774
  14. Khalesi N, Choobdar FA, Khorasani M, et al. Accuracy of oxygen saturation index in determining the severity of respiratory failure among preterm infants with respiratory distress syndrome. J Matern Fetal Neonatal Med. 2021;34(14):2334–2339. doi: 10.1080/14767058.2019.1666363
  15. Maneenil G, Premprat N, Janjindamai W, et al. Correlation and Prediction of Oxygen Index from Oxygen Saturation Index in Neonates with Acute Respiratory Failure. Am J Perinatol. 2021. doi: 10.1055/a-1673-5251
  16. Muniraman HK, Song AY, Ramanathan R, et al. Evaluation of Oxygen Saturation Index Compared with Oxygenation Index in Neonates with Hypoxemic Respiratory Failure. JAMA Netw Open. 2019;2(3):e191179. doi: 10.1001/jamanetworkopen.2019.1179
  17. Khemani RG, Rubin S, Belani S, et al. Pulse oximetry vs. PaO2 metrics in mechanically ventilated children: Berlin definition of ARDS and mortality risk. Intensive Care Med. 2015;41(1):94–102. doi: 10.1007/s00134-014-3486-2
  18. Rice TW, Wheeler AP, Bernard GR, et al.; National Institutes of Health, National Heart, Lung, and Blood Institute ARDS Network. Comparison of the SpO2/FIO2 ratio and the PaO2/FIO2 ratio in patients with acute lung injury or ARDS. Chest. 2007;132(2):410–417. doi: 10.1378/chest.07-0617
  19. Pandharipande PP, Shintani AK, Hagerman HE, et al. Derivation and validation of Spo2/Fio2 ratio to impute for Pao2/Fio2 ratio in the respiratory component of the Sequential Organ Failure Assessment score. Crit Care Med. 2009;37(4):1317–1321. doi: 10.1097/CCM.0b013e31819cefa9
  20. Lobete Prieto C, Medina Villanueva A, Modesto I, et al. Prediction of PaO2/FiO2 ratio from SpO2/FiO2 ratio adjusted by transcutaneous CO₂ measurement in critically ill children. An Pediatr (Barc). 2011;74(2):91–96. doi: 10.1016/j.anpedi.2010.09.021
  21. Ray S, Rogers L, Pagel C, et al. PaO2/FIO2 Ratio Derived From the SpO2/FIO2 Ratio to Improve Mortality Prediction Using the Pediatric Index of Mortality-3 Score in Transported Intensive Care Admissions. Pediatr Crit Care Med. 2017;18(3):e131–e136. doi: 10.1097/PCC.0000000000001075
  22. Carvalho EB, Leite TRS, Sacramento RFM, et al. Rationale and limitations of the SpO2/FiO2 as a possible substitute for PaO2/FiO2 in different preclinical and clinical scenarios. Rev Bras Ter Intensiva. 2022;34(1):185–196. doi: 10.5935/0103-507X.20220013-pt
  23. Oygur N, Ongun H, Saka O. Risk prediction using a neonatal therapeutic intervention scoring system in VLBW and ELBW preterm infants. Pediatr Int. 2012;54(4):496–500. doi: 10.1111/j.1442-200X.2012.03576.x
  24. Kovtun OP, Mukhametshin RF, Davydova NS. Assessment of the predictive value of the NTISS scale for neonatal outcomes. Ural Medical Journal. 2021;20(5):11–20. doi: 10.52420/2071- 5943-2021-20-5-11-20
  25. Karlsson BM, Berg J. Transport risk index of physiologic stability: a validation for Swedish conditions. Journal of Pediatric and Neonatal Individualized Medicine. 2017;6(2):22–23.
  26. Grass B, Ye XY, Kelly E, et al. Association between Transport Risk Index of Physiologic Stability (Trips) in extremely premature infants and mortality or neurodevelopmental impairment at 18 to 24 months. J Pediatr. 2020;224:51–56.e5 doi: 10.1016/j.jpeds.2020.05.019

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Comparison of ROC curves of respiratory parameters and scales in predicting 24-hour mortality. MAP — mean airway pressure; СИО — saturation index of oxygenation; NTISS — NTISS — Neonatal Therapeutic Intervention Scoring System; TRIPS — Transport Risk Index of Physiologic Stability for Newborn Infants; SpO2/FiO2 — oxygen saturation to fraction of inspired oxygen ratio

Download (69KB)
Indexing metadata
3. Fig. 2. Comparison of ROC curves of respiratory parameters and scales in predicting 7-day mortality. MAP — mean airway pressure; СИО — saturation index of oxygenation; NTISS — NTISS — Neonatal Therapeutic Intervention Scoring System; TRIPS — Transport Risk Index of Physiologic Stability for Newborn Infants; SpO2/FiO2 — oxygen saturation to fraction of inspired oxygen ratio

Download (69KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».