新生児禁欲症候群 (NAS) のデータを収集し、自動データ収集プロセスを評価するための研究

NAS の現在の診断および評価の枠組みは、主観的な方法、主にフィネガン新生児禁欲スコア (FNAS) に大きく依存しています。 FNAS は、医療提供者が薬理学的および非薬理学的治療を評価し、NAS を患っている乳児の経過を監視するのに役立ちます。 Eat Sleep Console (ESC) アプローチは、NAS の管理および治療の主要な方法として非薬理学的介入を強調するために一部の病院で導入されています。 NAS の普及率が高く、その管理に多大なリソースが割り当てられているにもかかわらず、医療システムは標準化された診断および治療プロトコルに対する満たされていない臨床ニーズに取り組み続けています。

FNASS と ESC は治療にばらつきをもたらし、結果に影響を与える可能性があるため、主観的評価への依存がこの課題の一因となっています。 NAS の重症度を評価し、治療決定を導くための客観的で信頼性の高いツールの開発は、依然として新生児ケアにおける重要なニーズであり、これらの脆弱な患者に対する介入の効率と有効性を高めることが期待されています。 最近の研究では、NAS の診断と治療に一貫性がないことが強調され、さまざまな小児医療現場での幅広い実践が明らかになりました。 この問題のある矛盾は、患者の転帰の多様化とベストプラクティスの明確さの欠如につながります。

この多施設研究では、予測分析によるスコアリングを自動化できる AI ベースのツールの開発に使用されるデータが収集されます。 さらに、研究者らは、NICU での滞在期間の短縮と患者の転帰の改善につながる NAS での継続的なモニタリングの利点を確立することを目指しています。