Digitale diagnose van hartgeluid bij pediatrische patiënten [DI-SOUND Studie] (DI-SOUND)

Introductie:

Aangeboren hartafwijkingen (AHA) zijn de meest voorkomende geboortedefecten bij mensen. Een tijdige diagnose van structurele hartafwijkingen bij pasgeborenen en kinderen wordt geassocieerd met verbeterde uitkomsten in de algemene pediatrische populatie. Binnen AHA vormen ductus-afhankelijke AHA een zeldzame groep van cardiovasculaire misvormingen met heterogene anatomische kenmerken, die gemeenschappelijk hebben dat ze ofwel de pulmonale (ductus-afhankelijke pulmonale circulatie) ofwel de systemische (ductus-afhankelijke systemische circulatie) circulatie niet kunnen onderhouden op het moment van ductus-sluiting. Voorbeelden van dergelijke aandoeningen zijn het hypoplastisch linkerhartsyndroom (prevalentie van 2/10.000), ernstige coarctatie van de aorta (prevalentie van 3/10.000), pulmonale atresie met intact ventriculair septum (<1/10.000), kritische neonatale aortaklepstenose (prevalentie ~5/10.000), kritische pulmonaalklepstenose (1-5/10.000) en andere zeldzamere, complexere aangeboren afwijkingen. In deze gevallen is het essentieel om tijdig de juiste diagnose te stellen om de ductus-doorgankelijkheid te waarborgen via prostaglandine-infusie en de patiënt door te verwijzen naar tertiaire pediatrische cardiovasculaire centra.

De huidige screening van pasgeborenen op AHA berust voornamelijk op brachiale en onderste extremiteit pulsoximetrie-screening (POS) en cardiale auscultatie. De diagnostische prestaties van deze praktijk zijn beperkt. POS wordt geplaagd door matige gevoeligheid, met name indien uitgevoerd tijdens de eerste 24 levensuren. Cardiale auscultatie is waarschijnlijk nog beperkter met een gevoeligheid variërend tussen 75-85%.

Hoewel prenatale en neonatale screening van AHA geassocieerd is met een verhoogde herkenning van de ziekte bij pasgeborenen, wordt een aanzienlijk aantal patiënten niet correct geïdentificeerd en komt vertraagde diagnose nog steeds voor in westerse en zelfs meer in ontwikkelingslanden.

Digitale verwerking van hartgeluiden met diagnostische doeleinden is in het recente verleden onderzocht bij volwassenen en oudere kinderen. Wij stellen voor om een specifieke software te ontwikkelen voor automatische dichotome klinische classificatie van hartgeluiden (normaal versus abnormaal) bij pasgeborenen om de neonatale herkenning van structurele hartziekte in deze populatie te verbeteren.

De studie Digitale dIagnose van cardiale SOUND in pediatrische patiënten (DI_SOUND) heeft als doel een tool te ontwikkelen en valideren met het algemene doel de neonatale herkenning van AHA te verbeteren.

Studiedoelen Doel 1: Ontwikkelen van een binaire classificator voor normale versus abnormale hartgeluiden bij pasgeborenen Doel 2: Valideren van de binaire classificator in een opeenvolgende, onafhankelijke cohort van pasgeborenen Doel 3: Kosteneffectiviteitsanalyse van digitale versus standaard screeningsmodaliteit voor AHA bij pasgeborenen

Methoden en studieontwerp Dit is een multicenterstudie en zal worden uitgevoerd in vier pediatrische cardiologieprogramma's in Italië (IRCCS Azienda Ospedaliero-Universitaria di Bologna, IRCCS Ospedale Pediatrico Bambin Gesù in Rome, Azienda Ospedaliero-Universitaria Policlinico Umberto I in Rome en Ospedale Monaldi in Napels) samen met een technische eenheid (Politecnico di Milano). De studie bestaat uit twee opeenvolgende fasen: een afleidings-/trainingsfase (ontwikkeling van binaire classificatie-algoritme, Doel 1) en een validatiefase (validatie van binaire classificatie-algoritme en kosteneffectiviteitsanalyse Doelen 2 en 3) (Grafisch Abstract). Het studieontwerp is gebaseerd op de SPIRIT 2025 Richtlijn. IRB-goedkeuring is verkregen door elke klinische eenheid.

Studiepopulatie:

Afleidingsfase. De studiepopulatie zal neonaten omvatten met bekende cardiovasculaire status, inclusief pasgeborenen met en zonder AHA.

Validatiefase. De studiepopulatie zal pasgeborenen omvatten zonder eerdere cardiovasculaire evaluatie en onbekende cardiovasculaire status. De pre-test waarschijnlijkheid voor AHA zal worden gedefinieerd: hoogrisico pasgeborene voor structurele cardiovasculaire afwijkingen versus neonaten met laag risico (algemene populatie risiconiveau). De hoogrisico subgroep zal pasgeborenen omvatten met bestaande foetale echografie die cardiovasculaire afwijkingen suggereert en diegenen met klinische indicatie voor pediatrische cardiologie-evaluatie (abnormale neonatale screening, tekenen/symptomen). De laagrisico subgroep (benaderend patiëntniveau prevalentie voor structurele cardiovasculaire afwijkingen) zal opeenvolgende neonaten omvatten specifiek ingeschreven voor dit onderzoeksdoel en zonder enige indicatie voor cardiovasculaire evaluatie.

Inclusiecriteria

• Leeftijd < 30 dagen
• Ondertekende geïnformeerde toestemming verkregen van ouder(s) of vertegenwoordiger(s) Exclusiecriteria
• Onvermogen om een diagnostische echocardiogram te verkrijgen
• Gewicht minder dan 1,5 kg

Studie-instrument:

Hartgeluiden zullen worden opgenomen met behulp van de Littmann Core Stethoscoop (Eko Software) (3M Company, Minnesota/USA). Digitale opnames zullen worden opgeslagen als wav-bestanden in een speciaal versleuteld platform voor gegevensuitwisseling tussen centra.

Elke pasgeborene ingeschreven in de studie zal een gestandaardiseerd en volledig echocardiogram ondergaan door ervaren operators zoals gerapporteerd in Tabel 1 en in het volledige Studieprotocol ingediend als Online Aanvullend Materiaal. Echocardiografische evaluatie zal worden uitgevoerd volgens bestaande richtlijnen voor neonatale echocardiografie.28 Onderzoeken zullen worden uitgevoerd met gestandaardiseerde en reproduceerbare aanpak (Tabel 1). Ze zullen worden opgeslagen op een digitale drager. Na anonimisering zullen de onderzoeken worden overgedragen aan het Echocardiografische Studie Core Imaging Laboratorium voor formele beoordeling en adjudicatie.

Een webgebaseerd, versleuteld Case Report Form zal worden gemaakt met behulp van de institutionele REDCap (Vanderbilt University) licentie van IRCCS Azienda Ospedaliero-Universitaria di Bologna.

Studieprocedure:

Patiëntinschrijving Voor de afleidingsfase zullen pasgeborenen zonder AHA worden ingeschreven op het moment van ontslag uit het Ob/Gyn-programma en pasgeborenen met AHA zullen worden ingeschreven op het moment van cardiovasculaire evaluatie. Voor de validatiefase zullen opeenvolgende pasgeborenen worden ingeschreven op het moment van ontslag uit de Ob/Gyn-eenheid.

Grafisch abstract vat de studiepijplijn samen. Afleidingsfase Na screening van in aanmerking komende patiënten, zal schriftelijke geïnformeerde toestemming worden verkregen van ouders of verzorgers.

De eerste echocardiografische evaluatie zal plaatsvinden op een postnatale leeftijd < 30 dagen. Leeftijd bij opname en echocardiografische evaluatie zal niet eerder dan 7 dagen na de geboorte worden gepland om voltooiing van een goede cardio-circulatoire transitie in de gezonde pasgeborenen mogelijk te maken (d.w.z. ductus-sluiting, pulmonale vasculaire remodeling, foramen ovale fysiologische shunt). Het echocardiogram zal worden gekoppeld aan een anonieme identificator die zal worden gebruikt om het onderzoek aan de patiënt te koppelen zonder de privacy van de patiënt te schenden. Het onderzoek zal digitaal worden opgeslagen en overgedragen aan het Echocardiografie Studie Core Lab voor formele revisie. De neonatale cardiovasculaire status zal op gepaste wijze worden gelabeld als met of zonder cardiovasculaire afwijkingen.

Hartgeluid zal digitaal worden opgenomen met als acquisitieapparaat de Littmann Core Stethoscoop (Eko Software) (3M Company, Minnesota/USA). Cardiale geluidstracés zullen worden opgenomen en opgeslagen in wav-formaat en versleuteld overgedragen aan de Bioengineer Onderzoeksunit voor verdere verwerking. De neonatale cardiovasculaire status zal niet geblindeerd zijn voor de Bioengineer Onderzoeksunit om een goede afhandeling van classificator training mogelijk te maken.

De details van de acquisitiemethode zijn als volgt:

1. Acquisitieapparaat: Littmann Core Stethoscoop (Eko Software) (3M Company, Minnesota/USA)
2. Positie van de auscultatie: midden precordium. Zachte druk wordt uitgeoefend op de borst, spontane ademhaling, patiënten worden zo kalm mogelijk gehouden met maternage zonder enige sedatie
3. Gemiddelde opnameduur: 15 seconden Fonocardiografische signalen zullen worden opgeslagen als wav-bestanden in een versleuteld cloudsysteem om te worden overgedragen voor verdere analyse (Grafisch abstract). Tracés zullen een voorlopige verwerking ondergaan om achtergrondruis te verwijderen, en zullen worden gesegmenteerd om geluidsmonsters van homogene geschikte afgestemde duur te genereren. Als laatste stap van de preprocessing zullen de gefilterde opnamen worden genormaliseerd om inhomogeniteit in de geëxtraheerde kenmerken te voorkomen. Gegevensanalyse zal vervolgens worden geïmplementeerd op basis van handgemaakte kenmerk extractie. Het hoofddoel van kenmerk extractie is om een klein aantal representatieve kenmerken te identificeren, d.w.z., karakteristieke eigenschappen van een geluidsmonster, die de hoogdimensionale ruwe signalen vervangen terwijl nog steeds de informatieve inhoud met betrekking tot het onderzochte fenomeen behouden blijft. Relevante kenmerken worden vervolgens gevoed aan het classificatie-algoritme om te onderscheiden tussen gezonde en abnormale proefpersonen. Meerdere verschillende technieken worden typisch gebruikt voor kenmerk extractie in geluidssignalen, en kunnen losjes worden gegroepeerd in frequentiedomeintechnieken (bijv., Fast Fourier transform (FFT), Discrete Cosine Transform (DCT), Short Time Fourier transform (STFT)), tijd-frequentie domeintechnieken (bijv., Linear Frequency Band Cepstral (LFBC), Mel Frequency Cepstrum Coefficients (MFCC) en lineaire predictieve codering (LPC)), en tijddomeintechnieken (bijv., zero-crossing detectie en peak finding). Elk van deze technieken biedt descriptoren van potentieel relevante eigenschappen van het geluidsmonster, die kunnen worden gebruikt als kenmerken of verder kunnen worden verwerkt om hogere niveau kenmerken van het signaal te extraheren (zoals systole en diastole variabiliteit). Om de robuustheid van onze resultaten voor minder-dan-ideale acquisitieomstandigheden te maximaliseren, zullen we de classificators trainen met kenmerken uit alle bovengenoemde domeinen en zullen we een kenmerk selectieprocedure uitvoeren om die kenmerken te selecteren die het meest gecorreleerd zijn aan de uitkomst van belang. We zullen als mogelijke classificators beschouwen: Logistische Regressie, AdaBoost, XGBoost, Random Forest, Support Vector Machines en Hidden Markov Models. Neurale netwerken kunnen worden geïmplementeerd indien passend en haalbaar. Volgens de standaard best practice, zal de dataset worden gesplitst in trainingsset, validatieset en testdataset. Voor het evalueren van de prestaties van classificators, zal K-Fold kruisvalidatie met verschillende vouw aantallen worden gebruikt: 10-voud, 5-voud, en Leave-One-Out-Cross-Validation (LOOCV). In LOOCV is het aantal vouwen gelijk aan het aantal opnamen. Gini belangrijkheid voor Random Forest classificators zal worden gebruikt als een tool om parameters met de minste voorspellende bijdrage te valideren. Zodra een geschikte classificator is getraind, zal een post-training analyse worden uitgevoerd om de meest relevante kenmerken te bepalen. Het doel van deze analyse is om te onderzoeken in welke mate elk kenmerk bijdraagt aan de selectie van de ene klasse ten opzichte van de andere. Technieken voor kenmerk relevantie schatting gebaseerd op SHAP-waarden, of permutatieanalyse zullen ook worden toegepast met het doel om een juiste verklaring te geven voor de modelbeslissing (Grafisch Abstract).

Validatiefase Klinische softwarevalidatie (Doel 2) Na screening van in aanmerking komende patiënten zal schriftelijke geïnformeerde toestemming worden verkregen van ouders of verzorgers.

Klinische screening zal worden uitgevoerd zoals vereist door de Italiaanse wet. Pre-ductale (rechterarm) zuurstofsaturatie en post-ductale (been) zuurstofsaturatie zullen worden geregistreerd. Lichamelijk onderzoek zal femorale arteriële pulsdetectie en hartauscultatie omvatten.

Klinische screeningsuitvoer drempelcriteria zijn samengevat in Tabel 2. Voor deze fase zullen we patiënten inschrijven met behulp van een blokstratificatie voor hoog AHA risico versus laag (standaard) AHA risicostatus voor elke pasgeborene.

Hartopnamen zullen worden verworven (30 seconden lengte) vóór uitgebreide echocardiografie door een getrainde onderzoeksonderzoeker. Leeftijd bij opname en echocardiografische evaluatie zal niet eerder dan 7 dagen na de geboorte worden gepland om voltooiing van een goede cardio-circulatoire transitie in de gezonde pasgeborenen mogelijk te maken (d.w.z. ductus-sluiting, pulmonale vasculaire remodeling, foramen ovale fysiologische shunt).

De echocardiografie zal worden uitgevoerd volgens huidige richtlijnen door een ervaren pediatrische cardiovasculaire beeldvormer geblindeerd voor klinische en digitale screeningsresultaten. Voorlopige inter- en intra-observer variabiliteit tussen toegewijde expert cardiovasculaire beeldvormers tussen centra zal worden uitgevoerd in een kleine patiëntsubset.

Relevante geanonimiseerde demografische gegevens, cardiovasculaire status, en relevante onderzoeksvariabelen zullen worden opgeslagen in een versleutelde, webgebaseerde, op onderzoek gerichte online software.

Digitaal geanonimiseerde echocardiografische clips zullen worden overgedragen aan het Echocardiografie Studie Core Lab dat de uiteindelijke, formele beoordeling van de onderzoeken zal uitvoeren door de patiëntenpopulatie te dichotomiseren in normaal en abnormaal onderzoek. Elk potentieel conflict van interpretatie zal worden opgelost met consensus en onder alle Units hartbeeldvormers.

Concordantie/discordantie patroon tussen patiëntgerichte vergelijkingen tussen digitale en klinische screeningsresultaten zal worden uitgevoerd met behulp van de echocardiografie als primaire modaliteit van uitkomst vaststelling (Figuur 1).

Kosteneffectiviteitsvalidatie (Doel 3) Doel 3 zal de potentiële directe effecten op gezondheidszorg en uitgavenbeperking van de digitale screening vergeleken met de huidige praktijk onderzoeken. Voor dit onderzoeksdoel zal de doelpopulatie alleen bestaan uit laag AHA risico pasgeborenen zonder enige indicatie voor cardiovasculaire evaluatie om de niet-geselecteerde cardiovasculaire afwijkingen prevalentie in de algemene populatie te benaderen.

Het aantal voorkomen onnodige onderzoeken met behulp van digitale screening en het aantal gemiste potentieel noodzakelijke onderzoeken met behulp van digitale screening zullen worden gemodelleerd als uitkomst van belang. Disease related group nationale vergoeding zal worden gebruikt om de marginale kosteneffectiviteit van neonatale digitale screening te modelleren met standaard van zorg screeningsmodaliteit als vergelijking.

Statistische overwegingen:

Methoden van gegevensverzameling Patiëntniveau gegevens (demografie, obstetrische geschiedenis, familiegeschiedenis) zullen worden verzameld op het moment van digitale acquisitie van hartopnamen, en opgeslagen (zoals eerder aangegeven) in een gebruikelijk, webgebaseerd, goed versleuteld database met digitale anonimisering, door toegewijde onderzoekspersoneel. Digitale acquisitie van hartopnamen zal worden verworven zoals eerder gespecificeerd. Echocardiografie zal worden uitgevoerd door toegewijde ervaren pediatrische cardiovasculaire beeldvormers. Een voorlopige inter- en intra-observer variabiliteit voor de echocardiografische evaluatie zal worden uitgevoerd op 1% van de totale populatie (variabiliteit testcohort).

Statistisch plan Tussen-groep vergelijkingen voor klinische en uitkomstvariabelen zullen worden uitgevoerd met behulp van onafhankelijke steekproeven t-toets, Wilcoxon rangsomtoets, chi-kwadraat analyse, of Fisher's exacte toets met geschikte variabele-specifieke noemers.

Voor experimenteel ontwerp doel 1, zijn beperkte gegevens beschikbaar om een betrouwbare powerberekening op te stellen in dit stadium, maar we verwachten 600 patiënten in te schrijven met een 2:1 ziek:gezonde pasgeborenen ratio in deze experimentele fase.

Specifieke potentiële classificators zullen worden bestudeerd in de spectrale kenmerken, cepstrale kenmerken en tijddomeinkenmerken. Logistische regressie, boosting algoritmen (AdaBoost, XGBoost, Random Forest) zullen worden gebruikt. Dataset zal worden gesplitst in trainingsset, validatieset en testdataset. De prestaties van de classificators zullen worden geëvalueerd met behulp van K-Fold kruisvalidatie met verschillende vouw aantallen. Verschillende vouw niveaus zullen worden getest: 10-voud, 5-voud, en Leave-One-Out-Cross-Validation (LOOCV), strevend naar >95% gevoeligheid en >90% specificiteit. Gini belangrijkheid voor Random Forest classificators zal worden gebruikt als een tool om parameters met de minste voorspellende bijdrage te valideren.

Gini belangrijkheid kan worden gedefinieerd als de waarschijnlijkheid van het maken van een foutieve classificatie van een willekeurig gekozen record als het willekeurig zou worden gelabeld in de klassendistributie. Tijdens de training van de beslissingsbomen van het random forest, is elke boom een set van interne knopen en bladeren. In de interne knoop wordt het geselecteerde kenmerk gebruikt om een beslissing te nemen om de dataset in twee afzonderlijke splitsingen te verdelen. Selectie van het kenmerk wordt gedaan met het Gini onzuiverheidscriterium. Het kenmerk dat de hoogste afname van Gini onzuiverheid brengt, wordt geselecteerd voor de interne knopen. Zelfs na training, kan hoe elk kenmerk de onzuiverheid vermindert worden berekend en geaccepteerd als het belang van dat kenmerk.

Netto classificatieverbetering zal worden gebruikt als de belangrijkste statistische analyse voor Experimenteel Doel 2, met 'standaard van zorg' screeningsmodaliteit als vergelijkingsgroep. Gevoeligheid, specificiteit, positieve en negatieve voorspellende waarden zullen worden berekend, en likelihood ratio zal worden geanalyseerd. C-statistiek zal worden gebruikt om de diagnostische prestaties van het nieuw gevalideerde algoritme te berekenen. Bootstrapping zal worden gebruikt om betrouwbaarheidsintervallen te genereren.

Voor experimenteel ontwerp doel 2, wordt steekproefgrootte berekening gepresenteerd voor gevoeligheid. Vaststellen van alfafout op 0,05 en strevend naar 0,9 power (1-beta fout), zullen ~1900 patiënten nodig zijn om onze software te valideren als de ziekteprevalentie 0,01 is. Dienovereenkomstig zal een onafhankelijk validatiecohort van geschikte grootte opeenvolgend worden gescreend.

Gegevens zullen worden gerapporteerd als gemiddelde ± standaarddeviatie, mediaan (eerste en derde kwartiel) of frequentie (%). Alle toetsen waren tweezijdig. Een p-waarde <0,05 werd als significant beschouwd. Standaard statistische analyse zal worden uitgevoerd met behulp van STATA® 17h Release data-analyse software (StataCorp LP, College Station, TX).

Discussie Het hoofddoel van de DI_SOUND studie is het ontwikkelen en valideren van een digitale classificator van pasgeboren hartgeluiden om de efficiëntie en effectiviteit van neonatale AHA screening te verbeteren. Huidige klinische neonatale screening berust op arm- en beenzuurstofsaturatie aflezing samen met lichamelijk onderzoek door een neonatoloog op het moment van pre-ontslag postnatale evaluatie. Cardiovasculaire auscultatie is historisch gezien een belangrijk onderdeel van neonatale cardiovasculaire screening, maar het heeft beperkingen. De diagnostische prestaties van huidige neonatale cardiovasculaire screeningsprotocollen zijn beperkt. Potentiële factoren die de screeningsgevoeligheid beïnvloeden omvatten: a) prenatale herkenning van AHA die meestal leidt tot centrale zorg van neonaten met cardiovasculaire afwijkingen die de blootstelling aan pasgeborenen met AHA door de algemene gemeenschap van pediatrische artsen in opleiding en junior pediatrische zorgverleners kan beïnvloeden; b) vroege postnatale ontslag (meestal binnen 48-72 uur na geboorte) dat de akoestische correlaten van grote post-tricuspid shunt en complexe AHA kan beperken in de setting van resterende hoge pulmonale vasculaire weerstand en vroege circulatoire transitie; c) verminderd vermogen om een lichamelijk onderzoek uit te voeren in de setting van geavanceerde medische technologieën. Bovendien is tijdige herkenning van pasgeborenen met AHA bijzonder problematisch in ontwikkelingslanden, waar algemene neonatale zorg verminderd is en de beschikbaarheid van neonatologen meestal zeer beperkt is. Vanuit een puur kosteneffectiviteitsprofiel is neonatale herkenning en passende zorg van kritieke (meestal ductus-afhankelijke) zeer gunstig omdat AHA behandeling leidt tot een substantiële winst van kwaliteit-gecorrigeerde levensjaren, zelfs in ontwikkelingslanden met beperkte gezondheidszorgmiddelen.

AHA screening heeft ook beperkte specificiteit. Dit genereert meestal een aanzienlijk aantal onnodige cardiovasculaire neonatale evaluaties met significante gezondheidszorg inefficiënte middelenbenutting, familieangst, verlengde neonatale hospitalisatie.

Wij geloven dat een tool gemakkelijk implementeerbaar in commercieel beschikbare digitale gezondheidszorgplatforms een substantiële positieve impact kan hebben op het beheer van pasgeborenen met AHA. Het verbeteren van screeningsgevoeligheid zal het aantal "vals negatieve" screeningsresultaten verminderen met een potentieel grote impact op patiëntveiligheid, prognose, patiëntenzorg, ziekenhuislogistiek en dit effect kan zelfs meer uitgesproken zijn in lage-inkomensinstellingen zoals ontwikkelingslanden of afgelegen gebieden met uitdagende toegang tot tertiaire verwijzingscentra, en langere transporttijd.33 Betere screeningsspecificiteit zal het aantal "vals positieve" resultaten verminderen met positief effect op gezondheidszorgkosten, verminderde familieangst en pasgeboren ongemak. Belangrijker nog, een digitale classificator kan gemakkelijk worden geïmplementeerd in tele-geneeskunde webgebaseerde platforms, waardoor screeningsschaalbaarheid, penetratie en real-world efficiëntie worden geoptimaliseerd.

Beperking De meest opmerkelijke beperking is het ontbreken van betrouwbare gegevens om de power te berekenen voor de ontwikkelings-/trainingsfase. Ten tweede, sommige ernstige AHA (onder andere transpositie van de grote arteriën met intact ventriculair septum) kunnen minimale akoestische correlaten hebben, en daarom kan onze aanpak van beperkte efficiëntie zijn voor deze laesies. Ten derde, klinische screeningsmodaliteit integreert een verscheidenheid aan niet-akoestische informatie, zoals algemeen pasgeboren uiterlijk, ademhalingspatroon, femorale pulsen, zuurstofsaturatie. Het is mogelijk dat klinische screeningsmethode beter presteert dan digitale screening voor specifieke subsets van aangeboren laesies. Tenslotte, ontwikkeling en validatie van een diagnostische tool in een specifieke wereldregio kan op zichzelf een beperking vormen die de wereldwijde generaliseerbaarheid beïnvloedt.

Conclusie De DI_SOUND studie heeft het algemene doel om cardiovasculaire pasgeboren screening te transformeren door technologie te benutten om diagnostische prestaties te verbeteren, wereldwijde penetratie van telemonitoring screening te bevorderen, gezondheidszorgkosten te verminderen, patiëntveiligheid te verbeteren. De studie zal bewijzen of ontwikkeling en validatie van een digitale classificator van neonatale hartgeluiden haalbaar is en hoe dit klinische uitkomsten, patiëntenzorg, ziekenhuisopnames en screeningsefficiëntie zal beïnvloeden.