一、引言

新生儿低血糖是新生儿重症监护中常见的代谢异常情况，尤其在产房内，新生儿刚脱离母体环境，生理状态尚未稳定，低血糖的发生可能对其产生严重且持久的影响。相关研究表明，新生儿低血糖可导致脑损伤、认知发育迟缓、癫痫等不良后果，给家庭和社会带来沉重负担。目前，临床上对新生儿低血糖的诊断多依赖于出生后的血糖检测，但部分新生儿低血糖症状不明显，容易被漏诊。因此，寻找有效的方法在产房内早期识别低血糖高风险新生儿，成为儿科医学领域亟待解决的问题。

构建科学、可靠的风险预测模型是实现这一目标的重要途径。通过构建风险预测模型，能够综合多种因素对新生儿低血糖的发生风险进行评估，为临床决策提供客观依据，有助于提高干预的及时性和准确性，降低低血糖相关并发症的发生率。

二、模型构建

（一）研究对象

本研究选取 [具体时间段] 在我院产房出生的新生儿作为研究对象。纳入标准：（1）胎龄≥28 周且 < 42 周；（2）出生后在产房内进行监护；（3）临床资料完整。排除标准：（1）患有严重先天性畸形；（2）存在严重感染、窒息等急危重症；（3）母亲存在严重精神疾病或无法配合资料收集者。

（二）数据收集

通过医院电子病历系统收集研究对象的相关数据，包括新生儿信息（如胎龄、出生体重、性别、出生时 Apgar 评分、分娩方式等）和母亲信息（如年龄、孕期并发症、妊娠期糖尿病史、妊娠期高血压病史、分娩次数等）。同时，记录新生儿出生后 1 小时、2 小时、4 小时的血糖检测结果。

（三）高危因素筛选

采用单因素分析和多因素 Logistic 回归分析筛选新生儿低血糖的高危因素。首先对收集到的各项因素进行单因素分析，将 P<0.05 的因素纳入多因素 Logistic 回归模型。通过逐步回归法，最终确定对新生儿低血糖发生有显著影响的高危因素。

单因素分析结果显示，胎龄 < 37 周、出生体重 < 2500g、母亲妊娠期糖尿病、出生时 Apgar 评分 < 7 分、剖宫产等因素与新生儿低血糖的发生相关（P<0.05）。多因素 Logistic 回归分析进一步表明，胎龄 < 37 周、出生体重 < 2500g、母亲妊娠期糖尿病、出生时 Apgar 评分 < 7 分是新生儿低血糖的独立高危因素（P<0.05）。

（四）建模方法选择

比较多种常见的建模方法，如 Logistic 回归、决策树、支持向量机等，结合本研究数据特点和研究目的，最终选择 Logistic 回归模型进行构建。Logistic 回归模型具有原理简单、结果易解释、适用性强等优点，能够较好地处理二分类结局变量，适合用于新生儿低血糖风险预测。

根据筛选出的高危因素，建立 Logistic 回归方程：logit (P)=β0+β1X1+β2X2+…+βnXn，其中 P 为新生儿低血糖发生的概率，X1、X2、…、Xn 为各高危因素，β0 为常数项，β1、β2、…、βn 为各因素的回归系数。

三、模型验证

（一）验证方法

采用内部验证和外部验证相结合的方法对模型进行验证。内部验证采用 Bootstrap 自抽样法，重复抽样 1000 次，计算每次抽样的模型效能指标。外部验证选取 [另一时间段] 在我院产房出生的新生儿作为验证样本，评估模型在独立样本中的预测效果。

（二）验证指标

采用灵敏度、特异度、准确率、受试者工作特征曲线（ROC 曲线）及曲线下面积（AUC）等指标评估模型的预测效能。灵敏度反映模型识别低血糖患儿的能力，特异度反映模型识别非低血糖患儿的能力，准确率为模型预测正确的比例，AUC 值越接近 1，表明模型的预测效能越好。

（三）验证结果

内部验证结果显示，模型的灵敏度为 0.82，特异度为 0.78，准确率为 0.80，AUC 为 0.85。外部验证结果显示，模型的灵敏度为 0.79，特异度为 0.76，准确率为 0.78，AUC 为 0.82。两项验证结果均表明，该模型具有较好的预测效能，能够有效识别产房内新生儿低血糖的高风险人群。

四、讨论

（一）模型的应用价值

本研究构建的产房内新生儿低血糖风险预测模型，纳入了胎龄、出生体重、母亲妊娠期糖尿病、出生时 Apgar 评分等易于获取的临床指标，操作简便，可在产房内快速应用。通过该模型，临床医护人员能够在新生儿出生后短时间内对其低血糖发生风险进行评估，对于高风险新生儿及时采取干预措施，如早期喂养、监测血糖等，从而降低低血糖的发生率，改善新生儿预后。

同时，该模型的构建有助于提高临床对新生儿低血糖的认识和重视程度，促进产房内新生儿低血糖防治工作的规范化和个体化。通过识别高危因素，还可以为孕期保健和分娩管理提供参考，如加强对妊娠期糖尿病母亲的管理，降低早产和低出生体重儿的发生率，从源头上减少新生儿低血糖的风险。

（二）模型的局限性

本研究存在一定的局限性。首先，研究对象均来自单中心，可能存在选择偏倚，模型的外部适用性有待多中心研究进一步验证。其次，模型纳入的高危因素有限，可能遗漏了一些潜在的影响因素，如新生儿出生后的喂养情况、母亲的营养状况等。此外，模型的预测效能仍有提升空间，未来可尝试结合更多的临床指标和先进的建模方法，如机器学习算法，提高模型的准确性和稳定性。

（三）未来研究方向

未来可开展多中心、大样本的研究，扩大研究对象的范围，进一步验证和优化模型。同时，深入探讨新生儿低血糖的发病机制，挖掘更多潜在的高危因素，丰富模型的内容。此外，可将模型与临床信息系统相结合，实现自动化的风险评估和预警，提高临床工作效率。还可以开展干预性研究，评估基于该模型的干预措施对新生儿低血糖发生率和预后的影响，为临床实践提供更有力的证据。

五、结论

本研究成功构建了产房内新生儿低血糖风险预测模型，该模型具有较好的预测效能，能够为临床早期识别新生儿低血糖高风险人群提供可靠依据。通过该模型的应用，有望提高新生儿低血糖的防治水平，改善新生儿的健康结局。但模型仍存在一定局限性，需要在未来的研究中进一步完善和验证。

参考文献：

[1]张彦彦.孕妇空腹血糖、随机血糖、体质量指数与新生儿低血糖的关系探讨[J].当代医药论丛,2025,23(16):28-31.

[2]龚文峰.IVIM-DWI定量参数水平联合检测在新生儿不可逆性低血糖脑损伤诊断中的效能[J].中国民康医学,2025,37(11):127-130.

[3]万玲玲,喻云,余露,等.探析新生儿低血糖脑损伤早期诊断的价值[J].罕少疾病杂志,2025,32(05):33-35.

[4]陈牡花.规范化管理模式下的新生儿低血糖管理方案实践及改善效果[J].全科护理,2021,19(03):361-364.

[5]文永霞.新生儿低血糖防治中产房的规范化管理[J].实用临床护理学电子杂志,2020,5(02):86.