<abstract xmlns="http://www.w3.org/1999/xhtml">

<sec id="j_devperiodmed.20172104.336343_s_007"><h3>Introduction</h3>
<p>Retinopathy of prematurity (ROP) is one of the leading avoidable causes of blindness in childhood in developed countries. Accurate diagnosis and treatment are essential for preventing the loss of vision. WINROP (<ext-link ext-link-type="uri" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="http://https://www.winrop.com">https://www.winrop.com</ext-link>) is an online monitoring system which predicts the risk for ROP requiring treatment based on gestational age, birth weight, and body weight gain.</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_008"><h3>Aim</h3>
<p>To validate diagnostic accuracy of the WINROP algorithm for the detection of severe ROP in a single centre cohort of Polish, high-risk preterm infant population.</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_009"><h3>Material and methods</h3>
<p>Medical records of neonates born before 32 weeks of gestation admitted to the third level neonatal centre in a 2-year retrospective investigation 79 patients were included in the study: their gestational age, birth weight and body weight gain were set in the WINROP system. The algorithm evaluated the risk for ROP divided into low or high-risk of disease and identified infants with high risk of developing severe ROP (type 1 ROP).</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_010"><h3>Results</h3>
<p>Out of 79 patients 37 received a high-risk alarm, of whom 22 developed severe ROP. Low-risk alarm was triggered in 42 infants; five of them developed type 1 ROP. The sensitivity of the WINROP was found to be 81.5% (95% CI 61.9-93.7), specificity 71.2% (95% CI 56.9-82.9), negative predictive value (NPV) 88.1% (95% CI 76.7-94.3), and positive predictive value (PPV) 59.5 (95% CI 48.1-69.9), respectively. The accuracy of the test significantly increased after combined WINROP and surfactant therapy as an additional factor - sensitivity 96.3% (95% CI 81.0-99.9), specificity 63.5% (95% CI 49.0-76.4), NPV 97.1% (95% CI 82.3-99.6), and PPV 57.8 (95% CI 48.7-66.4).</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_011"><h3>Conclusions</h3>
<p>The WINROP algorithm sensitivity from the Polish cohort was not as high as that reported in developed countries. However, combined with additional factors (e.g. surfactant treatment) it can be useful for identifying the risk groups of sight-threatening ROP. The accuracy of the WINROP algorithm should be validated in a large multi-center prospective study in a Polish population of preterm infants.</p></sec></abstract>

Introduction
Retinopathy of prematurity (ROP) is one of the leading avoidable causes of blindness in childhood in developed countries. Accurate diagnosis and treatment are essential for preventing the loss of vision. WINROP (https://www.winrop.com) is an online monitoring system which predicts the risk for ROP requiring treatment based on gestational age, birth weight, and body weight gain.
Aim
To validate diagnostic accuracy of the WINROP algorithm for the detection of severe ROP in a single centre cohort of Polish, high-risk preterm infant population.
Material and methods
Medical records of neonates born before 32 weeks of gestation admitted to the third level neonatal centre in a 2-year retrospective investigation 79 patients were included in the study: their gestational age, birth weight and body weight gain were set in the WINROP system. The algorithm evaluated the risk for ROP divided into low or high-risk of disease and identified infants with high risk of developing severe ROP (type 1 ROP).
Results
Out of 79 patients 37 received a high-risk alarm, of whom 22 developed severe ROP. Low-risk alarm was triggered in 42 infants; five of them developed type 1 ROP. The sensitivity of the WINROP was found to be 81.5% (95% CI 61.9-93.7), specificity 71.2% (95% CI 56.9-82.9), negative predictive value (NPV) 88.1% (95% CI 76.7-94.3), and positive predictive value (PPV) 59.5 (95% CI 48.1-69.9), respectively. The accuracy of the test significantly increased after combined WINROP and surfactant therapy as an additional factor - sensitivity 96.3% (95% CI 81.0-99.9), specificity 63.5% (95% CI 49.0-76.4), NPV 97.1% (95% CI 82.3-99.6), and PPV 57.8 (95% CI 48.7-66.4).
Conclusions
The WINROP algorithm sensitivity from the Polish cohort was not as high as that reported in developed countries. However, combined with additional factors (e.g. surfactant treatment) it can be useful for identifying the risk groups of sight-threatening ROP. The accuracy of the WINROP algorithm should be validated in a large multi-center prospective study in a Polish population of preterm infants.

Prediction of severe retinopathy of prematurity using the winrop algorithm in a cohort from malopolska. A retrospective, single-center study

Journal of Mother and Child

This work is licensed under the Creative Commons Attribution 4.0 International License.

<trans-abstract xml:lang="pl" xmlns="http://www.w3.org/1999/xhtml">

<sec id="j_devperiodmed.20172104.336343_s_012"><h3>Wstęp</h3>
<p>Retinopatia wcześniaków (ROP) jest najczęstszą z możliwych do uniknięcia przyczyn ślepoty u dzieci w krajach rozwiniętych. Jej właściwe rozpoznanie i leczenie są niezbędne do zachowania wzroku. WINROP (<ext-link ext-link-type="uri" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="http://https://www.winrop.com">https://www.winrop.com</ext-link>) jest systemem komputerowym, przewidującym ryzyko wystąpienia ROP wymagającego leczenia, w oparciu o wiek ciążowy, urodzeniową masę ciała oraz jej przyrost.</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_013"><h3>Cel</h3>
<p>Sprawdzenie wartości diagnostycznej algorytmu WINROP w wykrywaniu ciężkiego ROP w grupie wcześniaków wysokiego ryzyka.</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_014"><h3>Materiał i metody</h3>
<p>Analizie retrospektywnej poddano dokumentację medyczną 79 noworodków urodzonych przed 32 tygodniem trwania ciąży, przyjętych do III-rzędowego oddziału noworodkowego przez okres 2 lat. Wiek ciążowy, masę urodzeniową oraz przyrost masy ciała wprowadzano do systemu WINROP. Algorytm oceniał ryzyko rozwoju ROP na niskie bądź wysokie i wskazywał dzieci narażone na ryzyko rozwoju ciężkiej postaci ROP (ROP typu 1).</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_015"><h3>Wyniki</h3>
<p>Z 79 pacjentów objętych badaniami alarm wysokiego ryzyka otrzymało 37 pacjentów, z których 22 rozwinęło ROP typu 1. 42 noworodków otrzymało alarm niskiego ryzyka, u 5 z nich stwierdzono ROP typu 1. Czułość WINROP została oceniona na 81,5% (95% CI 61,9-93,7), specyficzność 71,2% (95% CI 56,982,9), wartość predykcyjna ujemna (NPV) 88,1% (95% CI 76,7-94,3), wartość predykcyjna dodatnia (PPV) 59,5 (95% CI 48,1-69,9). Dokładność znacznie wzrosła po dołączeniu do WINROP terapii surfaktantem jako dodatkowego czynnika - czułość 96,3% (95% CI 81,0-99,9), swoistość 63,5% (95% CI 49,0-76,4), NPV 97,1% (95% CI 82,3-99,6), i PPV 57,8 (95% CI 48,7-66,4).</p></sec>
<sec id="j_devperiodmed.20172104.336343_s_016"><h3>Wnioski</h3>
<p>Czułość WINROP w kohorcie badanych noworodków była niższa w porównaniu z wynikami autorów w krajach wysokorozwiniętych. Jednak w połączeniu z dodatkowym czynnikiem ryzyka (np. terapią surfaktantem) może być użyteczną metodą identyfikacji grupy ryzyka rozwoju ciężkiego ROP. Dokładność algorytmu WINROP powinna zostać potwierdzona w dużym, wieloośrodkowym, prospektywnym badaniu polskiej populacji noworodków urodzonych przedwcześnie.</p></sec></trans-abstract>

Wstęp
Retinopatia wcześniaków (ROP) jest najczęstszą z możliwych do uniknięcia przyczyn ślepoty u dzieci w krajach rozwiniętych. Jej właściwe rozpoznanie i leczenie są niezbędne do zachowania wzroku. WINROP (https://www.winrop.com) jest systemem komputerowym, przewidującym ryzyko wystąpienia ROP wymagającego leczenia, w oparciu o wiek ciążowy, urodzeniową masę ciała oraz jej przyrost.
Cel
Sprawdzenie wartości diagnostycznej algorytmu WINROP w wykrywaniu ciężkiego ROP w grupie wcześniaków wysokiego ryzyka.
Materiał i metody
Analizie retrospektywnej poddano dokumentację medyczną 79 noworodków urodzonych przed 32 tygodniem trwania ciąży, przyjętych do III-rzędowego oddziału noworodkowego przez okres 2 lat. Wiek ciążowy, masę urodzeniową oraz przyrost masy ciała wprowadzano do systemu WINROP. Algorytm oceniał ryzyko rozwoju ROP na niskie bądź wysokie i wskazywał dzieci narażone na ryzyko rozwoju ciężkiej postaci ROP (ROP typu 1).
Wyniki
Z 79 pacjentów objętych badaniami alarm wysokiego ryzyka otrzymało 37 pacjentów, z których 22 rozwinęło ROP typu 1. 42 noworodków otrzymało alarm niskiego ryzyka, u 5 z nich stwierdzono ROP typu 1. Czułość WINROP została oceniona na 81,5% (95% CI 61,9-93,7), specyficzność 71,2% (95% CI 56,982,9), wartość predykcyjna ujemna (NPV) 88,1% (95% CI 76,7-94,3), wartość predykcyjna dodatnia (PPV) 59,5 (95% CI 48,1-69,9). Dokładność znacznie wzrosła po dołączeniu do WINROP terapii surfaktantem jako dodatkowego czynnika - czułość 96,3% (95% CI 81,0-99,9), swoistość 63,5% (95% CI 49,0-76,4), NPV 97,1% (95% CI 82,3-99,6), i PPV 57,8 (95% CI 48,7-66,4).
Wnioski
Czułość WINROP w kohorcie badanych noworodków była niższa w porównaniu z wynikami autorów w krajach wysokorozwiniętych. Jednak w połączeniu z dodatkowym czynnikiem ryzyka (np. terapią surfaktantem) może być użyteczną metodą identyfikacji grupy ryzyka rozwoju ciężkiego ROP. Dokładność algorytmu WINROP powinna zostać potwierdzona w dużym, wieloośrodkowym, prospektywnym badaniu polskiej populacji noworodków urodzonych przedwcześnie.

Przewidywanie ciężkich postaci retinopatii wcześniaczej z wykorzystaniem algorytmu winrop w kohorcie z małopolski. Badanie retrospektywne jednoośrodkowe

Introduction
Retinopathy of prematurity (ROP) is one of the leading avoidable causes of blindness in childhood in developed countries. Accurate diagnosis and...

Prediction of severe retinopathy of prematurity using the winrop algorithm in a cohort from malopolska. A retrospective, single-center study

Article Category: Original articles/Prace oryginalne

Published Online: Jan 02, 2018

Page range: 336 - 343

Received: May 22, 2017

Accepted: Jun 24, 2017

DOI: https://doi.org/10.34763/devperiodmed.20172104.336343

© 2017 Mateusz Jagła, Anna Peterko, Katarzyna Olesińska, Izabela Szymońska, Przemko Kwinta, published by Sciendo

This work is licensed under the Creative Commons Attribution 4.0 International License.