CN112820406A - 一种妊娠早期对子痫前期发病风险的预测方法 - Google Patents

一种妊娠早期对子痫前期发病风险的预测方法 Download PDF

Info

Publication number
CN112820406A
CN112820406A CN202011613107.5A CN202011613107A CN112820406A CN 112820406 A CN112820406 A CN 112820406A CN 202011613107 A CN202011613107 A CN 202011613107A CN 112820406 A CN112820406 A CN 112820406A
Authority
CN
China
Prior art keywords
pregnancy
information
risk
preeclampsia
prediction model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011613107.5A
Other languages
English (en)
Inventor
岳朝艳
应春妹
高蒋平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Obstetrics and Gynecology Hospital of Fudan University
Original Assignee
Obstetrics and Gynecology Hospital of Fudan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Obstetrics and Gynecology Hospital of Fudan University filed Critical Obstetrics and Gynecology Hospital of Fudan University
Priority to CN202011613107.5A priority Critical patent/CN112820406A/zh
Publication of CN112820406A publication Critical patent/CN112820406A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种妊娠早期对子痫前期发病风险的预测方法，涉及子痫发病风险预测技术领域，包括以下步骤：预先获取自平安怀孕女性主体样品特征信息；将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示；基于诺模图进行子痫前期的个体化预测。本发明实现预测性能优越，该预测模型的列线图简明扼要，可以为临床医生的临床决策提供有力支持，对子痫前期发病风险高的孕妇人群，及早进行干预措施，有着非常重要的优生优育意义，可以降低早产儿，胎儿宫内生长受限的发生风险，减轻社会和家庭的经济和精神负担。

Description

一种妊娠早期对子痫前期发病风险的预测方法
技术领域
本发明涉及子痫发病风险预测技术领域，具体来说，涉及一种妊娠早期对子痫前期发病风险的预测方法。
背景技术
先兆子痫或子痫是一种由胎盘引起的常见产科并发症，它危及3％-5％的未产妇妊娠和婴儿健康，导致全球10％-15％的孕产妇死亡。目前，尽管有许多生物标志物可应用于临床的预测模型。可溶性FMS样酪氨酸激酶-1、胎盘生长因子和血脂)具有一定的预测能力，或建立了一些预测模型。大多数模型既不是内部验证，也不是外部验证。研究人群中约有三个预测模型，分为训练集和验证集。但三种模型均未经决策曲线分析验证，仅用ROC曲线下面积评价模型的特异性和敏感性。预测模型的净收益和临床效用没有进行评估。
为了在诊断前对子痫前期作出早期预测，结合母亲因素、首次产前检查的血清学检查、孕14～20周的唐氏四重筛查、孕19～24周的子宫动脉超声参数，建立了一个新的子痫前期多变量预测模型，并用ROC曲线下面积、预测模型的校正和临床决策曲线对训练集和验证集进行评价。预测模型选择了常规产前检查中的对象指标，不需要对孕妇进行额外的测试。建立了一套简便易行的预测子痫前期的多参数风险评分系统，适用于临床实践。
发明内容
针对相关技术中的问题，本发明提出一种妊娠早期对子痫前期发病风险的预测方法，以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的：
一种妊娠早期对子痫前期发病风险的预测方法，包括以下步骤：
步骤S1，预先获取自平安怀孕女性主体样品特征信息；
步骤S2，将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示；
步骤S3，基于诺模图进行子痫前期的个体化预测。
进一步的，步骤所述样品特征信息，包括孕妇孕前BMI信息、产次信息、妊娠22周子宫动脉切迹信息、妊娠22周平均子宫动脉搏动指数PI信息、妊娠22周之前的平均舒张压信息、妊娠22周之前的平均舒张压收缩压信息、妊娠16周的抑制素A MOM值信息、妊娠12周的血清尿酸信息、血清胆固醇信息和血清维生素D值信息。
进一步的，步骤所述将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，包括以下步骤：
使用R Version 3.5.1(R Foundation For Statistics Computing))和Stata15.0for Windows(StataCorp Texas，USA)执行所述样品特征信息统计分析；
对连续分布变量和有序分布变量进行Mann-Whitney U检验，对分类变量进行卡方检验，进行双变量分析；
基于多变量Logistic回归分析的基础上绘制了诺模图。
进一步的，还包括以下步骤：
进行似然比检验，以Akaike信息准则作为停止准则，采用前后向分步选择；
基于后向逐步方法，通过获得最小的AIC值来选择在多因素Logistic回归分析中确定的危险因素。
进一步的，其预测模型表示为：
Logit P＝-17.717+β1*BMI-0.7336*产次+1.097*切迹+β2*Vitamin D+0.08*舒张压+0.0343*收缩压+1.0737*子宫动脉搏动指数+0.5361*抑制素A MOM值+0.0048*尿酸+0.1383*胆固醇；
其中，当BMI介于18.5-23之间时，β1＝0.5903；
当BMI介于23-27.5之间时，β1＝1.1155；
当BMI≥27.5时，β1＝1.398；
当Vitamin D的浓度介于20-30ng/mL之间时，β2＝0.4654；
当Vitamin D的浓度介于10-20ng/mL之间时，β2＝0.8953；
当Vitamin D的浓度<10ng/mL，β2＝1.6979。
本发明的有益效果：
本发明妊娠早期对子痫前期发病风险的预测方法，通过预先获取自平安怀孕女性主体样品特征信息，将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示，基于诺模图进行子痫前期的个体化预测，实现预测性能优越，该预测模型的列线图简明扼要，可以为临床医生的临床决策提供有力支持，对子痫前期发病风险高的孕妇人群，及早进行干预措施，有着非常重要的优生优育意义，可以降低早产儿，胎儿宫内生长受限的发生风险，减轻社会和家庭的经济和精神负担。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种妊娠早期对子痫前期发病风险的预测方法的流程示意图；
图2是根据本发明实施例的一种妊娠早期对子痫前期发病风险的预测方法的模型对应列线示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种妊娠早期对子痫前期发病风险的预测方法。
如图1-图2所示，根据本发明实施例的妊娠早期对子痫前期发病风险的预测方法，包括以下步骤：
步骤S1，预先获取自平安怀孕女性主体样品特征信息；
步骤S2，将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示；
步骤S3，基于诺模图进行子痫前期的个体化预测。
其中，步骤所述样品特征信息，包括孕妇孕前BMI信息、产次信息、妊娠22周子宫动脉切迹信息、妊娠22周平均子宫动脉搏动指数PI信息、妊娠22周之前的平均舒张压信息、妊娠22周之前的平均舒张压收缩压信息、妊娠16周的抑制素A MOM值信息、妊娠12周的血清尿酸信息、血清胆固醇信息和血清维生素D值信息。
其中，步骤所述将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，包括以下步骤：
使用R Version 3.5.1和Stata 15.0for Windows执行所述样品特征信息统计分析；
对连续分布变量和有序分布变量进行Mann-Whitney U检验，对分类变量进行卡方检验，进行双变量分析；
基于多变量Logistic回归分析的基础上绘制了诺模图。
其中，还包括以下步骤：
进行似然比检验，以Akaike信息准则作为停止准则，采用前后向分步选择；
基于后向逐步方法，通过获得最小的AIC值来选择在多因素Logistic回归分析中确定的危险因素。
其中，进一步其预测模型表示为：
Logit P＝-17.717+β1*BMI-0.7336*产次+1.097*切迹+β2*Vitamin D+0.08*舒张压+0.0343*收缩压+1.0737*子宫动脉搏动指数+0.5361*抑制素A MOM值+0.0048*尿酸+0.1383*胆固醇；
其中，当BMI介于18.5-23之间时，β1＝0.5903；
当BMI介于23-27.5之间时，β1＝1.1155；
当BMI≥27.5时，β1＝1.398；
当Vitamin D的浓度介于20-30ng/mL之间时，β2＝0.4654；
当Vitamin D的浓度介于10-20ng/mL之间时，β2＝0.8953；
当Vitamin D的浓度<10ng/mL，β2＝1.6979。
借助于上述技术方案，通过预先获取自平安怀孕女性主体样品特征信息，将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示，基于诺模图进行子痫前期的个体化预测，实现预测性能优越，该预测模型的列线图简明扼要，可以为临床医生的临床决策提供有力支持，对子痫前期发病风险高的孕妇人群，及早进行干预措施，有着非常重要的优生优育意义，可以降低早产儿，胎儿宫内生长受限的发生风险，减轻社会和家庭的经济和精神负担，采用的是孕妇常规产检的数据，不需要额外进行检测，不增加额外的检查费用，非常经济，在妊娠22周之前对子痫前期的发生风险进行计算，帮助临床医生及早对需要干预的人群进行干预，降低妊娠并发症的发生。
另外，具体的，其数据取自患者的医疗记录。选择的候选母体预测变量是预测性的、可获得的、可测量的、频繁的和可靠的。我们的模型中考虑的变量如下：年龄、体重指数(BMI)、产次、舒张压、。收缩压、抑制素-A、尿酸(UA)、子宫动脉搏动指数(PI)、阻力指数(RI)、子宫动脉切迹。测定孕妇血清、抑制素A水平，将测量值换算为中位数(MOM)的倍数，并根据母亲年龄、体重、胎龄及是否存在胰岛素依赖型糖尿病进行校正。子宫动脉PI和RI计算左右子宫的平均值，单侧或双侧子宫动脉切迹均为切迹阳性。
根据临床分界值对部分连续变量进行分类。产次按初产妇和经产妇进行分类。维生素D缺乏的判断标准如下：维生素D<10ng/mL定义为维生素D严重缺乏，维生素D缺乏定义为25(OH)D<20ng/mL，维生素D不足定义为25(OH)D 20～30ng/mL，≥30ng/mL定义为维生素D充足。亚洲人的建议分类如下：体重过轻(体重指数<18.5kg/m2)；健康体重(18.5bmi<23kg/m2)；超重(23≤体重指数<27.5kg/m2)；肥胖(体重指数<≤≥27。Kg/m2)。分类变量的分配如下：维生素D<10ng/mL定义为4，10-20ng/mL定义为3，20-30ng/mL定义为2，≥30ng/mL定义为1，体重不足定义为1，健康体重定义为2，超重定义为3，肥胖定义为4。四重产前筛查时间为孕15-20周，子宫动脉超声检查时间为孕20-24周，测血压时间为孕8-20周，血清学检查时间为孕8-15周。如表一所示。
表一 子痫前期的危险因素表
Figure BDA0002875474090000061
综上所述，借助于本发明的上述技术方案，通过预先获取自平安怀孕女性主体样品特征信息，将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示，基于诺模图进行子痫前期的个体化预测，实现预测性能优越，该预测模型的列线图简明扼要，可以为临床医生的临床决策提供有力支持，对子痫前期发病风险高的孕妇人群，及早进行干预措施，有着非常重要的优生优育意义，可以降低早产儿，胎儿宫内生长受限的发生风险，减轻社会和家庭的经济和精神负担，采用的是孕妇常规产检的数据，不需要额外进行检测，不增加额外的检查费用，非常经济，在妊娠22周之前对子痫前期的发生风险进行计算，帮助临床医生及早对需要干预的人群进行干预，降低妊娠并发症的发生。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种妊娠早期对子痫前期发病风险的预测方法，其特征在于，包括以下步骤：
预先获取自平安怀孕女性主体样品特征信息；
将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，并以诺模图表示；
基于诺模图进行子痫前期的个体化预测。
2.根据权利要求1所述的妊娠早期对子痫前期发病风险的预测方法，其特征在于，步骤所述样品特征信息，包括孕妇孕前BMI信息、产次信息、妊娠22周子宫动脉切迹信息、妊娠22周平均子宫动脉搏动指数PI信息、妊娠22周之前的平均舒张压信息、妊娠22周之前的平均舒张压收缩压信息、妊娠16周的抑制素A MOM值信息、妊娠12周的血清尿酸信息、血清胆固醇信息和血清维生素D值信息。
3.根据权利要求1所述的妊娠早期对子痫前期发病风险的预测方法，其特征在于，步骤所述将获取女性主体样品特征信息采用多因素Logistic回归分析建立预测模型，包括以下步骤：
使用R Version 3.5.1和Stata 15.0for Windows执行所述样品特征信息统计分析；
对连续分布变量和有序分布变量进行Mann-Whitney U检验，对分类变量进行卡方检验，进行双变量分析；
基于多变量Logistic回归分析的基础上绘制了诺模图。
4.根据权利要求3所述的妊娠早期对子痫前期发病风险的预测方法，其特征在于，还包括以下步骤：
进行似然比检验，以Akaike信息准则作为停止准则，采用前后向分步选择；
基于后向逐步方法，通过获得最小的AIC值来选择在多因素Logistic回归分析中确定的危险因素。
5.根据权利要求4所述的妊娠早期对子痫前期发病风险的预测方法，其特征在于，其预测模型表示为：
Logit P＝-17.717+β1*BMI-0.7336*产次+1.097*切迹+β2*Vitamin D+0.08*舒张压+0.0343*收缩压+1.0737*子宫动脉搏动指数+0.5361*抑制素A MOM值+0.0048*尿酸+0.1383*胆固醇；
其中，当BMI介于18.5-23之间时，β1＝0.5903；
当BMI介于23-27.5之间时，β1＝1.1155；
当BMI≥27.5时，β1＝1.398；
当Vitamin D的浓度介于20-30ng/mL之间时，β2＝0.4654；
当Vitamin D的浓度介于10-20ng/mL之间时，β2＝0.8953；
当Vitamin D的浓度<10ng/mL，β2＝1.6979。
CN202011613107.5A 2020-12-30 2020-12-30 一种妊娠早期对子痫前期发病风险的预测方法 Pending CN112820406A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011613107.5A CN112820406A (zh) 2020-12-30 2020-12-30 一种妊娠早期对子痫前期发病风险的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011613107.5A CN112820406A (zh) 2020-12-30 2020-12-30 一种妊娠早期对子痫前期发病风险的预测方法

Publications (1)

Publication Number Publication Date
CN112820406A true CN112820406A (zh) 2021-05-18

Family

ID=75856257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011613107.5A Pending CN112820406A (zh) 2020-12-30 2020-12-30 一种妊娠早期对子痫前期发病风险的预测方法

Country Status (1)

Country Link
CN (1) CN112820406A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643809A (zh) * 2021-08-05 2021-11-12 上海市第六人民医院 基于人体成分的2型糖尿病预测方法及系统
CN115331817A (zh) * 2022-07-21 2022-11-11 宁波奥丞生物科技有限公司 孕早期阶段早产型子痫前期风险筛查装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102893156A (zh) * 2009-12-21 2013-01-23 爱尔兰国立科克大学 子痫前期风险的检测
CN111370121A (zh) * 2020-02-21 2020-07-03 杭州市妇产科医院 早孕期非整倍体产前筛查标志物预测妊娠期高血压疾病的风险模型建立方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102893156A (zh) * 2009-12-21 2013-01-23 爱尔兰国立科克大学 子痫前期风险的检测
CN111370121A (zh) * 2020-02-21 2020-07-03 杭州市妇产科医院 早孕期非整倍体产前筛查标志物预测妊娠期高血压疾病的风险模型建立方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUE CHAO-YAN 等: "Development and validation of a nomogram for the early prediction of preeclampsia in pregnant Chinese women", 《HYPERTENSION RESEARCH》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643809A (zh) * 2021-08-05 2021-11-12 上海市第六人民医院 基于人体成分的2型糖尿病预测方法及系统
CN115331817A (zh) * 2022-07-21 2022-11-11 宁波奥丞生物科技有限公司 孕早期阶段早产型子痫前期风险筛查装置

Similar Documents

Publication Publication Date Title
De Kat et al. Prediction models for preeclampsia: A systematic review
ROBINSON et al. Pregnancy outcomes after increasing maternal serum alpha-fetoprotein levels
Nakimuli et al. Relative impact of pre-eclampsia on birth weight in a low resource setting: A prospective cohort study
Carbone et al. Efficiency of first‐trimester growth restriction and low pregnancy‐associated plasma protein‐A in predicting small for gestational age at delivery
CN112820406A (zh) 一种妊娠早期对子痫前期发病风险的预测方法
Cavoretto et al. Reference ranges of uterine artery pulsatility index from first to third trimester based on serial Doppler measurements: longitudinal cohort study
CN109920542A (zh) 中孕期母血清甲胎蛋白异质体l2和l3筛查唐氏综合征的方法
Gasiorowska et al. Maternal factors, ultrasound and placental function parameters in early pregnancy as predictors of birth weight in low-risk populations and among patients with pre-gestational diabetes
Schiffer et al. The association between first trimester placental biomarkers and placental lesions of maternal vascular malperfusion
Akin et al. Applicability of fetal renal artery Doppler values in determining pregnancy outcome and type of delivery in idiopathic oligohydramnios and polyhydramnios pregnancies
Rajiv et al. Maternal serum soluble fms-like tyrosine kinase-1–to–placental growth factor ratio distinguishes growth-restricted from non–growth-restricted small-for-gestational-age fetuses
CN111462900A (zh) 一种胎膜早破合并组织学绒毛膜羊膜炎的预测模型
Lee et al. Prediction of preeclampsia in asymptomatic women
CN115116570A (zh) 一种孕早期子痫前期筛查方法
Zhou et al. Integrating multiple of the median values of serological markers with the risk cut-off value in Down syndrome screening
Gunton et al. Outcome of pregnancy complicated by pre‐gestational diabetes–improvement in outcomes
Talge et al. Biological indicators of the in-utero environment and their association with birth weight for gestational age
CN116904587B (zh) 一种用于预测早产的生物标志物组、预测模型及试剂盒
CN117316439A (zh) 一种针对高龄孕妇妊娠期糖尿病早期风险预测模型系统
CN109187983A (zh) 中孕期母血清甲胎蛋白异质体l2和l3筛查胎儿开放性神经管畸形的方法
Posso et al. Risk factors for stillbirth in an inner-city community hospital [18c]
Bashir et al. AN INVESTIGATION OF THE RELATIONSHIP BETWEEN HBA1C LEVELS AND THE SUCCESS OF PREGNANCIES IN WOMEN WITHOUT GESTATIONAL DIABETES MELLITUS (GDM)
Hamed Abdelaziz et al. First-trimester uterine artery doppler indices in the prediction of small-for-gestational age pregnancy and intrauterine growth restriction in low risk population
Dos Reis et al. The ratio of soluble fms–like tyrosine kinase 1 to placental growth factor predicts time to delivery and mode of birth in patients with suspected preeclampsia-a secondary analysis of the INSPIRE trial
Wasfy et al. Value of 3D Ultrasonographic Assessment of Placental Volume and Perfusion Indices in The First Trimester as a Predictor to the Occurrence of Preeclampsia

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210518

RJ01 Rejection of invention patent application after publication