CN114596965A - 早产儿、SGA追赶生长管理及其CMDs风险早期预警系统 - Google Patents

早产儿、SGA追赶生长管理及其CMDs风险早期预警系统 Download PDF

Info

Publication number
CN114596965A
CN114596965A CN202210239288.2A CN202210239288A CN114596965A CN 114596965 A CN114596965 A CN 114596965A CN 202210239288 A CN202210239288 A CN 202210239288A CN 114596965 A CN114596965 A CN 114596965A
Authority
CN
China
Prior art keywords
catch
growth
risk
early
sga
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
CN202210239288.2A
Other languages
English (en)
Inventor
李平
杨凡
熊菲
杨速飞
姬巧云
卢游
李晋蓉
伍晋辉
唐章荟
欧阳力雪
罗红
陈蕾
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.)
West China Second University Hospital of Sichuan University
Original Assignee
West China Second University Hospital of Sichuan 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 West China Second University Hospital of Sichuan University filed Critical West China Second University Hospital of Sichuan University
Priority to CN202210239288.2A priority Critical patent/CN114596965A/zh
Publication of CN114596965A publication Critical patent/CN114596965A/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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

本发明涉及医疗系统技术领域，具体设计早产儿、SGA追赶生长管理及其CMDs风险早期预警系统，通过建立早产儿、SGA最适宜追赶生长精细化管理模式及远期CMDs风险监测预警平台智能化管理系统，以及相关风险检测预警平台，促进早期发现不适宜追赶生长、CMDs高风险的早产儿/SGA，以实施早期干预及风险管理，最终降低远期CMDs慢性病负担。

Description

早产儿、SGA追赶生长管理及其CMDs风险早期预警系统
技术领域
本发明涉及医疗系统技术领域，具体涉及早产儿、SGA追赶生长管理及其CMDs风险早期预警系统。
背景技术
面对数目庞大的早产儿、小于胎龄儿（small for gestational age,SGA）群体，从DOHaD理论出发探讨早期预防早产儿、远期心血管代谢性疾病（Cardiovascular metabolicdiseases,CMDs）发病风险可带来巨大的成本经济学效益和社会效益。研究证据显示，高氧化应激水平下端粒长度加速缩短可引起组织器官早衰是导致CMDs发生发展的关键。前期研究发现，SGA处于高氧化应激状态，可促使端粒长度加速缩短，提示可能与其远期CMDs发生密切相关。
还有研究发现生后早期追赶生长可能比早产儿、SGA本身更易引起机体早期发生代谢异常，然而目前国内尚缺乏针对早产儿、SGA群体的最适宜追赶生长精细化管理系统，无法通过学习模型对儿童一个普通周期的指标进行回归计算，预测发生风险的指标与参考指标之间的差值，如果差值超过阈值时，将在平台中进行风险监测的预警。
发明内容
本发明的目的在于：针对目前缺乏针对早产儿、SGA群体的最适宜追赶生长精细化管理系统，无法通过学习模型对儿童一个普通周期的指标进行回归计算，进行风险监测预警的问题。
本发明将建立早产儿、SGA最适宜追赶生长精细化管理模式及远期CMDs风险监测预警平台智能化管理系统，以及相关风险检测预警平台，促进早期发现不适宜追赶生长、CMDs高风险的早产儿/SGA，以实施早期干预及风险管理，最终降低远期CMDs慢性病负担。
为了实现上述发明目的，本发明提供了以下技术方案：
一种早产儿、SGA追赶生长管理及其CMDs风险早期预警系统，其特征在于：所述系统基于DOHaD理论，包括信息采集分组模块、追赶差异分析模块、预警因子分析模块、风险评估模块、统计学分析模块：
所述信息采集分组模块：将通过HIS系统、问卷调差采集的数据分为早产SGA、足月SGA、早产AGA（appropriate for gestational age）、足月AGA四组；
所述追赶差异分析模块：使用Z-score法分析不同组别高危儿过度快速追赶生长（excessive rapid catch-up growth, ERCG）、快速追赶生长（rapid catch-up growth,RCG）、适度追赶生长（appropriate catch-up growth, ACG）、缓慢追赶生长（slow catch-up growth, SCG）和几乎无追赶生长（almost no catch growth, NCG）的发生比率，以及追赶生长模式差异，得到生后早期体格指标；
所述预警因子分析模型：检测各组别学龄期儿童外周血白细胞端粒长度（leukocyte telomere length, LTL）和肠道菌群变化，比较各队列不同追赶生长组学龄期儿童LTL以及肠道菌群谱差异，得到LTL、肠道菌群与各组别学龄期发生CMDs风险的关联，同时检测氧化应激（oxidative stress, OS）水平，得到高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联；
所述风险评估模块：对各组别学龄期儿童完成糖脂代谢指标、脂肪细胞因子和生长因子检测、影像学检测、体成分分析和血压检测的指标检测；
所述统计学分析模块：比较早产SGA、足月SGA、早产AGA不同追赶生长组及足月AGA组学龄期儿童CMDs高风险发生比率差异，采用多元回归分析方法校正混杂因素后，得到各组高危儿生后早期体格指标追赶生长模式，在早期识别出不适宜的追赶生长模式及CMDs高风险的早产、SGA儿；
早产儿、SGA信息经过信息采集分组模块后进入追赶差异分析模块、预警因子分析模块和风险评估模块，通过模块分析后输入统计学分析模块，输出CMDs风险预警信息。
进一步的，所述生后早期体格指标包括体重、身长、头围、身长的体重、BMI、皮褶厚度、腰臀比、腰高比、生后早期各体格指标追赶生长启动时间Tb、达到完全性追赶生长时间Tc、不同阶段追赶生长速率
Figure DEST_PATH_IMAGE001
，所述外周血白细胞端粒长度通过RT-PCR检测，所述肠道菌群变化采用16S-rRNA高通量测序法检测，所述糖脂代谢指标通过采集外周静脉血，指标包括HbA1c、C肽、TC、TG、HDL、VLDL、LDL、Apo-A1、1,25-(OH)2-VitD3，OGTT试验、计算HOMA-IR，所述脂肪细胞因子包括瘦素、脂联素，所述生长因子包括IGF-1、IGF-BP3，所述影像学检测包括超声检查脂肪肝和颈动脉内中膜厚度（IMT），所述体成分分析通过生物电阻抗分析体成分，包括体脂率。
进一步的，所述检测氧化应激水平通过分别检测早产SGA、足月SGA、早产AGA队列氧化应激水平，比较各队列不同追赶生长组及对照组足月AGA氧化应激水平差异。
进一步的，所述氧化应激水平差异采用多元回归分析方法校正混杂因素后，生成生后早期不同阶段各体格指标追赶生长模式与氧化应激水平的关联。
进一步的，所述氧化应激水平差异采用多元回归分析校正混杂因素后，得到快速追赶生长早产、SGA儿氧化应激水平与TL及肠道菌群改变的关联，进一步得到高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联。
进一步的，所述高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联通过采用低蛋白饮食法建立宫内发育迟缓（IUGR）大鼠模型，分为后期快速追赶生长组（IUGR-RR）、早期追赶生长组（IUGR-RC）和对照组（AGA-CC），比较各组仔鼠生后3、9、12月龄外周血、胰腺、肝脏、骨骼肌、脂肪组织中氧化应激水平差异；另外，比较各组仔鼠端粒长度水平差异及肠道菌群变化，得到其与快速追赶生长IUGR仔鼠氧化应激水平以及与后期发生肥胖、糖尿病，包括高血 糖和胰岛素抵抗、高脂血症的关联，通过给予后期快速追赶生长组、早期追赶生长组仔鼠添加辅酶Q10（CoQ10）下调其氧化应激状态，得到快速追赶生长IUGR仔鼠改善高氧化应激状态后远期发生肥胖、糖尿病、高脂血症等的风险差异，以及其TL及肠道菌群的变化。
进一步的，所述TL检测，使用参照基因的ΔCt法，即
Figure 669364DEST_PATH_IMAGE002
计算端粒长度比值评估端粒相对长度；此外，本发明通过多时间点检测前瞻性研究队列LTL和IUGR追赶生长大鼠各组织器官TL的改变，计算端粒长度缩短速率
Figure DEST_PATH_IMAGE003
。
进一步的，所述CMDs高风险包括出现肥胖、高血糖、胰岛素抵抗、脂代谢紊乱、高血压、脂肪肝症状，所述混杂因素包括母亲妊娠、新生儿出生情况、婴幼儿喂养、儿童期生活行为及营养和疾病因素。
本发明还提供了一种早产儿、SGA追赶生长管理及其CMDs风险早期预警平台，包括基于收集的数据及统计学结果为支撑，通过统计学模型的建立，采用机器学习的方法，建立一套模型用于查看早产儿、SGA追赶生长规律，以及各种因素与CMDs风险结局之间关联的平台，完成早产儿、SGA 追赶生长管理的学习模型，通过学习模型对儿童普通周期的指标进行回归计算，预测发生风险的指标与参考指标之间的差值，如果差值超过阈值时，将在平台中进行风险监测的预警。
进一步的，所述学习模型在检查所获得的各种数据录入系统后，将数据中的20%用于测试验证，达到CMDs风险有效识别率达到95%及以上。
与现有技术相比，本发明的有益效果：
在本申请的方案中，通过建立早产儿、SGA追赶生长管理及远期心血管代谢性疾病风险监测预警平台，尽早期的识别追赶生长过快、失败，非匀称性追赶生长，CMDs高风险（肥胖、高血糖、胰岛素抵抗、脂代谢紊乱、高血压、脂肪肝），包括营养素摄入系统化评估及风险识别；紧密结合临床和基础，建立早产儿及SGA随访队列，在长期的规范化管理和随访过程中，可大幅提升早产儿及SGA的临床诊疗水平。
智能规范化管理系统有助于临床早期发现不适宜追赶生长及CMDs高风险的早产、SGA儿，以实施早期干预及风险分层管理，增加该类人群生后的健康指数，改善其生活质量、减轻社会及家庭负担、推动早产儿及SGA的长期规范化管理，促进母婴健康事业发展。
附图说明：
图1为早产、SGA 队列研究技术路线示意图；
图2为通过潜类别增长模型分析足月SGA不同体重增长轨迹图；
图3为通过IUGR大鼠模型验证高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联技术路线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。
因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的部分实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案可以相互组合。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，这类术语仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一：参见图1所示，
本实施例提供的一种早产儿、SGA追赶生长管理及其CMDs风险早期预警系统，其特征在于：所述系统基于DOHaD理论，包括信息采集分组模块、追赶差异分析模块、预警因子分析模块、风险评估模块、统计学分析模块：
所述信息采集分组模块：将通过HIS系统、问卷调差采集的数据分为早产SGA、足月SGA、早产AGA（appropriate for gestational age）、足月AGA四组，所述数据包括母亲妊娠、新生儿出生情况、婴幼儿喂养、父母健康状况、家庭基本信息及儿童期生活行为及营养和疾病因素等，调查随访时间随儿童年龄增长递减，具体为0-6月龄：每月1次，6到12月龄：每2月1次，1-2岁：每3月1次，2-8岁，每半年1次；
参见图2所示，所述追赶差异分析模块：使用Z-score法分析不同组别高危儿，参考2006年WHO制定的0~5岁儿童生长发育参考标准，分别计算各随访时间点年龄别体重Z积分（weight for age z-score,WAZ）、年龄别身长Z积分(length for age z-score,LAZ)、年龄别体重指数Z积分（body mass index z-score,BMIAZ）。通过MPlus8.0潜变量建模软件，采用潜类别增长模型方法（latent class growth model，LCGA）分析足月SGA儿体重增长轨迹。研究结果显示，根据LCGM中的贝叶斯信息准则，当将研究对象分为2-6类时，BIC值分别为4103.42、3652.44、3427.69、3239.00和3293.68，其中被分为5类时是最小BIC的最佳分组数。因此，本研究提示该研究队列中足月SGA存在5条不同体重增长轨迹，包括过度快速追赶生长（excessive rapid catch-up growth,ERCG）（class1，10.9%）、快速追赶生长（rapidcatch-up growth,RCG）（class2，17.9%）、适度追赶生长（appropriate catch-up growth,ACG）（class3，53.0%）、缓慢追赶生长（slow catch-up growth,SCG）（class4，13.4%）和几乎无追赶生长（almost no catch growth,NCG）（class5，4.8%）；
所述预警因子分析模型：检测各组别学龄期儿童外周血白细胞端粒长度（leukocyte telomere length, LTL）和肠道菌群变化，比较各队列不同追赶生长组学龄期儿童LTL以及肠道菌群谱差异，得到LTL、肠道菌群与各组别学龄期发生CMDs风险的关联，同时检测氧化应激（oxidative stress, OS）水平，得到高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联；
所述风险评估模块：对各组别学龄期儿童完成糖脂代谢指标、脂肪细胞因子和生长因子检测、影像学检测、体成分分析和血压检测的指标检测；
所述统计学分析模块：比较早产SGA、足月SGA、早产AGA不同追赶生长组及足月AGA组学龄期儿童CMDs高风险发生比率差异，采用多元回归分析方法校正混杂因素后，得到各组高危儿生后早期体格指标追赶生长模式，在早期识别出不适宜的追赶生长模式及CMDs高风险的早产、SGA儿；
早产儿、SGA信息经过信息采集分组模块后进入追赶差异分析模块、预警因子分析模块和风险评估模块，通过模块分析后输入统计学分析模块，输出CMDs风险预警信息。
进一步的，所述生后早期体格指标包括体重、身长、头围、身长的体重、BMI、皮褶厚度、腰臀比、腰高比、生后早期各体格指标追赶生长启动时间Tb、达到完全性追赶生长时间Tc、不同阶段追赶生长速率
Figure 22985DEST_PATH_IMAGE001
，所述外周血白细胞端粒长度通过RT-PCR检测，所述肠道菌群变化采用16S-rRNA高通量测序法检测，所述糖脂代谢指标通过采集外周静脉血，指标包括HbA1c、C肽、TC、TG、HDL、VLDL、LDL、Apo-A1、1,25-(OH)2-VitD3，OGTT试验、计算HOMA-IR，所述脂肪细胞因子包括瘦素、脂联素，所述生长因子包括IGF-1、IGF-BP3，所述影像学检测包括超声检查脂肪肝和颈动脉内中膜厚度（IMT），所述体成分分析通过生物电阻抗分析体成分，包括体脂率。
进一步的，所述检测氧化应激水平通过分别检测早产SGA、足月SGA、早产AGA队列氧化应激水平，比较各队列不同追赶生长组及对照组足月AGA氧化应激水平差异。
进一步的，所述氧化应激水平差异采用多元回归分析方法校正混杂因素后，生成生后早期不同阶段各体格指标追赶生长模式与氧化应激水平的关联。
进一步的，所述氧化应激水平差异采用多元回归分析校正混杂因素后，得到快速追赶生长早产、SGA儿氧化应激水平与TL及肠道菌群改变的关联，进一步得到高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联。
进一步的，所述高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联通过采用低蛋白饮食法建立宫内发育迟缓（IUGR）大鼠模型，分为后期快速追赶生长组（IUGR-RR）、早期追赶生长组（IUGR-RC）和对照组（AGA-CC）；
IUGR-RC组大鼠生后即出现追赶生长，且追赶生长持续时间长，尤其0~3周体重及BMI增长明显高于IUGR-RR组和对照组大鼠IUGR-RC组大鼠生后1周内即出现追赶生长，并持续至20周，IUGR-RR组大鼠生后3周出现追赶生长，持续时间短，体重增长速度偏慢。通过比较生后0~3周各组大鼠的追赶生长情况，发现IUGR-RC组大鼠
Figure 821177DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
均明显高于IUGR-RR组（0.64±0.12per weekvs.-0.42±0.06per week，P＜0.001；0.50±0.15per weekvs.-0.65±0.10per week，P＜0.001）以及对照组（0.64±0.12vs.-0.001±0.05，P＜0.001；0.50±0.15vs.0.01±0.02，P＜0.001）；IUGR-RC组大鼠0~3周体重增长速度约为IUGR-RC组的2.3倍（40.83±10.81g/wkvs.17.55±5.79g/wk,P＜0.001），生后3~20周体重增长速度较IUGR-RR组及对照组均增加（P＜0.05）；
IUGR大鼠生后早期快速追赶生长后期发生血脂代谢紊乱风险增高：比较各组仔鼠血脂代谢指标差异，结果发现IUGR-RC、IUGR-RC组血清TG、TC、LDL水平较Control组增高（P＜0.05），各组血清HDL水平无显著差异（P＞0.05），提示IUGR快速追赶生长仔鼠后期出现血脂代谢紊乱；
IUGR大鼠生后早期快速追赶生长使机体氧化应激水平增高，促进组织器官端粒长度加速缩短；通过测定各组织8-异前列腺素
Figure 52701DEST_PATH_IMAGE006
及MDA水平，结果显示IUGR-RC、IUGR-RR组大鼠脂肪、胰腺、肝脏组织氧化应激水平显著高于Control组（P＜0.05），且IUGR-RC组较IUGR-RR组增高（P＜0.05），提示IUGR快速追赶生长大鼠脂肪、胰腺及肝脏组织均处于高氧化应激状态；采用qRT-PCR测定组织端粒相对长度（TL），采用参照基因的ΔCt法计算端粒长度比值（T/S比值），结果显示3月龄各组大鼠肝脏及胰腺组织端粒相对长度无显著差异（P＞0.05），9月龄时IUGR-RC及IUGR-RR组仔鼠端粒长度较Control组缩短，且RC组较RR组缩短更明显（P＜0.05），提示IUGR生后快速追赶生长大鼠持续高氧化应激状态下端粒长度加速缩短；
IUGR大鼠早期快速追赶生长致组织器官早衰，通过检测各组织衰老标志物sirtuin3蛋白水平，发现IUGR-RC、IUGR-RR组大鼠胰腺及肝脏组织sirtuin3蛋白表达水平显著高于control组，IUGR-RC组较IUGR-RR组增高（P＜0.05）；
IUGR大鼠生后早期快速追赶生长可致TERT细胞核-线粒体移位，保护线粒体功能免受高氧化应激损伤同时，可能是端粒长度加速缩短的潜在机制；通过免疫荧光共定位、WB检测，结果显示IUGR快速追赶生长大鼠胰腺组织中TERT由细胞核向线粒体移位；采用qRT-PCR测定，并计算参照基因的
Figure DEST_PATH_IMAGE007
评估肝脏及胰腺组织线粒体DNA（mtDNA）相对拷贝数，结果发现IUGR-RR及IUGR-RC组追赶生长大鼠与Control组肝脏及胰腺组织mtDNA相对拷贝数差异无统计学差异（P＞0.05），并与
Figure 987158DEST_PATH_IMAGE008
呈正相关（r=1.372,P<0.05），提示IUGR快速追赶生长大鼠TERT由细胞核向线粒体移位，可能参与保护线粒体免受氧化应激损伤；IUGR-RC大鼠胰腺组织
Figure 777260DEST_PATH_IMAGE008
与OS水平呈显著正相关（r=1.861,P<0.01），与TL呈负相关（r=-1.273,P<0.01），提示IUGR大鼠快速追赶生长致机体高氧化应激状态，促进TERT由细胞核向线粒体及细胞质移位增加，是引起TL加速缩短的重要原因。
进一步的，所述TL检测，使用参照基因的ΔCt法，即
Figure 266010DEST_PATH_IMAGE002
计算端粒长度比值评估端粒相对长度；此外，本发明通过多时间点检测前瞻性研究队列LTL和IUGR追赶生长大鼠各组织器官TL的改变，计算端粒长度缩短速率
Figure 799760DEST_PATH_IMAGE003
。
进一步的，所述CMDs高风险包括出现肥胖、高血糖、胰岛素抵抗、脂代谢紊乱、高血压、脂肪肝症状，所述混杂因素包括母亲妊娠、新生儿出生情况、婴幼儿喂养、儿童期生活行为及营养和疾病因素。
本发明还提供了一种早产儿、SGA追赶生长管理及其CMDs风险早期预警平台，包括基于前述多种方法收集的全面数据及统计学分析结果为支撑，通过前期统计学模型的初步建立，采用机器学习的方法，建立一套软件分析模型用于分析早产儿、SGA追赶生长规律，以及分析各种因素与CMDs风险结局之间的相关关系，完成早产儿、SGA追赶生长管理的学习模型。通过所得的学习模型，可用于对于远期CMDs风险监测预警，当检查所获得的各种数据录入系统后，可通过学习模型对儿童一个普通周期的指标进行回归计算，预测发生风险的指标与参考指标之间的差值，如果差值超过阈值时，将在平台中进行风险监测的预警，从而便于预先有效地识别风险，及时采取有效措施介入。同时，利用该模型可开发一套为医生和家长方便使用的App系统，为医生和家长及时地查看、查询相关信息，并可通过风险预测平台将风险监测的险情进行推送预警。
进一步的，所述学习模型在检查所获得的各种数据录入系统后，将数据中的20%用于测试验证，达到CMDs风险有效识别率达到95%及以上。
以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均涵盖在本发明的权利要求范围当中。

Claims (10)

1.早产儿、SGA追赶生长管理及其CMDs风险早期预警系统，其特征在于：包括信息采集分组模块、追赶差异分析模块、预警因子分析模块、风险评估模块、统计学分析模块：
所述信息采集分组模块：将通过HIS系统、问卷调差采集的数据分为早产SGA、足月SGA、早产AGA、足月AGA四组；
所述追赶差异分析模块：使用Z-score法分析不同组别高危儿过度快速追赶生长、快速追赶生长、适度追赶生长、缓慢追赶生长和几乎无追赶生长的发生比率，以及追赶生长模式差异，得到生后早期体格指标；
所述预警因子分析模型：检测各组别学龄期儿童外周血白细胞端粒长度和肠道菌群变化，比较各队列不同追赶生长组学龄期儿童LTL以及肠道菌群谱差异，得到LTL、肠道菌群与各组别学龄期发生CMDs风险的关联，同时检测氧化应激水平，得到高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联；
所述风险评估模块：对各组别学龄期儿童完成糖脂代谢指标、脂肪细胞因子和生长因子检测、影像学检测、体成分分析和血压检测的指标检测；
所述统计学分析模块：比较早产SGA、足月SGA、早产AGA不同追赶生长组及足月AGA组学龄期儿童CMDs高风险发生比率差异，采用多元回归分析方法校正混杂因素后，得到各组高危儿生后早期体格指标追赶生长模式，在早期识别出不适宜的追赶生长模式及CMDs高风险的早产、SGA儿；
早产儿、SGA信息经过信息采集分组模块后进入追赶差异分析模块、预警因子分析模块和风险评估模块，通过模块分析后输入统计学分析模块，输出CMDs风险预警信息。
2.如权利要求1所述的追赶生长管理及风险早期预警系统，其特征在于：所述生后早期体格指标包括体重、身长、头围、身长的体重、BMI、皮褶厚度、腰臀比、腰高比、生后早期各体格指标追赶生长启动时间Tb、达到完全性追赶生长时间Tc、不同阶段追赶生长速率
Figure 308605DEST_PATH_IMAGE001
，所述外周血白细胞端粒长度通过RT-PCR检测，所述肠道菌群变化采用16S-rRNA高通量测序法检测，所述糖脂代谢指标通过采集外周静脉血，指标包括HbA1c、C肽、TC、TG、HDL、VLDL、LDL、Apo-A1、1,25-(OH)2-VitD3，OGTT试验、计算HOMA-IR，所述脂肪细胞因子包括瘦素、脂联素，所述生长因子包括IGF-1、IGF-BP3，所述影像学检测包括超声检查脂肪肝和颈动脉内中膜厚度，所述体成分分析通过生物电阻抗分析体成分，包括体脂率。
3.如权利要求1所述的追赶生长管理及风险早期预警系统，其特征在于：所述检测氧化应激水平通过分别检测早产SGA、足月SGA、早产AGA队列氧化应激水平，比较各队列不同追赶生长组及对照组足月AGA氧化应激水平差异。
4.如权利要求3所述的追赶生长管理及风险早期预警系统，其特征在于：所述氧化应激水平差异采用多元回归分析方法校正混杂因素后，生成生后早期不同阶段各体格指标追赶生长模式与氧化应激水平的关联。
5.如权利要求3所述的追赶生长管理及风险早期预警系统，其特征在于：所述氧化应激水平差异采用多元回归分析校正混杂因素后，得到快速追赶生长早产、SGA儿氧化应激水平与TL及肠道菌群改变的关联，进一步得到高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联。
6.如权利要求3-5任一项所述的追赶生长管理及风险早期预警系统，其特征在于：所述高氧化应激状态与快速追赶生长导致TL加速缩短、肠道菌群失衡的关联通过采用低蛋白饮食法建立IUGR大鼠模型，分为后期快速追赶生长组、早期追赶生长组和对照组，比较各组仔鼠生后3、9、12月龄外周血、胰腺、肝脏、骨骼肌、脂肪组织中氧化应激水平差异；另外，比较各组仔鼠端粒长度水平差异及肠道菌群变化，得到其与快速追赶生长IUGR仔鼠氧化应激水平以及与后期发生肥胖、糖尿病、高脂血症的关联，通过给予后期快速追赶生长组、早期追赶生长组仔鼠添加辅酶Q10下调其氧化应激状态，得到快速追赶生长IUGR仔鼠改善高氧化应激状态后远期发生肥胖、糖尿病、高脂血症等的风险差异，以及其TL及肠道菌群的变化。
7.如权利要求6所述的追赶生长管理及风险早期预警系统，其特征在于：所述TL检测，使用参照基因的
Figure DEST_PATH_IMAGE002
法，即
Figure 129142DEST_PATH_IMAGE003
计算端粒长度比值评估端粒相对长度；此外，本发明通过多时间点检测前瞻性研究队列LTL和IUGR追赶生长大鼠各组织器官TL的改变，计算端粒长度缩短速率
Figure DEST_PATH_IMAGE004
。
8.如权利要求1-5任一项所述的追赶生长管理及风险早期预警系统，其特征在于：所述CMDs高风险包括出现肥胖、高血糖、胰岛素抵抗、脂代谢紊乱、高血压、脂肪肝症状，所述混杂因素包括母亲妊娠、新生儿出生情况、婴幼儿喂养、儿童期生活行为及营养和疾病因素。
9.一种早产儿、SGA追赶生长管理及其CMDs风险早期预警平台，其特征在于：基于收集的数据及统计学结果为支撑，通过统计学模型的建立，采用机器学习的方法，建立一套模型用于查看早产儿、SGA追赶生长规律，以及各种因素与CMDs风险结局之间关联的平台，完成早产儿、SGA 追赶生长管理的学习模型，通过学习模型对儿童普通周期的指标进行回归计算，预测发生风险的指标与参考指标之间的差值，如果差值超过阈值时，将在平台中进行风险监测的预警。
10.如权利要求9所述的追赶生长管理及风险早期预警平台，其特征在于：所述学习模型在检查所获得的各种数据录入系统后，将数据中的20%用于测试验证，达到CMDs风险有效识别率达到95%及以上。
CN202210239288.2A 2022-03-11 2022-03-11 早产儿、SGA追赶生长管理及其CMDs风险早期预警系统 Pending CN114596965A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210239288.2A CN114596965A (zh) 2022-03-11 2022-03-11 早产儿、SGA追赶生长管理及其CMDs风险早期预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210239288.2A CN114596965A (zh) 2022-03-11 2022-03-11 早产儿、SGA追赶生长管理及其CMDs风险早期预警系统

Publications (1)

Publication Number Publication Date
CN114596965A true CN114596965A (zh) 2022-06-07

Family

ID=81809164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210239288.2A Pending CN114596965A (zh) 2022-03-11 2022-03-11 早产儿、SGA追赶生长管理及其CMDs风险早期预警系统

Country Status (1)

Country Link
CN (1) CN114596965A (zh)

Similar Documents

Publication Publication Date Title
Sharma et al. Intrauterine growth restriction: antenatal and postnatal aspects
Croen et al. Maternal mid-pregnancy autoantibodies to fetal brain protein: the early markers for autism study
Geenes et al. Association of severe intrahepatic cholestasis of pregnancy with adverse pregnancy outcomes: a prospective population‐based case‐control study
Chalkia et al. Association between mitochondrial DNA haplogroup variation and autism spectrum disorders
Turesheva et al. Recurrent pregnancy loss etiology, risk factors, diagnosis, and management. Fresh look into a full box
Sandman et al. Neurobehavioral consequences of fetal exposure to gestational stress
Mercuri et al. Neonatal hypotonia and neuromuscular conditions
Mansukhani et al. Incidence and ocular features of pediatric myasthenias
Ahrens-Nicklas et al. Adolescent presentations of inborn errors of metabolism
Mirzakhani et al. Stability of developmental status and risk of impairment at 24 and 36 months in late preterm infants
Liu et al. Analysis of clinical and genetic characteristics in 10 Chinese individuals with Cornelia de Lange syndrome and literature review
Jáni et al. Birth outcomes, puberty onset, and obesity as long-term predictors of biological aging in young adulthood
Ripani et al. Maternal, newborn and breast milk concentrations of elexacaftor/tezacaftor/ivacaftor in a F508del heterozygous woman with cystic fibrosis following successful pregnancy
Jaouadi et al. A severe clinical phenotype of Noonan syndrome with neonatal hypertrophic cardiomyopathy in the second case worldwide with RAF1 S259Y neomutation
CN114596965A (zh) 早产儿、SGA追赶生长管理及其CMDs风险早期预警系统
Thakur et al. A Critical Review of Diagnostic Strategies and Maternal Offspring Complications in Gestational Diabetes Mellitus
Yang et al. Association of betatrophin amounts with 25-(OH) D levels in patients with gestational diabetes mellitus
Kong et al. UNC45A-related osteo-oto-hepato-enteric syndrome in a Chinese neonate
Zhou et al. Network exploration of gene signatures underlying low birth weight induced metabolic alterations
Li et al. The impact of maternal intrahepatic cholestasis during pregnancy on the growth trajectory of offspring: a population-based nested case‒control cohort study
McKee The effects of prenatal maternal stress and early life maternal stress on adolescent hippocampal morphology: Project Ice Storm
Mouzaki et al. The highs and lows of fetal programming for fatty liver disease
Vereshchagina et al. Laboratory markers in predicting the effectiveness of velvet antler medication in athletes
Kasi et al. Frequency and Prevalence of Diabetes Mellitus in Pregnant Women of Quetta District, Balochistan, Pakistan.
Kunte et al. MicroRNAs in adipocyte-derived extracellular vesicles in maternal and cord blood are related to neonatal adiposity

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