论文部分内容阅读
【目的】通过分析妊娠早期常规产检的信息与妊娠期糖尿病之间的相关性,进一步基于妊娠早期常规产检信息构建妊娠期糖尿病的早孕期风险预测模型,评估该模型对妊娠期糖尿病发病风险的预测价值,为制定妊娠期糖尿病的早期筛查标准提供参考。【方法】通过电子病历系统及检验系统等途径回顾性收集2019年01月1日至2020年12月31日于深圳市第二人民医院产科分娩的孕妇相关信息,研究最终共纳入923例研究对象,其中包括GDM组135例,非GDM组788例。所收集的信息包括（1）人口学特征:年龄、受教育程度;（2）临床特征:孕次、产次、体外受精-胚胎移植（in vitro fertilization-embryo transfer,IVF-ET）、糖尿病家族史、身高、妊娠前体重、妊娠前体质量指数（body mass index,BMI）;（3）妊娠14周前的生化标志物:空腹血糖（fasting plasma glucose,FPG）、糖化血红蛋白（glycated hemoglobin A1c,Hb A1c）、妊娠相关血浆蛋白A（pregnancy related plasma protein-A,PAPP-A）、妊娠相关血浆蛋白A中位数倍数（PAPP-A Mo M值）。使用SPSS 25.0软件和Empower Stats 3.0软件进行统计学分析,采用多因素二元Logistic回归分析构建风险预测模型,并使用Hosmer-Lemeshow拟合优度检验、校准曲线、受试者工作特征曲线（ROC曲线）和临床决策曲线分析（DCA）对预测模型进行评价,确定模型的最佳阈值。采用计算机模拟重复采样的方法进行模型的内部验证。【结果】1.在GDM组与非GDM组之间,年龄、孕次、IVF-ET、糖尿病家族史、妊娠前体重、妊娠前BMI、妊娠14周前的FPG、Hb A1c、PAPP-A、PAPP-A Mo M值存在统计学差异。2.比较GDM组与非GDM组之间的妊娠结局,GDM组中早产、医疗性引产以及剖宫产的发生率均较非GDM组高,差异具有统计学意义。3.单因素Logistic回归分析结果显示年龄、孕次、IVF-ET、糖尿病家族史、妊娠前体重、妊娠前BMI、妊娠14周前FPG、Hb A1c、PAPP-A及其Mo M值与GDM发生相关。4.采用多因素二元Logistic回归分析构建了GDM的风险预测模型,最终纳入年龄、受教育程度、经产妇、糖尿病家族史、妊娠前BMI、妊娠14周前的FPG、Hb A1c、PAPP-A Mo M值共计8个预测因素,其中受教育程度、经产妇、妊娠14周前的PAPP-A Mo M值为保护因素,其余为独立危险因素。模型的AUC为0.741（95%CI:0.695,0.793）,最佳阈值为0.147,准确度为0.608,敏感度为0.793,特异度为0.576。Hosmer-Lemeshow拟合优度检验结果提示该模型χ~2值为7.802,P=0.453,提示模型拟合度良好,绘制校准曲线结果显示该模型具有较好的一致性,DCA结果显示模型具有正的临床获益,内部验证结果则提示模型在该人群中表现出的预测效能良好。【结论】1.在妊娠早期产检信息中,年龄、受教育程度、经产妇、糖尿病家族史、妊娠前BMI、妊娠14周前的空腹血糖、糖化血红蛋白、PAPP-A Mo M值与GDM的发生存在相关性。2.利用妊娠早期产检信息构建GDM风险预测模型具有可行性。3.基于年龄、受教育程度、经产妇、糖尿病家族史、妊娠前BMI、妊娠14周前的空腹血糖、糖化血红蛋白、PAPP-A Mo M值构建的GDM风险预测模型可以预测GDM的发生,具有较好的预测效能,可以为GDM的早期筛查提供参考。