-
妊娠期糖尿病是妇产科常见的代谢性疾病,可导致感染、胎膜早破、早产、巨大儿、新生儿窒息等多种并发症,其中以巨大儿最为常见[1]。现有研究[2-3]表明,孕晚期糖化血红蛋白、妊娠中期血脂与尿酸水平等均可较好地预测妊娠期糖尿病孕妇分娩巨大儿的可能性,但各指标均有自身的优势和局限性,且单一指标较难兼顾灵敏度和特异度。目前,肿瘤及心血管疾病常采用多指标联合诊断的方法,可预测相关疾病进展情况,但该方法在妊娠期糖尿病母婴结局中的应用仍处于空白。因此,笔者以120例妊娠期糖尿病孕妇作为研究对象,分析其分娩巨大儿的影响因素,同时借鉴logistic回归分析在心脑血管疾病、肿瘤等诊断效能中的应用[4],构建妊娠期糖尿病孕妇分娩巨大儿的多因素综合预测模型,为其早期判断提供参考。现作报道。
-
2组孕妇孕期增重、孕前BMI、分娩孕周、空腹血糖、OGTT 0 h血糖和胰岛素抵抗指数差异均有统计学意义(P<0.01)(见表 1)。
项目 巨大儿组(n=33) 正常组(n=87) t P 年龄/岁 32.90±2.07 32.77±2.16 0.30 >0.05 孕次/次 2.13±0.60 2.06±0.57 0.59 >0.05 产次/次 1.41±0.21 1.35±0.24 1.26 >0.05 孕期增重/kg 17.53±4.82 10.06±3.18 9.88 <0.01 孕前BMI/(kg/m2) 24.85±5.34 22.06±1.37 4.52 <0.01 分娩孕周/周 39.52±0.15 38.71±0.62 7.41 <0.01 妊娠期糖尿病治疗开始孕周/周 31.53±5.12 30.95±5.17 0.55 >0.05 新生儿性别(男) 20(60.61) 38(43.68) 2.75△ >0.05 糖尿病家族史 2(6.06) 7(8.05) 0.00△ >0.05 巨大儿分娩史 3(9.09) 7(8.05) 0.03△ >0.05 空腹血糖/(mmol/L) 5.13±0.32 4.75±0.55 3.73 <0.01 OGTT/(mmol/L) 0 h 5.75±0.29 5.02±0.57 7.01 <0.01 1 h 9.80±1.18 9.53±1.22 1.11 >0.05 2 h 8.35±1.17 8.29±1.20 0.25 >0.05 血糖治疗方案 单纯饮食控制 15(45.45) 40(45.98) 0.00△ >0.05 饮食控制+胰岛素 18(54.55) 47(54.02) 胰岛素抵抗指数 0.60±0.13 0.35±0.08 12.72 <0.01 胰岛β细胞功能指数 2.37±0.45 2.32±0.50 0.50 >0.05 △示χ2值 表 1 2组孕妇临床资料的单因素分析(x±s)
-
将单因素分析有统计学意义的量作为自变量,分娩巨大儿作为因变量,进行logistic回归分析。结果显示,孕期增重、空腹血糖、胰岛素抵抗指数均为妊娠期糖尿病孕妇分娩巨大儿的独立危险因素(P<0.05)(见表 2)。将孕期增重、空腹血糖、胰岛素抵抗指数分别作为协变量X1、X2、X3,得出预测模型表达式为:Logit(P)=-10.522+0.521X1+0.337X2+0.216X3。
因素 B SE Waldχ2 P OR 95%CI 常数项 -10.522 3.159 11.094 <0.01 — — 孕期增重/kg 0.521 0.206 6.396 <0.05 1.684 1.124~2.521 孕前BMI/(kg/m2) 0.557 0.313 3.167 >0.05 1.745 0.945~3.224 分娩孕周/周 0.537 0.329 2.664 >0.05 1.711 0.898~3.260 空腹血糖/(mmol/L) 0.337 0.153 4.852 <0.05 1.401 1.038~1.891 OGTT 0 h血糖/(mmol/L) 1.132 0.588 3.706 >0.05 3.102 0.980~9.821 胰岛素抵抗指数 0.216 0.107 4.075 <0.05 1.241 1.006~1.531 表 2 妊娠期糖尿病孕妇分娩巨大儿多因素logistic回归分析
-
预测模型最佳临界值为0.522,灵敏度为73.68%,特异度为93.90%,ROC曲线下面积(AUC)为0.856(0.614~0.977)(见表 3)。
项目 最佳临界值 灵敏度/% 特异度/% 准确率/% AUC(95%CI) 预测模型 0.522 73.68 93.90 87.50 0.856(0.614~0.977) 孕期增重 18 46.51 64.94 58.33 0.591(0.364~0.818) 空腹血糖 5.7 74.36 74.07 74.17 0.704(0.483~0.902) 胰岛素抵抗指数 0.47 56.82 72.37 66.67 0.662(0.447~0.878) 表 3 预测模型的ROC曲线分析
-
对联合检测因子模型进行变形可得到个体预测概率方程,即P=1/[1+e-(-10.522+0.521X1+0.337X2+0.216X3)]。随机将1例妊娠期糖尿病孕妇的数据(X1=19、X2=6.2、X3=0.51)代入上述个体预测概率方程,得到P=0.829,超过联合检测因子模型的最佳临界值0.522,表明该妊娠期糖尿病孕妇在预测模型准确度为87.50%的条件下,可能分娩巨大儿。
多因素综合构建妊娠期糖尿病孕妇分娩巨大儿的预测模型
Construction of the prediction model of macrosomia in pregnant women with gestational diabetes mellitus
-
摘要:
目的多因素综合构建妊娠期糖尿病孕妇分娩巨大儿的预测模型。 方法选取妊娠期糖尿病孕妇120例,根据新生儿出生体质量不同分为巨大儿组(n=33)和正常组(n=87)。收集2组一般临床资料,采用logistic回归分析构建妊娠期糖尿病孕妇分娩巨大儿的预测模型,并绘制ROC曲线。 结果2组孕妇孕期增重、孕前体质量指数、分娩孕周、空腹血糖、口服糖耐量试验0 h血糖及胰岛素抵抗指数差异均有统计学意义(P < 0.01);logistic回归分析显示,孕期增重、空腹血糖、胰岛素抵抗指数均为妊娠期糖尿病孕妇分娩巨大儿的独立危险因素(P < 0.05)。将孕期增重、空腹血糖、胰岛素抵抗指数分别作为协变量X1、X2、X3,得出预测模型表达式为:Logit(P)=-10.522+0.521X1+0.337X2+0.216X3,该模型最佳临界值为0.522,灵敏度为73.68%,特异度为93.90%,ROC曲线下面积为0.856(0.614~0.977)。 结论多因素综合构建预测模型对妊娠期糖尿病孕妇分娩巨大儿具有较好预测价值。 Abstract:ObjectiveTo construct the prediction model of macrosomia in pregnant women with gestational diabetes mellitus. MethodsOne hundred and twenty pregnant women with gestational diabetes mellitus were divided into the macrosomia group(n=33) and normal group(n=87) according to the different birth body mass of newborns.The general clinical data of two groups were collected, the logistic regression was used to construct the prediction model of macrosomia in pregnant women with gestational diabetes mellitus, and the receiver operating characteristic(ROC) curve of subjects was drawn. ResultsThe differences of the weight gain during pregnancy, pre-pregnancy body mass index, gestational age, fasting blood glucose, OGTT 0 h blood glucose and insulin resistance index between two groups were statistically significant(P < 0.01).The results of logistic regression analysis showed that the weight gain during pregnancy, fasting blood glucose, insulin resistance index were the independent risk factors of the delivery of macrosomia(P < 0.05).The weight gain during pregnancy, fasting blood glucose and insulin resistance index were taken as covariates X1, X2 and X3, respectively, and the prediction model expression was obtained as follows: Logit(P)=-10.522+0.521X1+0.337X2+0.216X3.The optimal critical value, sensitivity, specificity and area under the ROC curve of model were 0.522, 73.68%, 93.90% and 0.856(0.614-0.977), respectively. ConclusionsThe prediction model based on multiple factors has a high value in the prediction of macrosomia of pregnant women with gestational diabetes mellitus. -
表 1 2组孕妇临床资料的单因素分析(x±s)
项目 巨大儿组(n=33) 正常组(n=87) t P 年龄/岁 32.90±2.07 32.77±2.16 0.30 >0.05 孕次/次 2.13±0.60 2.06±0.57 0.59 >0.05 产次/次 1.41±0.21 1.35±0.24 1.26 >0.05 孕期增重/kg 17.53±4.82 10.06±3.18 9.88 <0.01 孕前BMI/(kg/m2) 24.85±5.34 22.06±1.37 4.52 <0.01 分娩孕周/周 39.52±0.15 38.71±0.62 7.41 <0.01 妊娠期糖尿病治疗开始孕周/周 31.53±5.12 30.95±5.17 0.55 >0.05 新生儿性别(男) 20(60.61) 38(43.68) 2.75△ >0.05 糖尿病家族史 2(6.06) 7(8.05) 0.00△ >0.05 巨大儿分娩史 3(9.09) 7(8.05) 0.03△ >0.05 空腹血糖/(mmol/L) 5.13±0.32 4.75±0.55 3.73 <0.01 OGTT/(mmol/L) 0 h 5.75±0.29 5.02±0.57 7.01 <0.01 1 h 9.80±1.18 9.53±1.22 1.11 >0.05 2 h 8.35±1.17 8.29±1.20 0.25 >0.05 血糖治疗方案 单纯饮食控制 15(45.45) 40(45.98) 0.00△ >0.05 饮食控制+胰岛素 18(54.55) 47(54.02) 胰岛素抵抗指数 0.60±0.13 0.35±0.08 12.72 <0.01 胰岛β细胞功能指数 2.37±0.45 2.32±0.50 0.50 >0.05 △示χ2值 表 2 妊娠期糖尿病孕妇分娩巨大儿多因素logistic回归分析
因素 B SE Waldχ2 P OR 95%CI 常数项 -10.522 3.159 11.094 <0.01 — — 孕期增重/kg 0.521 0.206 6.396 <0.05 1.684 1.124~2.521 孕前BMI/(kg/m2) 0.557 0.313 3.167 >0.05 1.745 0.945~3.224 分娩孕周/周 0.537 0.329 2.664 >0.05 1.711 0.898~3.260 空腹血糖/(mmol/L) 0.337 0.153 4.852 <0.05 1.401 1.038~1.891 OGTT 0 h血糖/(mmol/L) 1.132 0.588 3.706 >0.05 3.102 0.980~9.821 胰岛素抵抗指数 0.216 0.107 4.075 <0.05 1.241 1.006~1.531 表 3 预测模型的ROC曲线分析
项目 最佳临界值 灵敏度/% 特异度/% 准确率/% AUC(95%CI) 预测模型 0.522 73.68 93.90 87.50 0.856(0.614~0.977) 孕期增重 18 46.51 64.94 58.33 0.591(0.364~0.818) 空腹血糖 5.7 74.36 74.07 74.17 0.704(0.483~0.902) 胰岛素抵抗指数 0.47 56.82 72.37 66.67 0.662(0.447~0.878) -
[1] 沈立勇, 张宇. 妊娠期糖尿病患者脂代谢紊乱与巨大儿的相关性分析[J]. 医学临床研究, 2017, 34(10): 1988. doi: 10.3969/j.issn.1671-7171.2017.10.038 [2] 李瑞琼, 辜素梅, 杨丽红. 糖化血红蛋白水平在预测妊娠期糖尿病孕妇生产结局中的价值分析[J]. 中国计划生育和妇产科, 2017, 9(10): 48. doi: 10.3969/j.issn.1674-4020.2017.10.12 [3] 孟彤, 刘亚非, 孟文颖. 妊娠中期血脂水平对妊娠期高血压疾病、妊娠期糖尿病及巨大儿的预测价值[J]. 中国妇幼保健, 2016, 31(24): 5253. [4] MA S, DUAN J, LI W, et al. Exploration of the value of MRCP combined with tumor marker CA19-9 in the diagnosis of pancreatic cancer[J]. Artif Cells Nanomed Biotechnol, 2016, 44(2): 717. doi: 10.3109/21691401.2014.982801 [5] 杨慧霞. 妊娠期糖尿病国际诊断标准的解读[J/CD]. 中国医学前沿杂志, 2013, 4(5): 19. [6] 中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2013年版)[J]. 中华糖尿病杂志, 2014, 6(7): 473. [7] 赵明, 李光辉. 妊娠期糖尿病孕妇的胰岛素抵抗和胰岛β细胞功能与巨大儿的相关性研究[J]. 中华内分泌代谢杂志, 2019, 35(10): 848. doi: 10.3760/cma.j.issn.1000-6699.2019.10.007 [8] SUN X, YANG L, PAN J, et al. Age at menarche and the risk of gestational diabetes mellitus: a systematic review and meta-analysis[J]. Endocrine, 2018, 61(2): 204. . doi: 10.1007/s12020-018-1581-9 [9] 岳莹, 马方玉. 妊娠期糖尿病发生的相关危险因素及妊娠结局调查研究[J]. 中国妇幼保健, 2019, 34(7): 1639. [10] 米瑞希. 孕晚期妊娠期糖尿病孕妇的脐带总面积和华通胶面积在预测胎儿出生体重中的作用[D]. 长沙: 中南大学, 2013. [11] 胡艳梅. 糖化血红蛋白对妊娠期糖尿病母婴结局的预测价值[J]. 陕西医学杂志, 2016, 45(4): 70. [12] 江华, 蔡云清, 钱秋英, 等. 分娩巨大儿孕妇体重的危险因素分析[J]. 中华流行病学杂志, 2008, 29(10): 982. doi: 10.3321/j.issn:0254-6450.2008.10.007 [13] 商敏, 董旭. 胰岛素信号通路在妊娠期糖尿病患者分娩巨大儿中的作用[J]. 临床和实验医学杂志, 2018, 17(7): 31 [14] 孙平平, 李华萍, 赵芳. 妊娠期糖代谢异常导致巨大儿发生的危险因素分析[J]. 实用妇产科杂志, 2012, 28(1): 64. doi: 10.3969/j.issn.1003-6946.2012.01.023 [15] WANG N, DING Y, WU JN. Effects of pre-pregnancy body mass index and gestational weight gain on neonatal birth weight in women with gestational diabetes mellitus[J]. Early Hum Dev, 2018, 124: 17. doi: 10.1016/j.earlhumdev.2018.07.008 [16] 朱求实, 李盛. 罗格列酮对非酒精性脂肪肝大鼠脂联素及胰岛素抵抗的影响[J]. 新疆医科大学学报, 2018, 41(7): 879. doi: 10.3969/j.issn.1009-5551.2018.07.018 [17] TANAKA K, YAMADA K, MATSUSHIMA M, et al. Increased maternal insulin resistance promotes placental growth and decreases placental efficiency in pregnancies with obesity and gestational diabetes mellitus[J]. J Obstet Gynaecol Res, 2018, 44(1): 74. doi: 10.1111/jog.13474 [18] O'BRIEN CM, POPRZECZNY A, DODD JM. Implications of maternal obesity on fetal growth and the role of ultrasound[J]. Expert Rev Endocrinol Metab, 2017, 12(1): 45. doi: 10.1080/17446651.2017.1271707 [19] TRIPEPI G, JAGER KJ, STEL VA, et al. How to deal with continuous and dichotomic outcomes in epidemiological research: linear and logistic regression analyses[J]. Nephron Clin Pract, 2011, 118(4): 399. doi: 10.1159/000324049