妊娠期糖尿病预测模型的构建及效能分析_怀莹莹.pdf

山东医药2023 年第 63 卷第 8 期妊娠期糖尿病预测模型的构建及效能分析怀莹莹，金晓艳，张亚光江苏大学附属昆山市第一人民医院妇产科，江苏昆山215300摘要：目的构建基于妊娠早期临床资料的妊娠期糖尿病（GDM）的预测模型，并验证其预测效能。方法选择定期产检并分娩的单胎孕妇10 235例，根据孕2428周75 g葡萄糖耐量试验结果分为GDM孕妇1 270例与非GDM孕妇8 965例。比较两组年龄、孕产史、既往史、家族史、学历、身高、孕前体质量等一般资料及妊娠早期实验室检查（血常规、肝肾功能、血脂、甲状腺功能等）结果。采用Logistic回归分析GDM发病的影响因素。建立GDM预测公式，采用受试者工作特征（ROC）曲线对GDM预测模型的效能进行检验。结果GDM孕妇与非GDM孕妇的年龄、孕前BMI、孕次、产次、既往GDM史、巨大儿分娩史、辅助生殖技术助孕史差异有统计学意义（P均0.05），GDM孕妇Hb、WBC、FPG、HbA1c、甘油三酯、总胆固醇、铁蛋白水平均高于非GDM孕妇（P均0.05）。Logistic回归分析结果显示，年龄、孕前BMI、WBC、铁蛋白、HbA1c、FPG、甘油三酯、生育史、巨大儿史、既往GDM史、辅助生殖技术助孕史是GDM 的影响因素（P 均0.05）。建立 Logistic 回归模型为：P=1/1+exp-（15.877-0.083年龄-0.0.084孕前BMI-0.175WBC-0.006铁蛋白-0.684HbA1c-1.143FPG-0.271甘油三酯+0.757经产妇+0.852辅助生殖技术助孕+1.173巨大儿史+0.737既往GDM史）。该模型预测GDM的ROC曲线下面积为0.818，灵敏度为93%，特异度为56%，约登指数为0.531。结论成功建立了以年龄、孕前BMI、生育史、巨大儿史、既往GDM史、辅助生殖技术助孕史及妊娠早期WBC、铁蛋白、HbA1c、FPG、甘油三酯水平为基础的妊娠早期GDM筛查模型，预测GDM的效能较好。关键词：妊娠期糖尿病；妊娠早期；临床资料；实验室检查；妊娠期糖尿病预测模型doi：10.3969/j.issn.1002-266X.2023.08.012 中图分类号：R714.25 文献标志码：A 文章编号：1002-266X（2023）08-0051-04妊娠期糖尿病（GDM）是妊娠期间发病或首次发现的糖耐量异常引起的高血糖1，是妊娠期最常见的内分泌代谢紊乱。随着经济水平的增长及生活方式的改变，GDM的发病率呈现迅速增长的趋势，它的发生使得3%13%的妊娠复杂化2-3。GDM对母婴造成的近远期危害日益突出，重视GDM早期预测、及时进行医学营养干预和体质量管理，可能有助于降低GDM的发病率，减少其对母婴的危害。目前基金项目：江苏省妇幼健康科研项目（F202046）。通信作者：张亚光（E-mail：）12ZENG X，XIE Y J，LIU Y T，et al.Polycystic ovarian syndrome：Correlation between hyperandrogenism，insulin resistance and obesity J.Clin Chim Acta，2020，502：214-221.13LI M，YANG M，ZHOU X，et al.Elevated circulating levels of irisin and the effect of metformin treatment in women with polycystic ovary syndrome J.J Clin Endocrinol Metab，2015，100（4）：1485-1493.14LUO Y，QIAO X，XU L，et al.Irisin：circulating levels in serum and its relation to gonadal axis J.Endocrine，2022，75（3）：663-671.15VARIKASUVU S R，PREZ-LPEZ F R，THANGAPPAZHAM B，et al.Effect of metformin intervention on circulating irisin levels in polycystic ovary syndrome：a systematic review and collaborative meta-analysisJ.Gynecol Endocrinol，2022，38（3）：207-212.16WANG C，ZHANG X Y，SUN Y，et al.Higher circulating irisin levels in patients with polycystic ovary syndrome：a meta-analysisJ.Gynecol Endocrinol，2018，34（4）：290-293.17GUAN Y，WANG D，BU H，et al.The effect of metformin on polycystic ovary syndrome in overweight women：a systematic review and meta-analysis of randomized controlled trialsJ.Int J Endocrinol，2020，2020：5150684.18SON J S，CHAE S A，TESTROET E D，et al.Exercise-induced myokines：a brief review of controversial issues of this decadeJ.Expert Rev Endocrinol Metab，2018，13（1）：51-58.19LI Q，JIA S，XU L，et al.Metformin-induced autophagy and irisin improves INS-1 cell function and survival in high-glucose environment via AMPK/SIRT1/PGC-1 signal pathway J.Food Sci Nutr，2019，7（5）：1695-1703.20KIM C H，CHON S J，LEE S H.Effects of lifestyle modification in polycystic ovary syndrome compared to metformin only or metformin addition：A systematic review and meta-analysis J.Sci Rep，2020，10（1）：7802.（收稿日期：2022-10-29）51山东医药2023 年第 63 卷第 8 期研究认为，孕妇的年龄、糖尿病家族史、肥胖、种族、既往 GDM 史等因素都与 GDM 的发生发展有关4。国内外已有学者利用这些因素建立了GDM预测模型，但单一指标的预测价值有限，并且各模型纳入的高危因素并未统一5-6。因此，本研究基于妊娠早期临床资料及妊娠早期实验室检查结果建立了GDM预测模型，并验证其预测效能，以期为GDM的早期干预提供理论依据。1 资料与方法 1.1临床资料收集昆山市第一人民医院2020年1月1日12月31日分娩的10 235例单胎孕妇的临床资料，孕妇均在妊娠24 28周行75 g口服葡萄糖耐量试验（OGTT）。排除标准：因胎儿畸形、死胎等进行治疗性引产的孕妇；既往合并急慢性心、肝、肾等脏器严重疾病及内分泌代谢疾病史的孕妇；分娩孕周42周或28周者；病例资料不完整者；近期有任何药物服用史者。根据GDM诊断标准7，1 270例孕妇确诊GDM，8 965例未患GDM。1.2妊娠早期资料收集从本院的电子病历系统及苏州医院数字检索系统获取妊娠妇女的年龄、孕产史、既往史、家族史、学历、身高、孕前体质量等一般资料。所有孕妇于妊娠早期（12+6周）进行相关实验室检查，包括血常规、肝肾功能、血脂、甲状腺功能等。1.3GDM预测模型的构建及效能分析比较GDM孕妇与非GDM孕妇的临床资料及实验室检查结果。采用SPSS19.0软件进行统计处理。符合正态分布的计量资料以-x s表示，组间比较采用t检验；计数资料采用 2检验。P0.05 为差异有统计学意义。将单因素分析中两组差异有统计学意义的因素纳入多因素回归模型，采用Logistic回归分析GDM发病的影响因素。根据多因素分析结果，建立GDM预测公式，采用受试者工作特征（ROC）曲线对GDM预测模型的效能进行检验。2 结果 2.1GDM发病的影响因素2.1.1GDM 孕妇与非 GDM 孕妇妊娠早期临床资料比较GDM 孕妇与非 GDM 孕妇的年龄、孕前BMI、孕次、产次、既往GDM史、巨大儿分娩史、辅助生殖技术助孕史差异有统计学意义（P均0.05），详见表1。GDM孕妇Hb、WBC、FPG、HbA1c、甘油三酯、总胆固醇、铁蛋白水平均高于非 GDM 孕妇（P 均0.05）。详见表2。2.1.2GDM发病的多因素Logistic回归分析结果根据单因素分析结果，将可能影响GDM的因素（P0.05）纳入多因素Logistic回归分析，因变量赋值非GDM=0、GDM=1，自变量年龄、孕前BMI、Hb、WBC、FBG、HbA1c、甘油三酯、总胆固醇、铁蛋白以实际值纳入，巨大儿史、既往 GDM 史、辅助生殖技术助孕史、生育史赋值为无=0、有=1。结果显示，年龄、孕前 BMI、WBC、铁蛋白、HbA1c、FPG、甘油三酯、生育史、巨大儿史、既往GDM史、辅助生殖技术助孕史是孕妇发生GDM的影响因素（P均0.05）。见表3。2.2基于妊娠早期资料的GDM预测模型的构建及效 能 建 立 Logistic 回 归 模 型 为 P=1/1+exp-表1GDM孕妇与非GDM孕妇妊娠早期临床资料比较（例）临床资料年龄（岁）25 2630 3134 3540 41孕前BMI（kg/m2）18.5 18.523.9 2427.9 28孕次（次）1 2 3产次 初产妇 经产妇巨大儿史 无 有糖尿病家族史 无 有既往GDM史 无 有不良孕产史 无 有受教育程度 本科及以上 本科以下辅助生殖技术助孕 无 有n1 8794 4972 6251 063 1711 4966 8161 570 3532 9913 4613 7834 3275 9085 649 2599 957 2785 602 3069 337 8984 2635 9728 8671 368GDM孕妇 85 416 421 284 64 64 782 305 119 252 374 644 319 951 897 541 231 39 826 1251 149 121 502 7681 074 196非GDM孕妇1 7944 0812 204 779 1071 4326 0341 265 2342 7393 0873 1394 0084 9574 752 2058 726 2394 776 181 7773 7615 2047 7931 172P0.000.000.000.000.000.000.000.000.000.000.030.410.000.310.100.0252山东医药2023 年第 63 卷第 8 期（15.877-0.083年龄-0.0.084孕前 BMI-0.175WBC-0.006 铁 蛋 白-0.684HbA1c-1.143FPG-0.271甘油三酯+0.757经产妇+0.852辅助生殖技 术 助 孕+1.173 巨 大 儿 史+0.737 既 往 GDM史）。该模型预测 GDM 的 ROC 曲线下面积为0.818，灵敏度为 93%，特异度为 56%，约登指数为0.531。见图1。3 讨论 随着国家生育政策的调整，生育二孩、三孩的孕妇增多，生育年龄也相应增大，高危孕妇的比例也越来越多。GDM作为常见的妊娠并发症之一，应尽早识别和预防，进一步实现精准个体化孕期管理。相关研究表明，GDM对母儿的影响与血糖控制情况有关8，高血糖出现越早、血糖水平越高，不良妊娠结局发生率越高。目前，临床上常用的GDM筛查是在孕24 28周进行OGTT，因诊断时间已至妊娠中晚期，接受充分、有效治疗的时间也受到限制。如果在孕妇首次产前检查时即进行GDM筛查，并采取措施进行血糖管控，对改善母婴结局具有重要意义。本研究收集了孕产妇妊娠早期的临床资料和实验室检查数据，分析发生GDM的危险因素，初步建立了妊娠早期预测GDM的模型，对高危人群及时作出有针对性的饮食和体质量管理、适当运动等生活方式干表3GDM发病的多因素Logistic回归分析结果自变量年龄孕前BMIHbWBC铁蛋白总胆固醇HbA1cFPG甘油三酯初产妇辅助生殖技术助孕史巨大儿史既往GDM史常量-0.083-0.084-0.002-0.175-0.006-0.205-0.684-1.143-0.2710.7570.8521.1730.73715.877SE0.0290.0370.0110.0620.0020.1290.2880.2800.1140.2570.3490.3370.3592.589Wald8.5325.3100.0428.06311.0322.5145.65316.7255.6028.6785.97512.0864.21037.603P0.0030.0210.8380.0050.0010.1130.0170.0000.0180.0030.0150.0010.0400.000OR（95%CI）0.920（0.870 0.973）0.919（0.856 0.988）0.998（0.976 1.020）0.840（0.744 0.947）0.994（0.990 0.997）0.814（0.632 1.050）0.505（0.287 0.887）0.319（0.184 0.551）0.763（0.609 0.954）2.133（1.288 3.530）2.345（1.184 4.645）3.232（1.6686.263）2.091（1.0344.228）表2GDM孕妇与非GDM孕妇实验室检查指标比较（-x s）是否确诊GDMGDM孕妇非GDM孕妇n1 2708 965Hb（g/L）126.70 9.35*124.57 10.14WBC（109/L）8.30 1.74*7.60 1.86PLT（109/L）218.03 47.50209.41 50.74FT4（pmol/L）16.05 4.1116.90 6.10TSH（mIU/L）1.66 1.161.72 1.65TPOAb（IU/mL）18.91 52.6830.23 97.23是否确诊GDMGDM孕妇非GDM孕妇ALT（U/L）19.29 14.9217.46 16.57AST（U/L）17.79 7.3716.87 7.40白蛋白（g/L）44.92 3.4744.23 4.27总胆红素（mol/L）9.68 3.5610.27 4.84直接胆红素（mol/L）3.65 1.693.82 2.25间接胆红素（mol/L）5.35 2.645.58 3.37是否确诊GDMGDM孕妇非GDM孕妇FPG（mmol/L）4.85 0.66*4.58 0.38HbA1c（%）5.44 0.42*5.21 0.48血肌酐（mol/L）49.26 8.1048.81 8.45血尿素氮（mmol/L）2.85 0.692.90 1.47甘油三酯（mmol/L）1.55 0.76*1.30 0.79总胆固醇（mmol/L）4.33 0.66*4.14 0.86铁蛋白（ng/mL）83.48 56.32*71.03 54.09注：与非GDM孕妇相比，*P0.05。100-特异度（%）0 20 40 60 80 100灵敏度（%）100806040200图1基于妊娠早期资料的预测模型预测GDM的ROC曲线53山东医药2023 年第 63 卷第 8 期预，或许可以在一定程度上降低GDM的发病率、减轻GDM病情、减少母婴近远期并发症的发生。目前国内外学者普遍认为GDM与患者的一般临床资料如妊娠年龄、孕产次、辅助生殖技术、糖尿病家族史、孕前 BMI、经济条件、文化程度、既往GDM史、既往巨大儿分娩史等密切相关5，9。国外已有研究利用上述风险因素建立了GDM预测模型，但各模型纳入的高危因素不统一10，并且基于中国大样本人群的预测模型较少。我国学者通过人口学特征及临床特征建立早期 GDM 预测模型，发现既往GDM病史、年龄、糖尿病家族史、孕前BMI、既往巨大儿分娩史和孕次、产次建立的模型可以预测GDM的发生，当临床评分系统阈值为1.5分时，预测GDM的灵敏度为56.2%、特异度为66.6%，但该模型的准确度并不十分理想，ROC曲线下面积仅为0.6596。本研究发现，孕妇年龄、孕前BMI、孕次、产次、既往GDM 史、巨大儿分娩史、辅助生殖技术助孕史与GDM的发生密切相关，与相关研究结果一致。现有研究显示，早期筛查GDM的指标主要集中在炎症因子、脂肪因子、FPG、HbA1c、铁代谢、肝酶代谢等相关指标11。GDM患者的糖脂代谢、生化指标在妊娠早期就会表现出异常，这些指标的异常与胰岛素抵抗的发生密切相关12。孕妇在初次建卡时检查的项目也包含了上述指标。临床研究发现，WBC、FPG、HbA1c、甘油三酯、铁蛋白对于GDM的筛查具有重要价值，将其纳入筛查模型或许可以提高预测模型的准确性和实用性。且上述检查指标并未增加孕产妇的经济负担，可从电子病历中直接获取数据，临床实用性较高。本研究最终确定了年龄、孕前BMI、WBC、铁蛋白、HbA1c、FPG、甘油三酯、生育史、巨大儿史、既往GDM史、辅助生殖技术助孕史为筛查模型的组成部分，并得出了相应的Logistic回归方程，检验效能较好。此筛查模型在GDM孕妇基本临床资料的基础上构建，具有简单、节约、可重复性高的特点，为GDM风险预测及早期干预（包括合理饮食、运动、体质量管理等）提供了参考，有助于在一定程度上减少GDM的发病率或减轻病情，降低后期胰岛素治疗负担，减少母婴不良妊娠结局的发生。综上所述，本研究成功构建基于妊娠早期一般临床资料和实验室检查结果的GDM筛查模型，具有一定的临床应用价值。但本研究并未进行多中心、大样本验证，且为回顾性研究，可能存在一定的信息偏倚，上述结果仍有待进一步研究证实。参考文献：1BULLETINS-OBSTETRICS C.ACOG practice bulletin No.190 summary：gestational diabetes mellitusJ.Obstet Gynecol，2018，131（2）：406-408.2HUNG T，CHUANG Y，CHU F，et al.Risk factors for abnormal postpartum glycemic states in women diagnosed with gestational diabetes by the International Association of Diabetes and Pregnancy Study Groups criteria J.J Diabet Invest，2021，12（5）：859868.3LEE K W，CHING A M，RAMACHANDRAN V，et al.Prevalence and risk factors of gestational diabetes mellitus in Asia：a systematic review and meta-analysis J.BMC Pregnancy Childbirth，2018，18（1）：494-552.4RAM M，FEINMESSER L，SHINAR S，et al.The importance of declining insulin requirements during pregnancy in patients with pre-gestational gestational diabetes mellitus J.Eur J Obstet Gynecol Reprod Biol，2017，215：148-152.5LAMAIN-DE R M，KWEE A，NAAKTGEBOREN C A，et al.External validation of prognostic models to predict risk of gestational diabetes mellitus in one Dutch cohort：prospective multicentre cohort study J.BMJ，2016，354：4338.6陈梦凡，钱婷婷，周梦林，等.基于人口学及临床特征的妊娠期糖尿病预测模型的研究 J.实用妇产科杂志，2019，35（2）：42-47.7CHIEFARI E，ARCIDIACONO B，FOTI D，et al.Gestational diabetes mellitus：an updated overxiew J.J Endorcrinol Invest，2017，40（9）：899-909.8刘小燕，林律初，陈树华.糖脂生化指标检测对妊娠期糖尿病预测的价值 J.牡丹江医学院学报，2020，41（1）：64-68.9SWEETING A N，APPEIBLOM H，ROSS G P，et al.First trimester prediction of gestational diabetes mellitus：a clinical model based on maternal demographic parametersJ.Diabet Res Clin Pract，2017，127：44-50.10MEERTENS L J E，SCHEEPERS H C J，KUIJK S M J V，et al.External validation and clinical utility of prognostic prediction models for gestational diabetes mellitus：A prospective cohort study J.Acta Obstet Gynecol Scand，2020，99（7）：891-900.11王媛媛，张龑.妊娠期糖尿病早期预测的研究进展 J.国际妇产科学杂志，2016，43（3）：287-294.12MBADUGHA N N，NANAMAH N K，MAMAH V O，et al.Lipid profile in pregnant women in South Eastern，Nigeria J.Int J Med Health Sci，2015，4（3）：315-318.（收稿日期：2022-10-19）54