A prognostic model to calculate the probability of severe preeclampsia in healthy young reproductive age woman

封面

如何引用文章

全文:

详细

Aim. To develop the prognostic model to calculate the probability of severe preeclampsia in healthy young reproductive age woman.

Materials and methods. This study included two groups of healthy women aged 18–35 years with spontaneous singleton pregnancy: 100 patients with severe preeclampsia (patient group), and 100 women with non-complicated pregnancy (control group). All women had not a risk factors of preeclampsia such as history of hypertension, autoimmune, metabolic, renal, or cardiac diseases, and family or individual history preeclampsia or thromboembolism before this pregnancy. Their body mass index in the 1-st trimester of gestation was <35 kg/sq. m. Gene polymorphisms were detected using the polymerase chain reaction-real time technique. The data were analyzed with methods of binary and multifactorial mathematical statistics. Our analysis of the predictive models was performed by using logistic regression. To determine the diagnostic value of the predictive models used the ROC-curve is followed by determining the area under it (AUC).

Results. Some prognostic models to calculate the probability of severe preeclampsia were build using an anamnestic, clinical and genotypic characteristics and multifactorial analysis. Combination of genotypes AGTR2-1675АA/eNOS3-786СC; tobacco smoking; bacteriuria; acute respiratory infections and/or acute vulvovaginitis during 2–3 trimester of gestation were determinate as most informative predictors of severe preeclampsia. Logistic model included three predictors: bacteriuria; acute respiratory infections and/or acute vulvovaginitis during 2–3 trimester of gestation had higher prognostic value. ROC analysis identified a high specificity (89.58%) and sensitivity (76.47%) of the model, and the integral index of the effectiveness of predictive markers (AUC=0.885), according to the expert scale of values which is indicative of a very high quality model.

Conclusion. It is recommended to use this elaborated predictive model for the purpose of individual risk assessment of severe preeclampsia in healthy young reproductive age woman.

作者简介

Nataly Frolova

Chita State Medical Academy

Email: taasyaa@mail.ru

Cand. Sci. (Med.), Chita State Medical Academy

俄罗斯联邦, Chita

Tatiana Belokrinitskaya

Chita State Medical Academy

编辑信件的主要联系方式.
Email: tanbell24@mail.ru
ORCID iD: 0000-0002-5447-4223

D. Sci. (Med.), Prof., Chita State Medical Academy

俄罗斯联邦, Chita

Kristina Kolmakova

Chita State Medical Academy

Email: pochta@chitgma.ru

Assistant of Prof., Obstetrics and Gynecology Department, Chita State Medical Academy

俄罗斯联邦, Chita

参考

  1. Ukah UV, De Silva DA, Payne B, et al. Prediction of adverse maternal outcomes from pre-eclampsia and other hypertensive disorders of pregnancy: A systematic review. Pregnancy Hypertens 2018; 11: 115–23.
  2. Основные показатели деятельности акушерско-гинекологической службы в Российской Федерации в 2017 г. М., 2019. [Main indicators of the obstetrics and gynecology service in the Russian Federation in 2017. Moscow, 2019 (in Russian).]
  3. Материнская смертность в Российской Федерации в 2018 году. Методическое письмо МЗ РФ от 18.09.2019 г. №15-4/и/2-8714. [Maternal mortality in the Russian Federation in 2018. Methodical letter of the Ministry of health of the Russian Federation from 18.09.2019 No 15-4/i/2-8714 (in Russian).]
  4. Andersgaard AB, Acharya G, Mathiesen EB et al. Recurrence and long-term maternal health risks of hypertensive disorders of pregnancy: a population-based study. Am J Obstet Gynecol 2012; 206 (2): 143. doi: 10.1016/j.ajog.2011.09.032
  5. Young В, Hacker MR, Rana S. Physicians knowledge of future vascular disease in women with preeclampsia. Hypertens Pregnancy 2012; 31 (1): 50–8.
  6. Сидорова И.С. Решенные вопросы и нерешенные проблемы преэклампсии в России. Рос. вестн. акушера-гинеколога. 2015; 5 (2): 4–9. [Sidorova I.S. Resolved issues and unresolved problems of preeclampsia in Russia. Rossijskij vestnik akushera-ginekologa. 2015; 5 (2): 4–9 (in Russian).]
  7. RCOG. Guideline No. 10(A). The Management of Severe Pre-eclampsia/Eclampsia.2010. https://www.rcog.org.uk/en/guidelines-research-services/guidelines/gtg10a/
  8. World Health Organization. WHO Recommendations for Prevention and Treatment of Pre-Eclampsia and Eclampsia. Geneva: World Health Organization 2011.
  9. The Global Strategy for Women’s, Children’s and Adolescents’ Health, 2016-2030 New York: United Nations, 2015.
  10. Scholien RR, Hopman MT, Sweep FC et al. Co-occurrence of cardiovascular and prothrombotic risk factors in women with a history of preeclampsia. Obstet Gynecol 2013; 121 (1): 97–105.
  11. Белокриницкая Т.Е., Фролова Н.И., Анохова Л.И. Молекулярно-генетические предикторы осложнений беременности. Новосибирск: Наука, 2019. [Belokrinitskaya T.E. Frolova N.I., Anokhova L.I. Molecular genetic predictors of pregnancy complications. Novosibirsk: Nauka, 2019 (in Russian).]
  12. Адамян Л.В., Артымук Н.В., Башмакова Н.В. и др. Гипертензивные расстройства во время беременности, в родах и послеродовом периоде. Преэклампсия. Эклампсия. Клинические рекомендации (протокол), утв. МЗ РФ 7 июня 2016 № 15-4/10/2-3484. М., 2016. [Adamyan L.V., Artymuk N.V., Bashmakova N.V. et al. Hypertensive disorders during pregnancy, in the labor and postpartum period. Preeclampsia. Eclampsia. Clinical recommendations (protocol). Ministry of Health service of Russian Federation on June 7, 2016 No. 15-4/10/2-3484. Moscow, 2016 (in Russian).]
  13. ACOG Practice Bulletin No. 202. Gestational Hypertension and Preeclampsia. Obstetrics Gynecology 2019; 133 (1): 211–4.
  14. Белокриницкая Т.Е., Фролова Н.И., Иозефсон С.А., Колмакова К.А. Структура критических акушерских состояний и материнской смертности у пациенток раннего и позднего репродуктивного возраста. Практическая медицина. 2019; 17 (4): 32–6. doi: 10.32000/2072-1757-2019-4-32-36 [Belokrinitskaya T.E., Frolova N.I., Iozefson S.A., Kolmakova K.A. Structure of critical obstetric states and maternal mortality in patients of young and late reproductive age. Prakticheskaya medicina. 2019; 17 (4): 32–6. doi: 10.32000/2072-1757-2019-4-32-36 (in Russian).]
  15. Фролова Н.И. Основные предикторы и конфаундеры репродуктивных нарушений у женщин раннего фертильного возраста. Дис. … д-ра мед- наук. Чита, 2020. [Frolova N.I. The main predictors and confounders of reproductive disorders in women of early fertile age. Dis. …the Doctor of Medical Sciences. Chita, 2020 (in Russian).]
  16. Ланг Т.А., Сесик М. Как описывать статистику в медицине. Аннотированное руководство для авторов, редакторов и рецензентов. М.: Практическая медицина, 2011. [Lang T.A., Sesik M. How to describe the statistics in medicine. Moscow: Prakticheskaja medicina, 2011 (in Russian).]
  17. Hernandez-Orallo J. ROC curves for regression. Pattern Recognition 2013; 46 (12): 3395–411.
  18. Ломова Н.А., Орджоникидзе Н.В., Ванько Л.В. Синдром системного воспалительного ответа и беременность (обзор литературы). Акушерство и гинекология. 2012; 1: 23–7. [Lomova O.N., Ordzhonikidze N.V., Vanko L.V. Syndrome of the system inflammatory answer and pregnancy (review of literature). Obstetrics and gynecology. 2012; 1: 23–7 (in Russian).]
  19. Mihu D, Razvan C, Malutan A, Mihaela C. Evaluation of maternal systemic inflammatory response in preeclampsia. Taiwan J Obstet Gynecol 2015; 54 (2): 160–6.
  20. Perucci LO, Corrêa MD, Dusse LM et al. Resolution of inflammation pathways in preeclampsia - a narrative review. Immunol Res 2017; 65 (4): 774–89. doi: 10.1007/s12026-017-8921-3

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Consilium Medicum, 2020

Creative Commons License
此作品已接受知识共享署名-非商业性使用-相同方式共享 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».