Modern sonographic markers for the prognosis of preterm birth in women with different somatotypes

Cover Page


Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

BACKGROUND: Preterm birth is one of the causes of perinatal morbidity and mortality. Premature infants have an increased risk of death and the development of neurological and other disorders.

AIM: The aim of this study was to evaluate the modern sonographic parameters of the cervix in pregnant women with different somatotypes and to develop a mathematical model for predicting preterm birth.

MATERIALS AND METHODS: The study included 390 women, among whom 110 were classified with macrosomatic, 173 with mesosomatic, and 107 with microsomatic types. Somatotype was determined in women in early stages of pregnancy (before 9-10 weeks of gestation) using the R.N. Dorokhov anthropometric test method. The utero-cervical angle was measured, shear wave elastography was performed, and the average shear wave speed in the area of the internal cervical os was determined. All measurements were performed on a Philips EPIQ 5 ultrasound machine.

RESULTS: Preterm birth was more often identified in women with macro- and microsomatic types in comparison with women with mesosomatic type (p < 0.05). In pregnant women with subsequent preterm birth at 22-23 weeks, the average SWS in the area of the internal cervical os was reduced (p < 0.05) and the utero-cervical angle was higher in comparison with those women who did not have preterm birth (p < 0.05). Using multiple regression analysis, we obtained the regression equation (formula), which predicts the development of preterm birth in women with different somatotypes.

CONCLUSIONS: Such parameters as the average shear wave speed in the area of the internal cervical os and the utero-cervical angle may be regarded as markers of preterm birth. The mathematical formula obtained allows for predicting the development of preterm birth in women with different somatotypes and for timely prevention of pathology.

About the authors

Kristina G. Tomaeva

North Ossetian State Medical Academy

Email: tomaevakg@mail.ru
ORCID iD: 0000-0003-0269-5507
SPIN-code: 7129-6523

MD, Cand. Sci. (Med.), Assistant Professor, Department of Obstetrics and Gynecology № 2

Russian Federation, 9 Pushkinskaya Str., Vladikavkaz, 362019

Sergey N. Gaidukov

Saint Petersburg State Pediatric Medical University

Email: gaiducovsn@yandex.ru

MD, Dr. Sci. (Med.), Professor, Department of Obstetrics and Gynecology

Russian Federation, 2 Litovskaya st., Saint-Petersburg, 194100

Elena N. Komissarova

Saint Petersburg State Pediatric Medical University

Email: komissaren@yandex.ru

Dr. Sci. (Biol.), Professor, Department of Human Anatomy

Russian Federation, 2 Litovskaya st., Saint-Petersburg, 194100

Georgii G. Tomaev

Limited liability company «Nikamed»

Author for correspondence.
Email: g.tomaeff@yandex.ru
ORCID iD: 0000-0002-2455-1283

MD,  doctor-surgeon-orthopedist

Russian Federation, 14/2 Bumazhnyj proezd, Moscow, 127015

References

  1. Crump C, Sundquist J, Sundquist K. Preterm delivery and long term mortality in women: national cohort and co-sibling study. BMJ. 2020;370:m2533. doi: 10.1136/bmj.m2533
  2. Huang J, Qian Y, Gao M, et al. Analysis of factors related to preterm birth: a retrospective study at Nanjing Maternity and Child Health Care Hospital in China. Medicine (Baltimore). 2020;99(28):e21172. doi: 10.1097/MD.0000000000021172
  3. Keag OE, Murphy L, Bradley A. Postal recruitment for genetic studies of preterm birth: A feasibility study. Wellcome Open Res. 2020;5:26. doi: 10.12688/wellcomeopenres.15207.2
  4. Dehaene I, Scheire E, Steen J. Obstetrical characteristics and neonatal outcome according to aetiology of preterm birth: a cohort study. Arch Gynecol Obstet. 2020;302(4):861–871. doi: 10.1007/s00404-020-05673-5
  5. Tomaeva KG, Gaydukov SN. A model for predicting the risk of preeclampsia in women with different somatotypes. Journal of Obstetrics and Women’s Diseases. 2019;68(6):65–72. (In Russ.). doi: 10.17816/JOWD68665-72
  6. Tomaeva KG. Prediction of placental insufficiency in pregnant women with different somatotypes. Journal of Obstetrics and Women’s Diseases. 2020;69(4):23–28. (In Russ.). doi: 10.17816/JOWD69423-28
  7. Dorohov RN. Opyt ispol’zovanija original’noj metricheskoj shemy somatotipirovanija v sportivno-morfologicheskih issledovanijah. Teoriya i pracktika fizicheskoy kultury. 1991;(1):14–20. (In Russ.)
  8. Dorokhov RN, Chernova VN, Bubnenkova OM. Nature of distribution of fatty body weight among the people at various ages both male and female. Uchenye zapiski universiteta im. P.F. Lesgafta. 2015;(9):91–96. (In Russ.). doi: 10.5930/issn.1994-4683.2015.09.127.p91-96
  9. Babich DA, Baev OR, Fedotkina EP, Gus AI. Diagnostic opportunities of echo elastography in obstetrics and gynecology. Obstetrics and Gynecology. 2019;(7):5–12. (In Russ.). doi: 10.18565/aig.2019.7.5-12
  10. Diomidova VN, Zakharova OV, Petrova OV, Siordiya AA. Ultrasound (compression and shear wave) elastography in obstetrics and gynaecology. Voprosy Ginekologii, Akusherstva i Perinatologii. 2016;15(2):52–58. (In Russ.). DOI: 10.0.81.217/1726-1678-2016-2-52-58
  11. Pekarev OG, Brega ES, Lunkov SS, Gus AI. Clinical and elastographic assessment of immature vesical cervix preparations for delivery. Doctor.Ru. 2019;11(166):22–28. (In Russ.). doi: 10.31550/1727-2378-2019-166-11-22-28
  12. Lu J, Cheng YKY, Ho SYS, et al. The predictive value of cervical shear wave elastography in the outcome of labor induction. Acta Obstet Gynecol Scand. 2020;99(1):59–68. doi: 10.1111/aogs.13706
  13. Park HS, Kwon H, Kwak DW, et al. Korean Society of Ultrasound in Obstetrics and Gynecology Research Group. Addition of cervical elastography may increase preterm delivery prediction performance in pregnant women with short cervix: a prospective study. J Korean Med Sci. 2019;34(9):e68. doi: 10.3346/jkms.2019.34.e68
  14. Seol HJ, Sung JH, Seong WJ, et al. Standardization of measurement of cervical elastography, its reproducibility, and analysis of baseline clinical factors affecting elastographic parameters. Obstet Gynecol Sci. 2020;63(1):42–54. doi: 10.5468/ogs.2020.63.1.42
  15. Hendricks CH, Brenner WE, Kraus G. Normal cervical dilatation pattern in late pregnancy and labor. Am J Obstet Gynecol. 1970;106(7):1065–1082. doi: 10.1016/s0002-9378(16)34092-3
  16. Aleksandrovich YuS, Gordeev VI. Otsenochnye i prognosticheskie shkaly v meditsine kriticheskikh sostoyaniy. Saint Petersburg: ELBI; 2015. (In Russ.)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Patient V., gestational age 28 weeks, utero-cervical angle - 106 °

Download (90KB)
Indexing metadata
3. Fig. 2. Patient L., gestational age 29 weeks, utero-cervical angle - 88 °

Download (117KB)
Indexing metadata

Copyright (c) 2021 Eсо-Vector



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».