Features of pregnancy with gestational diabetes mellitus and prediction of diabetic fetopathy

Cover Page


Cite item

Full Text

Abstract

Gestational diabetes mellitus (GDM) and its consequences for the mother and child represent a serious not only medical, but also an economic problem. The urgency of studying this problem also lies in the fact that the number of pregnant women suffering from this disease is progressively increasing. The aim of the study was to study the risk factors and features of the course of pregnancy and childbirth in women with gestational diabetes mellitus, as well as to improve methods for diagnosing and predicting the development of diabetic fetopathy (DF). The work was carried out in 3 stages: 1 — prospective study of the course of pregnancy and childbirth in 104 women with GDM and in 50 pregnant women without GDM (control group); 2 — determination in the peripheral blood of the pregnant women of both groups of the level of glycemia, C-peptide, insulin, calculation of the insulin resistance index (HOMA-IR) with an assessment of the prognostic significance of these markers in the development of diabetic fetopathy; 3 — prediction of the development of diabetic fetopathy using a mathematical model that includes risk factors, the results of laboratory and instrumental research methods for this pathology. It was found that the violation of carbohydrate metabolism during pregnancy promotes the development of a large number of obstetric complications and in 36.5% of cases leads to the birth of children with diabetic fetopathy, which is manifested to a greater degree by macrosomia (30%), which increases the risk of perinatal complications and worsens the course of the period newborn in the future. An increase in the level of C-peptide was diagnosed in 87% of pregnant women with gestational diabetes, and an increase in the insulin resistance index in 93%, in contrast to the control group, where these indicators were 4 and 6%, respectively (p < 0.05). Using discriminant analysis, it was determined that the threshold for predicting the development of DF should be considered an increase in HOMA-IR above 7 with a confidence of 73%, but the level of C- peptide does not have a predictive value. The mathematical model, including risk factors, data of laboratory and instrumental methods for studying carbohydrate metabolism in the mother and fetus, created using regression analysis, reflects the probability of development of diabetic fetopathy in pregnant women with gestational diabetes with an accuracy of 91.4%, which will help to prevent this complication in at an earlier stage through insulin therapy.

About the authors

Elena S. Akhmetova

Chita State Medical Academy

Author for correspondence.
Email: akhmetlena@yandex.ru

PhDs in Medicine, assistant of professor of the obstetrics and gynecology department of the medical and dental faculties

Russian Federation, 39a, Gorky street, Chita, 672090

Natalia V. Lareva

Chita State Medical Academy

Email: larevanv@mail.ru

MD, professor, head of the department of therapy of the FPK and PPS

Russian Federation, 39a, Gorky street, Chita, 672090

Victor A. Mudrov

Chita State Medical Academy

Email: mudrov_viktor@mail.ru

assistant of the obstetrics and gynecology department of the medical and dental faculties

Russian Federation, 39a, Gorky street, Chita, 672090

Ekaterina E. Gergesova

Clinical Medical Center

Email: kish1209@yandex.ru

PhDs in Medicine, head of Clinical Chemistry Department

Russian Federation, Chita

References

  1. McCarty D, Zimmet Р. Diabetes 1994 to 2010: global estimates and projections. Intern Diab Inst. Melbourne, Australia.1999;324:13.
  2. Hunger-Dathe W, Volk K, Braun A. Perinatal morbidity in women with undiagnosed gestational diabetes in northern Thuringia in Germany. Exp Clin Endocrin Diabetes. 2005;4:160. doi: 10.1055/s-2005-837517.
  3. Тимохина Е.С., Саприна Т.В., Ворожцова И.Н. Эффективность диагностики гестационного сахарного диабета на основании исследования гликированного гемоглобина // Сибирский медицинский журнал. – 2011. – Т. 26. – № 4. – Вып. 2. – С. 77–81. [Timokhina ES, Saprina TV, Vorozhtsova IN. Effektivnost’ diagnostiki gestatsionnogo sakharnogo diabeta na osnovanii issledovaniya glikirovannogo gemoglobina. Sibirskii meditsinskii zhurnal. 2011;26(4-2):77-81. (In Russ.)]
  4. Рогозин А.Г. Гестационный сахарный диабет. Лекция // Проблемы женского здоровья. – 2009. – Т. 4. – № 4. – С. 64–74. [Rogozin AG. Gestatsionnyi sakharnyi diabet. Lektsiya. Problemy zhenskogo zdorov’ya. 2009;4(4):64-74. (In Russ.)]
  5. Петрухин В.А., Бурумкулова Ф.Ф. Гестационный сахарный диабет // Архив акушерства и гинекологии им. В.Ф. Снегирева. – 2014. – № 1. – С. 48–51. [Petrukhin VA, Burumkulova FF. Gestatsionnyi sakharnyi diabet. Arkhiv akusherstva i ginekologii im. V.F. Snegireva. 2014;(1):48-51. (In Russ.)]
  6. Краснопольский В.И., Петрухин В.А., Бурумкулова Ф.Ф. Гестационный диабет: новый взгляд на старую проблему // Акушерство и гинекология. – 2010. – № 2. – С. 3–6. [Krasnopol’skii VI, Petrukhin VA, Burumkulova FF. Gestatsionnyi diabet: novyi vzglyad na staruyu problemu. Akusherstvo i ginekologiya. 2010;(2):3-6. (In Russ.)]
  7. Дедов И.И., Шестакова М.В. Алгоритмы специализированной медицинской помощи больным сахарным диабетом. – М., 2015. [Dedov II, Shestakova MV. Algoritmy spetsializirovannoi meditsinskoi pomoshchi bol’nym sakharnym diabetom. Moscow; 2015. (In Russ.)]
  8. Дедов И.И., Краснопольский В.И., Сухих Г.Т. Российский национальный консенсус «Гестационный сахарный диабет: диагностика, лечение, послеродовое наблюдение» // Сахарный диабет. – 2012. – № 4. – С. 4–10. [Dedov II, Krasnopol’skii VI, Su khikh GT. Rossiiskiy natsional’nyi konsensus “Gestatsionnyi sa kharnyi diabet: diagnostika, lechenie, poslerodovoe na blyu denie”. Sakharnyi diabet. 2012;(4):4-10. (In Russ.)]
  9. Боровик Н.В., Тиселько А.В., Аржанова О.Н., и др. Результаты использования новых критериев диагностики и лечения гестационного сахарного диабета // Журнал акушерства и женских болезней. – 2015. – Т. 64. – № 4. – С. 21–25. [Borovik NV, Tisel’ko AV, Arzhanova ON, et al. Rezul’taty ispol’zovaniya novyx kriteriev diagnostiki i lecheniya gestacionnogo saxarnogo diabeta. Zhurnal akusherstva i zhenskix boleznej. 2015;64(4):21-25. (In Russ.)]
  10. Sommer С. Ethnic differences in BMI, subcutaneous fat, and serum leptin levels during and after pregnancy and risk of gestational diabetes. Eur J Endocrinol. 2015;172(6):649-656. doi: 10.1530/EJE-15-0060.
  11. Дедов И.И., Сухих Г.Т., Филиппов О.С. Гестационный сахарный диабет: диагностика, лечение, послеродовое наблюдение. Клинические рекомендации (протокол). – М., 2013. [Dedov II, Sukhikh GT, Filippov OS. Gestatsionnyi sakharnyi diabet: diagnostika, lechenie, poslerodovoe nablyudenie. Klinicheskie rekomendatsii (protokol). Moscow; 2013. (In Russ.)]
  12. Левин И.А., Манухин И.Б., Пономарева Ю.Н. Методология и практика анализа данных в медицине: монография. Том I. Введение в анализ данных. – Москва; Тель-Авив: АПЛИТ, 2010. [Levin IA, Manukhin IB, Ponomareva YN. Metodologiya i praktika analiza dannykh v meditsine: monografiya. Tom I. Vvedenie v analiz dannykh. Moscow; Tel-Aviv: APLIT; 2010. (In Russ.)]
  13. Федорова М.В., Краснопольский В.И., Петрухин В.А. Сахарный диабет, беременность и диабетическая фетопатия. – М.: Медицина, 2001. [Fedorova MV, Krasnopol’skii VI, Petrukhin VA. Sakharnyi diabet, beremennost’ i diabeticheskaya fetopatiya. Moscow: Medicine; 2001. (In Russ.)]
  14. Капустин Р.В. Особенности течения беременности и функциональной морфологии плаценты при гестационном сахарном диабете: Дис. … канд. мед. наук. – СПб., 2014. [Kapustin RV. Osobennosti techenija beremennosti i funkcional’noj morfologii placenty pri gestacionnom saharnom diabete. [dissertation] Saint Petersburg; 2014. (In Russ.)]. Доступно по: http://www.dissercat.com. Ссылка активна на 15.05.2017.
  15. Saisho Y, Kou K, Tanaka K. Postprandial serum C-peptide to plasma glucose ratio as a predictor of subsequent insulintreatment in patients with type 2 diabetes. Endocr J. 2011;58(4):315-22. doi: 10.1507/endocrj.K10E-399.
  16. Мерц Э. Ультразвуковая диагностика в акушерстве и гинекологии: перевод с английского: в 2 т. / Под ред. А.И. Гуса. – М.: МЕДпресс-информ, 2011. [Merts E. Ul’trazvukovaya diagnostika v akusherstve i ginekologii: perevod s angliiskogo. Ed by A.I. Gus. Moscow: MEDpress-inform; 2011. (In Russ.)]
  17. Paula CFS, Ruano R, Bonini Campos JAD. Placental volumes measured by 3-Dimensional ultrasonography in normal pregnancies from 12 to 40 weeks’ gestation. J Ultrasound Med. 2008;27:1583-1590. doi: 10.7863/jum.2008.27.11.1583.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2017 Akhmetova E.S., Lareva N.V., Mudrov V.A., Gergesova E.E.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

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».