Ultrasound examination in the diagnosis of fetal macrosomia

Cover Page

Cite item

Full Text

Abstract

Ultrasound examination in obstetrics is a method of screening of pregnant women including identification of fetal macrosomia. Diagnosis of macrosomia is extremely important, along with other indications the conclusion about the presence of a large fetus may affect the tactics of giving birth. Gestational diabetes (GD) is a known clinical risk factor for fetal macrosomia and accounts for the majority of all types of diabetes observed during pregnancy. In women with GD fetal macrosomia is the main complication, which often together with others serves as an indication for a planned cesarean section in order to reduce potentially possible perinatal complications, as macrosomia of diabetic origin is characterized by disproportional distribution of subcutaneous adipose tissue in the fetus with predominant localization in the upper half of the trunk, which increases the probability of dystocia of the shoulders and damage to the brachial plexus. In perinatal morbidity and mortality the major proportion is presented by newborns weighing more than 4 kg but there is insufficient data in the literature on how prenatal ultrasound should be monitored in cases of suspected macrosomia in the fetus, especially in patients without diabetes. At the moment, to determine the estimated weight of the fetus, the formulas created more than 30 years ago are used and their accuracy is not always high. The difficulty is caused by the lack of data on the diagnostic accuracy of macrosomal markers. A search is being made for additional parameters capable of increasing the diagnostic value of ultrasound method for determining the estimated weight of the fetus.

About the authors

M A Lebedeva

City Clinical Hospital No 29 n.a. N.E. Bauman; Medical Institute FSAEI HE Peoples’ Friendship University of Russia

Author for correspondence.
Email: LebedevaMA@mail.ru
Moscow, Russia; Moscow, Russia

Ch G Gagaev

City Clinical Hospital No 29 n.a. N.E. Bauman; Medical Institute FSAEI HE Peoples’ Friendship University of Russia

Email: LebedevaMA@mail.ru
Moscow, Russia; Moscow, Russia

References

  1. Usta A., Usta C.S., Ozcaglayan R., Dalkiran E.S., Savkli A., Taskiran M. Frequency of fetal macrosomia and the associated risk factors in pregnancies without ges­tational diabetes mellitus. Pan. Afr. Med. J. 2017; 26: 62. doi: 10.11604/pamj.2017.26.62.11440.
  2. ACOG Practice Bulletin No.22: Fetal Macrosomia. American College of Obstetricians and Gynecologists, Washington DC. 2000.
  3. Arabin B., Stupin J.H. Overweight and Obesity before, during and after Pregnancy: Part 2: Evidence-based Risk Factors and Interventions. Geburtshilfe Frauenheilkd. 2014; 74 (7): 646–655. doi: 10.1055/s-0034-1368462
  4. He X.J., Qin F.Y., Hu C.L. et al. Is gestational diabetes mellitus an independent risk factor for macrosomia? Arch. Gynecol. Obstet. 2015; 291: 729–735. doi: 10.1007/s00404-014-3545-5.
  5. Tippu Z., Belgaumkar P., Joseph S. Elevated booking body mass index (BMI) and high gestational weight gain are independent risk factors for fetal macrosomia and poor perinatal outcomes in women with normal gestational glucose tolerance. Diabet. Med. 2015; 32: 175.
  6. Araujo Júnior E., Peixoto A.B., Zamarian A.C. et al. Macrosomia. Best Pract. Res. Clin. Obstet. Gynaecol. 2016; 38: 83–96. doi: 10.1016/j.bpobgyn.2016.08.003.
  7. Kehila M., Derouich S., Touhami O. et al. Macrosomia, shoulder dystocia and elongation of the brachial plexus: what is the role of caesarean section? Pan. Afr. Med. J. 2016; 25: 217. doi: 10.11604/pamj.2016.25.217.10050.
  8. Lok Z.L., Cheng Y.K., Leung T.Y. Predictive factors for the success of McRoberts’ manoeuvre and suprapubic pressure in relieving shoulder dystocia: a cross-sectional study. BMC Pregnancy Childbirth. 2016; 16 (1): 334. doi: 10.1186/s12884-016-1125-3.
  9. Hill M.G., Cohen W.R. Shoulder dystocia: prediction and management. Womens Health (Lond). 2016; 12 (2): ­251–261. doi: 10.2217/whe.15.103.
  10. Baskett M.B., Thomas F. Shoulder dystocia. Best Pract. Res. Clin. Obstet. Gynaecol. 2002; 16 (1): 57–68. doi: 10.1053/beog.2002.0255.
  11. Baskett T.F., Calder A. Arulkumaran S. Munro Kerr’s Operative Obstetrics. 12th ed. Saunders Ltd. 2014. 304 p. Russ. Ed.: Operativnoe akusherstvo Manro Kera. 2015; 146–160. (In Russ.)
  12. Spain J.E., Frey H.A., Tuuli M.G. et al. Neonatal morbidity associated with shoulder dystocia maneuvers. Am. J. Obstet. Gynecol. 2015; 212 (3): 353. e1–e5. doi: 10.1016/j.ajog.2014.10.001.
  13. Nkwabong E, Nzalli Tangho GR. Risk Factors for Macrosomia. J. Obstet. Gynaecol. India. 2015; 65 (4): ­226–229. doi: 10.1007/s13224-014-0586-4.
  14. Chauhan S.P., Grobman W.A., Gherman R.A. et al. Suspicion and treatment of the macrosomic fetus: a review. Am. J. Obstet. Gynecol. 2005; 193: 332–346. doi: 10.1016/­j.ajog.2004.12.020.
  15. Vendittelli F., Rivière O., Neveu B., Lémery D. Does induction of labor for constitutionally large-for-gestational-age fetuses identified in utero reduce maternal morbidity? BMC Pregnancy Childbirth. 2014; 14: 156. doi: 10.1186/1471-2393-14-156.
  16. Nesbitt-Hawes E.M., Tetstall E., Gee K., Welsh A.W. Ultrasound (in)accuracy: it’s in the formulae not in the technique — assessment of accuracy of abdominal circumference measurement in term pregnancies. Australas J. Ultrasound. Med. 2014; 17 (1): 38–44. doi: 10.1002/j.2205-0140.2014.tb00083.x.
  17. Mongelli M., Benzie R. Ultrasound diagnosis of fetal macrosomia: a comparison of weight prediction models using computer simulation. Ultrasound Obstet. Gynecol. 2005; 26: 500–503. doi: 10.1002/uog.1989.
  18. Gutaj P., Wender-Ozegowska E., Brazert J. Maternal lipids associated with large-for-gestational-age birth weight in women with type 1 diabetes: results from a prospective single-center study. Arch. Med. Sci. 2017; 13 (4): 753–759. doi: 10.5114/aoms.2016.58619
  19. Lanowski J.S., Lanowski G., Schippert C., Drin­kut K. et al. Ultrasound versus Clinical Examination to Estimate Fetal Weight at Term. Geburtshilfe Frauenheilkd. 2017; 77 (3): 276–283. doi: 10.1055/s-0043-102406.
  20. Visser G., Valk H.W. Management of diabetes in pregnancy: Antenatal follow-up and decisions concerning timing and mode of delivery. Best Prac. Res. Clin. Obstet. Gynaecol. 2015; 2: 237–243. doi: 10.1016/j.bpobgyn.2014.08.005.
  21. Balsells M., Garcнa-Patterson A., Gich I., Corcoy R. Ultrasound-guided compared to conventional treatment in gestational diabetes leads to improved birthweight but more insulin treatment: systematic review and meta-analysis. Acta Obstet. Gynecol. Scand. 2014; 93: 144–151. doi: 10.1111/aogs.12291.
  22. access date: 06.10.16
  23. Scioscia M., Scioscia F., Vimercati A. et al. Estimation of fetal weight by measurement of fetal thigh soft-tissue thickness in the late third trimester. Ultrasound Obstet. Gynecol. 2008; 31: 314–320. doi: 10.1002/uog.5253.
  24. Maruotti G.M., Saccone G., Martinelli P. Third tri­mester ultrasound soft-tissue measurements accurately predicts macrosomia. J. Matern. Fetal Neonatal. Med. 2017; 30 (8): 972–976. doi: 10.1080/14767058.2016.1193144.
  25. Deter R.L., Lee W., Sangi-Haghpeykar H. et al. Individualized fetal growth assessment: critical evaluation of key concepts in the specification of third trimester size trajectories. J. Matern. Fetal Neonatal. 2014; 27 (6): ­543–551. doi: 10.3109/14767058.2013.833904.
  26. Malin G.L., Bugg G.J., Takwoingi Y. et al. Antenatal magnetic resonance imaging versus ultrasound for predicting neonatal macrosomia: a systematic review and meta-analysis. BJOG. 2016; 123: 77–88. doi: 10.1111/1471-0528.13517.
  27. Lerner J.P. Fetal growth and well-being. Obstet. Gynecol. Clin. North. Am. 2004; 31: 159–176. doi: 10.1016/S0889-8545(03)00121-9.
  28. Sarah J., Myers S., Myers J. Defining Abnormal Fetal Growth and Perinatal Risk: Population or Customized Standards? PLoS Med. 2017; 14 (1): e1002229. doi: 10.1371/journal.pmed.1002229.
  29. Said A.S, Manji K.P. Risk factors and outcomes of fetal macrosomia in a tertiary centre in Tanzania: a case-control study. BMC Pregnancy and Childbirth. 2016; 16: 243. doi: 10.1186/s12884-016-1044-3.
  30. Zahran M., Tohma Y.A., Erkaya S. et al. Analysis of the effectiveness of ultrasound and clinical examination methods in fetal weightestimation for term pregnancies. Turk J. Obstet. Gynecol. 2015; 12 (4): 220–225. doi: 10.4274/tjod.28044.
  31. Mongelli M., Condous G. Advances in mathematical models of fetal growth: implications for ultrasound practice. Australas J. Ultrasound Med. 2014; 17 (3): 93–95. doi: 10.1002/j.2205-0140.2014.tb00031.x.
  32. Milner J., Arezina J. The accuracy of ultrasound estimation of fetal weight in comparison to birth weight: A systematic review. Ultrasound. 2018; 26 (1): 32–41. doi: 10.1177/1742271X17732807.
  33. Stirneman J., Villar J., Salomon L.J. et al. Inter­­national estimated fetal weight standards of the INTERGROWTH-21st Project. Ultrasound Obstet. Gynecol. 2017; 49 (4): 478–486. doi: 10.1002/uog.17347.
  34. Kalantari M., Negahdari A., Roknsharifi S., Qor­bani M. A new formula for estimating fetal weight: The impression of biparietal diameter, abdominal circumference, mid-thigh soft tissue thickness and femoral length on birth weight. Iran J. Reprod. Med. 2013; 11 (11): 933–938. PMID: 24639719.
  35. Santolaya-Forgas J., Meyer W.J., Gauthier D.W., Kahn D. Intrapartum fetal subcutaneous tissue femur length ratio: an ultrasonographic clue to fetal macrosomia. Am. J. Obstet. Gynecol. 1994; 171: 1072–1075. doi: 10.1016/0002-9378(94)90038-8.
  36. Kampmann U., Madsen L.R., Skajaa G.O. et al. Gestational diabetes: A clinical update. World J Diabetes. 2015; 6 (8): 1065–1072. doi: 10.4239/wjd.v6.i8.1065.
  37. Farah N., Stuart B., Donnelly V. et al. What is the value of ultrasound soft tissue measurements in the prediction of abnormal fetal growth? J. Obstet. Gynaecol. 2009; 29: 457–463. doi: 10.1080/01443610903003209.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

© 2018 Lebedeva M.A., Gagaev C.G.

Creative Commons License

This work is licensed
under a Creative Commons Attribution-NonCommercial-ShareAlike 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».