基于多指标建立妊娠期糖尿病列线图模型*

王明婷,李天爽,王亦丹,王雅萍

[南京医科大学附属南京医院(南京市第一医院),南京 210006]

妊娠期糖尿病(gestational diabetes mellitus,GDM)是导致不良围产结局增加的重要原因之一[1]。全球范围内的数据显示,GDM的患病率呈逐年增长趋势[2]。妊娠期高血糖可增加发生不良妊娠结局的风险,如巨大儿、子痫前期、心血管疾病等[3-4]。临床数据显示,早期干预可明显改善妊娠结局[5-7],降低妊娠期高血压、巨大儿、胎膜早破、早产及剖宫产的发生率[8],进而有效减少妊娠风险,保护母婴安全。目前临床常用的GDM诊断方法主要筛查孕中晚期GDM,缺乏早期检测和评估的方法。本研究基于生化指标建立GDM发生风险预测模型,并通过内部验证评估模型可靠性,旨在为临床早期发现GDM提供筛查工具。

1 资料与方法

1.1 研究对象 选取2020年4月至2023年2月在南京医科大学附属南京医院(南京市第一医院)产检并分娩的231例GDM孕妇和253例正常孕妇。纳入标准:自然受孕、单胎、年龄18～35岁,于我院行正规产前检查。排除标准:人工受孕,双胎,未进行正规产检,孕前有糖尿病、高血压、甲状腺功能异常、乙肝病毒携带等病史。GDM诊断标准:根据国际糖尿病与妊娠研究协会(The International Association of Diabetes and Pregnancy Study Groups,IADPSG)[9]口服75g葡萄糖耐量试验空腹、餐后1h和餐后2h血糖分别以5.1、10.0mmol/L和8.5mmol/L为诊断界值,任意血糖值达到或超过以上标准即诊断为GDM。

1.2 方法 收集两组研究对象的年龄、身高、孕前体重、体质量指数(body mass index,BMI),以及我院首次产检生化指标中的血红蛋白(Hb)、血小板(PLT)、血小板平均体积(MPV)、血小板比积(PCT)、血小板分布宽度(PDW)、尿酸、血清肌酐、ALT、AST、碱性磷酸酶(ALP)、空腹血糖值。模型变量确定后,将病例按7∶3比例随机分成训练集及验证集。训练集中,将各临床变量进行单因素分析,结合单因素分析结果及专业知识,纳入多因素logistic回归模型,筛选有统计学意义的变量进行列线图模型的构建。使用区分度和符合度校验此列线图的效能。区分度由一致性指数(concordance index,C-index)量化。符合度采用Bootstrap自抽样法抽样1000次,对模型进行内部验证,并进行一致性测试。应用临床决策曲线评估列线图模型的临床实用性。

2 结 果

2.1 训练集及验证集基本特征比较 484例孕妇中,训练集339例,验证集145例。训练集中48.1%为GDM,验证集中46.9%为GDM。训练集与验证集的基线资料比较,差异均无统计学意义(P>0.05),见表1。

表1 两组队列基本特征

2.2 GDM危险因素分析及列线图模型建立 训练集中,通过单因素分析识别GDM危险因素。将P<0.05的变量纳入多因素logistic分析。多因素分析结果显示,血红蛋白、血小板平均体积、血清肌酐、碱性磷酸酶、空腹血糖值是GDM发生的独立危险因素(表2)。结合这五个独立的预测因子构建列线图模型(图1)。

图1 GDM预测模型的列线图

表2 训练集单多因素分析

2.3 列线图模型的验证 GDM预测模型中训练集和验证集的C-index分别为0.829(95%CI为0.785～0.871)和0.817(95%CI为0.745～0.888)(图2A、B)。训练集和验证集中,校准图显示实际观测值与预测结果之间具有良好的一致性,见图2C、D。同时行决策曲线分析(decision curve,DCA),训练集中,患者院内GDM发生的阈值概率处于0～1时,应用列线图的净获益水平明显高于“不干预”和“全干预”方案,提示该列线图模型具有较好的临床适用性;验证集中,该模型仍具有较佳的临床适用性,见图2E、F。

图2 列线图模型的验证

3 讨 论

随着生活水平及环境的改变,临床上患GDM的孕妇越来越多[10]。DOHaD理论[11]发现,孕早期子宫内高血糖环境可增加胎儿成年后发生肥胖、糖尿病等疾病的风险[12-13],但目前临床缺乏GDM早期筛查与评估的工具。

国内一项研究[14]发现,孕早期血红蛋白大于135g/L,GDM发病风险增加,且GDM患病率随着血红蛋白的升高而增加;人体铁储备与血红蛋白水平正相关,GDM患者孕期铁摄入量增加,血清铁蛋白、血红蛋白水平高于正常孕妇。因此,孕期监测血清铁蛋白及血红蛋白水平,可提高对GDM的早发现、早预防[15-16]。另一方面,孕妇铁储备高,孕期体重增长快和体质量指数增加,也会增加GDM患病率。孕妇孕期血容量增加、血液稀释常导致生理性贫血,如只根据血清铁蛋白和血红蛋白筛查孕早期GDM,可能导致假阴性增加。孕妇孕早期基础代谢增加,常出现生理性血糖下降,但GDM孕妇孕前空腹血糖及孕期空腹血糖均比正常孕妇高[17],且胎儿出生体重随着空腹血糖的升高而增加[18]。研究报道[19],孕早期可通过降低口服50g葡萄糖耐量试验、100g葡萄糖耐量试验的截断值诊断GDM,通过调整截断值可对GDM早诊断,识别GDM高危人群,并通过饮食和药物干预,可改善妊娠结局,降低孕产妇和围生期并发症,但没有说明如何调整截断值。

既往有基于年龄、体质量指数、种族、GDM及巨大儿史等母体因素组成的预测模型,对GDM的检出率为61.6%,假阳性率为20%;如将脂联素和性激素结合球蛋白加入GDM母体因素预测模型中,GDM检出率将提升到74.1%,ROC曲线下面积为0.84[20],这与之前一项回归分析预测模型计算的曲线下面积0.77相近[21]。研究还发现,将公认的GDM母体特征危险因素组成GDM预测模型,该模型对GDM的检出率为60%,假阳性率为20%,优于各母体因素单独筛查结果,且将生物标志物结合到模型中可提高GDM的检出率[22]。本研究通过多因素logistic回归模型将筛选的5项GDM独立危险因素进行整合,建立列线图预测模型,并经ROC曲线和符合度曲线验证,显示该列线图具有良好的区分度及精准度,通过DCA曲线评估该列线图模型具有良好的临床效益,临床上可根据孕妇各项生化指标的得分总和预测GDM的发生,并做出相应干预措施。

综上所述,基于血红蛋白、血清肌酐、空腹血糖、血小板平均体积、碱性磷酸酶建立的GDM预测模型具有较好的预测效能。但本研究存在一些局限:来自一个中心,这可能限制结果的可推广性;样本量小,需更大样本量证实预测模型;临床数据来自我院首次产检,如纳入多中心更早期临床数据,将可更早地筛选和评估GDM。