妊娠期体重变化轨迹与妊娠期糖尿病和妊娠期高血压疾病的关系

于 水,魏丽丽,姜文彬,张 艳,孙 彤,王梓涵

(1.青岛大学护理学院 山东青岛266000;2.青岛大学附属医院)

妊娠期适当的体重增加对促进母婴健康具有重要意义［1]。有研究显示,妊娠期体重增加不足或过多均可导致多种母婴并发症,如早产、巨大儿、妊娠期高血压疾病(HDP)、妊娠期糖尿病(GDM)等［2]。妊娠期体重增加会导致机体炎症反应增加,并可使内皮细胞发生损伤［3]。GDM、HDP发病率分别为13%［4]、3.3%～15.3%［5],是孕产妇和围生儿病死率升高的主要原因。现有关于妊娠期体重增加的研究,大多只关注妊娠期单个阶段或整个妊娠期的体重变化情况,无法体现妊娠期不同阶段体重增加随时间推移的整体变化特点［6-7]。Hutcheon等［8]对超重的妊娠期女性体重分析后发现,孕15～20周体重增加的速度最慢,孕15周以后,体重以近似线性的方式增加。这提示妊娠期体重增加可能存在不同的增长模式并会对母婴健康产生影响。潜变量增长模型(LCGM)可用于识别潜在的隐藏或未观察到的特征,确定总体中各亚组随时间变化的发展趋势及轨迹特征［9]。因此,为准确反映妊娠期体重的变化规律,本研究采用LCGM对孕妇整个妊娠期的体重变化轨迹进行研究,并探究不同轨迹亚组与患GDM、HDP的关系。现报告如下。

1 对象与方法

1.1 研究对象 2021年7月1日～9月10日,青岛大学附属医院与青岛市北部医疗中心产科门诊通过便利抽样法选取定期产检的孕妇作为研究对象。纳入标准:①孕周≤12+6周;②单胎妊娠;③定期产检至分娩;④知情同意。排除标准:①孕前被诊断为高血压或糖尿病者;②有精神疾病或交流障碍,无法完成本研究者。剔除标准:因胚胎停育、流产等原因无法完成本研究者。本组孕妇在研究开始前已完全知晓本研究内容并签署知情同意书。本研究由青岛大学医学部伦理委员会审批通过(伦理号:QDU-HEC-2021167)。

1.2 研究工具 采用问卷星发放电子问卷收集孕妇相关数据。①一般资料调查表:包括民族,孕前体重,孕4、8周体重,既往史等。②体重随访问卷:包括当前孕周体重、血压、口服75 g葡萄糖耐量试验(75 g OGTT)结果、是否被诊断为GDM或HDP等情况。体重测量时,要求孕妇脱去鞋、帽和外衣,取立正姿势。以“kg”为单位,数值精确到小数点后2位,重复测量3次,取平均值,若出现异常,需要重新测量。血压测量时,间隔1～2 min重复测量2次,取2次读数的平均值,如果收缩压或舒张压的2次读数相差5 mm Hg(1 mm Hg=0.133 kPa)以上,应间隔1～2 min,再次测量,取3次读数的平均值。

1.3 操作性定义 ①GDM［10]:妊娠期出现或首次确诊的不同程度的糖耐量异常,孕24～28周时进行75 g OGTT,空腹、服糖后1 h和2 h,血糖界值分别为5.1、10.0、8.5 mmol/L,任意一项达到或超过上述界值即诊断为GDM。②HDP［11]:为妊娠与血压升高并存的一组疾病,孕20周以后出现的高血压,收缩压>140 mm Hg和(或)舒张压>90 mm Hg即可诊断为HDP。③本研究根据中国成人体质量指数(BMI)［12]将孕前BMI分为: 低体重(<18.5)、正常体重(18.5～23.9)、超重(24～27.9)、肥胖(>28)。

1.4 统计学方法 本研究采用LCGM拟合整个妊娠期的体重变化轨迹并对不同亚组中GDM、HDP的患病率进行比较。LCGM模型拟合效果的评价指标主要包括［13]: ①贝叶斯因子对数值(log Bayes factor),该值近似等于2个比较模型BIC差值的2倍。当该值>6时,表示2个模型拟合效果差异较大,提示可接受复杂模型;当该值<2时,提示应该采用简单模型。②平均验后概率(AvePP),该指标反映了划分亚组后,组内成员与该轨迹的符合程度,当其>0.7时,表示可接受。模型的建立使用SAS 9.4软件中的“traj”插件。由于孕期体重属于一定范围内的定量资料,因此采用截尾正态模型假定LCGM模型。使用SPSS 26.0统计学软件对一般资料进行分析。

2 结果

2.1 研究对象基本特征 本研究共纳入767例孕妇,其中735例完成了本研究所有时间点的数据收集。研究对象年龄20～50(31.31±4.221)岁,身高(163.23±5.05)cm,孕前BMI(22.37±3.45)。60.7%(446/735)的孕妇孕前体重正常,具体情况详见表1。

表1 735例孕妇一般资料

2.2 妊娠期体重的LCGM模型分析 使用LCGM模型,根据妊娠期体重的变化情况将其分配到不同的轨迹亚组中。从1个轨迹组开始拟合,一直拟合到6个轨迹组。从6组到1组的BIC值分别为-20437.17、-21233.36、-22626.06、-24093.30、-26385.46、-29733.61。第4、5、6组BIC的绝对值较小,且log Bayes factor的值始终>6,提示可接受较复杂的模型。但根据每个亚组的研究对象不少于总数的5%和模型的简约原则,提示将研究对象分为3组为模型最优拟合结果。3个轨迹组的AvePP分别为0.98、0.99、0.99,均明显大于经验标准0.7,提示可接受该模型。

2.3 妊娠期体重变化轨迹拟合 将3个亚组(见图1)区分如下:低孕前体重组(A组)(313、42.59%),初始体重为50.85 kg;中孕前体重组(B组)(326、44.35%),初始体重为61.72 kg;高孕前体重组(C组)(96、13.06%),初始体重为76.78 kg。各组孕妇的体重在研究期间均呈增长趋势。对比3个亚组的发展轨迹发现,孕期均只存在一个明显的转折点(孕12周左右),经过转折点后,孕妇孕期体重增长速度明显加快。

图1 孕期各组体重增加的轨迹

2.4 不同变化轨迹亚组研究对象与患GDM、HDP的关系 为探究不同变化轨迹亚组GDM、HDP的患病率是否存在差异。分别计算三组研究对象GDM、HDP的发病率,各组之间进行比较后发现,C组与A、B两组的GDM、HDP患病率比较差异有统计学意义(P<0.001)。见表2、3。

表2 不同亚组GDM患病率比较［例(%)]

表3 不同亚组HDP患病率比较［例(%)]

2.5 不同变化轨迹研究对象基本特征比较 为探究不同亚组间GDM、HDP发病率存在差异的原因,对不同亚组中孕妇的基本特征进行比较(见表4)。孕前BMI、月经周期是否规律、是否有糖尿病家族史在不同轨迹中的分布有统计学差异(P<0.05)。

表4 不同亚组研究对象的特征分析

3 讨论

3.1 不同轨迹亚组体重随时间的变化 本研究发现,不同亚组之间GDM和HDP的发生率存在统计学差异,C组孕妇患病率高于A、B两组(P<0.001)。高孕前BMI或体重过度增加可导致GDM和HDP发生风险增加［14-15]。以往研究大多局限于单个妊娠阶段并未研究整个妊娠期的体重情况［16-17]。因此,怀孕后应对孕前体重>76.78 kg或孕前BMI>23.9的孕妇进行适当的干预,以减少不良妊娠期并发症和不良妊娠结局。

3.2 不同亚组轨迹的预测因子 对划分到不同亚组的人群特征进行分析后发现,3个亚组之间的不良孕产史、吸烟情况比较差异无统计学意义(P>0.05)。有研究认为,有不良孕产史是GDM、HDP发病的影响因素(OR=2.14,95%CI1.48～3.08)［18]。这可能与本研究中GDM、HDP的患病人数均只有105例有关,分配到不同亚组中,患病人数更少。同时,本研究中,仅10名孕妇有吸烟史,这可能是无统计学差异的原因之一。此外,本研究还发现,高血压家族史在各亚组之间比较差异也无统计学意义,这可能与高血压知识普及率较高、孕妇更加注重孕期的保健等因素有关［19]。

在孕12周时,孕妇体重变化轨迹会出现拐点,增长速度加快。当孕前体重或BMI较大时,更易在妊娠期发生GDM、HDP等并发症。这些发现为孕妇及妇幼保健工作者提供了更直观的体重变化依据,以促进母婴健康。尽管本研究使用了LCGM模型拟合出整个妊娠期的体重变化轨迹,但本研究纳入的人群基本特征较少且可改变性较小。未来研究中,应该考虑将可改变性较大的因素纳入本研究。