基于對(duì)數(shù)幾率回歸構(gòu)建聯(lián)合預(yù)測(cè)因子預(yù)測(cè)妊娠巨大兒結(jié)局的應(yīng)用分析

姚賢兒 王曄愷 王海燕 王滿仙 洪開(kāi)聽(tīng) 潘輝

臨床上，新生兒體重超過(guò)4 000 g可認(rèn)定為巨大兒。巨大兒在分娩過(guò)程中會(huì)對(duì)經(jīng)陰道分娩的產(chǎn)婦造成產(chǎn)道損傷、難產(chǎn)等風(fēng)險(xiǎn)，其成年后的代謝、心血管等疾病的發(fā)病率顯著高于正常體重新生兒［1-2］。研究發(fā)現(xiàn)，巨大兒的發(fā)生與母體妊娠期體重過(guò)度增加、肥胖、糖耐量異常等因素密切相關(guān)［3-5］，而多數(shù)有關(guān)巨大兒風(fēng)險(xiǎn)因素的研究均給出單項(xiàng)因素的比值比（OR）及其置信區(qū)間，難以精確評(píng)估單個(gè)孕婦的巨大兒結(jié)局風(fēng)險(xiǎn)。本研究擬通過(guò)提取本院婦幼健康數(shù)據(jù)檔案建立妊娠結(jié)局的回顧性研究模型，利用對(duì)數(shù)幾率（Logistic）回歸篩選危險(xiǎn)因素并構(gòu)建聯(lián)合預(yù)測(cè)因子，為孕婦的巨大兒結(jié)局風(fēng)險(xiǎn)預(yù)測(cè)提供科學(xué)依據(jù)。

1 資料與方法

1.1 臨床資料 隨機(jī)抽取 2017年1月至2019年6月本院婦幼健康數(shù)據(jù)檔案中巨大兒妊娠結(jié)局和正常妊娠結(jié)局孕婦各103例，進(jìn)行1∶1條件Logistic回歸配伍作為模型訓(xùn)練集（共206例）。其中，巨大兒結(jié)局孕婦年齡（30.01±4.06）歲，正常妊娠結(jié)局孕婦年齡（28.99±4.05）歲，差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05），具有可比性。另外，再隨機(jī)抽取巨大兒妊娠結(jié)局和正常妊娠結(jié)局孕婦各10例作為測(cè)試集（共20例）。

1.2 研究方法 從本院婦幼健康電子檔案系統(tǒng)中提取所有研究對(duì)象孕檢時(shí)期的社會(huì)人口學(xué)特征［孕前體質(zhì)指數(shù)（BMI）、戶籍、教育程度等］、孕早期生活行為習(xí)慣（吸煙、飲酒、飲茶、體育鍛煉等）、分娩相關(guān)信息（孕期增重、產(chǎn)次等）、孕早期空腹血糖（FBG）、孕早期糖化血紅蛋白（HbAlc）、孕中期糖耐量試驗(yàn)（OGTT 0 h、OGTT 1 h、OGTT 2 h）、孕中期妊娠期糖尿?。℅DM）等信息，詳細(xì)變量賦值見(jiàn)表1。其中，職業(yè)分類、吸煙、飲酒、飲茶、飲咖啡、體育鍛煉等變量的定義需要明確，如體力勞動(dòng)包括家政工作者、農(nóng)林牧漁水利業(yè)生產(chǎn)人員等，吸煙、飲酒則需要明確是懷孕前還是懷孕后，飲茶、飲咖啡要考慮頻率問(wèn)題，雖飲但頻率較低一般是算作不飲。血糖檢測(cè)，采用美國(guó)貝克曼AU5800生化分析儀；HbAlc檢測(cè)，采用日本東芝H2-HLC-G8全自動(dòng)糖化分析儀。

表1 Logistic回歸自變量賦值表

1.3 統(tǒng)計(jì)學(xué)方法 采用SPSS 13.0軟件。將上述自變量按照表1賦值轉(zhuǎn)換成二分類變量，采用單因素條件Logistic回歸篩選有意義變量，取閾值α=0.15，將閾值以內(nèi)的變量納入多因素logistic回歸模型，提取有統(tǒng)計(jì)學(xué)意義的自變量的β值生成聯(lián)合預(yù)測(cè)因子Logit（X）=β1X1+…… +βmXm（β0僅影響線性方程平移故略去），將X與單個(gè)協(xié)變量一起生成受試者工作（ROC）曲線，并進(jìn)行曲線下面積（AUC）等一系列參數(shù)估計(jì)，以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。最后，在20例測(cè)試集中通過(guò)個(gè)體代入進(jìn)行模型預(yù)測(cè)，評(píng)價(jià)模型準(zhǔn)確性。

2 結(jié)果

2.1 妊娠期巨大兒結(jié)局的單因素logistic回歸分析 見(jiàn)表2。

表2 妊娠期巨大兒結(jié)局的單因素logistic回歸分析

2.2 妊娠期巨大兒結(jié)局的多因素logistic回歸分析 以α=0.15為閾值，從單因素中篩選出孕前BMI、孕婦年齡、孕中期增重、孕早期FBG、孕早期HbAlc、孕中期OGTT 0 h、孕中期OGTT 1 h、孕中期OGTT 2 h、孕中期GDM等自變量納入多因素logistic回歸分析。結(jié)果顯示，妊娠期巨大兒結(jié)局的危險(xiǎn)因素分別為孕前BMI（OR=1.949，95CI% ：1.005～3.779）、 孕 中 期 增重（OR=2.601，95CI%：1.327～5.096）、孕中期 GDM（OR=2.766，95CI% ：1.147～6.668）。見(jiàn)表 3。

表3 妊娠期巨大兒結(jié)局的多因素logistic回歸分析

2.3 聯(lián)合預(yù)測(cè)因子與ROC曲線構(gòu)建 以Logit（X）=1.949（孕前 BMI）+2.601（孕中期增重）+2.766（孕中期GDM），生成新的聯(lián)合預(yù)測(cè)因子X(jué)。ROC曲線顯示，X的Cut-off取70.02時(shí)，YI指數(shù)最大為0.316，AUC為0.689（95%CI：0.617～0.760），分別高于其他單個(gè)協(xié)變量因子。見(jiàn)表4、圖1。

表4 聯(lián)合預(yù)測(cè)因子X(jué)與單個(gè)協(xié)變量因子的ROC曲線參數(shù)估計(jì)

圖1 聯(lián)合預(yù)測(cè)因子X(jué)與單個(gè)協(xié)變量因子的ROC曲線

2.4 預(yù)測(cè)模型驗(yàn)證 將測(cè)試集20例患者數(shù)據(jù)代入Logit（X）=1.949（孕前 BMI）+2.601（孕期增重）+2.766（孕中期GDM）比較后得到預(yù)測(cè)值，在模型準(zhǔn)確率為64.07%［（真陽(yáng)例+真陰例）/206×100%］的前提下，10例巨大兒結(jié)局的預(yù)測(cè)準(zhǔn)確率為60%，10例正常兒結(jié)局的預(yù)測(cè)準(zhǔn)確率為100%，測(cè)試集的總體預(yù)測(cè)準(zhǔn)確率為80%。見(jiàn)表5。

表5 預(yù)測(cè)模型驗(yàn)證

3 討論

妊娠期為滿足胎兒的生長(zhǎng)發(fā)育需要，母體糖脂代謝發(fā)生顯著變化，而糖脂代謝異常會(huì)升高巨大兒發(fā)生率，可能是由于糖代謝異常導(dǎo)致母體高血糖，高水平的血糖經(jīng)胎盤進(jìn)入胎兒血液，刺激胎兒胰島β細(xì)胞增生，分泌大量的胰島素，促進(jìn)胎兒細(xì)胞攝取氨基酸，加快蛋白質(zhì)及脂肪合成，從而促進(jìn)胎兒宮內(nèi)生長(zhǎng)發(fā)育，最終導(dǎo)致巨大兒或大于胎齡兒［6］。所以，糖脂代謝異常篩查指標(biāo)可以作為巨大兒的預(yù)測(cè)指標(biāo)。本研究多因素logistic回歸篩選得出孕前BMI、孕中期增重、孕中期GDM三個(gè)危險(xiǎn)因素，與部分研究報(bào)道結(jié)果基本符合。但有橫斷面研究發(fā)現(xiàn)，巨大兒孕婦組與正常結(jié)局孕婦組的OGTT 1 h存在顯著差異［7］，兩組OGTT 0 h水平比較接近顯著差異水平，與本研究單因素logistic回歸結(jié)果基本一致。經(jīng)多因素logistic回歸校正后，孕中期GDM差異顯著，而OGTT 0 h和OGTT 1 h非常接近但差異無(wú)統(tǒng)計(jì)學(xué)意義，可能是由于孕中期GDM的診斷需要3個(gè)OGTT時(shí)間點(diǎn)任一點(diǎn)異常，因此經(jīng)校正后單個(gè)OGTT時(shí)間點(diǎn)的預(yù)測(cè)效能不如GDM。另外，孕前BMI是反映妊娠前產(chǎn)婦營(yíng)養(yǎng)狀況的可靠指標(biāo)，但文獻(xiàn)顯示妊娠前及妊娠早期孕婦多以BMI＜18.5 kg/m2和≥18.5 kg/m2且＜25.0 kg/m2為主［8］，相較于妊娠前，妊娠早期BMI＜18.5 kg/m2者的比例降低12.28%，而BMI≥18.5且＜25.0 kg/m2的比例升高10.65%，因此不能完全使用妊娠早期BMI代替妊娠前BMI。而妊娠期體重增加適宜可獲得較好的妊娠結(jié)局，若增重過(guò)度則巨大兒發(fā)生率可達(dá)到正常組約1.58倍，且會(huì)導(dǎo)致子代成為代謝性疾病和慢性非傳染疾病的易感人群［9］。由此可見(jiàn)，孕婦的妊娠期膳食指導(dǎo)和營(yíng)養(yǎng)評(píng)測(cè)至關(guān)重要。

以Logistic回歸模型擬合生成的聯(lián)合預(yù)測(cè)因子，由PEPE等［10］報(bào)道并廣泛應(yīng)用于各種疾病。通過(guò)Logistic回歸校正多個(gè)預(yù)測(cè)指標(biāo)發(fā)現(xiàn)，新的聯(lián)合預(yù)測(cè)因子其預(yù)測(cè)性能應(yīng)優(yōu)于單個(gè)協(xié)變量。本研究的聯(lián)合預(yù)測(cè)因子X(jué)，ROC曲線下面積均大于單個(gè)協(xié)變量，雖然其特異度不如孕中期增重，但綜合來(lái)看孕中期GDM等二分類變量擬合生成的折線型ROC曲線，X能明顯提高曲線的光滑度。從訓(xùn)練集得到的模型對(duì)20例測(cè)試集的預(yù)測(cè)效果來(lái)看，正常兒的預(yù)測(cè)特異性非常高，巨大兒的預(yù)測(cè)準(zhǔn)確率達(dá)60%。目前，臨床上對(duì)巨大兒的判斷主要通過(guò)雙頂徑、股骨長(zhǎng)、腹圍等一系列B超參數(shù)，各項(xiàng)指標(biāo)診斷巨大兒的敏感度可達(dá)70%左右［11］，但一般需要在35周胎兒成形后開(kāi)展，而通過(guò)大數(shù)據(jù)建模篩查形成的聯(lián)合預(yù)測(cè)因子X(jué)的3個(gè)原始協(xié)變量均為孕前或孕中期，相較于B超診斷能更早地預(yù)測(cè)巨大兒結(jié)局，從而進(jìn)行提前干預(yù)。不過(guò)，本研究尚有不足之處，部分自變量存在一定的共線性，將來(lái)需要納入更多的訓(xùn)練集樣本，采用lasso-logistic等方法消除變量之間的共線性，加強(qiáng)模型的可靠性。