基于對數幾率回歸構建聯合預測因子預測妊娠巨大兒結局的應用分析

姚賢兒 王曄愷 王海燕 王滿仙 洪開聽 潘輝

臨床上，新生兒體重超過4 000 g可認定為巨大兒。巨大兒在分娩過程中會對經陰道分娩的產婦造成產道損傷、難產等風險，其成年后的代謝、心血管等疾病的發病率顯著高于正常體重新生兒［1-2］。研究發現，巨大兒的發生與母體妊娠期體重過度增加、肥胖、糖耐量異常等因素密切相關［3-5］，而多數有關巨大兒風險因素的研究均給出單項因素的比值比（OR）及其置信區間，難以精確評估單個孕婦的巨大兒結局風險。本研究擬通過提取本院婦幼健康數據檔案建立妊娠結局的回顧性研究模型，利用對數幾率（Logistic）回歸篩選危險因素并構建聯合預測因子，為孕婦的巨大兒結局風險預測提供科學依據。

1 資料與方法

1.1 臨床資料 隨機抽取 2017年1月至2019年6月本院婦幼健康數據檔案中巨大兒妊娠結局和正常妊娠結局孕婦各103例，進行1∶1條件Logistic回歸配伍作為模型訓練集（共206例）。其中，巨大兒結局孕婦年齡（30.01±4.06）歲，正常妊娠結局孕婦年齡（28.99±4.05）歲，差異無統計學意義（P＞0.05），具有可比性。另外，再隨機抽取巨大兒妊娠結局和正常妊娠結局孕婦各10例作為測試集（共20例）。

1.2 研究方法 從本院婦幼健康電子檔案系統中提取所有研究對象孕檢時期的社會人口學特征［孕前體質指數（BMI）、戶籍、教育程度等］、孕早期生活行為習慣（吸煙、飲酒、飲茶、體育鍛煉等）、分娩相關信息（孕期增重、產次等）、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（OGTT 0 h、OGTT 1 h、OGTT 2 h）、孕中期妊娠期糖尿病（GDM）等信息，詳細變量賦值見表1。其中，職業分類、吸煙、飲酒、飲茶、飲咖啡、體育鍛煉等變量的定義需要明確，如體力勞動包括家政工作者、農林牧漁水利業生產人員等，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題，雖飲但頻率較低一般是算作不飲。血糖檢測，采用美國貝克曼AU5800生化分析儀；HbAlc檢測，采用日本東芝H2-HLC-G8全自動糖化分析儀。

表1 Logistic回歸自變量賦值表

1.3 統計學方法 采用SPSS 13.0軟件。將上述自變量按照表1賦值轉換成二分類變量，采用單因素條件Logistic回歸篩選有意義變量，取閾值α=0.15，將閾值以內的變量納入多因素logistic回歸模型，提取有統計學意義的自變量的β值生成聯合預測因子Logit（X）=β1X1+…… +βmXm（β0僅影響線性方程平移故略去），將X與單個協變量一起生成受試者工作（ROC）曲線，并進行曲線下面積（AUC）等一系列參數估計，以P＜0.05為差異有統計學意義。最后，在20例測試集中通過個體代入進行模型預測，評價模型準確性。

2 結果

2.1 妊娠期巨大兒結局的單因素logistic回歸分析 見表2。

表2 妊娠期巨大兒結局的單因素logistic回歸分析

2.2 妊娠期巨大兒結局的多因素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。結果顯示，妊娠期巨大兒結局的危險因素分別為孕前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）。見表 3。

表3 妊娠期巨大兒結局的多因素logistic回歸分析

2.3 聯合預測因子與ROC曲線構建 以Logit（X）=1.949（孕前 BMI）+2.601（孕中期增重）+2.766（孕中期GDM），生成新的聯合預測因子X。ROC曲線顯示，X的Cut-off取70.02時，YI指數最大為0.316，AUC為0.689（95%CI：0.617～0.760），分別高于其他單個協變量因子。見表4、圖1。

表4 聯合預測因子X與單個協變量因子的ROC曲線參數估計

圖1 聯合預測因子X與單個協變量因子的ROC曲線

2.4 預測模型驗證 將測試集20例患者數據代入Logit（X）=1.949（孕前 BMI）+2.601（孕期增重）+2.766（孕中期GDM）比較后得到預測值，在模型準確率為64.07%［（真陽例+真陰例）/206×100%］的前提下，10例巨大兒結局的預測準確率為60%，10例正常兒結局的預測準確率為100%，測試集的總體預測準確率為80%。見表5。

表5 預測模型驗證

3 討論

妊娠期為滿足胎兒的生長發育需要，母體糖脂代謝發生顯著變化，而糖脂代謝異常會升高巨大兒發生率，可能是由于糖代謝異常導致母體高血糖，高水平的血糖經胎盤進入胎兒血液，刺激胎兒胰島β細胞增生，分泌大量的胰島素，促進胎兒細胞攝取氨基酸，加快蛋白質及脂肪合成，從而促進胎兒宮內生長發育，最終導致巨大兒或大于胎齡兒［6］。所以，糖脂代謝異常篩查指標可以作為巨大兒的預測指標。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三個危險因素，與部分研究報道結果基本符合。但有橫斷面研究發現，巨大兒孕婦組與正常結局孕婦組的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回歸結果基本一致。經多因素logistic回歸校正后，孕中期GDM差異顯著，而OGTT 0 h和OGTT 1 h非常接近但差異無統計學意義，可能是由于孕中期GDM的診斷需要3個OGTT時間點任一點異常，因此經校正后單個OGTT時間點的預測效能不如GDM。另外，孕前BMI是反映妊娠前產婦營養狀況的可靠指標，但文獻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局，若增重過度則巨大兒發生率可達到正常組約1.58倍，且會導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，孕婦的妊娠期膳食指導和營養評測至關重要。

以Logistic回歸模型擬合生成的聯合預測因子，由PEPE等［10］報道并廣泛應用于各種疾病。通過Logistic回歸校正多個預測指標發現，新的聯合預測因子其預測性能應優于單個協變量。本研究的聯合預測因子X，ROC曲線下面積均大于單個協變量，雖然其特異度不如孕中期增重，但綜合來看孕中期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。從訓練集得到的模型對20例測試集的預測效果來看，正常兒的預測特異性非常高，巨大兒的預測準確率達60%。目前，臨床上對巨大兒的判斷主要通過雙頂徑、股骨長、腹圍等一系列B超參數，各項指標診斷巨大兒的敏感度可達70%左右［11］，但一般需要在35周胎兒成形后開展，而通過大數據建模篩查形成的聯合預測因子X的3個原始協變量均為孕前或孕中期，相較于B超診斷能更早地預測巨大兒結局，從而進行提前干預。不過，本研究尚有不足之處，部分自變量存在一定的共線性，將來需要納入更多的訓練集樣本，采用lasso-logistic等方法消除變量之間的共線性，加強模型的可靠性。