文献速递妇产影像儿科影像技术与安全US

早发性胎儿生长受限妊娠的围产期风险评估:复合不良围产结局预测模型的开发与内部验证

Perinatal risk assessment in pregnancies complicated by early-onset fetal growth restriction: development and internal validation of a prediction model for composite adverse perinatal outcome.
PubMed 文献 · Ultrasound Obstet Gynecol · 2025-07-07

基于荷兰六家学术医院2012至2021年1453例早发性胎儿生长受限妊娠的回顾性多中心队列数据,开发并内部验证了一个包含14个入院时可获取预测因子的复合不良围产结局预测模型;模型区分度良好,AUC为0.83(95%CI 0.79-0.87),校准斜率1.05(95%CI 0.94-1.17),作者认为该模型可能有助于临床决策与父母咨询,但需外部验证及评估对临床决策和患者结局的影响后方可用于常规临床实践。

要点

  • 模型预测对象为入院监测时的早发性FGR妊娠,结局为复合不良围产结局(CAPO),建模队列CAPO发生率为560/1453(38.5%)。
  • 最终模型含14个预测因子,包括慢性肾脏病或慢性高血压史、吸烟、既往FGR妊娠史、入院孕周、胎儿性别、合并子痫前期、使用硫酸镁、妊娠期糖尿病、估计胎儿体重、脐动脉及大脑中动脉搏动指数百分位、脐动脉舒张末期血流缺失或反向、FGR诊断孕周。
  • 内部验证后AUC为0.83(95%CI 0.79-0.87),校准斜率1.05(95%CI 0.94-1.17),校准截距0.07(95%CI -0.06至0.20)。

核心结论

  • 包含14个易于获取预测因子的模型在入院时对CAPO预测表现出良好性能,可能作为早发性FGR临床决策和父母咨询的有用工具。
  • 作者指出,在将该模型用于常规临床实践之前,需要外部验证并评估其对临床决策和患者结局的影响。

研究设计与样本

  • 研究为OPTICORE研究的post-hoc分析,OPTICORE为在荷兰六家三级医院开展的回顾性多中心队列研究,纳入2012年1月至2021年12月1453例早发性FGR单胎妊娠。
  • FGR诊断依据Gordijn等共识定义,纳入≥18岁、单胎、早发性FGR且同意积极胎儿管理的妊娠;排除多胎、胎儿先天畸形或产前诊断遗传病及拒绝数据用于科研者。
  • 候选预测因子基于现有文献和专家意见选定,共考虑27个候选预测因子,其中估计胎儿体重、入院孕周和慢性高血压史为强制纳入的固定预测因子。
  • 采用向后逐步消除法基于Akaike信息准则筛选预测因子,对165个多重插补数据集分别建模并按多数规则确定最终预测因子。
  • 内部验证采用1000次bootstrap抽样并重复预测因子筛选过程以确定收缩因子;内部-外部交叉验证作为敏感性分析,每次以一家医院为外部验证集。

诊断标准与关键数值

  • CAPO定义为出院前发生以下至少一项:围产期或院内死亡、坏死性小肠结肠炎≥IIA期、中重度支气管肺发育不良、囊性脑室周围白质软化、脑室内出血≥III级或静脉梗死和/或培养证实的脓毒症。
  • 最终模型含14个预测因子:慢性肾脏病或慢性高血压史、吸烟、既往FGR妊娠史、入院孕周、胎儿性别、合并子痫前期、使用硫酸镁、妊娠期糖尿病、估计胎儿体重、脐动脉搏动指数百分位、大脑中动脉搏动指数百分位、脐动脉舒张末期血流缺失或反向、FGR诊断孕周。
  • 预测风险计算公式为1/(1+exp−线性预测值),内部验证后线性预测值=10.819+(转换后EFW×−0.119)+(入院孕周(天)×−0.057)+(慢性高血压×−0.054)+(吸烟×−0.328)+(慢性肾脏病×−0.611)+(既往FGR妊娠×0.509)+(转换后FGR诊断孕周(天)×−0.112)+(胎儿性别(男=1,女=0)×0.316)+(入院时PE/HELLP综合征×0.407)+(入院时使用硫酸镁×0.543)+(妊娠期糖尿病×−0.396)+(转换后UA-PI百分位×0.220)+(MCA-PI百分位×−0.007)+(UA舒张末期血流缺失或反向×0.628)。
  • 内部验证后AUC为0.83(95%CI 0.79-0.87),校准斜率1.05(95%CI 0.94-1.17),校准截距0.07(95%CI -0.06至0.20)。
  • 内部-外部交叉验证汇总AUC为0.82(95%CI 0.80-0.85),校准斜率0.95(95%CI 0.86-1.05),校准截距0.04(95%CI -0.42至0.50);AUC和校准斜率异质性I²均为0%,校准截距异质性I²为83.4%,仅在三家最大医院分析时校准截距I²为0%。

临床应用与阅片要点

  • 模型设计用于早发性FGR妊娠入院进行胎儿监测时进行个体化CAPO风险评估,可辅助临床决策和父母咨询。
  • 作者指出,在临床实践中采用该模型之前,应先在其他队列中进行外部验证,必要时更新,并评估其对临床决策和患者结局的影响。
  • 作者提出,下一步应开展外部验证以评估模型在不同人群中的稳健性,并认为多变量动态预测工具可能比静态预测模型更有益。

局限性

  • 原文指出既往开发的11个模型均非专门针对早发性FGR入院时(而非分娩前24-72小时)的预测,且各研究早发性FGR定义和预测结局不同,限制了在本队列中进行外部验证。
  • 原文指出多数现有模型缺乏模型性能指标和外部验证所需数据,进一步妨碍在本队列中对这些模型进行外部验证。
  • 内部-外部交叉验证中,所需外部验证样本量1816未在任何纳入医院达到,因此该分析结果仅作为模型跨医院性能一致性的印象。
  • 校准截距存在异质性(I²=83.4%),主要源于格罗宁根大学医学中心外部验证的估计值偏离,可能与该院纳入患者样本量小有关。
  • 原文指出吸烟、慢性高血压和慢性肾脏病在模型中似乎具有保护作用,但不应解释为因果关系。
全文中译16 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Ultrasound Obstet Gynecol. 2025 Jul 7;66(2):175–85. doi: 10.1002/uog.29265

引言

早发型胎儿生长受限(FGR)定义为胎儿未能达到其生长潜能(诊断时孕周<32周),影响0.5–1.0%的妊娠1。其主要由胎盘功能障碍引起,导致胎儿代谢和气体需求得不到满足。为预防死产或缺氧后遗症,早发型FGR常需要医源性早产。30–40%的早发型FGR妊娠因合并子痫前期(PE)而需要 preterm delivery2。因此,早发型FGR是围产期发病率(占FGR病例的24%)和死亡率(占FGR病例的8–19%)的重要原因1, 3, 4, 5, 6, 7。

预测模型可基于因胎儿监测入院时可获得的信息,提供不良围产期结局的风险估计,从而辅助临床决策,并有助于早发型FGR早产或足月产后的个体化咨询及父母预期的管理8。此外,在一些国家,如荷兰,准父母会接受产科医生和新生儿科医生的联合咨询,了解妊娠过程及出生后新生儿重症监护病房的可能病程。如果在妊娠24至26周之间提供咨询且估计胎儿体重超过500 g,父母可根据荷兰国家方案决定是否选择积极的胎儿及后续新生儿管理。如果咨询时孕周超过26周且估计胎儿体重超过500 g,积极的胎儿监测是金标准9。对新生儿结局的预测可促进此类咨询和共同决策。

目前已开发了若干模型用于预测FGR的不良围产期结局,但其中大多数受限于方法学问题,包括大多数已开发模型缺乏进行外部验证所需的信息、预测时间点不同、FGR和预测结局的定义不同,以及纳入并非在所有环境中均可获得的生物标志物10, 11, 12。

因此,本研究旨在开发并内部验证一个模型,用于在入院时预测复合不良围产期结局(CAPO),以提供个体化围产期风险评估,从而辅助早发型FGR的临床决策和父母咨询。

方法

研究设计

我们对产前糖皮质激素给药最佳时机在早发型胎儿生长受限(OPTICORE)研究 13, 14 中进行了一项事后分析,该研究是一项多中心、回顾性队列研究,于2012年1月至2021年12月在荷兰六家三级医院(阿姆斯特丹大学医学中心,阿姆斯特丹;伊拉斯谟医学中心,鹿特丹;伊萨拉医院,兹沃勒;马斯特里赫特大学医学中心,马斯特里赫特;格罗宁根大学医学中心,格罗宁根;以及乌得勒支大学医学中心,乌得勒支)开展,旨在利用实践差异比较荷兰早发型胎儿生长受限中产前糖皮质激素给药的两种主要时机策略。患者符合以下所有标准方被认为符合纳入条件:(1)年龄至少18岁;(2)单胎妊娠;(3)根据Gordijn等人15的共识定义诊断为早发型胎儿生长受限;以及(4)同意进行积极的胎儿管理。排除标准为多胎妊娠、胎儿先天性异常或产前诊断的遗传性疾病以及患者拒绝将其数据用于科学研究。母亲及其子代的患者数据从病历中提取。结局数据随后与荷兰出生登记处16进行交叉验证。OPTICORE研究中遵循的方法,包括预测因素和结局变量的定义,已在2023年发表的研究方案中详细描述13。在荷兰,早发型胎儿生长受限妊娠从疾病早期阶段即住院(基于脐动脉(UA)搏动指数(PI)>第95百分位数或脐动脉舒张末期血流缺失或反向(A/REDF)住院),进行每日胎心监护(CTG)监测、每周多普勒测量和每两周胎儿生长超声扫描。对于脐动脉舒张末期血流缺失或反向者,胎心监护监测增加至每日两次,多普勒测量增加至每周两次。静脉导管测量被记录,尽管这并非大多数医院的常规做法。本研究结果按照个体预后或诊断多变量预测模型的透明报告(TRIPOD)指南(附录S1)17进行报告。

候选预测因素

候选预测因素基于现有文献和该领域专家的临床推理进行选择(表1)12。由于估计胎儿体重、入院时孕龄和母亲慢性高血压病史在既往胎儿生长受限研究中被确定为脑-胎盘比率-脐动脉搏动指数比(CAPO)的显著预测因素,这些候选预测因素在模型开发过程中被强制纳入模型12。使用31.2%的CAPO发生率(如里程碑式的欧洲脐动脉和胎儿血流随机试验(TRUFFLE)研究中所报告)、0.75的c统计量和1453的样本量,模型开发可考虑的最大候选预测因素数量为28 4, 18。我们考虑了27个相关候选预测因素用于模型开发。

表1 27个候选预测因素概览,分类为母亲基线特征、病史和产科病史、当前妊娠参数、胎儿超声参数和固定参数 查看原表 ↗

结局

预测结局与TRUFFLE研究一致,定义为出院前至少发生以下一项不良围产期结局指标的复合结局:脑室内出血≥III级或静脉性梗死;培养证实的脓毒症;坏死性小肠结肠炎≥IIA期;囊性脑室周围白质软化;中重度支气管肺发育不良;和/或围产期或院内死亡4。这些结局的定义见表S1,13。

数据质量与缺失数据

预后在首次入院时确定,此时已超过胎儿存活阈值(在荷兰为>24周),入院指征基于当地方案。预测变量数据收集于入院后48小时内的时段。若不可获得,则将入院前2周内最后一次测量视为入院时测量值(即末次观测结转),此做法与临床实践及既往在妊娠合并PE中开发的预测模型(fullPIERS模型)19一致。对于脐动脉搏动指数(UA-PI)、大脑中动脉搏动指数(MCA-PI)及脑胎盘比,根据既往描述的参考范围20, 21, 22按相应孕龄计算百分位数。结局数据缺失比例极小,支气管肺发育不良缺失6.1%,其余结局数据完整。假设缺失数据为随机缺失,使用‘MICE’包对暴露、预测变量和结局的缺失数据进行多重插补,以防止精度损失和偏倚引入23, 24, 25。插补模型包括所有候选预测变量及CAPO的所有组成部分。准确点估计和标准误所需的插补次数使用‘howManyImputations’包(R Foundation for Statistical Computing,维也纳,奥地利)确定(n = 165)26。

统计分析

基线特征采用描述性统计分析。连续变量以均数±标准差或中位数(四分位间距)酌情表示,二分类变量以n(%)表示,均基于插补后数据集。连续变量与CAPO之间关联的线性采用多变量分数多项式评估27。若存在非线性,则对连续预测变量酌情进行变换。

首先,进行单变量logistic回归分析以确定每个个体变量与CAPO之间的关联,结果以比值比(OR)及95%CI表示。进行多变量logistic回归分析以构建最终预测模型。所有候选预测因子均纳入多变量分析,因为仅基于单变量分析选择预测因子可能导致预测模型不稳定28,29。除三个固定预测因子外,预测因子的选择采用三阶段向后逐步选择法,按照患者入院咨询期间参数可获得的顺序进行(例如,在阶段A向后逐步选择后保留的预测因子与阶段B的预测因子合并,再次进行选择程序):阶段A,母亲基线特征、病史和产科病史;阶段B,本次妊娠参数;阶段C,胎儿超声参数。基于Aikake信息准则应用向后逐步选择法选择最终预测因子集。预测因子选择过程对所有165个插补数据集进行,并采用多数规则(即最终预测因子集包括在大多数数据集中被选中的预测因子)30。

模型校准通过肉眼观察校准图进行评估,并通过确定校准斜率(理想值=1)和校准大范围(理想值=0)进行数值评估。对于校准图,患者按估计概率排序,分为十组,随后确定平均预测概率和平均观察结局。模型区分度以受试者工作特征曲线下面积(AUC)报告(理想值=1)。最终模型的截距、系数和模型性能参数使用Rubin规则31在插补数据集间合并。内部验证在每个插补数据集中使用1000个bootstrap样本进行。在每个bootstrap样本中,重复预测因子选择过程以确定收缩因子,该因子与所有回归系数相乘以校正过拟合29。收缩后,模型的截距使用偏移模型重新估计。

作为敏感性分析,通过内部-外部交叉验证重复模型开发(即在五家医院开发模型并在剩余医院进行外部验证,每家医院各作为外部验证集一次)32。随后,使用随机效应荟萃分析在医院间合并外部验证的模型性能指标,并使用I 2统计量评估性能指标的异质性。使用31.2%的发生率、平均线性预测值−0.843和标准差1.660,确定外部验证所需样本量为1816(848用于观察值与预期值比值,1816用于校准斜率,352用于AUC)33。由于所纳入的任何医院均未达到所需样本量,内部-外部交叉验证结果仅作为模型在医院间性能一致性的参考。统计分析在R版本4.3.2(R Foundation)34中进行。

结果

2012年至2021年间,OPTICORE队列共纳入1453例妊娠<sup>13</sup>。总结了母体人口学与基线特征,以及多重插补前(表S2和表S3)和多重插补后(表2和表3)的新生儿特征。在1453例妊娠中,560例(38.5%)合并复合不良妊娠结局(CAPO)(表3)。单变量分析显示,CAPO风险增加与合并子痫前期/HELLP(溶血、肝酶升高和低血小板)综合征(OR,1.79(95% CI,1.44–2.22))、使用降压药(OR,1.57(95% CI,1.25–1.96))、使用硫酸镁(OR,1.96(95% CI,1.52–2.54))和脐动脉舒张末期血流缺失或反向(UA-A/REDF)(OR,2.52(95% CI,1.99–3.20))相关;CAPO风险降低与较高的估计胎儿体重(OR,0.51(95% CI,0.46–0.58))、较高的入院时孕龄(OR,0.93(95% CI,0.92–0.94))及胎儿生长受限(FGR)诊断(OR,0.73(95% CI,0.69–0.78))相关(表2和表S4)。

表2 多重插补后,合并与未合并复合不良妊娠结局(CAPO)的妊娠入院时人口学与基线特征 查看原表 ↗
表3 多重插补后,合并与未合并复合不良围产结局(CAPO)的妊娠分娩与新生儿特征 查看原表 ↗

模型开发

模型开发在165个插补数据集中分别进行,并总结于图1。在27个候选预测因子中,14个被纳入最终模型。回归公式使用表4提供的数据构建,包括内部验证前和内部验证后。

CAPO的风险可使用公式1/(1 + exp<sup>−线性预测值</sup>)计算,其中内部验证后的线性预测值等于:10.819 + (转换后EFW × −0.119)+ (入院时GA(天)× −0.057)+ (慢性高血压 × −0.054)+ (吸烟者 × −0.328)+ (慢性肾脏病 × −0.611)+ (既往妊娠合并FGR × 0.509)+ (转换后FGR诊断时GA(天)× −0.112)+ (胎儿性别(男 = 1,女 = 0)× 0.316)+ (入院时PE/HELLP综合征 × 0.407)+ (入院时使用硫酸镁 × 0.543)+ (妊娠期糖尿病 × −0.396)+ (转换后UA-PI百分位 × 0.220)+ (MCA-PI百分位 × −0.007)+ (UA-A/REDF × 0.628),其中EFW为估计胎儿体重,GA为孕龄。转换方式见表4。早发型FGR病例示例及计算得出的CAPO风险见表S5。

图1 在165个插补数据集中进行模型开发,显示采用后向逐步选择法分三个阶段选择预测因子:(a)阶段A,与基线特征、病史和产科病史相关的参数;(b)阶段B,与本次妊娠相关的参数;(c)阶段C,胎儿超声测量指标。A/REDF,舒张末期血流缺失或反向;APS,抗磷脂综合征;BMI,体重指数;CCS,皮质类固醇;CPR,脑胎盘比;FGR,胎儿生长受限;GA,孕龄;GDM,妊娠期糖尿病;HELLP,溶血、肝酶升高和低血小板;MCA,大脑中动脉;PE,子痫前期;PI,搏动指数;PIH,妊娠期高血压;SLE,系统性红斑狼疮;UA,脐动脉。 查看原图 ↗
表4 早发型胎儿生长受限(FGR)入院进行胎儿监测时复合不良围产结局(CAPO)最终预测模型的特性 查看原表 ↗

模型性能

对校准图的目视检查显示,模型在内外部验证前后均具有良好的校准(图2、图S1和图S2)。经过内部验证和系数收缩后,AUC为0.83(95% CI,0.79–0.87),校准斜率为1.05(95% CI,0.94–1.17),大范围校准为0.07(95% CI,−0.06至0.20)(表5)。

图2 所开发模型内部验证前(a)和验证后(b)的校准图(针对全部165个数据集)。代表完美校准。 查看原图 ↗
表5 最终预测模型在早发型胎儿生长受限入院进行胎儿监测时对复合不良围产结局(CAPO)的预测性能 查看原表 ↗

内外部交叉验证

作为第二步,对包含最终预测因子的模型进行了内外部交叉验证,以评估模型预测特性的稳健性。校准图(其中每家医院各作为外部验证队列一次)展示于1/165插补数据集(图3)。总体而言,对校准图的目视检查显示,除样本量最小的两家医院(马斯特里赫特大学医学中心和格罗宁根大学医学中心)外,各医院的模型校准均良好。对各医院模型性能的荟萃分析显示,AUC为0.82(95% CI,0.80–0.85),校准斜率为0.95(95% CI,0.86–1.05),大范围校准为0.04(95% CI,−0.42至0.50)(表S6)。各医院间模型性能在AUC和校准斜率方面一致(两者I 2 = 0%),但在大范围校准方面存在异质性(I 2 = 83.4%)。大范围校准的异质性主要源于格罗宁根大学医学中心外部验证的估计值与其他医院不同,这可能与该院纳入的患者样本量较小有关(图4)。当仅在最大的三家医院(乌得勒支大学医学中心、伊拉斯姆斯医学中心和阿姆斯特丹大学医学中心)进行内外部交叉验证分析时,大范围校准未见异质性(I 2 = 0%)。

图3 所开发模型内外部交叉验证后的校准图(提供一个插补数据集的结果),外部验证分别在以下医院进行:(a)乌得勒支大学医学中心(n = 416);(b)伊拉斯姆斯医学中心(n = 395);(c)阿姆斯特丹大学医学中心(n = 253);(d)马斯特里赫特大学医学中心(n = 182);(e)格罗宁根大学医学中心(n = 147);(f)兹沃勒Isala医院(n = 60)。红线代表完美校准。阴影区域代表95% CI,三角形代表按估计概率排序的分组。 查看原图 ↗
图4 内外部交叉验证后(每家医院各作为外部验证数据集一次)各医院模型性能的森林图,显示:(a)受试者工作特征曲线下面积;(b)校准斜率;(c)大范围校准。性能指标以95% CI呈现。P值检验异质性。df,自由度;RE,随机效应。 查看原图 ↗

讨论

在本研究中,针对早发性胎儿生长受限(FGR)中的CAPO,利用 readily available 的预测因子开发了一个预测模型并进行了内部验证。所开发的模型在区分伴有和不伴有CAPO的妊娠方面显示出良好的能力,反映为AUC为0.83(95% CI,0.79–0.87)。此外,良好的校准反映为校准斜率为1.05(95% CI,0.94–1.17),大校准值为0.07(95% CI,−0.06至0.20)。此外,内部-外部交叉验证显示,总体而言,模型性能在样本量最大的四家医院中保持稳定,提示所开发模型具有稳健的预测性能。

我们开发了一个新的预测模型,用于诊断为早发性FGR的妊娠入院时进行胎儿监测。预测建模研究指南建议对现有模型进行外部验证或更新,而不是不断创建新模型35。然而,先前开发的11个模型中没有一个专门针对早发性FGR入院时(而非分娩前24–72小时)的预测而开发8, 12, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45。此外,早发性FGR的定义和预测结局在不同研究中存在差异,限制了在我们队列中进行外部验证12。三个现有模型包含了大多数国家常规临床实践中不获取的生物标志物,且我们的队列中未测量这些标志物8, 38, 39。最后,大多数现有模型缺乏模型性能指标和外部验证所需的数据,进一步妨碍了在我们队列中对这些模型进行外部验证的可能性12。现有模型的诸多缺点导致决定创建新模型,而不是更新现有模型4, 15。尽管由于预测时间以及FGR和结局定义的差异,比较FGR预测模型的性能具有挑战性,但我们模型的性能与先前开发的模型相当,甚至更优(5/10个模型中报告的AUC范围为0.64–0.90;仅一项研究报道了模型的校准斜率,范围为0.78–0.99)8, 36, 38, 39, 44, 45。值得注意的是,吸烟似乎对CAPO具有保护作用,但这可能是由于吸烟者妊娠的分娩孕龄更高(均值,219 ± 23天 vs 215 ± 22天;P < 0.01)。此外,在多变量预测模型中,慢性高血压和慢性肾脏病似乎对CAPO具有保护作用。然而,这些发现应在多变量回归预测模型的背景下看待,强调吸烟、慢性高血压和慢性肾脏病的保护作用不应被解释为因果关系。

临床意义

所开发的模型可为早发型胎儿生长受限(FGR)妊娠提供CAPO的个体化风险评估。如表5所示,这有助于临床决策,也有助于分娩后(通常为早产)的家长期望管理。该模型还可通过提供CAPO风险评估来辅助家长咨询,帮助家长决定是否同意积极的胎儿管理及随之而来的新生儿管理(如表5所示)。然而,在将该模型应用于临床实践之前,应在另一队列中进行外部验证,必要时进行更新,此后评估其对临床决策和患者结局的影响43。

研究意义

下一步是对所开发的模型进行外部验证,以评估其在不同人群中的稳健性46。此外,多变量动态预测工具将比静态预测模型更有益,因为它可以利用新获得的胎儿和母体健康状况临床信息,每日更新围产期并发症风险。这种方法更符合临床实践,即产科医生在日常工作中使用更新的参数测量值进行临床决策(例如分娩时机和分娩医疗场所)。因此,未来研究应侧重于开发这一方法学,并由此开发早发型FGR背景下的动态预测工具。

优势与局限性

本研究的优势在于:(1)用于模型开发的大型数据集;(2)采用基于共识的定义(Gordijn等15)来界定人群和结局,并与早发型FGR的一项里程碑式试验(TRUFFLE研究4)保持一致;(3)按照TRIPOD指南17报告模型的开发与内部验证;(4)采用最先进的方法学进行模型开发和内部验证;(5)将新生儿结局数据与荷兰出生登记系统16进行交叉核对;(6)进行内部-外部交叉验证,以考虑患者在各医院内的聚集性。

本研究受限于其回顾性设计,这使得关于长期神经发育结局的数据容易出现失访,而这些数据本可作为预测模型47的另一个有意义的结局指标。此外,因缺失值达88%,静脉导管测量被排除;将其作为预测因子可能会改善模型性能。然而,这反映了真实世界数据的情况,在一些国家静脉导管测量的使用有限。该模型已具有较高的预测价值,使其即使在缺乏可靠静脉导管测量的环境中也可用于临床实践。此外,本研究缺乏外部验证,这是在模型应用于临床实践之前应进行的重要步骤。另外,各国因胎儿监测而入院指征不同,这可能限制该模型在其他国家和环境中的应用。因此,外部验证以及在必要时更新模型至关重要。此外,模型的实施存在造成自我实现预言的风险,因此在解读和实施过程中强调这些局限性非常重要。最后,由于患者仅在同意积极胎儿管理时才被纳入,该模型不适用于在父母不同意积极胎儿管理时提供CAPO的风险估计。

结论

本研究提供了一个包含14个易于获取的预测因子的预测模型,可作为早发性FGR妊娠父母咨询期间的风险评估工具,并在妊娠年龄>24周时辅助医生的临床决策。未来研究应侧重于该模型的外部验证,以检验其在其他医院和国家管理早发性FGR妊娠中的稳健性,此后评估其对临床决策和患者结局的影响。

支持信息

附录S1 TRIPOD清单:预测模型开发

表S1 不良围产期结局的定义

表S2 入院时人口学和基线特征,附缺失数据百分比(多重插补前)

表S3 分娩和新生儿结局数据,附缺失数据百分比(多重插补前)

表S4 候选预测因子与复合不良围产期结局之间关联的单变量回归分析

表S5 早发性胎儿生长受限(FGR)病例示例

表S6 内部-外部交叉验证后模型性能的荟萃分析

图S1 内部验证前,1/165插补数据集中的校准图。

图S2 内部验证后,1/165插补数据集中的校准图。

引用

  1. van de Meent M, Bel EW, Ganzevoort W, et al. Perinatal risk assessment in pregnancies complicated by early-onset fetal growth restriction: development and internal validation of a prediction model for composite adverse perinatal outcome. Ultrasound Obstet Gynecol. 2025. PMID: 40623699. doi:10.1002/uog.29265
  2. 全文:PMC12317299(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12317299/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。