Risikoprediksjonsmodell for svangerskapsforgiftning

Forskningsobjekter:

Dette er en prospektiv studie. Omtrent 2000 gravide kvinner som skal ta regelmessig prenatal undersøkelse i obstetrisk avdeling, Peking University Third Hospital. I løpet av 6-8 ukers svangerskap var det nødvendig med rutinemessige laboratorietester, slik som leverfunksjon, før etablering av fødselsjournal. Resten av serumet fra rutinemessige laboratorietester vil bli samlet og frosset ved -80 ℃ for påvisning av biologiske markører etter levering.

Noen rutinemessige laboratorietester vil bli utført med prenatal undersøkelse ved 16-18 GWs、26-28 GWs、30-34GWs. Det resterende serumet til deltakerne vil bli samlet inn hvis rutinetestene ble utført.

Vi vil ikke ta ekstra blodprøver fra deltakerne.

Kvalitetssikringsplan:

1. Sjekk pasientinformasjonen og svangerskapsalderen nøye for å få de riktige tilfellene.
2. Prøvene av hemolyse, lipid turbiditet og gulsott bør elimineres for å forhindre interferens med de eksperimentelle resultatene.
3. Serumet ble plassert i et kryokonserveringsrør og umiddelbart lagret ved -70 ℃.
4. Kalibrering og kvalitetskontroll bør utføres for hver batch med testing. Registrer resultatene av kvalitetskontrollen og start testing etter kontroll.

Dataordbok:

(1) Generell informasjon om forskningsobjektet: Data om risikofaktorer for svangerskapsforgiftning ble samlet inn ved 6-8 ukers svangerskap, inkludert alder, primipara eller pluripara, flere fødsler, kroppsmasseindeks før graviditet, preeklampsihistorie, basalt systolisk blodtrykk, basal diastolisk blodtrykk, hypertensjonshistorie, nyrehistorie, diabeteshistorie, autoimmun historie, etc. Ovennevnte journaler vil bli innhentet fra journalsystemet.

(3) Testresultater av rutinemessige laboratorietester: Laboratorietestresultater, som totalkolesterol, triglyserider, lipoproteinkolesterol med høy tetthet, lipoproteinkolesterol med lav tetthet og lipoprotein a og C-reaktivt protein, alaninaminotransferase, aspartataminotransferase, laktatdehydrogenase, urea, urinsyre, kreatinin og cystatin C, D-dimer, nøytrofiler og lymfocytter ratio, blodplate og lymfocytt ratio og så videre, kan testresultatene ovenfor spørre fra det elektroniske journalsystemet.

(4) Påvisning av biologiske markører: Etter levering vil biomarkørene bli testet med 6-8 GW-prøver fra de 2000 deltakerne, slik som komplementfaktor B, komplementfaktor H, C3, komplement C4, matrisemetalloproteinaser 7, placentaprotein 13 , løselig vaskulær endotelial vekstfaktorreseptor 1, placentavekstfaktor, fibronektin, etc.

(5) Etablering av database: For å legge inn ovennevnte originaldata i databasen.

Prøvestørrelse: Omtrent 100 til 160 svangerskapsforgiftningspasienter vil bli samlet inn av de 2000 deltakerne som erkjenner forekomsten av svangerskapsforgiftning som er 3 % til 8 %.

De manglende dataene vil bli rapportert som manglende, utilgjengelige, ikke-rapporterte, utolkbare eller ansett som manglende på grunn av datainkonsekvens eller resultater utenfor rekkevidde i henhold til faktisk tilstand.

Statistisk analyseplan:

Ved å bruke univariat logistisk regresjonsmodell ble mors kliniske data, rutinemessige laboratorietester og biologiske markører tidlig i svangerskapet delt inn i to kategorier: "viktige indikatorer" og "generelle indikatorer".

Datasettet ble delt inn i et treningssett og et testsett i forholdet 3:1 for henholdsvis trening og testing av preeklampsirisikoprediksjonsmodell.

Prøver av gravide kvinner uten svangerskapsforgiftning i treningssettet ble jevnt fordelt i tre delsett A, B og C, og prøvesettet av svangerskapsforgiftningspasienter i treningssettet ble kalt sett D. Bygg En dyp læringsmodell med to sett A og D, bygg en dyp læringsmodell med to sett B og D, og ​​bygg en dyp læringsmodell med to sett C og D. Disse tre modellene blir suksessivt referert til som modell 1, modell 2 og modell 3.

Modelltestmetode:

Ved å erstatte dataene for hver prøve i testsettet med de tre dyplæringsmodellene ovenfor, oppnås de tre utgangsverdiene for hver prøve, og deretter oppnås prediksjonen av typen for hver prøve basert på gjennomsnittsverdien av de tre tallene. Deretter sammenlignes prediksjonsresultatene med prøveetikettene for å evaluere modellen.