Modelo de previsão de risco de pré-eclâmpsia

Objetos de pesquisa:

Este é um estudo prospectivo. Cerca de 2.000 mulheres grávidas farão exames pré-natais regulares no Departamento de Obstetrícia do Terceiro Hospital da Universidade de Pequim. Durante 6-8 semanas de gestação, exames laboratoriais de rotina, como função hepática, foram solicitados antes do estabelecimento de registros obstétricos. O soro restante dos testes laboratoriais de rotina será coletado e congelado a -80 ℃ para detecção de marcadores biológicos após o parto.

Alguns exames laboratoriais de rotina serão realizados com o exame pré-natal em 16-18 GWs、26-28 GWs、30-34GWs. O soro restante dos participantes será coletado caso tenham sido feitos os exames de rotina.

Não coletaremos amostras de sangue extra dos participantes.

Plano de Garantia de Qualidade:

1. Verifique cuidadosamente as informações do paciente e a idade gestacional para obter os casos corretos.
2. As amostras de hemólise, turbidez lipídica e icterícia devem ser eliminadas para evitar interferência nos resultados experimentais.
3. O soro foi colocado em um tubo de criopreservação e imediatamente armazenado a -70℃.
4. A calibração e o controle de qualidade devem ser realizados para cada lote de teste. Registre os resultados do controle de qualidade e comece a testar após o controle.

Dicionário de dados:

(1) Informações gerais do objeto de pesquisa: Dados sobre fatores de risco para pré-eclâmpsia foram coletados em 6-8 semanas de gestação, incluindo idade, primípara ou pluripara, nascimentos múltiplos, índice de massa corporal pré-gestacional, histórico de pré-eclâmpsia, pressão arterial sistólica basal, pressão arterial diastólica, história de hipertensão, história renal, história de diabetes, história autoimune, etc. Os registros acima serão obtidos do sistema de registros médicos.

(3) Resultados de exames laboratoriais de rotina: resultados de exames laboratoriais, como colesterol total, triglicerídeos, colesterol de lipoproteína de alta densidade, colesterol de lipoproteína de baixa densidade e proteína reativa de lipoproteína a e C, alanina aminotransferase, aspartato aminotransferase, lactato desidrogenase, uréia, ácido úrico, creatinina e cistatina C, D-dímero, relação de neutrófilos e linfócitos, proporção de plaquetas e linfócitos e assim por diante, os resultados dos testes acima podem ser consultados no sistema de registro médico eletrônico.

(4) Detecção de marcadores biológicos: Após o parto, os biomarcadores serão testados com as amostras de 6-8 GWs dos 2.000 participantes, como o fator de complemento B, fator de complemento H, C3, complemento C4, metaloproteinases de matriz 7, proteína de placenta 13 , receptor 1 do fator de crescimento endotelial vascular solúvel, fator de crescimento placentário, fibronectina, etc.

(5) Estabelecimento de banco de dados: Para inserir os dados originais acima no banco de dados.

Tamanho da amostra: Cerca de 100 a 160 pacientes com pré-eclâmpsia serão coletadas de 2.000 participantes de acordo com a incidência de pré-eclâmpsia, que é de 3% a 8%.

Os dados ausentes serão relatados como ausentes, indisponíveis, não relatados, não interpretáveis ​​ou considerados ausentes devido à inconsistência dos dados ou resultados fora do intervalo de acordo com a condição real.

Plano de análise estatística:

Utilizando modelo de regressão logística univariada, os dados clínicos maternos, exames laboratoriais de rotina e marcadores biológicos no início da gravidez foram divididos em duas categorias: "indicadores importantes" e "indicadores gerais".

O conjunto de dados foi dividido em um conjunto de treinamento e um conjunto de teste em uma proporção de 3:1 para o treinamento e teste do modelo de predição de risco de pré-eclâmpsia, respectivamente.

Amostras de mulheres grávidas sem pré-eclâmpsia no conjunto de treinamento foram divididas igualmente em três subconjuntos A, B e C, e o conjunto de amostras de pacientes com pré-eclâmpsia no conjunto de treinamento foi chamado de conjunto D. Construa um modelo de aprendizado profundo com dois conjuntos A e D, construir um modelo de aprendizado profundo com dois conjuntos B e D e construir um modelo de aprendizado profundo com dois conjuntos C e D. Esses três modelos são sucessivamente referidos como Modelo 1, Modelo 2 e Modelo 3.

Método de teste do modelo:

Substituindo os dados de cada amostra no conjunto de teste nos três modelos de aprendizado profundo acima, os três valores de saída de cada amostra são obtidos e, em seguida, a previsão do tipo de cada amostra é obtida com base no valor médio dos três números. Em seguida, os resultados da previsão são comparados com os rótulos de amostra para avaliar o modelo.