胎盘植入性疾病剖宫产患者严重产后出血的危险因素分析

目的:探讨胎盘植入性疾病剖宫产患者严重产后出血的危险因素。方法:选取2015年1月至2020年12月我院收治的单胎妊娠,出院诊断为胎盘植入性疾病合并产后出血的剖宫产患者共152例,按照产后出血量分组,出血量≥1500 ml患者为研究组,出血量<1500 ml患者为对照组,单因素分析引起产后出血的危险因素(胎盘植入性疾病分型、流产次数、既往剖宫产次数、入院血红蛋白、孕次、产前出血状况、合并妊娠期高血压疾病、前置胎盘、孕周及产次),将单因素差异有统计学意义的高危因素进行多因素Logistic分析,评估胎盘植入性疾病剖宫产患者严重产后出血的危险因素。结果:研究组和对照组胎盘植入性疾病分型、入院血红蛋白、是否合并前置胎盘差异有统计学意义(P<0.05)。多因素Logistic分析发现仅入院血红蛋白<110 g/L(OR=2.288,95%CI:1.165~4.494,P=0.016)和胎盘植入性疾病合并前置胎盘(OR=2.798,95%CI:1.330~5.886,P=0.007)是严重产后出血的危险因素。结论:临床上应积极干预入院血红蛋白<110 g/L和胎盘植入性疾病合并前置胎盘孕产妇,防止严重产后出血的发生。

胎盘植入伴发胎盘位置异常对母儿预后的影响分析

目的:胎盘植入目前仍然是孕产妇发病率的主要原因,探讨胎盘植入是否合并前置胎盘对母儿结局的不同影响。方法:选取福建省妇幼保健院2015年1月—2019年12月收治的单胎妊娠,出院诊断为胎盘植入且分娩方式为剖宫产的152例病例进行回顾性分析。根据是否合并前置胎盘分为两组,比较两组孕产妇既往剖宫产次数、计划性剖宫产率、胎盘植入术前诊断率,并分析前置胎盘对母儿结局指标(产前出血发生率、术中出血量、子宫血管结扎率、新生儿出生体重、Apgar评分)的影响。结果:前置胎盘组孕妇既往剖宫产次数、计划性剖宫产率、胎盘植入术前诊断率均比非前置胎盘组高,差异有统计学意义(Z=-5.839;χ^(2)=4.738、33.203,P<0.05)。母儿结局指标比较,前置胎盘组的产前出血发生率、子宫血管结扎率、术中出血量均高于非前置胎盘组,新生儿出生体重、1分钟Apgar评分均明显低于非前置胎盘组,差别均有统计学意义(χ^(2)=10.489、18.257;Z=-5.391、-2.281、-2.374,P<0.05)。而在胎盘植入分型构成、子宫切除率、使用其他止血方法指标上两组孕产妇比较,差异无统计学意义(P<0.05)。结论:胎盘植入合并前置胎盘术前、术中出血风险高,子宫血管结扎的止血方法较非前置胎盘组更常用于术中止血。不伴前置胎盘的胎盘植入孕妇术前诊断率低,对于有剖宫产史的孕妇,尽管胎盘位置正常,仍需警惕胎盘植入风险。

救援性宫颈环扎术前中性粒细胞/淋巴细胞比值对潜在组织绒毛膜羊膜炎的预测价值

目的探讨救援性宫颈环扎术前中性粒细胞/淋巴细胞比值(NLR)对潜在组织绒毛膜羊膜炎(HCA)的预测价值。方法回顾性分析2016年1月至2020年12月福建省妇幼保健院98例行救援性宫颈环扎术早产孕妇的临床资料,根据分娩后胎盘的病理结果分为早产伴HCA组(63例)和早产不伴HCA组(35例)。比较两组术前外周血相关炎症标志物及宫颈分泌物培养阳性率。对NLR进行ROC曲线分析,分析其对HCA的预测价值。结果早产伴HCA组的胎膜早破孕龄、分娩孕龄低于早产不伴HCA组,妊娠延长天数短于早产不伴HCA组,剖宫产率、新生儿体重低于早产不伴HCA组,差异有统计学意义(P<0.05)。早产伴HCA组的外周血NLR、宫颈微生物培养阳性率高于早产不伴HCA组,差异有统计学意义(P<0.05)。ROC曲线分析显示,NLR的AUC为0.726(P<0.05),最佳截断值为5.61,预测HCA的灵敏度、特异度、阳性预测值、阴性预测值分别为69.84%,57.78%,83.02%和42.22%。按照NLR的截断值分组,Kaplan-Meier生存分析显示,NLR≥5.61组宫颈环扎术后妊娠延长天数中位数为53 d,NLR<5.61组的宫颈环扎术后妊娠延长天数中位数为63 d,差异有统计学意义(P<0.05)。结论外周血NLR可成为预测急性宫颈机能不全孕妇合并HCA的炎症标志物,并与救援性宫颈环扎术后孕周的延长有关。

妊娠期糖尿病早孕期相关影响因素及基于早孕期孕妇糖脂相关生化指标与人口学资料的4种机器学习算法构建妊娠期糖尿病预测模型的临床价值

目的探讨妊娠期糖尿病(GDM)的早孕期相关影响因素,以及基于早孕期孕妇糖脂相关生化指标及人口学资料,采用4种机器学习算法构建GDM预测模型的临床价值。方法选择2021年12月至2022年12月在福建省妇幼保健院首次进行产前检查的6257例孕龄为10~13+6孕周孕妇为研究对象。采取回顾性分析法,根据孕妇24~27+6孕周(中孕期)时是否被诊断为GDM,将其分为GDM组(n=1499,GDM孕妇)和非GDM组(n=4758,非GDM孕妇)。采用多因素非条件logistic回归分析法,对孕妇发生GDM的早孕期相关影响因素进行分析。基于早孕期孕妇糖脂相关生化指标和人口学资料(8个变量),采用决策树(DT)、逻辑回归(LR)、随机森林(RF)及极致梯度提升(XGB)4种机器学习算法构建GDM预测模型,并且采用十折交叉验证,评估4种模型的GDM预测性能;并对4种算法构建GDM预测模型的受试者工作特征(ROC)曲线的曲线下面积(AUC)进行比较。本研究经福建省妇幼保健院伦理委员会批准(审批文号:2021KRD018)。所有孕妇签署临床研究知情同意书。结果①多因素非条件logistic回归分析结果显示,孕妇高龄(分娩年龄≥35岁)(OR=1.95,95%CI:1.70~2.24,P<0.001),孕前人体质量指数(BMI)≥18.5~24.0 kg/m^(2)(OR=1.32,95%CI:1.11~1.58,P=0.002),孕前BMI≥24.0~28.0 kg/m^(2)(OR=2.17,95%CI:1.73~2.73,P<0.001),孕前BMI≥28.0 kg/m^(2)(OR=2.53,95%CI:1.70~3.78,P<0.001),早孕期血清载脂蛋白(Apo)B水平升高(OR=3.06,95%CI:2.14~4.37,P<0.001),早孕期血清空腹血糖(FPG)浓度增加(OR=2.08,95%CI:1.79~2.41,P<0.001),均为孕妇发生GDM的早孕期相关独立危险因素。②根据4种分类器的分类结果中特征值大小,采用孕妇年龄、受教育程度及孕前BMI,早孕期血清总胆固醇(TC)、甘油三酯(TG)、ApoA1、ApoB及FPG水平8个变量进行GDM预测模型构建的结果显示:DT、LR、RF、XGB 4种算法建立的GDM预测模型的AUC分别为0.645(95%CI:0.591~0.698)、0.699(95%CI:0.641~0.749)、0.672(95%CI:0.621~0.772)、0.597(95%CI:0.553~0.663),LR算法的AUC大于XGB算法,并且差异有统计学意义(Z=2.38、P=0.017),其余各算法的AUC分别两两比较,差异均无统计学意义(P>0.05)。③十折交叉验证结果显示,DT、LR、RF、XGB 4种算法构建GDM预测模型的平均AUC分别为0.586±0.025、0.661±0.020、0.632±0.023、0.576±0.019。结论基于早孕期糖脂相关生化指标及人口学资料,采用LR和RF算法构建GDM预测模型,对GDM具有一定预测价值,有助于GDM高危人群早期筛查,必要时对其进行临床干预,可降低母儿GDM相关不良妊娠结局。