• Ешқандай Нәтиже Табылған Жоқ

ROC-кривая, характеризующая зависимость вероятности ПОНРП от значения

ЕРТЕ АУЫР ПРЕЭКЛАМПСИЯ КЕЗІНДЕГІ АНАЛЫҚ ЖӘНЕ ПЕРИНАТАЛЬДЫ АСҚЫНУЛАРДЫ БОЛЖАУ

Рисунок 2. ROC-кривая, характеризующая зависимость вероятности ПОНРП от значения

логистической функции P.

(ROC-curve that characterizes the dependence of the probability of preterm placental abruption on the value of the logistic function P)

Полученной ROC-кривой соответствовало значение AUC, равное 0,77±0,1 (95% ДИ: 0,58-0,96), модель была статистически значимой (p=0,003). Значение срока родов в точке cut-off, разделяющей исследуемых женщин на группы высокого и низкого риска антенатальной смерти плода, составило 27,4 недели.

При родоразрешении позже данного срока предполагалась низкая вероятность антенатальной гибели плода, при родоразрешении на сроке 27,4 недели и ранее – высокая вероятность.

Чувствительность разработанной прогностической модели составляла 72,7%, специфичность – 93,4%.

С помощью метода бинарной логистической регрессии нами была разработана прогностическая модель, определяющая вероятность ПОНРП.

Полученная регрессионная функция представлена ниже (1):

P = 1 / (1 + e-z) * 100%,

z = -4,303 + 0,381*XФГ – 0,269*XМОЧ + 0,003*XЛДГ (1) где P – вероятность ПОНРП (в %), XФГ – содержание фибриногена в сыворотке крови (г/л), XМОЧ – содержание мочевины в сыворотке крови (ммоль/л), XЛДГ – содержание ЛДГ в сыворотке крови (ЕД/л).

Согласно рассчитанным значениям коэффициентов регрессии, вероятность ПОНРП среди женщин исследуемой категории возрастала при увеличении содержания в сыворотке крови фибриногена и ЛДГ, а также при снижении содержания в сыворотке крови мочевины.

Разработанная нами прогностическая модель была статистически значимой (p=0,045). Исходя из значения коэффициента детерминации R2 Найджелкерка, в модели были учтены 10,2% факторов, оказывающих влияние на вероятность ПОНРП при ПЭ или эклампсии.

Разделяющее значение логистической функции P было определено с помощью ROC-анализа.

Полученная кривая представлена на рисунке 2.

ROC-кривая характеризовалась значением AUC, равным 0,73±0,06 (95% ДИ: 0,61-0,85). Разделяющее значение функции P в точке cut-off составило 10%.

Высокий риск развития ПОНРП предполагался в тех случаях, если P было равно или превышало 10%, низкий риск ПОНРП – при P < 10%. При этом чувствительность модели составила 75,0% (12 верных прогнозов развития ПОНРП из 16 случаев данного осложнения), специфичность – 71,2%.

Для построения модели прогнозирования перинатальной смертности использовался метод бинарной логистической регрессии, отбор факторов для модели выполнялся с помощью метода исключения.

Однако, учитывая высокую степень зависимости риска гибели плода от срока родов, предварительно была выполнена псевдорандомизация исследуемой выборки по данному признаку. Совокупность пациенток после выравнивания оценок склонности (propensity scores) составили 46 человек, в том числе перинатальная гибель плода отмечалась у 23 (первая подгруппа), благоприятный исход – также у 23 женщин (вторая подгруппа). Средний срок родов составлял в первой подгруппе 29,4±2,5, во второй – 29,6±2,5, различия показателей были статистически не значимыми (p=0,719).

С помощью метода бинарной логистической регрессии была разработана следующая прогностическая модель (2):

P = 1 / (1 + e-z) * 100%,

z = 9,502 + 1,505*XУЗДГ – 0,874*XФГ – 0,017*XМК (2)

где P – вероятность перинатальной смерти плода (в %), XУЗДГ – степень нарушений плацентарного кровотока (0 – отсутствуют, 1 – нарушения I степени, 2 – нарушения II степени, 3 – нарушения III степени, 4 – реверсный кровоток), XФГ – содержание фибриногена в сыворотке крови (г/л), XМК – содержание мочевой кислоты в сыворотке крови (мкмоль/л).

Исходя из значений регрессионных коэффициентов, вероятность перинатальной смерти плода возрастала при увеличении степени тяжести плацентарной недостаточности по данным УЗДГ, при снижении содержания в сыворотке крови фибриногена и мочевой кислоты.

Разработанная нами прогностическая модель была статистически значимой (p=0,001). Исходя из значения коэффициента детерминации R2 Найджелкерка, в модели были учтены 42,2% факторов, оказывающих влияние на вероятность перинатальной гибели плода.

Разделяющее значение логистической функции вероятности перинатальной гибели плода P составляло 50%. При увеличении P более 50% предполагался высокий риск перинатальной гибели плода, при значениях P < 50% прогнозировался низкий риск данного исхода. Чувствительность модели составляла 82,6% (19 верных прогнозов о неблагоприятном исходе из 23), специфичность – 73,9% (17 верных прогнозов о благоприятном исходе из 23).

На основе полученных данных 02.03.2020 года было получено Авторское свидетельство РК № 8520

«Прогнозирование осложнений у беременных с преэклампсией в 24-34 недели»

Для удобства использования полученных прогностических моделей в клинической практике был разработан статистический калькулятор расчета неблагоприятных исходов при преэклампсии (http://medstatistic.ru/calcs/eclampsiya.html).

Обсуждение

Используя результаты проспективного когортного исследования с участием 250 беременных со сроком 24-34 недели с преэклампсией тяжелой степени, были разработаны 2 модели наиболее часто встречающихся осложнений: ПОНРП и антенатальной гибели плода.

При этом чувствительность модели прогнозирования ПОНРП составила 75,0%, специфичность – 71,2%.

Чувствительность модели прогнозирования перинатальной смертности составила - 82,6%, специфичность – 73,9%.

В настоящее время в мировой практике существуют проблемы с прогнозированием неблагоприятного перинатального исхода при преэклампсии: нами было найдено всего три исследования: одна модель с высокой прогнозирующуей способностью AUC ROC 0,75 (95% ДИ 0,71-0,80), но со срока гестации 32 недели и более [14], а у двух других моделей - низкая прогнозирующая способность AUC ROC 0,608-0,62 [2, 8].

Кроме этого, в качестве предикторов использовалась доплерография до 16 недель, которая имеет определенные стандарты и требования как к аппаратуре, так и к врачу-сонологу (в частности для использования FMF-калькулятора врач - сонолог не только должен быть обучен данным стандартам, но и сертифицирован).

Еще одно исследование с построением модели прогноза развития преэклампсии и перинатальных осложнений (недоношенность, мертворождение) проводилось в первом триместре беременности на основании уровня биохимических тестов (PlGF, АФП, РАРР-А, β-ХГЧ) в сочетании с данными доплерографии.

AUC ROC для прогнозирования ПЭ -0,81 (95% ДИ 0,69- 0,9); для недоношенности - AUC 0,608 (95% ДИ 0,54- 0,68), для мертворождения данные получены не были [2].

Для прогнозирования неблагоприятного материнского исхода при преэклампсии используют несколько моделей.

Модель fullPIERS включает переменные: срок беременности, боль в груди или одышка, SpO2, количество тромбоцитов, уровень креатинина и АСТ в сыворотке крови AUC ROC> 0,88 95 % ДИ 0,84-0,92 при прогнозировании материнских осложнений в течении 3 дней, эта же модель имеет умеренную прогнозирующую способность AUC ROC> 0,7 в течении 7 дней [5].

Модель miniPIERS для стран с ограниченными ресурсами имеет хорошую прогностическую способность (AUC ROC 0,768, 95% ДИ 0,735-0,801) только в первые 48 часов и необходима для решения вопроса перевода пациентки на более высокий уровень оказания перинатальной помощи. Наши модели прогноза можно использовать в течении всего периода

выжидательной тактики ведения ранней преэклампсии тяжелой степени.

Модели PREP для прогнозирования риска и времени возникновения неблагоприятного материнского исхода включали переменные: материнский возраст, срок гестации, преэклампсия/эклампсия в анамнезе, систолическое АД, соотношение креатинин/

протеинурия, количество тромбоцитов, уровень АЛТ, АСТ, мочевины, креатинина, насыщения кислородом и использование антигипертензивных средств и/или сульфата магния. При проведении внешней валидации модели показали хорошую прогнозирующую способность AUC составил 0,75 - 0,81 [17] при использовании в течении 48 часов. Авторы исследования предлагают использовать PREP-S как инструмент сортировки, т.е. нуждается ли беременная для перевода в родовспомогательное учреждение III уровня, а так же нуждается беременная или нет в зависимости от прогнозируемой вероятности осложнений в назначении антенатальных кортикостероидов, PREP-L – для возможности наблюдения за беременной в амбулаторных условиях (наблюдение за беременными с преэклампсией тяжелой степени в амбулаторных условиях в Казахстане не представляется возможным).

Еще одна модель прогнозирования неблагоприятных материнских исходов, была разработана Израильскими исследователями – это простая двухмерная модель sFlt1 / PlGF. Риски выше 5:

1 (в 10 раз по сравнению с фоном) наблюдались у 77%

беременных с тяжелой преэклампсией (95% ДИ от 66 до 87%) [13]. Авторы предлагают проводить использование данной модели при выжидательной тактике ведения преэклампсии тяжелой степени каждые две недели (до 34 недель беременности), для выбора дальнейшей тактики ведения, в настоящее время данные исследования не входят в список ГОМБП нашей страны.

В Китае после резкого повышения частоты преэклампсии, связанной с реализацией программы

«второго ребенка» в 2016 году и резким увеличением беременных старше 35-40 лет, было проведено ретроспективное исследование по разработке модели прогнозирования материнских осложнений при преэклампсии. Модель прогноза содержит 13 переменных и показала хорошую прогнозирующую способность ROC (82,2%, 95% ДИ 79,6% –84,7%)[16].

Данная модель не прошла еще внешнюю валидацию, кроме этого в материнских неблагоприятных исходах использовались такие субъективные симптомы как цианоз, одышка, желтуха.

Наша модель прогноза показала хорошую прогностическую способность предсказания ПОНРП и перинатальной смертности (в том числе антенатальной гибели плода) в условиях применения выжидательной тактики ведения преэклампсии тяжелой степени, особенно в сроках 27-29 недель. Модели преобразованы в статистический калькулятор, что делает их простыми в использовании в клинической практике, а также все предикторы является обязательными и рутинными процедурами,

используемыми при ведении беременных с тяжелой преэклампсией.

Заключение

В нашем исследовании были созданы модели прогнозирования материнских перинатальных осложнений у беременных с тяжелой преэклампсией в 24-34 недели беременности с хорошей предсказательной способностью, которые являются доступными и простыми для использовании в клинической практике.

Вклад авторов:

Нургалиева Г.Т. - набор пациентов, обработка материала и написание первоначального текста статьи.

Акильжанова Г.А., Кумарова Г.А., Дюсупова Б.Б. - редактирование текста.

Манабаева Г.К. – научное руководство, утверждение окончательного варианта статьи.

Конфликт интересов - авторы заявляют об отсутствии конфликта интересов.

Финансирование Сторонними организациями финансирования не осуществлялось.

Данный материал не был опубликован в других изданиях и не находится на рассмотрении в других издательствах.

Литература:

1. Abalos E., Cuesta C., Carroli G., Qureshi Z., Widmer M., Vogel J., Souza J. Pre-eclampsia, eclampsia and adverse maternal and perinatal outcomes: a secondary analysis of the World Health Organization multicountry survey on maternal and newborn health // BJOG : an international journal of obstetrics and gynecology. 2014.

№121. Р.14–24.

2. Allen Rebecca E., and Joseph Aquilina Prospective observational study to determine the accuracy of first trimester serum biomarkers and uterine artery Dopplers in combination with maternal characteristics and arteriography for the prediction of women at risk of preeclampsia and other adverse // Matern Fetal Neonatal Med. 2017. №16. Р. 1–17.

3. Al-Rubaie ZTA et al. The performance of risk prediction models for pre-eclampsia using routinely collected maternal characteristics and comparison with models that include specialised tests and with clinical guideline decision rules: a systematic review // BJOG: An International Journal of Obstetrics & Gynaecology 123.9 (2016). Р.1441–1452.

4. Brown Mark A. et al. Hypertensive disorders of pregnancy: ISSHP classification, diagnosis, and management recommendations for international practice //

Hypertension 72.1 (2018). Р. 24–43.

5. Von Dadelszen Peter et al. Prediction of adverse maternal outcomes in pre-eclampsia: development and validation of the fullPIERS model // The Lancet 377.9761 (2011) .Р. 219–227.

6. Ghosh Gaurav et al. Racial Ethnic differences in pregnancy-related hypertensive disease in nulliparous women // Ethnicity and Disease 24.3.2014. Р. 283–289.

7. Larroca Santiago García-tizón et al. Human development index of the maternal country of origin and its relationship with maternal near miss : A systematic review

of the literature // BMC Pregnancy and Childbirth . 2020 № 3. P.1–24. Web.

8. Metcalfe Amy et al. Prediction of obstetrical risk using maternal serum markers and clinical risk factors //

Prenatal Diagnosis 2014. Р. 172–179.

9. Mol Ben W J et al. Pre-eclampsia // The Lancet 387.10022 .2016. Р.999–1011. Web.

10. Mooney Samantha S. et al. Expectant management of severe preterm preeclampsia: A comparison of maternal and fetal indications for delivery //

Journal of Maternal-Fetal and Neonatal Medicine 29.23 .2016. Р. 3821–3826. Web.

11. Moons Karel G.M. et al. Critical appraisal and data extraction for systematic reviews of prediction modelling studies: The CHARMS checklist // PLoS Medicine 11.10. 2014. Р.1–12.

12. Nurgaliyeva G.T. et al. Epidemiology of pre- eclampsia in the Republic of Kazakhstan: maternal and neonatal outcomes // Pregnancy Hypertension 20.

December 2019 (2020). Р. 1–6. Web.

13. Palomaki Glenn E. et al. Modeling risk for severe adverse outcomes using angiogenic factor measurements in women with suspected preterm preeclampsia // Prenatal Diagnosis 35.4 .2015. Р. 386–393.

14. Payne Beth A. et al. Development and internal validation of a multivariable model to predict perinatal death in pregnancy hypertension // Pregnancy Hypertension 2015 Р. 315–321.

15. Swamy M.K., Kamal Patil, and Shailaja Nageshu Maternal and perinatal outcome during expectant management of severe pre-eclampsia between 24 and 34 weeks of gestation // Journal of Obstetrics and Gynecology of India 62.4.2012. Р. 413–418.

16. Tan Jing et al. Development and validation of a prediction model on severe maternal outcomes among pregnant women with pre-eclampsia: a10-year cohort study // Scientific Reports 10.1 2020. Р. 1–11.

17. Thangaratinam Shakila et al. Prediction of complications in early-onset pre-eclampsia (PREP):

development and external multinational validation of prognostic models // BMC Medicine 2017. Р. 1–11.

Контактная информация:

Нургалиева Гульнара Турсунгазыевна – ассистент кафедры перинатологии им. А.А. Козбагарова НАО

«Медицинский университет Семей», г. Семей, Республика Казахстан.

Пoчтoвый адрес: Республикa Кaзaхстaн, 071400, г. Семей, ул. Абая 103.

E-mail: gulnarasemey@mail.ru Телефoн: 87772120005

Received: 5 November 2020 / / Accepted: 21 December 2020 / Published online: 30 December 2020 DOI 10.34689/SH.2020.22.6.006

UDC 614.88+616-053.2

AN EVALUATION OF ACUTE INTOXICATIONS IN CHILDHOOD AT THE