基于危险因素和常规实验室指标的子痫前期风险预测模型研究

摘要

目的 通过对妊娠妇女6～10周的一般资料、危险因素和常规实验室指标水平进行数据分析,构建妊娠早期子痫前期(PE)预测模型,比较Logistic回归模型和极端梯度提升(XGBoost)模型的预测能力.方法 回顾性分析2015年1月至2020年8月北京大学第三医院925例PE患者和7613例正常对照组的一般资料、PE发病危险因素和27项常规实验室指标(妊娠6～10周),包括血脂、肝肾功能、凝血、血细胞计数等指标,采用Mann-Whitney U检验、Logistic回归、XGBoost等统计学方法进行数据分析,分别建立预测模型,绘制ROC曲线抗磷脂综合征,计算曲线下面积(AUCROC)、敏感性、特异性;并用XGBoost绘制特征重要性条形图.结果 两组孕妇是否有糖尿病、SLE、抗磷脂综合征、肾病、子痫或PE史以及是否为初产妇的比例差异均有统计学意义(P均0.05)外,其他所有指标差异均有统计学意义(P均<0.05).仅纳入危险因素(7项)建立Logistic回归模型,AUCROC为0.621(95％CI:0.601～0.640),敏感性为34.8％,特异性为81.5％;纳入危险因素和实验室指标(6项危险因素+14项实验室指标)建立Logistic模型,AUCROC为0.752(95％CI:0.735～0.769),敏感性为64.2％,特异性为76.0％;建立XGBoost模型,AUCROC为0.867(95％CI:0.839～0.896),敏感性为73.0％,特异性为82.3％.采用XGBoost模型进行PE发病早期预测的能力最优.XGBoost筛选出重要性排在前三的指标依次为TG、Lp(a)、C1q.结论 单独使用临床危险因素预测PE的效能不高,PE发病危险因素结合常规实验室指标进行妊娠早期预测PE发病风险的效果更优,而XGBoost模型早期预测PE发病的性能优于Logistic回归模型.TG、Lp(a)、C1q是早期预测PE发病的重要变量.