从使用随机森林模型的临床,多组和实验室数据来预测妊娠前的早期预测
Qiang Zhao1,2, Jia Li3,4, Zhuo Diao4
1Department of Obstetrics and Gynecology, Jiangmen Central Hospital, Guangdong Province, Jiangmen, 529030, China.
BMC pregnancy and childbirth
|May 5, 2025
概括
在怀孕早期预测孕前 (PE) 是一个挑战. 这项研究使用临床,代谢,蛋白质和实验室数据开发了早期发病的PE和晚期发病的PE的准确预测模型,改进了早期风险评估.
科学领域:
- 产科和妇科 产科和妇科
- 生物标志物发现发现
- 翻译医学是一种翻译医学.
背景情况:
- 由于复杂的风险因素和各种原因,在怀孕16周之前预测孕前 (PE) 很困难.
- 早期识别PE亚型,早期发病的PE (EPE) 和晚期发病的PE (LPE),仍然是一个临床挑战.
研究的目的:
- 使用临床,代谢,蛋白质和实验室数据开发EPE和LPE的预测模型.
- 确定关键的生物标志物,以区分PE亚型与正常压力怀孕.
主要方法:
- 用早期怀孕的临床和实验室数据对56名EPE,50名LPE患者和92名对照进行了回顾性分析.
- 多组 (代谢组,蛋白质组) 和实验室变量分析以确定差异表达的生物标志物.
- 应用随机森林算法来开发EPE和LPE的预测模型.
主要成果:
- 确定了EPE的49种代谢物和28种蛋白质,以及LPE的33种代谢物和36种蛋白质.
- 开发了一个EPE预测模型,使用7个临床因素,7个代谢物和5个实验室变量,具有87.5%的灵敏度和94.1%的特异性.
- 使用7个临床因素,5个代谢物和8个蛋白质创建了一个LPE预测模型,灵敏度为66.7%,特异性为94.1%.
结论:
- 对于PE预测,确定了重要的奥米克和实验室特征.
- 开发的模型显示了高预测性表现的孕前风险.
- 综合临床,多主题和实验室数据可以提高早期PE风险评估.
