探索母亲特征,持续血糖监测数据和妊娠糖尿病怀孕中新生儿低血糖之间的关系,使用概率模型

科学领域:

• 生殖医学 生殖医学
• 内分泌学 在内分泌学.
• 生物统计学 生物统计学

背景情况:

• 孕期糖尿病 (GDM) 是一种常见的妊娠并发症,影响母亲和新生儿的健康.
• 探索母亲的特征,可穿戴技术数据 (CGM) 和新生儿结果可以改善GDM管理.
• 鉴定GDM怀孕中新生儿不良后果 (NH) 的危险因素至关重要.

研究的目的:

• 分析GDM怀孕中母亲因素,CGM数据和新生儿结果之间的相互作用.
• 使用贝叶斯网络开发用于新生儿并发症的预测模型.
• 确定影响新生儿GDM结果的关键变量.

主要方法:

• 利用贝叶斯网络 (BNs) 在稳定糖试验 (N=118名GDM患者) 中进行概率建模.
• 分析了母亲的特征,CGM衍生的特征 (产前90天),以及新生儿结局 (NH).
• 使用几率比率 (OR) 和条件概率表来量化统计相关性.

主要成果:

• 在NH和母体高血压 (OR: 2.13),糖尿病家族史 (OR: 1.43) 和高BMI (OR: 3.59) 之间发现了直接关联.
• 剖腹产 (OR:2.05) 和药物治疗方案间接影响了NH风险.
• 观察到显著的种族差异,非洲裔美国患者高血糖 (OR:2.91);CGM指标与新生儿结局相关.

结论:

• 贝叶斯网络有效地探索了GDM怀孕中的复杂变量相互作用.
• 该框架为临床决策提供了洞察力,以减轻孕妇和新生儿的风险.
• 未来的工作将涉及更大的数据集,以提高GDM管理的预测能力.