构建预测模型：助力有流产史女性的早期妊娠管理

为预测有流产史女性后续早期流产风险，研究人员构建 Logistic 回归模型，成果具临床价值。

　　

早期妊娠流产预测：一场医学探索之旅

在生命的孕育过程中，早期妊娠流产是许多家庭不愿面对的阴霾。据统计，全球每年约有 2300 万例流产发生，平均每分钟就有 44 次，这不仅给患者带来心理创伤，还带来沉重的社会负担。在很多文化中，尤其是中低收入国家，无法生育或未达成生育期望所带来的社会压力，让经历流产的女性承受着巨大的痛苦。

目前，早期妊娠流产的病因复杂多样，包括解剖学子宫缺陷、染色体异常、子宫内膜功能障碍、血栓形成倾向（thrombophilia）、感染因素、免疫相关因素以及环境影响等。然而，仍有 40 - 50% 的病例病因不明。虽然对于有流产史的夫妇，目前能提供更全面的病因筛查，但预测和预防后续流产仍是难题。在此背景下，开发可靠的预测模型对识别高风险患者、提供预防指导至关重要。

兰州大学第二医院生殖医学中心的研究人员开展了一项回顾性研究，旨在构建预测有流产史女性后续早期妊娠流产风险的模型。研究成果发表在《European Journal of Medical Research》上，为临床诊疗提供了重要参考。

研究方法：层层筛选，构建模型

研究人员收集了 2019 年 1 月至 2022 年 12 月在兰州大学第二医院生殖医学中心有流产史女性的病历资料。从最初的 1065 例病例开始，经过一系列严格筛选，排除了妊娠结局缺失、染色体异常、葡萄胎、宫外孕、生化妊娠以及指标缺失超过 25% 的病例，最终确定了 718 例纳入研究。为处理数据中的异常值和缺失值，分别采用了 Tukey 方法和多重填补技术。随后，将数据分为训练集（575 例，80%）和测试集（143 例，20%）。

在分析过程中，研究人员基于文献和临床经验，选取了大量潜在的预测变量，涵盖孕妇人口统计学特征、临床特征、代谢指标、凝血相关指标、免疫相关变量等多个方面。运用 Logistic 回归分析确定显著预测因素，并通过受试者工作特征曲线（ROC）、校准曲线、决策曲线分析（DCA）以及列线图（nomogram）等多种方法评估模型性能。

研究结果：多因素影响流产风险，模型表现良好

1. 患者特征分析：对 718 例孕妇的基线临床特征分析发现，多个因素与早期妊娠流产显著相关。年龄较大的患者流产风险更高，教育程度较低的女性风险也相对较高。多次流产史同样是重要风险因素，此外，甲状腺功能（如 FT₃）、凝血指标（如凝血酶时间 TT、抗凝血酶 III AT-III、D - 二聚体）、同型半胱氨酸（HCY）、25 - 羟基维生素 D、免疫球蛋白 G（IgG）、抗心磷脂抗体（ACA）和狼疮抗凝物（LA）等生化和生理指标也与流产风险有关。
2. 多因素分析确定关键预测因素：通过基于赤池信息准则（AIC）的向后逐步 Logistic 回归分析，确定了多个早期妊娠流产的重要预测因素。年龄每增加一岁，流产风险略有上升（OR = 1.06，95% CI 1.0 - 1.12，p = 0.034）。教育程度低（高中及以下）与较高风险相关。TT、AT-III、D - 二聚体、25 - 羟基维生素 D、IgG、补体成分 C4、ACA 和 LA 等均在预测流产风险中发挥重要作用。
3. 模型性能评估：构建的 Logistic 回归模型表现良好。训练集和验证集的曲线下面积（AUC）分别约为 0.717 和 0.725，表明模型具有良好的预测能力。校准分析显示模型拟合度良好，Hosmer - Lemeshow 检验的 χ²值为 7.78（p = 0.55）。决策曲线分析证实了列线图在临床中的实用性，内部验证也确认了模型的稳健性。

研究结论与意义：为临床决策提供有力支持

研究人员成功构建了基于 Logistic 回归的预测模型，并开发了列线图，用于预测有流产史女性的后续早期妊娠流产风险。该模型综合考虑了多个因素，为临床医生和患者提供了有价值的决策依据。

从机制角度来看，研究揭示了各因素在早期妊娠流产中的作用。年龄增加与胚胎染色体异常相关，进而增加流产风险；教育程度影响女性获取医疗保健和健康行为的能力；凝血异常、免疫因素以及维生素 D 缺乏等均通过各自机制影响妊娠结局。

然而，该研究也存在一定局限性。回顾性研究设计和单中心研究限制了结果的普遍性，研究对象仅为中国人群，且缺乏外部验证。同时，数据缺失可能引入选择偏倚。尽管如此，这项研究仍为早期妊娠流产的预测和管理开辟了新方向。未来研究可在不同人群和多中心进行验证，并基于该模型探索个性化干预措施，以降低有流产史女性的再次流产风险，为更多家庭带来希望。