“二孩”政策下剖宫产术后再次妊娠的严重不良结局风险预警模型研究

With the “two-child policy” being implemented thoroughly in China since 2016, but high rate of cesarean section, nearly half reproductive women with cesarean section history will be faced with multiple risks during subsequent pregnancy, e.g. uterine rupture, postpartum hemorrhage, and even death, which has been a major challenge to health care administration. One key measure to ensure maternity safety is probably to identify and monitor high-risk population by establishing early-warning mechanism, ultimately reducing pregnant women’s risk of severe maternal morbidities (SMM). To solve this urgent problem, we aim to establish a prediction model about SMM among pregnant women with cesarean section history. Firstly, we will set up a SMM indicator set suitable for Chinese medical conditions and population characteristics. Secondly, based on big data in the real world, we will develop prediction models using generalized linear model, classification and regression tree, and Bayesian network model respectively. Finally, in order to select opitimal model，we will do an internal validation by bootstrapping and cross-validated technology, and subsequently an external validation among different periods and regions based on the prospective registry database. Had the model verified with good prediction performance, i.e. successful, the high-risk population will be identified and administrated as early as possible, reducing SMM risk, consequently promoting the medical risk control and medical quality improvement.

2016年，我国全面实施“二孩”政策，由于既往高剖宫产率，近一半孕产妇面临剖宫产术后再次妊娠的多种风险（如子宫破裂、产后出血、死亡），我国医疗卫生系统面临严峻挑战。通过建立预警机制，早期识别高危人群并有效干预，降低剖宫产术后再次妊娠的孕产妇严重不良结局风险，是保障孕产妇生育安全的关键措施。为解决这一迫切问题，基于申请者前期研究，课题组拟构建“二孩”政策环境下，剖宫产术后再次妊娠的严重不良结局风险预警模型，包括：(1)建立适用于我国国情的孕产妇严重不良结局指标集；(2)基于真实世界医疗大数据，采用广义线性模型、分类和回归树、贝叶斯神经网络开发风险预警模型；(3)采用Bootstrap、交叉验证技术开展内部验证，并基于注册登记数据库实现时间和地区层面的外部验证过程，以遴选最优模型。若获成功，将能有效早期识别高危孕妇，降低死亡和严重不良结局风险，助力“二孩”政策下的医疗风险控制和诊疗质量提升。

由于既往高剖宫产率，“二孩”政策全面实施后，我国近一半孕产妇面临剖宫产术后再次妊娠的多种严重不良结局（如子宫破裂、严重产后出血、器官衰竭甚至死亡）。通过构建风险预警模型，早期识别并开展有效干预，能降低剖宫产术后再次妊娠风险，是保障孕产妇健康、实现合理转诊、提高资源利用效率的有效手段。. 本研究以建立剖宫产术后再次妊娠孕产妇人群严重不良结局风险预测模型为目标，开展研究内容如下：（1）构建适用于我国孕产妇人群特征和医疗机构资源配置特点的孕产妇严重不良结局复合指标集，并在真实世界电子病历数据库中进行了验证，用于构建剖宫产术后再次妊娠严重不良结局风险预警模型；（2）基于厦门区域医疗数据和西南地区区域医疗转诊中心电子病历数据，建立了孕产妇注册登记数据库，用于开展剖宫产术后再次妊娠的严重不良结局风险预警模型研究；（3）开发了预后预测模型方法学调查问卷，用于调查产科等疾病领域的预测模型研究在研究设计、实施和统计分析的方法学现状，结果显示现有产科领域预测模型研究存在方法学不足和报告不完整的问题；（4）基于西南地区区域医疗转诊中心孕产妇登记数据库，采用logistic模型、随机森林、LightGBM开发预警模型，并分别采用Bootstrap、拆分验证和交叉验证进行模型的内部验证，采用时间外部验证检验模型的外部推广性，最后综合考虑区分度、标定度、指标个数等指标，筛选出最优模型。. 研究结果共发表学术论文24篇（含SCI期刊论文17篇）；其中，发表国际权威医学期刊BMJ （IF=30.223）1篇、学科顶级期刊3篇（Int J Epidemiol, IF=7.707; Obes Rev, IF=7.310; J Clin Epidemiol, IF= 4.952），课题负责人均为第一作者或通讯作者。培养博士后1名，博士研究生1名，硕士研究生2名。研究中构建的两个孕产妇注册登记数据库将为今后预测模型的影响分析奠定数据基础；预测模型方法学调查问卷为评价预测模型研究的设计、实施和统计分析提供方法学清单；该预测模型将开发剖宫产术后严重不良结局风险预警工具（APP），实现成果转化，为基层医疗机构和低年资医生提供孕产妇管理和转诊决策辅助工具。