基于妇幼健康大数据的妊娠高血压和子痫前期风险预测模型的构建与验证研究

Gestational hypertension and pre-eclampsia are important causes of maternal and neonatal deaths and pose a serious threat to maternal and infant safety.By regularly predicting the risk of gestational hypertension and pre-eclampsia, early screening in the population can be achieved, timely appropriate interventions can be taken, scientific and effective maternal management decisions can be made, and thus the incidence of adverse maternal and newborn outcomes can be reduced.However, there is still no effective risk prediction model that can be popularized in large population.This study will be based on the big data of maternal and child health in eastern, central and western China. By adding the mixed effect model with potential classification variables into the blood pressure trajectory change pattern, the random forest model will be adopted to screen the important variables driven by big data, and the generalized linear mixed effect model will be used to build the risk prediction model.Risk assessment and management guidelines for gestational hypertension and pre-eclampsia will be refined based on the screened predictive models to guide management decisions for primary pregnancy care.This big-data-driven prediction model study will help to identify high-risk pregnant women at different stages of gestational hypertension or pre-eclampsia, and have public health significance for guiding management decisions of primary pregnancy care and reducing adverse outcomes of pregnant women and their offspring.

妊娠期高血压和子痫前期是导致孕产妇和新生儿死亡的重要原因，严重威胁母婴安全。通过定期预测妊娠期高血压和子痫前期的发生风险，做到在人群中早筛查，对于及时采取适当的干预措施、制定科学有效的孕产妇管理决策，进而降低孕产妇和新生儿不良结局发生。然而，目前仍未建立有效的可在大人群中推广使用的风险预测模型。本研究将基于中国东、中、西部地区妇幼健康大数据，通过加入血压轨迹变化模式的含潜在分类变量的混合效应模型，在大数据驱动下采用随机森林模型筛选重要变量，利用广义线性混合效应模型，构建风险预测模型；基于筛选出的预测模型，对妊娠期高血压和子痫前期的风险评估和管理指南进行细化，用于指导基层孕期保健的管理决策。这项大数据驱动的预测模型研究，有助于在妊娠不同时期识别妊娠期高血压或子痫前期的高危孕妇群体，对于指导基层孕期保健的管理决策、减少孕产妇及其子代不良结局发生具有公共卫生意义。

妊娠期高血压和子痫前期是导致孕产妇和新生儿死亡的重要原因，严重威胁母婴安全。通过定期预测妊娠期高血压和子痫前期的发生风险，做到在人群中早筛查早干预，可降低孕产妇和新生儿不良结局发生。然而，目前仍未建立有效的可在大人群中推广使用的风险预测模型。本项目基于妇幼健康大数据，整合妊娠不同时期血压及其他检查指标数据，开展构建妊娠期高血压和子痫前期及其不良结局的风险预测模型的研究。采用机器学习方法筛选预测变量并构建预测模型，筛选出预测能力强、可大规模推广的预测模型。主要研究结果：（1）妊娠高血压和子痫前期的重要影响因素及预测模型构建研究：分析妊娠高血压的重要影响因素为建模纳入变量提供依据，发现孕早期增重与妊娠期高血压风险存在正相关；此外平均动脉压部分中介了二者的关联；孕早期PM10和PM2.5的暴露与妊娠期高血压风险存在正相关；建立针对子痫前期风险预测模型，该模型将预测窗口期提前到孕5-10周，有助于更早地识别高风险群体，此外该模型可根据风险水平调整产检频率，提高妊娠期高血压分级管理的精准性和成本效益比；（2）妊娠高血压和子痫前期的不良结局预测与干预研究：在患有妊娠期高血压的人群中，分别建立孕妇和新生儿的不良结局风险的预测模型，模型各项预测性能指标都高于基于英国人群的fullPIERS预测模型；基于21篇高质量的队列研究的荟萃分析发现妊娠期高血压是儿童肥胖的重要风险因素；通过多中心整群随机对照试验研究，证明综合干预可有效降低儿童的超重肥胖风险。因此，这项妇幼健康大数据驱动的预测模型研究，阐明妊娠期高血压和子痫前期的重要影响因素及不良结局，并构建相应的风险预测模型。研究结果有助于在妊娠不同时期识别妊娠期高血压或子痫前期的高危孕妇群体，并预测其不良结局发生的风险，对于指导基层孕期保健的管理决策、减少孕妇及其子代不良结局发生率、保障母婴安全具有重要的公共卫生学意义。