Kinerja prediktif model risiko yang bersaing di Indonesia
skrining untuk preeklampsia David Wright, PhD; Min Yi Tan, MD; Neil O'Gorman, MD; Liona C. Poon, MD; Argyro Syngelaki, PhD; Alan Wright, PhD; Kypros H. Nicolaides, MD
LATAR BELAKANG: Metode preeklampsia yang membutuhkan persalinan
memperhitungkan fakta bahwa tergantung pada persaingan antar
penyimpangan dalam pengiriman sebelum atau setelah
kadar biomarker dari normal tergantung pengembangan
pada tingkat keparahan penyakit, dan dari PE.
mereka Berdasarkan model fit dan kemudahan antar
pretasi, model Gaussian untuk pernikahan Usia nasional saat persalinan dipilih. Itu usia kehamilan saat melahirkan dengan efek variabel dari faktor ibu PE sehingga pada kehamilan berisiko rendah dan biomarker adalah untuk memodifikasi untuk distribusi PE, distribusi usia kehamilan adalah bergeser ke kanan dengan implikasinya bahwa dalam sebagian besar kehamilan akan melahirkan sebenarnya terjadi sebelum pengembangan dari PE. Pada kehamilan berisiko tinggi, Pindah digeser ke kiri, dan lebih kecil usia kehamilan rata-rata, yang lebih tinggi adalah risiko PE. Dalam 1 sebelumnya mempelajari 120.492 kehamilan tunggal menjalani skrining pada 11e13 mingguL kehamilan, kami melaporkan perkembangannya dari model risiko bersaing berdasarkan karakteristik ibu dan medis sejarah, termasuk usia, berat, tinggi, ras, paritas, sejarah pribadi dan keluarga PE, hipertensi kronis, diabetes mellitus, systemic lupus erythematosus atau sindrom antifosfolipid, metode konsepsi dan interpregnancy selang. 3 Dalam studi lain dari 35.948 orang kehamilan, kami melaporkan efektif skrining untuk PE prematur, dengan livery pada usia kehamilan <37 minggu, oleh a kombinasi faktor ibu dengan berarti tekanan arteri (MAP), uterus indeks pulsatilitas arteri (PI), dan serum pertumbuhan plasenta faktor (PLGF). 13 Keterbatasan penelitian adalah bahwa kinerja skrining oleh model yang diturunkan dan diuji menggunakan set data yang sama terlalu tinggi. Kita menggunakan validasi silang untuk mengurangi ini efek tetapi menyarankan perlunya untuk validasi eksternal pada independen data dari berbagai sumber. Tujuan dari penelitian ini adalah untuk menguji kinerja prediksi model risiko yang bersaing dalam penyaringan untuk PE dengan pengiriman <34 minggu (awal- PE), <37 minggu (preterm-PE), dan livery di setiap kehamilan (semua-PE) oleh faktor ibu sendiri dan kombinasi faktor ibu, MAP, UtA-PI dan PLGF (triple test) dalam pelatihan set data 13 untuk pengembangan model dan 2 studi validasi. Material dan metode Populasi penelitian Data untuk penelitian ini diturunkan dari 3 prospektif yang dilaporkan sebelumnya skrining non- intervensi di 11 þ0 ke 13 þ6 minggu kehamilan dengan atotal gabungan 61.174 singleton kehamilan, termasuk 1770 (2,9%) itu dikembangkan PE. 4,13,14 Studi pertama terdiri dari 35.948 wanita menghadiri untuk rutinitas mereka terlebih dahulu kunjungan rumah sakit pada kehamilan di KingLs Rumah Sakit Perguruan Tinggi dan Medway Maritime Rumah Sakit (Kerajaan Inggris) antara Februari 2010 dan Juli 2014. 13 Data ini set digunakan untuk mengembangkan persaingan model risiko untuk prediksi PE dan Oleh karena itu dianggap sebagai pelatihanset. Studi kedua, disebut sebagai penyaringan kualitas belajar (SQS), terdiri dari 8775 kehamilan tunggal menjalani skrining trimester pertama untuk PE, menggunakan model risiko yang bersaing dikembangkan dalam studi pertama, 13 dalam 12 ma- rumah sakit terititas di Inggris, Spanyol, Belgia, Italia, dan Yunani Februari dan September 2015. 14 Ini studi dilakukan sebelum Pemindaian Multimarker dan Ran- mendominasi Perawatan Pasien dengan Aspirin untuk Preeklampsia Berbasis Bukti percobaan vention (ASPRE) 15 dan dirancang untuk memeriksa kelayakan skrining multicenter dan menetapkan metode untuk jaminan kualitas dari biomarker, dan hasil dari penyaringan tidak tersedia untuk pasien atau dokter kandungan mereka. Studi ketiga, disebut sebagai Supe Earthscope Rifting Propinsi Eksperimental iment (SPREE), adalah multicenter studi kohort di 16.451 wanita dilakukan dalam 7 materi Layanan Kesehatan Nasional rumah sakit di Inggris antara April dan Desember 2016. 4 Penelitian ini dirancang khusus untuk memeriksa kinerja penyaringan oleh algo- Rithm didirikan pada penelitian pertama 13 di Indonesia dibandingkan dengan metode diadvokasi oleh National Institute for Keunggulan Kesehatan dan Perawatan (NICE); itu hasil dari penyaringan oleh pesaing Sekilas tentang AJOG Mengapa penelitian ini dilakukan? Untuk menilai kinerja prediktif dari model risiko bersaing untuk eklampsia menggunakan tes tripel trimester pertama yang menggabungkan faktor ibu, rerata tekanan arteri, indeks pulsasi arteri uterina, dan plasenta serum faktor pertumbuhan. Temuan kunci Hasil dari 2 set data validasi multicenter prospektif menunjukkan bahwa, dengan staf terlatih dan kontrol kualitas pengukuran, preeklampsia, terutama yang mengarah ke pengiriman awal, dapat diprediksi secara efektif menggunakan tes tiga kali lipat. Hasil ini konsisten dengan yang diperoleh dari data pelatihan set. Apa ini menambah apa yang diketahui? Model risiko yang bersaing memberikan metode yang efektif dan dapat direproduksi untuk Halaman 3 model risiko tidak tersedia untuk pasien atau dokter kandungan mereka. Dalam semua 3 studi, wanita dengan kehamilan tunggal pada khususnya rumah sakit pating memiliki pemeriksaan rutin nation at 11þ0ke 13þ6 minggu kehamilan. Kunjungan ini termasuk pertama, merekam karakteristik ibu dan medis sejarah, 3 detik, pengukuran UtA-PI kiri dan kanan dengan trans- warna perut Doppler USGdan perhitungan rata-rata PI, 16 ketiga, pengukuran MAP dengan divalidasi perangkat otomatis dan terstandarisasi protokol, 17 dan keempat, pengukuran konsentrasi serum PLGF (Delfia Sistem Xpress; PerkinElmer Life dan Ilmu Analitik, Waltham, MA, atau Penganalisa Brahms Kryptor; Thermo Nelayan Ilmiah, Hennigsdorf, Jerman). TABEL 1 Karakteristik ibu dan kehamilan dalam 3 populasi Variabel Set pelatihan (n ¼ 35.948) SQC (n ¼ 8775) SPREE (n ¼ 16.451) Usia ibu, y, median (IQR) 31.3 (26.8, 35.0) 31.5 (27.3, 35.0) Sebuah 31.5 (27.4, 35.1) Sebuah Berat badan ibu, kg, median (IQR) 66.7 (59.0, 77.2) 66.5 (59.0, 77.0) b 67.0 (59.2, 78.0) Sebuah Tinggi ibu, cm, median (IQR) 164.5 (160.0, 169.0) 164.5 (160.0, 169.0) b 165.0 (160.0, 169.0) Sebuah Indeks massa tubuh, kg / m 2 , median (IQR) 24.5 (22.0, 28.4) 24.5 (21.9, 28.4) b 24.7 (22.0, 28.7) Sebuah Usia kehamilan, minggu, median (IQR) 12.7 (12.3, 13.1) 12.7 (12.3, 13.1) a , b 12.9 (12.4, 13.3) Sebuah Asal rasial a,b Sebuah Putih, n (%) 25.879 (71,99) 6,883 (78,44) 11.922 (72,47) Hitam, n (%) 6681 (18.59) 1.090 (12,42) 2.337 (14.21) Asia Selatan, n (%) 1623 (4,51) 462 (5.26) 1.361 (8.27) Asia Timur, n (%) 846 (2.35) 154 (1.75) 407 (2.47) Dicampur, n (%) 919 (2.56) 186 (2.12) 424 (2.58) Pembuahan a,b Sebuah Alam 34.743 (96.65) 8.483 (96.67) 15.765 (95.83) Dibantu dengan penggunaan obat-obatan ovulasi 349 (0,97) 64 (0.73) 125 (0.76) Fertilisasi in vitro 856 (2.38) 227 (2.59) 561 (3.41) Riwayat kesehatan Hipertensi kronis 561 (1.56) 100 (1.14) b 137 (0.83) Sebuah Diabetes mellitus tipe 1 137 (0.38) 31 (0.35) b 46 (0.28) a Diabetes mellitus tipe 2 188 (0,52) 37 (0.42) b 71 (0.43) a SLE / APS 53 (0.15) 19 (0.22) 39 (0.24) a Perokok, n (%) 3,263 (9,08) 732 (8.34) b 1.105 (6.72) a Riwayat keluarga preeklamsia, (n,%) 1.518 (4.22) 339 (3.86) a 535 (3.25) Sebuah Keseimbangan a,b Sebuah Nulliparous, n (%) 17.361 (48,29) 4.127 (47,03) 7.587 (46.12) Parous tanpa PE sebelumnya, n (%) 17.311 (48.16) 4,459 (50,81) 8.483 (51.57) Parous dengan PE sebelumnya, n (%) 1.276 (3,55) 189 (2.15) 381 (2.32) Preeklampsia Total, n (%) 1.058 (2.94) 239 (2.72) 439 (2.67) Pengiriman <37 minggu, n (%) 292 (0.81) 59 (0.67) 135 (0.82) Pengiriman <34 minggu, n (%) 128 (0.36) 27 (0.31) 58 (0.35) Perbandingan antara kelompok hasil yang oleh c 2 atau uji Fisher untuk variabel kategori dan uji Mann-Whitney U untuk variabel kontinyu. APS, sindrom antifosfolipid; IQR, rentang interkuartil; PE, preeklampsia; SLE, lupus erythematosus sistemik; SPREE, Eksperimen Earthscope Pengereman Provinsi Unggulan;SQS, kualitas penyaringan Halaman 4 Pengukuran MAP adalah Ried keluar oleh asisten perawatan kesehatan atau sonografer yang telah menerima spesifik pelatihan untuk tujuan ini, dan pengukuran- Kents UtA-PI dilakukan oleh dokter atau ahli sonografi yang memiliki memelihara Yayasan Kedokteran Janin Sertifikat Kompetensi dalam Doppler USG. Dalam kedua studi validasi, kontrol kualitas diterapkan secara bulanan dasar untuk mencapai konsistensi peningkatan biomarker di berbagai rumah sakit sepanjang belajar. Distribusi pengukuran MAP dan UtA-PI dilaporkan ke koordinator yang memberikan umpan balik dan jika perlu pelatihan ulang personel dengan penyimpangan besar dari yang diharapkan nilai-nilai. Demikian pula, laboratorium itu dilengkapi dengan diagnostik untuk PLGF pengukuran agar sesuai tindakan korektif dapat dilakukan. Usia kehamilan ditentukan dari panjang mahkota-pantat janin. 18 Para wanita memberikan persetujuan tertulis kepada berpartisipasi dalam studi, yang disetujui oleh etika penelitian yang relevan komite disetiap berpartisipasi RSUD. Kriteria inklusi adalah singleton kehamilan yang menjalani trimester pertama skrining gabungan untuk PE dan sub-cukup memberikan secara morfologis kelahiran hidup normal atau lahir mati pada usia 24 tahun minggu kehamilan. Kami mengecualikan kehamilan-datang dengan aneuploidies dan janin besar kelainan dan yang berakhiran terminasi, keguguran, atau kematian janin sebelum 24 mingguL kehamilan. Ukuran hasil adalah PE awal, preterm-PE, dan semua- PE. Data tentang pre-hasil keuangan dikumpulkan dari catatan bersalin rumah sakit atau umum praktisi medis para wanita. Itu catatan kebidanan semua wanita dengan yang sudah ada atau terkait kehamilan pertensi diperiksa untuk menentukan apakah kondisinya PE, seperti yang didefinisikan oleh International Society for the Study Hipertensi dalam Kehamilan. 19 ini termasuk temuan hipertensi (Tekanan darah sistolik 140 mm Hg atau tekanan darah diastolik 90 mmHg setidaknya 2 kali 4 jam terpisah berkembang setelah 20 mingguL kehamilan di wanita yang sebelumnya normotensif) dan proteinuria (300 mg per 24 jam atau rasio protein terhadap kreatinin 30 mg / mmol atau 2 þ pada pengujian dipstick). Analisis statistik Risiko persalinan spesifik pasien dengan PE pada <34, <37, dan <41þ3 weeksL gesta-tion dihitung menggunakan pesaing model risiko untuk menggabungkan distribusi sebelumnya usia kehamilan saat persalinan dengan PE, diperoleh dari karakteristik ibu karakteristik dan riwayat medis, dengan kelipatan nilai median MAP, UtA-PI, dan PLGF. 3,13 Kinerja skrining untuk PE awal, preterm-PE, dan semua-PE dengan uji tripel di masing-masing 3 set data dinilai. Kami memeriksa kinerja prediksi dari model oleh pertama, kemampuan model untuk membedakan antara PE dan kelompok tanpa-PE dan kedua, kaliber brasi, yang menilai perjanjian antara prediksi risiko dan hasil (untuk model yang dikalibrasi dengan baik, di antaranya wanita dengan risiko 1 in n, insiden-dence harus 1 in n). Diskriminasi dinilai oleh di bawah karakter penerima-operasi kurva acteristic (AUROC) (ini menunjukkan diskriminasi sempurna jika nilainya 1 dan tidak ada diskriminasi di luar kesempatan jika nilainya 0,5) dan tingkat deteksi (DR) pada tingkat positif layar tetap (SPR) 10%. Kalibrasi dinilai secara visual Halaman 5 melalui serangkaian angka yang menunjukkan mengamati kejadian terhadap ditentukan dari risiko PE <32, <34, <37, dan <41 þ3 minggu kehamilan oleh ibu faktor dan uji tripel. Plot-plot tersebut diproduksi dengan cara pengelompokan data menjadi sampah sesuai risiko. Itu kejadian yang diamati pada masing-masing kelompok adalahkemudian diplot terhadap kejadian sebelum ditentukan oleh model (yaitu, risiko rata-rata dalam setiap grup). Kuantitatif penilaian kalibrasi dilakukan oleh rekaman pengukuran kalibrasi-dalam kemiringan besar dan kalibrasi. Kalibrasi dalam ukuran besar adalah ukuran apakah umumnya risikonya terlalu tinggi atau terlalu rendah. Ini dikuantifikasi oleh Diperkirakan mencegat dari suatu logistik regresi kejadian pada logit dari risiko dengan kemiringan tetap pada 1. Antar kecuali ukuran dari penyimpangan mengamati kejadian dari prediksi. Untuk risiko yang dikalibrasi sempurna, kecuali harus nol. Kalau ada jenderal kecenderungan terlalu rendahnya estimasi kejadian yang diamati lebih besar dari itu Diprediksi, intersep akan positif. Sebaliknya, untuk perkiraan terlalu tinggi, mencegat akan menjadi negatif. Kemiringan kalibrasi menilai kalibrasi lintas rentang risiko dan adalah kemiringan garis regresi regresi logistik kejadian pada logit risiko. Jika risikonya dikalibrasi dengan baik, maka kemiringan harus 1.0. Kemiringan kurang dari 1 berarti bahwa hubungan antara dua belas risiko dan insiden lebih datar daripada itu seharusnya. Kemiringan kalibrasi lebih besar dari 1 berarti hubungannya lebih curam dari yang seharusnya. Risiko yang dihasilkan dari kami model risiko yang bersaing adalah untuk pengiriman dengan PE sebelum kehamilan tertentu dengan asumsi tidak ada penyebab lain untuk pengiriman. Karena pengiriman penyebab lain efektif pengamatan yang disensor secara aktif, yang sebenarnya kejadian PE diharapkan lebih rendah dari yang diperkirakan. Untuk awal pernikahan Dalam beberapa kasus, ada beberapa penyebab lainnya pengiriman, efeknya akan kecil. Di kehamilan kemudian, dengan banyak penyebab lainnya pengiriman, efek penyensoran mungkin besar. Akibatnya, kami melamar analisis survival (Kaplan Meier) untuk memperkirakan insiden pengiriman dengan PE mengobati pengiriman dari lain menyebabkan pengamatan yang disensor. Paket perangkat lunak statistik R tadinya digunakan untuk analisis data. 20 Paket pROC digunakan untuk receiver-analisis kurva karakteristik operasi, dan paket survival digunakan untuk analisis kelangsungan hidup. 21e23 Hasil Karakteristik ibu dan kehamilan dalam set pelatihan, SQS, dan SPREE populasi disediakan dan dibandingkan pada Tabel 1 . Kinerja skrining untuk PE awal,preterm-PE, dan semua-PE diberikan Tabel 2 . Karakteristik operasi penerima kurva tics untuk kinerja skrining untuk PE dini, PE prematur, dan semua-PE dalam 3 set data dan com-nya bination oleh triple test ditunjukkan pada Gambar 1 , Gambar Tambahan 1 , Gambar Tambahan 2 dan Tambahan Gambar 3 . Plot kalibrasi prediksitive kinerja risiko yang bersaing model untuk PE awal, PE prematur, dan GAMBAR 1 Plot karakteristik penerima operasi yang beroperasi untuk 3 kelompok Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Plot karakteristik penerima operasi yang melakukan penyaringan untuk PE awal, PE prematur, dan semua PE dengan uji tripel dalam set pelatihan (garis hijau), SQS (garis biru), SPREE (garis merah), dan kombinasi dari 3 set data (garis abu-abu) melalui serangkaian angka yang menunjukkan mengamati kejadian terhadap ditentukan dari risiko PE <32, <34, <37,dan <41 þ3 minggu kehamilan oleh ibu faktor dan uji tripel. Plot-plot tersebut diproduksi dengan cara pengelompokan data menjadi sampah sesuai risiko. Itu kejadian yang diamati pada masing-masing kelompok adalah kemudian diplot terhadap kejadian sebelum ditentukan oleh model (yaitu, risiko rata-rata dalam setiap grup). Kuantitatif penilaian kalibrasi dilakukan oleh rekaman pengukuran kalibrasi-dalam kemiringan besar dan kalibrasi. Kalibrasi dalam ukuran besar adalah ukuran apakah umumnya risikonya terlalu tinggi atau terlalu rendah. Ini dikuantifikasi oleh Diperkirakan mencegat dari suatu logistik regresi kejadian pada logit dari risiko dengan kemiringan tetap pada 1. Antar kecuali ukuran dari penyimpangan mengamati kejadian dari prediksi. Untuk risiko yang dikalibrasi sempurna, kecuali harus nol. Kalau ada jenderal kecenderungan terlalu rendahnya estimasi kejadian yang diamati lebih besar dari itu Diprediksi, intersep akan positif. Sebaliknya, untuk perkiraan terlalu tinggi, mencegat akan menjadi negatif. Kemiringan kalibrasi menilai kalibrasi lintas rentang risiko dan adalah kemiringan garis regresi regresi logistik kejadian pada logit risiko. Jika risikonya dikalibrasi dengan baik, maka kemiringan harus 1.0. Kemiringan kurang dari 1 berarti bahwa hubungan antara dua belas risiko dan insiden lebih datar daripada itu seharusnya. Kemiringan kalibrasi lebih besar dari 1 berarti hubungannya lebih curam dari yang seharusnya. Risiko yang dihasilkan dari kami model risiko yang bersaing adalah untuk pengiriman dengan PE sebelum kehamilan tertentu dengan asumsi tidak ada penyebab lain untuk pengiriman. Karena pengiriman penyebab lain efektif pengamatan yang disensor secara aktif, yang sebenarnya kejadian PE diharapkan lebih rendah dari yang diperkirakan. Untuk awal pernikahan Dalam beberapa kasus, ada beberapa penyebab lainnya pengiriman, efeknya akan kecil. Di kehamilan kemudian, dengan banyak penyebab lainnya pengiriman, efek penyensoran mungkin besar. Akibatnya, kami melamar analisis survival (Kaplan Meier) untuk memperkirakan insiden pengiriman dengan PE mengobati pengiriman dari lain menyebabkan pengamatan yang disensor. Paket perangkat lunak statistik R tadinya digunakan untuk analisis data. 20 Paket pROC digunakan untuk receiver- analisis kurva karakteristik operasi, dan paket survival digunakan untuk analisis kelangsungan hidup. 21e23 Hasil Karakteristik ibu dan kehamilan dalam set pelatihan, SQS, dan SPREE populasi disediakan dan dibandingkan pada Tabel 1 . Kinerja skrining untuk PE awal, preterm-PE, dan semua-PE diberikan Tabel 2 . Karakteristik operasi penerima kurva tics untuk kinerja skrining untuk PE dini, PE prematur, dan semua-PE dalam 3 set data dan com-nya bination oleh triple test ditunjukkan pada Gambar 1 , Gambar Tambahan 1 , Gambar Tambahan 2 dan Tambahan Gambar 3 . Plot kalibrasi prediksitive kinerja risiko yang bersaing model untuk PE awal, PE prematur, dan Halaman 6 all-PE menggunakan uji tiga dalam 3 data set ditunjukkan pada Gambar 2 , Tambahan Gambar 4 , Gambar Tambahan 5 , dan Gambar Tambahan 6 . Kurva AUROC dan DR pada SPR dari 10% dari PE awal, PE prematur, dan semua PE dalam 2 set data pengujian sangat mirip untuk itu di set pelatihan. Dalam prediksi- tion dari awal-PE, preterm-PE, dan semua-PE dengan uji tripel, kurva AUROC adalah > 0,95,> 0,90, dan> 0,80, masing-masing, menunjukkan diskriminasi yang sangat tinggi antara program yang terpengaruh dan tidak terpengaruh nancies. Begitu pula dengan kalibrasi yang miring sangat dekat dengan 1.0, menunjukkan akesepakatan yang baik antara yang diprediksi risiko dan kejadian PE yang diamati. Dalam prediksi awal-PE dan preterm-PE, kejadian yang diamati diset data pelatihan dan SQS adalah konsisten dengan yang diprediksi, tetapi untuk SPREE kejadiannya lebih tinggi dari diprediksi; ini kemungkinan karena lebih baik penetapan hasil dalam SPREE. Insiden semua-PE lebih rendah dari diprediksi di semua 3 set data ( Tambahan Gambar 5 ). Setelah penyesuaian untuk efeknya sensor karena kelahiran dari penyebab selain PE, kejadiannya itu konsisten dengan yang diprediksi ( Gambar Tambahan 6 ). Komentar Temuan utama penelitian Studi ini pada kinerja prediksi untuk model risiko yang bersaing untuk PE menunjukkan bahwa hasil dari 2 set data validasi, berasal dari pro- mengumpulkan data dari berbagai studi pusat, konsisten dengan itu pelatihan yang digunakan untuk pengembangan ment model. Tes tripel disediakan sangat tinggi diskriminasi antara yang terkena dampak dan kehamilan yang tidak terpengaruh untuk PE dini dan preterm-PE di masing-masing dari 3 set data dengan nilai untuk kurva AUROC dari > 0,95 dan> 0,90, masing-masing, dan DR pada 10% SPR sekitar 90% dan 75%, masing-masing. Kinerja skrining pada 11e13 minggu untuk term-PE adalah miskin 13 dan karena sekitar 70% dari semuanya kasus PE terjadi pada saat aterm, AUROC kurva untuk semua-PE dan DR pada 10% SPR masing-masing sekitar 0,8 dan 50%. Ada 2 alasan utama orang miskin diskriminasi untuk istilah-PE dari skrining pada 11e13 minggu. Pertama, di kehamilan dengan PE dari penyimpangan normal di MAP, UtA-PI, dan PLGF kelipatan median berkurang dengan meningkatkan usia kehamilan, dan terutama untuk UtA-PI, ada sedikit diskriminasi antara istilah-PE dan tidak terpengaruh kehamilan. 13 Kedua, pada masa kehamilan banyak istilah memberikan untuk alasan selain PE. Karena itu, kehamilan dianggap berisiko tinggi untuk PE yang terjadi pada orang lain alasannya dihitung sebagai positif palsu, meskipun banyak yang akan mengembangkan oped PE jika kehamilan berlanjut. Penapisan yang lebih efektif untuk istilah-PE oleh model risiko yang bersaing dapat diputar pada usia 35e37 mingguL menggunakan akombinasi faktor ibu, PETA, PLGF, dan tyro- seperti serum fms yang larut dalam serumsinus kinase-1. 24,25 Kalibrasi mengacu pada seberapa baik prediksi dari model setuju dengan hasil yang diamati. Penyimpangan antara yang diprediksi dan diamati hasil tidak hanya mencerminkan pada akurasi model yang diberikan tetapi bisa juga menjadi konsekuensi dari perbedaan antara studi yang digunakan untuk pengembangan- opment model dan yang digunakan untuk validasi dalam hal pertama, metode odologi, dan akurasi rekaman karakteristik ibu dan medis sejarah dan pengukuran bio-penanda dan kedua, definisi dan kepastian dari itu-hasil- mengukur. GAMBAR 2 Plot kalibrasi untuk penyaringan menggunakan uji tripel Prediksi risiko PE <37 w Amati insiden PE <37 w 0,0005 0,002 0,01 0,05 0,2 0,5 1 0,0005 0,001 0,002 0,005 0,01 0,02 0,05 0,1 0,2 0,5 1 0,1 12738 6489 6170 4660 2963 1539 829 350 155 55 4 5 19 31 27 48 54 45 34 25 Dataset pelatihan 3538 1546 1423 1097 624 323 134 47 31 12 1 1 1 9 6 10 11 6 5 9 Prediksi risiko PE <37 w 0,0005 0,002 0,01 0,05 0,2 0,5 1 0,1 SQS Prediksi risiko PE <37 w 0,0005 0,002 0,01 0,05 0,2 0,5 1 0,1 KESENANGAN 6677 3043 2732 1981 1069 535 259 96 42 17 1 2 7 12 25 25 22 20 14 7 Plot kalibrasi untuk penyaringan menggunakan model risiko yang bersaing untuk prediksi preterm-PE dengan uji tripel dalam 3 set data. Garis abu-abu diagonal adalah garis kesepakatan yang sempurna. Risiko rata-rata keseluruhan ditunjukkan oleh garis terputus vertikal dan keseluruhan insiden oleh garis terputus horisontal. Itu histogram menunjukkan distribusi risiko pada kehamilan dengan preterm-PE (merah) dan mereka yang tidak preterm-PE (abu-abu) all-PE menggunakan uji tiga dalam 3 data set ditunjukkan pada Gambar 2 , Tambahan Gambar 4 , Gambar Tambahan 5 , dan Gambar Tambahan 6 . Kurva AUROC dan DR pada SPR dari 10% dari PE awal, PE prematur, dan semua PE dalam 2 set data pengujian sangat mirip untuk itu di set pelatihan. Dalam prediksi-tion dari awal-PE, preterm-PE, dan semua-PE dengan uji tripel, kurva AUROC adalah > 0,95,> 0,90, dan> 0,80, masing-masing, menunjukkan diskriminasi yang sangat tinggi antara program yang terpengaruh dan tidak terpengaruh nancies. Begitu pula dengan kalibrasi yang miring sangat dekat dengan 1.0, menunjukkan akesepakatan yang baik antara yang diprediksi risiko dan kejadian PE yang diamati. Dalam prediksi awal-PE dan preterm-PE, kejadian yang diamati diset data pelatihan dan SQS adalah konsisten dengan yang diprediksi, tetapi untuk SPREE kejadiannya lebih tinggi dari diprediksi; ini kemungkinan karena lebih baik penetapan hasil dalam SPREE. Insiden semua-PE lebih rendah dari diprediksi di semua 3 set data ( Tambahan Gambar 5 ). Setelah penyesuaian untuk efeknya sensor karena kelahiran dari penyebab selain PE, kejadiannya itu konsisten dengan yang diprediksi ( Gambar Tambahan 6 ). Komentar Temuan utama penelitian Studi ini pada kinerja prediksi untuk model risiko yang bersaing untuk PE menunjukkan bahwa hasil dari 2 set data validasi, berasal dari pro-mengumpulkan data dari berbagai studi pusat, konsisten dengan itu pelatihan yang digunakan untuk pengembanganment model. Tes tripel disediakan sangat tinggi diskriminasi antara yang terkena dampak dan kehamilan yang tidak terpengaruh untuk PE dini dan preterm-PE di masing-masing dari 3 set data dengan nilai untuk kurva AUROC dari > 0,95 dan> 0,90, masing-masing, dan DR pada 10% SPR sekitar 90% dan 75%, masing-masing. Kinerja skrining pada 11e13 minggu untuk term-PE adalah miskin 13 dan karena sekitar 70% dari semuanya kasus PE terjadi pada saat aterm, AUROC kurva untuk semua-PE dan DR pada 10% SPR masing-masing sekitar 0,8 dan 50%. Ada 2 alasan utama orang miskin diskriminasi untuk istilah-PE dari skrining pada 11e13 minggu. Pertama, di kehamilan dengan PE dari penyimpangan normal di MAP, UtA-PI, dan PLGF kelipatan median berkurang dengan meningkatkan usia kehamilan, dan terutama untuk UtA-PI, ada sedikit diskriminasi antara istilah-PE dan tidak terpengaruh kehamilan. 13 Kedua, pada masa kehamilan banyak istilah memberikan untuk alasan selain PE. Karena itu, kehamilan dianggap berisiko tinggi untuk PE yang terjadi pada orang lain alasannya dihitung sebagai positif palsu, meskipun banyak yang akan mengembangkan oped PE jika kehamilan berlanjut. Penapisan yang lebih efektif untuk istilah-PE oleh model risiko yang bersaing dapat diputar pada usia 35e37 mingguL menggunakan akombinasi faktor ibu, PETA, PLGF, dan tyro- seperti serum fms yang larut dalam serum sinus kinase-1. 24,25 Kalibrasi mengacu pada seberapa baik prediksi dari model setuju dengan hasil yang diamati. Penyimpangan antara yang diprediksi dan diamati hasil tidak hanya mencerminkan pada akurasi model yang diberikan tetapi bisa juga menjadi konsekuensi dari perbedaan antara studi yang digunakan untuk pengembangan opment model dan yang digunakan untuk validasi dalam hal pertama, metode odologi, dan akurasi rekaman karakteristik ibu dan medis sejarah dan pengukuran bio-penanda dan kedua, definisi dan kepastian dari ituhasil mengukur. Halaman 7 Di ketiga set data ada yang prospektif pengumpulan data tentang faktor ibu dan biomarker menggunakan standar protokol, definisi PE yang sama adalah digunakan dan pendekatan untuk memastikan hasilnya serupa. Hasil dari studi menunjukkan bahwa di kedua set data pelatihan dan validasi risiko risiko PE umumnya baik dengan kemiringan kalibrasi sangat mendekati 1.0. Di SPREE ada kecenderungan untuk risiko untuk meremehkan kejadian PE dini dan PE prematur. MungkinPenjelasan untuk temuan ini adalah bahwa dalam set pelatihan, ada penyaringan umum untuk banyak komplikasi kehamilan data dikumpulkan selama bertahun- tahun, dan banyak dokter terlibat dalam Penentuan hasil. Sebaliknya, SQS dan SPREE secara khusus dirancang untuk prediksi PE, merekrut-ment selesai dalam beberapa bulan, dan hanya 1 dokter secara keseluruhan bertanggung jawab untuk memastikan hasil. Memang, penentuannya adalah SPREE cenderung lebih tinggi dari di SQS karena yang terakhir lebih fokus pada jaminan kualitas bio-spidol daripada kinerja penyaringan. Dalam semua 3 set data, insiden yang diamati Dence semua-PE lebih rendah dari yang didiktekan. Penjelasan yang mungkin untuk Temuan ini sama dengan yang miskin kinerja risiko yang bersaing model untuk istilah-PE karena banyak preg-nancies dengan perkiraan risiko tinggi untuk PE akan memberikan lebih awal dari yang diharapkan acara untuk alasan selain PE. Setelah penyesuaian untuk efek menyensor karena kelahiran dari sebab selain PE, kejadian yang diamati di set pelatihan dan SQS lebih dekat untuk yang diprediksi, tetapi dalam kasus Namun, kejadian yang diamati menjadi lebih tinggi dari yang diperkirakan; ini Temuan bisa menjadi cerminan dari kepastian yang lebih tinggi dari kasus PE di Indonesia KESENANGAN. Kekuatan dan keterbatasan Kekuatan penelitian ini meliputi berikut: pertama, penggunaan kumpulan data besar data yang dikumpulkan secara prospektif tentang ibufaktor dan biomarker untuk mengembangkan model; kedua, evaluasi prospektif diskriminasi dan kalibrasi model yang ditentukan dalam 2 independen studi multicenter, 4,12 yang tadi diawasi oleh tri- klinis independen juga unit; dan ketiga, penilaian kualitas brasi memungkinkan untuk efek menyensor karena kelahiran dari sebab selain PE. Data gabungan dari studi sekarang digunakan untuk memperbaiki model risiko yang bersaing. Hasil penelitian miliki mengkonfirmasi keakuratan pesaing model risiko. Namun, penerapan model dalam praktek klinis mengharuskan infrastruktur yang sesuai untuk akuratrekaman karakteristik ibu danriwayat medis, pelatihan yang sesuai untuk personel yang melakukan pengukuran biomarker dan audit rutin mereka hasil, standardisasi biomarker yang mungkin berbeda dalam populasi yang berbeda dan dengan tes yang berbeda, gunakan hal yang sama ukuran hasil, dan kepastian yang baik- untuk hasil seperti itu. Hasil penelitian sebelumnya Sebuah studi sebelumnya meneliti model risiko yang bersaing dalam 541 nullipa-membangunkan perempuan pada usia kehamilan 11e13 minggu dan melaporkan bahwa DR dari preterm-PE dan semua-PE, pada tingkat false-positive (FPR) 10%, adalah 80% dan 40%, masing-masing secara aktif. 26 Jumlah kasus yang diperiksa sangat kecil tetapi hasilnya konsisten dengan temuan kami. Sebuah studi prospektif pada 3066 wanita mengevaluasi publikasi pertama yang diterbitkan sebelumnya. algoritma trimester untuk prediksi PE awal yang diturunkan secara logistik regresi menggunakan faktor ibu dan dan melaporkan bahwa DR, di 10% FPR, PE awal adalah 92%, yang mirip dengan 95% yang dilaporkan dalam model asli. 27 Studi prospektif lain dievaluasi trimester pertama yang diterbitkan sebelumnya untuk prediksi PE yang diturunkan dengan menggunakan regresi logistik faktor ibu dan biomarker. 28 set data validasi terdiri dari antara 871 dan 2962 wanita, tergantung pada variabel yang dibutuhkan dalam publikasi goritme. DR, dengan FPR 10%, dalam 6 algoritma untuk PE awal bervariasi 29% hingga 80%, dan dalam 2 algoritma untuk PE akhir (34 minggu), itu 18% dan 53%. Implikasi untuk praktik klinis NICE dan American College of Ob-dokter spesialis kandungan dan ginekolog merekomendasikan memperbaiki skrining untuk PE oleh ibu faktor dan perawatan layar- kelompok positif dengan aspirin setiap hari dosis masing-masing 75 mg dan 81 mg. 1,2 Namun, bukti terbaru menunjukkan hal tersebut pendekatan untuk prediksi dan pra-pelepasan PE kemungkinan tidak efektif karena kinerja metode skrining buruk dan direkomendasikan dosis aspirin aku stidak memadai. Seperti yang ditunjukkan oleh penelitian ini, the model risiko bersaing menggunakan triple Tes dapat memprediksi sekitar 90% dari PE awal dan 75% preterm-PE pada SPR dari 10%; pada SPR yang sama, DR tercapai oleh metode yang direkomendasikan oleh NICE dan American College of Obstetri-cian dan Ginekolog setengah dari jumlah itu. 4 Perawatan kelompok yang diidentifikasi oleh model risiko yang bersaing sebagai yang paling tinggi risiko untuk preterm-PE dengan aspirin (150mg / d dari usia 11e14 mingguL sampai 36minggu) mengurangi tingkat preterm-PE oleh sekitar 60%, PE awal sekitar 80%, dan PE sangat awal sekitar 90%, tetapi ada sedikit bukti tentang pengurangan insiden PE dengan pengiriman at term. 15 Penapisan dan pencegahan PE adalahjuga terkait dengan pengurangan lama tinggal di neonatal intensif unit perawatan sekitar 70% karena sekitar 85% dari masa inap yang demikian disebabkan kelahiran pada <32 minggu, yang merupakan sub-berkurang secara signifikan. 29 Analis sekunder ysis dari uji coba ASPRE menunjukkan bahwa efek menguntungkan dari aspirin menunggu kepatuhan dan pengurangan insiden preterm- PE mungkin sekitar 75% pada mereka dengan kepatuhan 90% dan hanya 40% pada mereka yang kepatuhan <90%. 30 Analisis subkelompok dari uji coba ASPRE menunjukkan bahwa tidak ada bukti Halaman 8 heterogenitas dalam efek menguntungkan aspirin dalam mengurangi kejadian preterm-PE dalam subkelompok didefinisikan ac-Menurut usia ibu,dex, asal ras, metode konsepsi,merokok, riwayat keluarga PE, kebidanan sejarah yang rasional, dan sejarah yang sudah ada sebelumnya kondisi medis, kecuali kronis hipertensi; pada hipertensi kronis penggunaan profilaksis aspirin mungkin tidak berguna dalam pencegahan preterm-PE. 31 Meta-analisis uji coba tentang penggunaan aspirin pada wanita berisiko tinggi untuk mengalami PE melaporkan bahwa pertama, penggunaan aspirin di a-dosis harian <100 mg atau mulai pada> 16 kehamilan mingguL tidak mencegah PE, kedua, aspirin pada 100 mg / hari dimulai pada <16 minggu mengurangi risiko preterm-PE sebesar 67% tetapi tidak memiliki efek signifikan pada kejadian istilah-PE, dan ketiga, aspirin pada 100 mg / hari mulai dari> 16 minggu dapat meningkatkan risiko plasenta tiba-tiba dan antepartum pendarahan. 32,33 Kesimpulan Model risiko yang bersaing memberikan metode yang efektif dan dapat direproduksi untuk prediksi trimester pertama dari preterm-PE, disediakan berbagai komponen skrining dilakukan dengan tepat praktisi yang terlatih dan diaudit. Prediksi awal preterm-PE adalah ficial karena perawatan yang berisiko tinggi kelompok dengan aspirin dengan dosis harian 100 mg sangat efektif dalam penyakit. ■ Referensi 1. Pusat Kolaborasi Nasional untuk Perempuan dan Kesehatan Anak (Inggris). Hy- pertension dalam kehamilan: manajemen gangguan hipertensi selama kehamilan. Lon- don: RCOG Press; 2010 . 2. American College of Obstetricians and Gy- ahli nekologi. Ringkasan: penggunaan aspirin dosis rendah selama masa kehamilan. Pendapat Komite ACOG tidak. 743. Obstet Gynecol 2018; 132: 254–6 . 3. Wright D, Syngelaki A, Akolekar R, Poon LC, Nicolaides KH. Model risiko yang bersaing di Indonesia skrining untuk preeklampsia oleh ibu hamil acteristics dan riwayat medis. Am J Obstet Ginekol 2015; 213: 62.e1–10 . 4. Tan MY, Wright D, Syngelaki A, et al. Com- perbandingan akurasi diagnostik skrining awal untuk pre-eklampsia oleh pedoman NICE dan a metode yang menggabungkan faktor ibu dan biomarker: hasil SPREE. Ultrasonografi Obstet Gynecol 2018; 51: 743-50 . 5. Gallo DM, Wright D, Casanova C, Campanero M, Nicolaides KH. Risiko bersaing model dalam skrining untuk preeklampsia oleh ibu faktor dan biomarker pada kehamilan 19-24 minggu tion. Am J Obstet Gynecol 2016; 214: 619. e1–17 . 6. Poon LC, Kametas NA, Chelemen T, Leal A, Nicolaides KH. Faktor risiko ibu untuk gangguan hipertensi pada kehamilan: a pendekatan multivariat. J Hum Hypertens 2010; 24: 104-10 . 7. Poon LC, Akolekar R, Lachmann R, Beta J, Nicolaides KH. Gangguan hipertensi pada kehamilan nancy: penyaringan oleh biofisik dan biokimia spidol ical pada 11e13 minggu. Ultrasonografi Obstet Gynecol 2010; 35: 662–70 . 8. Akolekar R, Syngelaki A, Sarquis R, Zvanca M, Nicolaides KH. Prediksi awal, pre-eklampsia menengah dan lanjut dari faktor ibu, biofisik dan biokimia penanda pada 11-13 minggu. Prenat Diagn 2011; 31: 66–74 . 9. Scazzocchio E, Figueras F, Crispi F, et al. Penampilan skrining trimester pertama preeklampsia dalam pengaturan rutin perawatan berisiko rendah. Am J Obstet Gynecol 2013; 208: 203.e1–10 . 10. Baschat AA, Magder LS, Doyle LE, Atlas RO, Jenkins CB, Blitzer MG. Prediksi preeklampsia memanfaatkan itu trimester pertama pemeriksaan skrining. Am J Obstet Gynecol 2014; 211: 514.e1–7 . 11. Wright D, Akolekar R, Syngelaki A, Poon L, Nicolaides KH. Model risiko yang bersaing di awal skrining untuk preeklampsia. Diagnosis Janin 2012; 32: 171–8 . 12. Akolekar R, Syngelaki A, Poon L, Wright D, Nicolaides KH. Model risiko yang bersaing di awal skrining untuk preeklampsia secara biofisik dan penanda biokimia. Diagnosis Janin Ther 2013; 33: 8–15 . 13. O'Gorman N, Wright D, Syngelaki A, dkk. Model risiko bersaing dalam penyaringan untuk pra- eklampsia oleh faktor keibuan dan biomarker pada usia kehamilan 11-13 minggu. Am J Obstet Gyne- col 2016; 214: 103.e1-12 . 14. O'Gorman N, Wright D, Poon LC, dkk. Ac- Kurasi model risiko bersaing dalam penyaringan untuk pre-eklampsia oleh faktor ibu dan bio- penanda pada usia kehamilan 11e13 minggu. Ultrasonografi Obstet Gynecol 2017; 49: 751–5 . 15. Rolnik DL, Wright D, Poon LC, dkk. Aspirin dibandingkan plasebo pada kehamilan berisiko tinggi untuk preeklamsia preterm. N Engl J Med 2017; 377: 613–22 . 16. Plasencia W, Maiz N, Bonino S, Kaihura C, Nicolaides KH. Doppler arteri uterina pada pukul 11.00 hingga 13þ6 minggu dalam prediksi pra- eklampsia. Ultrasonografi Obstet Ginekol 2007; 30: 742–9 . 17. Poon LC, Zymeri NA, Zamprakou A, Syngelaki A, Nicolaides KH. Protokol untuk peningkatan tekanan arteri rata-rata pada 11e13 minggu kehamilan. Diagnosis Janin 2012, 31: 42–8 . 18. Robinson HP, Fleming JE. Evaluasi kritis- pengukuran panjang pantat mahkota sonar. Br J Obstet Gynaecol 1975; 82: 702–10 . 19. Brown MA, Lindheimer MD, de Swiet M, Van Assche A, Moutquin JM. Klasifikasi dan diagnosis gangguan hipertensi kehamilan: pernyataan dari Internasional Masyarakat untuk Studi Hipertensi Dalam Preg- nancy (ISSHP). Hipertensi Kehamilan 2001; 20. IXeXIV . 20. Geisser S. Inferensi Prediktif. New York: Chapman dan Hall; 1993 . 21. Tim Inti Pengembangan R. R: sebuah bahasa dan lingkungan untuk komputasi statistik. Wina, Austria: R Foundation for Statistics Komputasi; 2011 . 22. Robin X, Turck N, Hainard A, dkk. pROC: an paket open-source untuk dianalisis oleh R dan Sþ dan bandingkan kurva ROC. BMC Bioinformatika 2011; 12: 77 . 23. Therneau T. Paket analisis kelangsungan hidup di Paket S. R versi 2.37-7 2014. Tersedia di: http://CRAN.R-project.org/ package¼survival . Diakses 5 Oktober 2018. 24. Andrietti S, Silva M, Wright A, Wright D, Nicolaides KH. Model risiko-bersaing di skrining untuk pre-eklampsia oleh faktor ibu dan biomarker pada usia kehamilan 35e37 minggu. Ultrasound Obstet Gynecol 2016; 48: 72–9 . 25. Panaitescu AM, Wright D, Militello A, Akolekar R, Nicolaides KH. Diusulkan klinis manajemen kehamilan setelah digabungkan skrining untuk pre-eklampsia pada 35e37 minggu kehamilan. Ginekol Obstet USG 2017; 50: 383–7 . 26. Skråstad RB, Hov GG, Blaas HG, Romundstad PR, Salvesen KÅ. Penilaian risiko- untuk preeklampsia pada wanita nulipara di 11e13 minggu usia kehamilan: prospektif evaluasi dua algoritma. BJOG 2015; 122: 1781–188 . 27. Taman FJ, Leung CH, Poon LC, Williams PF, Rothwell SJ, Hyett JA. Evaluasi klinis a Algoritma trimester pertama memprediksi risiko penyakit hipertensi kehamilan. Aust NZJ Obstet Gynaecol 2013; 53: 532–9 . 28. Oliveira N, Magder LS, Blitzer MG, Bashat A. Prediksi pre-eklampsia trimester pertama: validitas eksternal algoritma secara prospektif kohort terdaftar. Ginekol Obstet USG 2014; 44: 279–85 . 29. Wright D, Rolnik DL, Syngelaki A, dkk. Aspirin untuk Preeklampsia Berbasis Bukti percobaan vention: efek aspirin pada lama tinggal di unit perawatan intensif neonatal. Am J Obstet Gynecol 2018; 218: 612.e1–6 . 30. Wright D, Poon LC, Rolnik DL, dkk. Aspirin untuk Preeklampsia Berbasis Bukti Uji coba pencegahan: pengaruh kepatuhan pada efek menguntungkan dari aspirin dalam pencegahan preeklamsia preterm. Am J Obstet Gynecol 2017; 217: 685.e1–5 . 31. Poon LC, Wright D, Rolnik DL, dkk. Aspirin untuk Pencegahan Preeklampsia Berbasis Bukti percobaan: efek aspirin dalam pencegahan prematur preeklampsia pada subkelompok wanita menurut Halaman 9 dengan karakteristik mereka dan medis dan kendala- sejarah yang rasional. Am J Obstet Gynecol 2017; 217: 585.e1–5 . 32. Roberge S, Bujold E, Nicolaides KH. Aspirin untuk pencegahan prematur dan term preeklampsia: tinjauan sistematis dan meta analisis. Am J Obstet Gynecol 2018; 218: 287–93.e1 . 33. Roberge S, Bujold E, Nicolaides KH. Meta-analisis tentang efek penggunaan aspirin untuk pencegahan dari preeklampsia di solusio plasenta dan antepartum hem- orrhage. Am J Obstet Gynecol 2018; 218: 483–9 . Informasi penulis dan artikel Dari Institute of Health Research, University of Ex- ter, Exeter (Drs D. Wright dan A. Wright), dan Harris Pusat Penelitian Birthright untuk Pengobatan Janin, King's Perguruan Tinggi, London (Drs Tan, O'Gorman, Poon, Syngelaki, dan Nicolaides), Britania Raya. Menerima 11 September 2018; direvisi 28 Oktober 2018; diterima pada 8 November 2018. Para pendukung pekerjaan ini tidak terlibat dalam desain studi; koleksi, analisis, dan interpretasi dari data; penulisan laporan; dan keputusan untuk kirimkan artikel untuk publikasi. Penelitian ini didukung oleh dana dari janin Yayasan Kedokteran (UK Charity number 1037116). Penulis melaporkan tidak ada konflik kepentingan. Penulis yang sesuai: Kypros H. Nicolaides, MD. Halaman 10 GAMBAR TAMBAHAN 1 Plot karakteristik penerima-operasi penapisan untuk PE awal 0 Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Plot karakteristik penerima-operasi penapisan untuk PE awal pada 3 set data dan komposisinya binasi oleh faktor ibu (kiri) dan uji tiga (kanan). Pelatihan, garis hijau; SPREE, garis merah; SQS, garis biru; kombinasi dari 3 set data, garis abu-abu. Halaman 11 GAMBAR TAMBAHAN 2 Plot karakteristik operasi penerima screening untuk preterm-PE Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Plot karakteristik operasi penerima penyaringan untuk preterm-PE dalam 3 set data dan mereka kombinasi oleh faktor ibu (kiri) dan tes tiga (kanan). Pelatihan, garis hijau; SPree, merah baris; SQS, garis biru; kombinasi dari 3 set data, garis abu-abu. Halaman 12 GAMBAR TAMBAHAN 3 Plot karakteristik operasi penerima untuk semua-PE Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Tingkat deteksi (% ) 0 20 40 60 80 100 0 20 40 60 80 100 Tingkat positif palsu (%) Plot karakteristik operasi penerima untuk semua-PE dalam 3 set data dan kombinasinya oleh faktor ibu (kiri) dan tes tiga (kanan). Pelatihan, garis hijau; SPREE, garis merah; SQS, biru baris; kombinasi dari 3 set data, garis abu-abu. GAMBAR TAMBAHAN 4 Plot kalibrasi untuk PE awal untuk skrining menggunakan uji tripel Insidensi PE <34 w 0,0005 0,001 0,002 0,005 0,01 0,02 0,05 0,1 0,2 0,5 1 26705 3466 2402 1537 860 542 220 142 54 20 7 3 7 14 22 17 18 21 10 9 0,0001 0,0002 Dataset pelatihan Risiko PE <34 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 KESENANGAN Risiko PE <34 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 SQS Risiko PE <34 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 6764 840 524 304 180 85 37 27 6 8 1 1 0 5 3 5 3 1 1 7 12986 1467 886 544 280 158 70 32 22 6 4 2 5 8 11 9 7 4 5 3 Plot kalibrasi untuk penyaringan menggunakan model risiko yang bersaing untuk prediksi PE dini dengan uji tripel dalam 3 set data. Garis abu-abu diagonal adalah garis perjanjian yang sempurna. Risiko rata-rata keseluruhan ditunjukkan oleh garis terputus vertikal dan keseluruhan insiden oleh garis terputus horisontal. Itu histogram menunjukkan distribusi risiko pada kehamilan dengan preterm-PE (merah) dan mereka yang tidak preterm-PE (abu-abu) Halaman 13 GAMBAR TAMBAHAN 5 Plot kalibrasi untuk semua-PE untuk penyaringan menggunakan uji tripel KESENANGAN 32 263 1270 2757 4414 4450 2274 732 200 59 0 0 1 5 36 86 121 108 56 26 Risiko PE <41 +3 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 SQS Risiko PE <41 +3 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 12 171 743 1515 2211 2281 1261 448 97 36 0 0 3 4 19 50 67 55 24 17 : Insiden semua-PE 0,0005 0,001 0,002 0,005 0,01 0,02 0,05 0,1 0,2 0,5 1 Dataset pelatihan Risiko PE <41 +3 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 46 464 2212 5316 8969 9824 6008 2200 706 203 0 2 4 21 70 189 254 250 178 90 Plot kalibrasi untuk penyaringan menggunakan model risiko yang bersaing untuk prediksi semua-PE dengan uji tripel dalam 3 set data. Garis abu-abu diagonal adalah garis kesepakatan yang sempurna. Risiko rata-rata keseluruhan ditunjukkan oleh garis terputus vertikal dan keseluruhan insiden oleh garis terputus horisontal. Itu histogram menunjukkan distribusi risiko pada kehamilan dengan preterm-PE (merah) dan mereka yang tidak preterm-PE (abu-abu). GAMBAR TAMBAHAN 6 Plot kalibrasi untuk semua-PE untuk penyaringan menggunakan uji tripel yang disesuaikan untuk sensor KESENANGAN Risiko PE <41 +3 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 Insiden semua-PE 0,0005 0,001 0,002 0,005 0,01 0,02 0,05 0,1 0,2 0,5 1 Dataset pelatihan Risiko PE <41 +3 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 2155 5396 9177 9804 5855 2164 704 203 6 30 93 235 328 348 262 113 SQS Risiko PE <41 +3 w 0,0005 0,002 0,005 0,02 0,05 0,1 0,2 0,5 1 743 1515 2211 2281 1261 448 97 36 5 4 34 65 96 80 42 29 1270 2757 4414 4450 2274 732 200 59 2 14 44 125 166 1773 89 42 Plot kalibrasi untuk penyaringan menggunakan model risiko yang bersaing untuk prediksi semua-PE dengan uji tripel dalam 3 set data. Garis abu-abu diagonal adalah garis kesepakatan yang sempurna. Risiko rata-rata keseluruhan ditunjukkan oleh garis terputus vertikal dan keseluruhan insiden oleh garis terputus horisontal. Itu histogram menunjukkan distribusi risiko pada kehamilan dengan semua-PE (merah) dan mereka yang tidak PE (abu-abu). Jumlah kejadian disesuaikan untuk efek menyensor dengan mengalikan estimasi insiden dengan jumlah pengamatan di setiap bin.