KEBIDANAN

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

penyaringan yang sudah mapan untuk pra- sebelum kehamilan tertentu. Per-
eklampsia adalah untuk mengidentifikasi kinerja pendekatan ini jauh lebih unggul
faktor-faktor risiko dari karakteristik daripada penilaian risiko
demografi ibu sistem.
riwayat hidup dan medis; di hadapan faktor- TUJUAN: Tujuan dari penelitian ini adalah
faktor tersebut pasien untuk memeriksa prediksi
diklasifikasikan sebagai risiko tinggi dan kinerja model risiko yang bersaing dalam
dalam ketidakhadirannya sebagai risiko penyaringan untuk preeklampsia
rendah. Namun demikian oleh kombinasi faktor ibu, tekanan arteri
kinerja pendekatan semacam itu rata-rata, uterus
buruk. Kami mengembangkan risiko yang indeks pulsatilitas arteri, dan faktor
bersaing pertumbuhan plasenta serum, disebut
model, yang memungkinkan kombinasi sebagai
faktor ibu (usia, berat badan, tinggi badan, uji tripel, dalam set data pelatihan untuk
ras, paritas, riwayat pribadi dan keluarga pengembangan model dan 2
preeklampsia, hiper- kronis studi validasi.
ketegangan, diabetes mellitus, systemic DESAIN STUDI: Data untuk penelitian ini
lupus erythematosus atau anti- berasal dari 3 sebelumnya
sindrom fosfolipid, metode konsepsi dan melaporkan penelitian skrining multicenter
interpregnansi prospektif, tanpa intervensi, untuk
Interval), dengan biomarker untuk preeklampsia pada kehamilan tunggal pada
memperkirakan risiko spesifik pasien usia 11 tahun þ0 ke 13 þ6 minggu
kehamilan.
Dalam semua 3 studi, ada pencatatan faktor oleh pengukuran kemiringan kalibrasi dan
ibu dan biomarker dan memastikan hasil kalibrasi dalam besar.
oleh personel yang terlatih dengan HASIL: Tingkat deteksi pada tingkat layar-
tepat. Pertama Studi terhadap 35.948 wanita, positif 10% dari
yang dilakukan antara Februari 2010 dan preeklamsia awal, preterm-preeklampsia,
Juli 2014, digunakan untuk mengembangkan dan semua-preeklampsia adalah
model risiko bersaing untuk diksi sekitar 90%, 75%, dan 50%, masing-masing,
preeklampsia dan karena itu dianggap dan hasilnya konsisten
sebagai set pelatihan. 2 studi validasi terdiri antara pelatihan dan 2 set data validasi. Area
dari 8775 dan 16.451 wanita, di bawah
masing-masing, dan mereka dilakukan kurva karakteristik operasi penerima
antara Februari dan September adalah> 0,95,> 0,90, dan> 0,80,
2015 dan antara April dan Desember 2016, masing-masing, menunjukkan diskriminasi
masing-masing. Sabar- yang sangat tinggi antara yang terkena
risiko spesifik persalinan dengan dampak
preeklampsia pada <34, <37, dan <41 dan kehamilan yang tidak
þ3 terpengaruh. Demikian pula, lereng kalibrasi
kehamilan minggu dihitung menggunakan sangat
model risiko yang bersaing dan mendekati 1.0, menunjukkan kesepakatan
kinerja skrining untuk preeklampsia oleh yang baik antara risiko yang diprediksi
faktor ibu saja dan dan mengamati kejadian
uji tripel di masing-masing dari 3 set data preeklampsia. Dalam prediksi awal-
dinilai. Kami memeriksa preeklamsia dan preterm-preeklamsia,
kinerja prediksi model dengan terlebih kejadian yang diamati di
dahulu, kemampuan model untuk set pelatihan dan 1 set data validasi
membedakan antara kelompok preeklampsia konsisten dengan
dan tanpa-preeklampsia prediksi satu. Di set data validasi lainnya,
menggunakan area di bawah kurva yang secara khusus
karakteristik operasi penerima dan dirancang untuk evaluasi model, insiden
tingkat deteksi pada tingkat layar-positif lebih tinggi daripada
tetap dari 10%, dan kedua, kalibrasi
diprediksi, mungkin karena pemastian hasil
yang lebih baik. Itu
insidensi semua-preeklampsia lebih rendah
dari yang diperkirakan pada ketiga set data
karena pada saat term banyak kehamilan
melahirkan untuk alasan selain
eklampsia, dan karena itu, kehamilan
dianggap berisiko tinggi
preeklampsia yang terjadi karena alasan lain
sebelum berkembang
eklampsia dapat secara salah dianggap
positif palsu.
KESIMPULAN: Model risiko yang
bersaing memberikan yang efektif dan
metode yang dapat direproduksi untuk
prediksi trimester pertama preeklamsia dini
dan preeklamsia preterm selama berbagai
komponen penyaringan
dilakukan oleh praktisi yang terlatih dan
diaudit dengan tepat. Awal
Prediksi preeklampsia preterm bermanfaat
karena pengobatan
kelompok berisiko tinggi dengan aspirin
sangat efektif dalam pencegahan
meskipun sederhana, itu tidak dihitung
risiko spesifik pasien individu.
Cara penyaringan alternatif adalah dengan
gunakan model regresi logistik yang cocok untuk
karakteristik ibu dan medis
sejarah sendiri atau dalam kombinasi dengan
biomarker untuk memprediksi lebih awal, terlambat, atau semua
penyakit.
Kata kunci: aspirin, kalibrasi, Screening
Multimarker dan
Perawatan Pasien Acak dengan Aspirin
untuk Pra-Berbasis Bukti
percobaan pencegahan eklampsia, model
risiko bersaing, diskriminasi, pertama-
skrining trimester, tekanan darah arteri rata-
rata, kinerja
skrining, faktor pertumbuhan plasenta,
preeklampsia, model bertahan hidup, uterus
arteri Doppler
T ia mendirikan metode skrining
untuk preeklampsia (PE) adalah untuk
mengidentifikasi
faktor risiko dari karakteristik demografi ibu
dan riwayat medis; di
adanya faktor-faktor tersebut, pasien
diklasifikasikan sebagai risiko tinggi dan
risiko
tidak ada sebagai risiko rendah. 1,2 Kinerja
dari pendekatan ini adalah 3e5 miskin
dan,
PE. 6e10 tidak dapat dengan mudah diperluas untuk
Model-model seperti itu bermanfaat dalam dimasukkan
bahasa mengukur spesifikasi pasien biomarker tambahan diukur pada
risiko spesifik untuk PE, bukan hanya tahapan yang berbeda dalam kehamilan.
klasifikasi mempersulit perempuan menjadi Kami telah mengembangkan risiko yang
risiko tinggi dan rendah kelompok. Namun, saling bersaing
mereka tidak mengizinkan fleksibilitas pendekatan yang memungkinkan kombinasi
dalam memilih berbagai faktor ibu dengan biomarker untuk
batas usia nasional untuk mengkategorikan tentukan masing-masing pasien spesifik
keparahan PE, mereka tidak risiko PE yang membutuhkan pengiriman
memperhitungkan sebelumnya
Kutip artikel ini sebagai: Wright D, Tan setiap kehamilan yang ditentukan. 11,12 Ini
MY, O'Gorman N, dkk. didasarkan
Kinerja prediktif model risiko yang bersaing pada model survival-time untuk pesta
di Indonesia pernikahan
skrining untuk preeklampsia. Am J Obstet usia nasional saat persalinan dengan PE, dan
Gynecol memang begitu
2019; 220: 199.e1-13. diasumsikan bahwa jika kehamilan itu
0002-9378 / gratis terjadi
© 2018 Elsevier Inc. Semua hak dilindungi terus tanpa batas, semua wanita akan
undang-undang. melakukannya
https://doi.org/10.1016/j.ajog.2018.11.1087 mengembangkan PE dan apakah mereka
FEBRUARI 2019 American Journal of melakukannya atau
Obstetrics & Gynaecology 199.e1 tidak sebelum usia kehamilan yang
Halaman 2 ditentukan

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.