HE UNIVERSITY

在四个中低收入国家的13,841名孕妇中，研究人员通过使用生物特征分析结合机器学习方法对这一涉及多个国家的孕妇群组中的早产（PTB）临床流行病学有所了解。该研究登上本期Science Adcances杂志封面。

研究作者Camilo Espinosa和同事认为，这种方法可帮助研究人员理解早产风险因素的生物学机制，并可能为将来的临床干预提供信息。

早产的定义是：在怀孕37周之前出生；它是5岁以下儿童死亡的主要原因，尤其是在中低收入国家。研究人员对早产的原因进行了广泛的调查，其中包括妊娠史、孕妇年龄和社会经济状况等因素。但风险因素（尤其是在人群层面）的复杂性使得预测发生早产的时间变得具有挑战性。

Espinosa等人在此分析了来自孟加拉国、巴基斯坦、坦桑尼亚和赞比亚四国的13,841位孕妇的临床病史、人口统计和社会经济因素，她们中有1578人（11.4%）发生了早产。

他们对一个有231名的孕妇亚组（其中113人发生了早产，118人为足月产）的血浆样本进行了生物学分析，确认了在妊娠早期和中期在不同组的蛋白质、代谢产物和脂质之间发生的相互作用，期望寻找任何有助于预测早产发生时间的方法。

他们确定了一组与之前结果一致的生物学特征和流行病学变量，其或可用作早产的预测指标。最有力的预测指标包括早产病史、先前发剖腹产、死产和流产历史以及产妇健康和社会经济因素——诸如身高、体重指数（低或高于正常）、糖尿病史和受教育的水平。

 

作者得出结论：“这种方法有望解决早产预测模型缺乏可泛化性的问题，并为可在多个人群中推广的预防早产的生物性和社会经济干预措施的研发提供线索。”

Science Advances

24 May 2023

Vol 9, Issue 21

DOI: 10.1126/sciadv.ade7692

版权声明：

本文转载自 ScienceAAAS (优睿科新闻平台)。中文内容仅供参考，一切内容以英文原版为准。