妊娠期糖尿病孕妇产后出血的影响因素及其列线图模型构建

Risk factors for postpartum hemorrhage in women with gestational diabetes and the development of a predictive nomogram

摘要

目的 系统分析妊娠期糖尿病（Gestational diabetes mellitus，GDM）孕妇产后出血（Postpartum hemorrhage，PPH）的独立危险因素，构建并验证个体化风险列线图预测模型，为临床早期识别高危患者和制定预防策略提供科学依据。 方法 收集2016年1月至2023年5月在本院分娩的357例GDM孕妇临床资料。根据产后出血发生情况将患者分为PPH组和对照组，采用随机数字表法按7∶3比例分为建模组（268例）和验证组（89例）。收集孕妇21项临床指标进行单因素分析，通过多因素Logistic回归分析筛选PPH的独立危险因素，利用R软件的“rms”程序包构建列线图预测模型，并通过受试者工作特征（Receiver operating characteristic，ROC）曲线下面积（Area under the curve，AUC）、校准曲线评价模型的区分度和准确性。利用验证组数据进行外部验证。 结果 建模组PPH发生率为19.03%。单因素分析显示，PPH组在孕前体质指数（Body mass index，BMI）、合并妊娠期高血压、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常、巨大儿等方面与对照组比较差异有统计学意义（P＜0.05）；多因素Logistic回归分析显示，GDM孕妇发生PPH的主要影响因素有合并妊娠期高血压、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常等5项；依据上述因素构建预测模型，内部验证结果显示，AUC为0.822（95%CI=0.743~0.901），Hosmer-Lemeshow拟合优度检验结果表明模型拟合良好（χ²=9.171，P=0.246）；外部验证结果显示，AUC为0.828（95%CI=0.765~0.891），Hosmer-Lemeshow拟合优度检验结果表明模型拟合良好（χ²=7.282，P=0.407）。 结论 基于合并妊娠期高血压疾病、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常等5项因素构建的列线图模型能够有效预测GDM孕妇发生PPH的风险，为临床个体化预防和干预提供科学依据。

Abstract

Objective : To systematically analyze the independent risk factors for postpartum hemorrhage （PPH） in women with gestational diabetes mellitus （GDM） and to develop and validate an individualized predictive nomogram model， aiming to provide scientific evidence for the early identification of high-risk patients and the formulation of preventive strategies. Methods Clinical data was collected on 357 pregnant women with GDM who delivered at our institution between January 2016 and May 2023. Patients were divided into PPH group and control group based on postpartum hemorrhage occurrence， and they were divided into a training set （n=268） and a validation set （n=89） at a 7∶3 ratio using random number table method. Twenty-one clinical indicators were collected for univariate analysis， and multivariable logistic regression analysis was performed to identify the independent risk factors for PPH. A predictive nomogram was subsequently constructed using the "rms" package in R software. The model's performance was evaluated by its discrimination， measured by the area under the receiver operating characteristic （ROC） curve （AUC）， and its accuracy， assessed by calibration curves. External validation was performed using the validation set. Results The incidence of PPH in the training set was 19.03%. Univariate analysis showed statistically significant differences between the PPH group and control group in pre-pregnancy body mass index （BMI）， concurrent gestational hypertensive disorders， history of uterine surgery， abnormal coagulation function， prenatal negative emotions， placental abnormalities， and macrosomia （P＜0.05）. Multivariable logistic regression analysis identified five main influencing factors for PPH in GDM pregnant women： concurrent gestational hypertensive disorders， history of uterine surgery， abnormal coagulation function， prenatal negative emotions， and placental abnormalities. Based on the factors mentioned above， a predictive model was developed. Internal validation results showed an AUC of 0.822 （95%CI=0.743-0.901）， and the Hosmer-Lemeshow goodness-of-fit test indicated good model fit （χ²=9.171， P=0.246）. External validation results showed an AUC of 0.828 （95%CI=0.765-0.891）， and the Hosmer-Lemeshow goodness-of-fit test also indicated good model fit （χ²=7.282， P=0.407）. Conclusion The nomogram model constructed based on five factors which are concurrent gestational hypertensive disorders， history of uterine surgery， abnormal coagulation function， prenatal negative emotions， and placental abnormalities can effectively predict the risk of PPH occurrence in GDM pregnant women， providing scientific evidence for individualized clinical prevention and intervention strategies.

Graphical abstract

关键词

糖尿病，妊娠 / 产后出血 / 影响因素 / 列线图模型

Key words

Diabetes，gestational / Postpartum hemorrhage / Influencing factors / Column chart model

妊娠期糖尿病（Gestational diabetes mellitus， GDM）是妊娠期常见的一种并发症，在妊娠期发生率约为15%^［1］。该病不仅对母体造成直接危害，还可能导致胎儿窘迫、巨大儿等不良妊娠结局，严重威胁母婴健康^［2］。近年来研究发现，GDM孕妇产后出血（Postpartum hemorrhage， PPH）比例较正常孕妇显著增高^［3］。PPH作为妊娠期严重并发症，可导致孕妇短时间内出现低血压、体循环障碍等情况，部分患者可发生休克，甚至死于器官衰竭^［4］。故需对PPH进行有效预防。目前，有关GDM孕妇发生PPH影响因素研究较多，而缺乏PPH的个体化预测研究，导致对PPH干预缺乏针对性。列线图作为一种能整合多个预测变量并将其可视化的统计模型，已被证实可精准预测特定临床事件的发生风险^［5］。因此，本研究旨在通过回顾性分析，筛选GDM孕妇发生PPH的独立危险因素，并基于这些因素构建并验证一个直观、实用的列线图预测模型，以期为临床早期识别高危个体、制定精准的预防策略提供科学依据。

1 资料与方法

1.1　一般资料

回顾性分析2016年1月至2023年5月在本院分娩的357例GDM孕妇资料，并采用随机数字表法将357例GDM孕妇按7∶3的比例分为建模组（n=268）和验证组（n=89）。纳入标准：①符合有关GDM诊断标准^［6］；②均自然受孕，且为单胎；③于本院规律孕检；④诊断、分娩资料齐全。排除标准：①存在严重器官疾病；②存在免疫、血液系统疾病；③妊娠前患有糖尿病；④超声检查提示胎儿发育异常。本研究已通过崇义县妇幼保健院医学伦理委员会审批（编号：202305）。

1.2　PPH诊断

根据美国妇产科学会2017年更新的定义^［7］，PPH诊断标准为：阴道自然分娩产妇产后24 h内出血量≥500 mL判定为PPH，剖宫产产妇产后24 h内出血量≥1 000 mL判定为PPH，或任何程度的失血伴有低血容量症状（如头晕、心动过速、血压下降等），不论分娩方式。失血量测定方法：采用称重法结合目测法进行定量评估。称重法计算公式：出血量（mL）=［使用后血垫重量（g）-血垫干重（g）］/1.05。同时结合临床症状和体征进行综合判断。

1.3　资料收集

收集建模组孕妇以下资料（包括建模组和验证组）：年龄、孕产次、本次孕前体质指数（Body mass index，BMI）、孕周、糖尿病家族史、产后出血史、吸烟史、饮酒史、合并妊娠期高血压、产前空腹血糖（Fasting blood glucose，FBG）、子宫手术史、凝血功能、妇科炎症、羊水量、胎膜早破、产前情绪状态、胎盘异常（包括前置、早剥、粘连等）、分娩方式、产程时长、新生儿体重。

1.4　指标定义

⑴高龄产妇：分娩时年龄≥35岁者。⑵有吸烟史：吸烟量≥1支·d^-1，且持续6个月以上。⑶有饮酒史：饮酒次数≥1次/周，摄取量≥30 mL/次，且保持此行为6个月以上。⑷凝血功能异常：①凝血酶原时间正常范围为11～17 s；②活化部分凝血活酶时间正常范围为26～37 s；③凝血酶时间正常范围为14～21 s。当上述指标超过正常范围时判定为凝血功能异常。⑸羊水过多：指经超声检查诊断，符合以下任一标准：①羊水指数（Amniotic fluid index，AFI）≥25 cm；②羊水最大暗区垂直深度（Maximum vertical pocket，MVP）≥8 cm。⑹临产前情绪状态：采用焦虑、抑郁自评量表评定，2项临界值分别为50分、53分。达到此临界值时，表示存在相应负性情绪。⑺产程异常：潜伏期延长（初产妇超过20 h，经产妇超过14 h）、活跃期延长（宫口扩张速度＜0.5 cm·h^-1）、活跃期停滞指进入活跃期后，在宫缩良好［强度＞50 mmHg，频率≥3次·（10 min）^-1］的情况下，宫口停止扩张≥4 h；或在宫缩欠佳时，经催产素加强宫缩后，宫口停止扩张仍≥6 h。胎盘滞留（胎儿娩出后30 min内胎盘未排出，可能引发产后出血）。⑻巨大儿：出生时体重≥4 kg。

1.5　统计学处理

采用SPSS 22.0软件进行统计分析。计量资料以\overline{x}±s表示，采用t检验；计数资料以n（%）表示，采用χ²检验。多因素分析采用二元Logistic回归模型。所有纳入模型的二分类自变量均进行虚拟变量编码，以“否”或“无”作为参照组（赋值为0），“是”或“有”作为风险组（赋值为1）。采用逐步前进法（Forward：LR）筛选自变量。基于多因素分析筛选出的独立危险因素，使用R软件（4.2.1版）中的“rms”程序包构建列线图模型。列线图上各预测因子分数是基于其Logistic回归系数（β值）按比例线性转换而来。采用Bootstrap法（重复抽样1 000次）进行内部验证，并利用验证组数据进行外部验证。通过受试者工作特征曲线（Receiver operating characteristic curve，ROC）下面积（Area under the curve，AUC）、校准曲线及Hosmer-Lemeshow拟合优度检验评估模型的预测效能。检验水准α=0.05。

2 结果

2.1　GDM孕妇PPH发生情况

268例GDM孕妇中，有51例发生PPH，发生率为19.03%。其中出血量最少543 mL，最多1 974 mL。验证组89例，其中17例发生PPH，发生率19.10%。2组基线特征比较差异无统计学意义（P＞0.05），具有可比性。

2.2　建模组GDM孕妇发生PPH的单因素分析

单因素分析显示，本次孕前BMI、合并妊娠期高血压、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常、巨大儿共7个因素在PPH组与对照组间差异有统计学意义（P＜0.05），见表1。

2.3　GDM孕妇发生PPH的多因素Logistic回归分析

以GDM孕妇PPH（否=0，是=1）为因变量，以本次孕前BMI（实测值）、合并妊娠期高血压（否=0，是=1）、有子宫手术史（否=0，是=1）、凝血功能异常（否=0，是=1）、产前有负性情绪（无=0，有=1）、胎盘异常（否=0，是=1）、巨大儿（否=0，是=1）等表1中P＜0.05的7项单因素为自变量，采用逐步前进法筛查变量，进行多因素Logistic回归分析。结果显示，合并妊娠期高血压、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常是GDM孕妇发生PPH的影响因素，见表2。

2.4　GDM孕妇发生PPH的列线图预测模型构建

基于多因素Logistic回归分析筛选的5个独立影响因素（合并妊娠期高血压、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常），运用R软件构建预测GDM孕妇PPH发生风险的列线图模型（图1）。列线图评分系统是依据各因素在Logistic回归模型中的回归系数按比例转换而得。在该预测模型中，各预测因素根据其回归系数（β值）被赋予相应分值。

2.5　GDM孕妇发生PPH的列线图预测模型的内部验证

采用Bootstrap方法进行1 000次重复抽样，计算模型的AUC值和绘制校准曲线。运用ROC曲线和AUC值来评价该模型对GDM孕妇发生PPH的预测能力。在建模组内部验证中，ROC曲线结果显示（图2），AUC为0.822（95%CI：0.743～0.901），提示模型对于GDM孕妇发生PPH具有良好预测能力。校准曲线（图3）显示模型预测曲线与理想对角线（标准曲线）接近。Hosmer-Lemeshow检验结果显示，模型预测概率与实际观测概率之间差异无统计学意义（χ²=9.171，P=0.246）。

2.6　GDM孕妇发生PPH的列线图预测模型的外部验证

为评估模型的稳定性和泛化能力，采用验证组数据进行外部验证。结果显示（图4），模型在验证组的AUC为0.828（95%CI：0.765～0.891），与内部验证结果高度一致，进一步证实该模型应用于新的人群数据时仍能保持高效且可靠的预测性能。此外，外部验证中的校准曲线（图5）同样表现出良好一致性，Hosmer-Lemeshow检验P=0.407，提示该模型在外部数据中同样拟合良好，其预测结果具有良好可信度。

3 讨论

近年来，随着人们生活条件的改善及高龄产妇比例不断增加，GDM发生率逐渐增高。GDM对母婴危害较大，可能出现各种不良结局，其中以PPH较为常见。本研究对268例GDM孕妇PPH发生情况进行调查，结果显示，有51例发生PPH，PPH发生率为19.03%，高于李星等^［8］研究的顺转剖产妇PPH发生率（13.00%）及龙海燕等^［9］研究的高龄产妇剖宫产PPH发生率（11.48%），提示GDM孕妇PPH发生率较高。PPH发生后，轻则导致孕妇贫血，重则可引起孕妇休克，甚至危及生命。因此须采取妥善管理措施预防PPH发生。

了解GDM孕妇PPH发生的相关因素，并对个体进行PPH发生风险的预测，利于及早对高风险者进行精准干预，对预防PPH发生有重要意义^［10］。故本研究对GDM孕妇发生PPH的影响因素进行筛查，结果分析如下：⑴合并妊娠期高血压。GDM孕妇长期糖代谢紊乱，可致血管内皮损伤，并诱导小动脉痉挛，从而引起高血压^［11］。在本研究中，合并妊娠期高血压和GDM孕妇发生PPH有关，与费辉辉等^［12］研究结果一致。究其原因，长期血压升高可致血管韧性减弱，孕妇在分娩中可能因用力过大而导致血管破裂。且高血压可累及器官，降低肌肉张力，易引起宫缩乏力，从而增加PPH风险^［13］。⑵有子宫手术史。本研究结果显示，有子宫手术史的GDM孕妇PPH发生风险为无子宫手术史者的3.314倍，原因是有子宫手术史者子宫存在不同程度瘢痕，瘢痕位置通常伴有组织增生，肌张力减弱，且切口缝合处易有经血聚集，故PPH风险较高^［14-15］。⑶凝血功能异常。在本研究中，凝血功能异常的GDM孕妇PPH发生风险为凝血功能正常者的5.518倍，与翁小芳等^［16］研究结果一致。这是由于凝血功能异常者凝血因子的生成减少，产后不能及时促使血液凝固，从而引起PPH^［17］。⑷产前有负性情绪。部分孕妇缺少分娩经验，临产前易出现负性情绪。在本研究中，产前有负性情绪的GDM孕妇更易发生PPH，可能原因如下：持续存在负性情绪可诱导神经紊乱，促使垂体后叶激素大量产生，易导致孕妇产程中及产后宫缩乏力，增加PPH发生风险^［18］。⑸胎盘异常。胎盘异常如前置、粘连可加大胎盘剥离的困难程度，且剥离面血窦较难关闭，故更易发生PPH^［19］。此外，胎盘异常可导致孕妇产后子宫不能有效收缩，继而发生PPH^［20］。

本研究根据5项二分类变量构建预测GDM孕妇发生PPH的列线图模型。对模型行内外部检验，结果显示建模组AUC为0.822（95%CI=0.743~0.901），验证组AUC为0.828（95%CI=0.765~0.891），预测值和实际值均相近，提示该模型有着较好预测能力。故利用该模型对GDM孕妇PPH风险进行筛查，并结合预测概率实施针对性产前干预，有利于降低PPH发生风险。

综上所述，基于合并妊娠期高血压、有子宫手术史、凝血功能异常、产前有负性情绪、胎盘异常等5项因素构建的列线图模型可有效预测GDM孕妇PPH发生风险，对制定个体化防治策略降低PPH发生风险有重要意义。本研究纳入对象来自单一中心，且在数据收集上有一定倾向性，可能导致统计结果受到影响。未来将与其他中心合作，收集更全面的数据来做进一步研究。

参考文献

[1] WANG Y， HUANG Y， WU P， et al. Plasma lipidomics in early pregnancy and risk of gestational diabetes mellitus： a prospective nested case-control study in Chinese women［J］. Am J Clin Nutr， 2021，114（5）：1763-1773.

[2] MOON J H， JANG H C. Gestational diabetes mellitus： diagnostic approaches and maternal-offspring complications［J］. Diabetes Metab J， 2022，46（1）：3-14.

[3] 郭蓝蓝，张学真，狄小丹，等.妊娠期糖尿病围手术期血糖水平与产后出血量及新生儿血糖关系［J］.广州医科大学学报，2022，50（2）：35-39.

[4] KUMARASWAMI S， BUTWICK A. Latest advances in postpartum hemorrhage management［J］. Best Pract Res Clin Anaesthesiol， 2022，36（1）：123-134.

[5] MAO W， FU Z， WANG K， et al. Prognostic nomogram for patients with lung metastatic renal cell carcinoma： a SEER-based study［J］. Ann Palliat Med， 2021，10（3）：2791-2804.

[6] 中华医学会妇产科学分会产科学组，中华医学会围产医学分会妊娠合并糖尿病协作组.妊娠合并糖尿病诊治指南（2014）［J］.中国实用乡村医生杂志，2017，24（8）：45-52.

[7] 中华医学会妇产科学分会产科学组.产后出血预防与处理指南（2014）［J］.中华妇产科杂志，2014，49（9）：641-646.

[8] 李星，蔡霞，费云，等.阴道试产失败中转剖宫产产妇产后出血影响因素分析及风险预测模型建立［J］.临床与病理杂志，2022，42（9）：2166-2173.

[9] 龙海燕，陈虹甸，王世祥.琼海市行剖宫产的高龄产妇产后出血的危险因素分析［J］.中国医学前沿杂志（电子版），2021，13（7）：119-122.

[10] 张征，闫秋菊.列线图预测模型评估二次剖宫产产妇产后出血危险因素［J］.中国计划生育学杂志，2022，30（1）：84-88.

[11] MARTÍNEZ-VIZCAÍNO V， SANABRIA-MARTÍNEZ G， FERNÁNDEZ-RODRÍGUEZ R， et al. Exercise during pregnancy for preventing gestational diabetes mellitus and hypertensive disorders： an umbrella review of randomised controlled trials and an updated meta-analysis［J］. BJOG， 2023，130（3）：264-275.

[12] 费辉辉，臧丽娟.妊娠期糖尿病孕产妇产后不同程度出血危险因素分析［J］.中国妇幼保健，2022，37（11）：2054-2057.

[13] LIU J， WANG C， YAN R， et al. Machine learning-based prediction of postpartum hemorrhage after vaginal delivery： combining bleeding high risk factors and uterine contraction curve［J］. Arch Gynecol Obstet， 2022，306（4）：1015-1025.

[14] 冯翀，宋晶哲，孔祥，等.瘢痕子宫再次剖宫产分娩发生产后出血的列线图模型构建［J］.实用临床医药杂志，2022，26（14）：92-96.

[15] 陈昕华，吴萍，刘延，等.瘢痕子宫女性再次剖宫产产后出血的相关因素分析［J］.中国医药科学，2021，11（18）：1-5.

[16] 翁小芳，刘郑洁，余丽珍，等.产后出血危险因素评分表的建立及临床应用价值研究［J］.中国妇幼保健，2023，38（1）：90-93.

[17] RIGOUZZO A， LOUVET N， FAVIER R， et al. Assessment of coagulation by thromboelastography during ongoing postpartum hemorrhage： a retrospective cohort analysis［J］. Anesth Analg， 2020，130（2）：416-425.

[18] 梁秋霞，翁廷松，卢荔婕，等.产妇产后出血的危险因素分析及基于循证医学的预警信息系统构建［J］.中国性科学，2021，30（6）：80-84.

[19] 洪亚荣，贾利平，王桂，等.基于精神心理、产妇自身角度分析分娩结局影响因素及其相关性［J］.中国计划生育学杂志，2022，30（11）：2639-2643.

[20] 何飞彩，郭春梅.经阴道分娩产后出血的危险因素及产前凝血指标和出血预测评分对产后出血的预测价值［J］.中国妇幼保健，2023，38（1）：15-18.