编辑推荐：
为解决孕妇睡眠障碍评估难题，研究人员构建预测模型，发现 Model 2 性能更优，可辅助评估。
《构建并验证孕妇睡眠障碍预测模型：助力孕期健康管理》
在孕期，睡眠对于孕妇而言就像一座 “健康堡垒”，它不仅守护着孕妇自身的身心健康，还与胎儿的生长发育息息相关。然而，睡眠障碍却如同悄悄潜入的 “敌人”，成为孕期常见的困扰。据统计，高达 76% 的孕妇曾抱怨睡眠质量不佳，38% 的孕妇存在睡眠不足的情况 。睡眠障碍带来的危害不容小觑，它会加剧孕妇的负面情绪，增加孕期及产后抑郁的风险，延长分娩时间，提高难产、产后出血以及剖宫产的几率，甚至可能导致早产。
目前，对于孕妇睡眠障碍的诊断面临诸多挑战。一方面，睡眠障碍的症状较为复杂，容易与孕期的正常生理反应混淆。例如，频繁起夜排尿，既可能是孕期的正常现象，也可能是睡眠障碍的表现。另一方面，传统的诊断方法，如多导睡眠图（PSG），虽然能详细监测睡眠情况，但因其设备复杂，需要在特定环境中进行监测，给孕妇带来极大不便，并不适用于孕期。而主观评估方法，如问卷调查，又容易受到孕妇认知偏差和回忆偏差的影响，导致诊断准确性大打折扣。更为关键的是，现有的研究大多聚焦在睡眠障碍的客观生理原因上，针对不同个体特征的孕妇睡眠障碍预测模型的研究少之又少。因此，开发一种准确、便捷且经济的筛查工具迫在眉睫。
为了攻克这一难题，宁夏医科大学的研究人员德光杨、叶李等人开展了一项旨在构建和验证孕妇睡眠障碍风险预测模型的研究，该研究成果发表在《BMC Pregnancy and Childbirth》上。
研究人员采用连续抽样的方法，从 2023 年 2 月至 2023 年 6 月，在宁夏回族自治区某三级医院的妇产科门诊招募了 2467 名健康孕妇作为研究对象。这些孕妇年龄均在 18 岁及以上，且孕周至少为 4 周。研究人员将收集到的孕妇信息随机分为训练集和验证集，比例为 7:3 。
在研究过程中，研究人员运用了多种关键技术方法。首先，通过系统的问卷调查，收集孕妇的一般人口统计学特征、孕期心理状态、家庭功能水平以及睡眠质量等信息。其中，使用爱丁堡产后抑郁量表（Edinburgh Postnatal Depression Scale，EPDS）评估孕期抑郁，该量表包含 10 个项目，得分越高表示抑郁程度越严重；采用孕期焦虑问卷评估孕期焦虑；运用家庭关怀指数问卷（Family Caringness Index Questionnaire，APGAR）衡量家庭功能；借助匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index，PSQI）评价睡眠质量，并将 PSQI 得分转化为二分类变量作为结果变量。其次，在数据分析阶段，研究人员使用 Pearson 卡方检验筛选出与睡眠障碍相关的特征变量，将具有统计学意义（p<0.05）的变量作为候选变量，进行二元 Logistic 回归分析。同时，运用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）回归进一步筛选出最有价值的变量。最终，基于这两种方法分别构建了二元 Logistic 回归模型（Model 1 和 Model 2），并通过 Bootstrap 重抽样、受试者工作特征曲线（ROC）的敏感性和特异性、ROC 曲线下面积（AUC）以及决策曲线分析（DCA）对模型性能进行评估。
研究结果如下：
- 研究对象特征：在训练集的 1726 名孕妇中，有 439 名（25.4%）存在睡眠障碍；在验证集的 741 名孕妇中，有 208 名（28.1%）存在睡眠障碍。睡眠障碍组的孕妇在年龄、妊娠阶段、居住地、是否为独生子女、孕期反应程度、孕前身体状况、焦虑、抑郁以及家庭功能等方面，与非睡眠障碍组存在显著差异 。
- 模型构建：Model 1 纳入了年龄、焦虑、抑郁、家庭功能、孕前身体状况和孕期反应程度 6 个关键变量作为预测因子；Model 2 则包含 9 个风险变量，除了与 Model 1 相同的 6 个变量外，还纳入了居住地、是否为独生子女和孕周。
- 模型验证：在验证集中，Model 1 的 AUC 为 0.678（95% CI：0.635 - 0.720），敏感性为 69.4%，特异性为 59.6%；Model 2 的 AUC 为 0.719（95% CI：0.678 - 0.761），敏感性为 82.4%，特异性为 54.8%。校准曲线显示，Model 2 的校准效果优于 Model 1；DCA 结果表明，Model 2 在辅助决策的净效益方面优于 Model 1，具有更好的临床实用性 。
研究结论与讨论：研究人员成功构建并验证了两个用于预测孕妇睡眠障碍的模型，其中 Model 2 在区分睡眠障碍风险、准确性以及临床应用价值方面表现更优，可作为预测孕妇睡眠障碍风险概率的便捷可靠工具。研究还发现，年龄增长、居住在城市、焦虑、抑郁、孕前身体状况较差、是独生子女、家庭功能不良以及孕期反应较重等因素，均与孕妇睡眠障碍的发生相关。这提示医护人员应重点关注具有这些特征的孕妇，及时采取干预措施改善其睡眠状况。
尽管该研究取得了重要成果，但仍存在一定局限性。例如，数据仅来源于同一所中心医院，样本的多样性和代表性有待提高，未来需要开展多中心研究进一步验证模型；研究主要依赖自我报告工具，可能存在回忆偏差，且缺乏客观变量，后续研究可考虑纳入更多生物标志物、孕妇日常活动数据以及环境因素等，以完善预测模型。不过，总体而言，该研究为孕妇睡眠障碍的早期预测和干预提供了重要的科学依据和实用工具，有助于提高孕妇的睡眠质量，保障母婴健康，在孕期健康管理领域具有重要的意义和应用价值。
