编辑推荐：
为解决妊娠期糖尿病（GDM）早期精准预测及模型在基层医疗机构应用问题，研究人员开展构建 GDM 早期预测模型的研究。他们通过多步骤分析数据，得出包含 7 个变量的模型，该模型有中度判别能力等，有助于基层医疗机构早期干预 GDM。
在孕期的甜蜜旅程中，有一种 “甜蜜的负担” 悄然威胁着母婴健康，它就是妊娠期糖尿病（Gestational Diabetes Mellitus，GDM）。GDM 指在妊娠前糖代谢正常，妊娠期间才出现的糖尿病，这一病症对妈妈和宝宝的健康影响不容小觑。患有 GDM 的孕妇，不仅面临更高的产科并发症风险，日后发展为 2 型糖尿病（T2DM）、代谢紊乱和心血管疾病的可能性也大大增加。而她们的宝宝，可能出现巨大儿、新生儿低血糖、红细胞增多症等问题，长期来看，患糖耐量受损（IGT）、肥胖和代谢紊乱的风险也显著升高。
目前，GDM 的临床预测模型大多来自欧美国家，考虑到不同种族在 GDM 发生上存在差异，亚洲人群尤其是中国人群的相关研究相对较少。而且现有的预测模型，很多在基层医疗机构的可行性较差，部分模型虽有大样本和多样指标，但存在数据来源受限、参数不易理解等问题。因此，开发一种能在早期精准预测 GDM 风险、可广泛应用于基层医疗系统的模型迫在眉睫。
四川大学华西第二医院的研究人员承担起了这项重要的研究任务。他们旨在构建一个能在孕早期（8 - 14 周）预测 GDM 风险的模型，该模型不仅要精准，还要便于基层医疗机构使用和推广。经过一系列研究，他们成功构建并验证了一个包含 7 个变量的 GDM 预测模型，这一成果发表在《BMC Pregnancy and Childbirth》上。该模型为早期干预 GDM 提供了有力支持，对降低母婴健康风险具有重要意义。
研究人员采用了回顾性队列研究方法，样本来自四川大学华西第二医院。他们从 2019 年 1 月至 2019 年 6 月的电子病历中选取了 6216 名孕妇用于模型构建和内部验证，又从 2020 年 10 月至 2021 年 6 月选取了 443 名孕妇进行外部验证。在研究过程中，主要运用了以下关键技术方法：首先，依据美国糖尿病协会（ADA）标准，采用 “一步法” 进行 GDM 诊断，即通过 75g 口服葡萄糖耐量试验（OGTT），检测孕妇空腹血浆葡萄糖（FPG）、1 小时餐后血糖（1 - h PG）和 2 小时餐后血糖（2 - h PG）。其次，运用 R 语言中的 “mice” 包对缺失数据进行单值插补，使用 “glmnet” 包进行最小绝对收缩和选择算子（LASSO）回归以筛选变量，利用 “rms” 包构建模型，采用 “Bootstrap” 方法进行内部验证。
参与者选择：研究人员从 7381 例电子病历中，排除不符合条件的个体，最终确定 6216 名孕妇纳入分析，根据 GDM 诊断分为非 GDM 组（5043 例）和 GDM 组（1173 例）。
候选预测因子选择：对符合条件的参与者进行单因素分析，发现非 GDM 组和 GDM 组在年龄、孕前体重、身高、孕前体重指数（BMI）等多个变量上存在显著差异。从最初的 27 个变量中筛选出 19 个作为 LASSO 回归的候选变量，考虑到变量间的共线性，最终确定 12 个潜在预测因子。
临床预测模型开发：运用 LASSO 回归优化变量选择，构建原始模型，其 AUC 为 0.745。在 Youden 指数达到最大值 0.366 时，总分（S）为 - 1.515，S 超过 - 1.515 提示诊断为 GDM，此时特异性和敏感性分别为 0.692 和 0.674。
临床预测模型简化：综合考虑多种因素，简化原始模型，得到包含年龄、孕前 BMI、多囊卵巢综合征（PCOS）、GDM 病史、糖尿病家族史、FPG 和尿糖 7 个变量的简单模型。该模型 AUC 为 0.736，Youden 指数最大值为 0.358 时，S 为 - 1.293，S 大于 - 1.293 提示可能患有 GDM，特异性和敏感性分别为 0.775 和 0.583 。
内部和外部模型验证：简单模型经 Bootstrap 方法内部验证，AUC 为 0.735；外部验证 AUC 为 0.694。校准曲线显示内外部验证均有较强预测能力。
预测模型比较：决策曲线分析（DCA）曲线和临床影响曲线表明，简单模型与原始模型净利润率相似，但简单模型应用更便捷，具有更高的实际应用价值。
预测模型可视化：通过静态列线图和风险评分模型对简单模型进行可视化，便于临床应用。
在讨论部分，研究人员指出，他们选择孕早期可获取的简单指标构建模型，在变量数量和判别能力间取得平衡，模型具有中度预测价值且经过充分验证。然而，研究也存在一定局限性，如未纳入净重新分类指数（NRI）、综合判别改善指数（IDI）和 t - SNE 算法等评估指标，也未探索与孕前保健措施相关的多分类模型。由于 GDM 受遗传、内在和环境等多种因素影响，要使相关预测模型的 AUC 超过 0.8 具有挑战性，仍需进一步研究提高预测准确性。
总体而言，该研究构建的 GDM 预测模型，在孕早期预测方面展现出一定优势，为基层医疗机构提供了一个实用的工具，有助于早期识别 GDM 风险，及时采取干预措施，对保障母婴健康具有重要的临床意义，也为后续相关研究奠定了基础。
