
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于聚类分析的早孕期营养代谢亚型与子痫前期风险关联研究
《Nutrition & Metabolism》:Association of nutritional metabolic phenotypes in early pregnancy with preeclampsia: a retrospective study based on cluster analysis
【字体: 大 中 小 】 时间:2026年09月16日 来源:Nutrition & Metabolism 3.9
编辑推荐:
摘要目的利用聚类分析识别早孕期不同的营养代谢亚型,并评估其与子痫前期(PE)风险的关联。方法本研究纳入23,959名孕妇。分析了9项早孕期营养和脂质生物标志物(HDL、LDL、总胆固醇、甘油三酯、叶酸、维生素B12、钙、铁蛋白和维生素D)。采用K-means聚类分析识别潜在的
利用聚类分析识别早孕期不同的营养代谢亚型,并评估其与子痫前期(PE)风险的关联。
本研究纳入23,959名孕妇。分析了9项早孕期营养和脂质生物标志物(HDL、LDL、总胆固醇、甘油三酯、叶酸、维生素B12、钙、铁蛋白和维生素D)。采用K-means聚类分析识别潜在的代谢模式。使用逻辑回归评估亚型与PE及重度PE(sPE)之间的关联。采用随机森林模型评估聚类结构的稳健性。
识别出四种营养代谢亚型:正常对照组(n?=?6,830)、血脂异常组(n?=?4,712)、营养缺乏组(n?=?5,047)和高血脂微量营养素充足组(n?=?7,370)。与正常对照组相比,多因素分析显示营养缺乏组PE(OR?=?1.43,95% CI: 1.13–1.81,P?=?0.003)和sPE(OR?=?1.76,95% CI: 1.22–2.54,P?=?0.002)的风险均显著增高。分层分析提示孕前BMI和产次存在效应修饰作用,而母龄在各亚组间未显示一致关联。随机森林模型分类准确率达93.4%,支持了聚类方法的稳定性。
基于聚类的早孕期营养和脂质表型亚型分类有助于识别子痫前期风险增加的女性,可作为早期风险分层和个体化预防策略的潜在工具。
利用聚类分析识别早孕期不同的营养代谢亚型,并评估其与子痫前期(PE)风险的关联。
本研究纳入23,959名孕妇。分析了9项早孕期营养和脂质生物标志物(HDL、LDL、总胆固醇、甘油三酯、叶酸、维生素B12、钙、铁蛋白和维生素D)。采用K-means聚类分析识别潜在的代谢模式。使用逻辑回归评估亚型与PE及重度PE(sPE)之间的关联。采用随机森林模型评估聚类结构的稳健性。
识别出四种营养代谢亚型:正常对照组(n?=?6,830)、血脂异常组(n?=?4,712)、营养缺乏组(n?=?5,047)和高血脂微量营养素充足组(n?=?7,370)。与正常对照组相比,多因素分析显示营养缺乏组PE(OR?=?1.43,95% CI: 1.13–1.81,P?=?0.003)和sPE(OR?=?1.76,95% CI: 1.22–2.54,P?=?0.002)的风险均显著增高。分层分析提示孕前BMI和产次存在效应修饰作用,而母龄在各亚组间未显示一致关联。随机森林模型分类准确率达93.4%,支持了聚类方法的稳定性。
基于聚类的早孕期营养和脂质表型亚型分类有助于识别子痫前期风险增加的女性,可作为早期风险分层和个体化预防策略的潜在工具。