ЦЕЛЬ ИССЛЕДОВАНИЯ

Провести сравнительную оценку прогностических моделей спонтанных преждевременных родов, разработанных с помощью логистической регрессии и деревьев классификации.

МАТЕРИАЛ И МЕТОДЫ

Проведено ретроспективное когортное исследование, основанное на данных Регистра родов Архангельской области. В исследовании проанализированы случаи спонтанных родов (всего 50 581) за 2012—2018 гг. Разработаны 6 моделей (по 3 для логистической регрессии и деревьев классификации): для оценки вероятности развития преждевременных родов: при планировании беременности, при первой антенатальной явке, в начале второго триместра беременности.

РЕЗУЛЬТАТЫ

За 2012—2018 гг. в выборке зарегистрировано 2167 спонтанных преждевременных родов, частота которых составила 4,28%. Наибольшее значение для их прогнозирования имели акушерский анамнез беременности, наличие экстрагенитальных заболеваний (сахарный диабет, эпилепсия, ожирение), поведенческие факторы, а также особенности настоящей беременности (многоплодие, истмико-цервикальная недостаточность, угроза прерывания беременности). В зависимости от набора предикторов площадь под ROC-кривой для регрессионных моделей и для моделей, построенных с помощью деревьев классификации, варьировала от 0,623 (95% доверительный интервал (ДИ): 0,610—0,636) до 0,703 (95% ДИ: 0,691—0,715) и от 0,561 (95% ДИ: 0,552—0,571) до 0,620 (95% ДИ: 0,608—0,632) соответственно.

ЗАКЛЮЧЕНИЕ

Бинарная логистическая регрессия имела более высокую прогностическую результативность по сравнению с деревьями классификации для прогнозирования спонтанных преждевременных родов. Максимальная прогностическая значимость достигнута при включении как данных анамнеза, образа жизни и здоровья женщины до наступления беременности, так и факторов, связанных с особенностями течения настоящей беременности.