通过磁共振成像数据为主的列线图产前预测初产妇头盆不称剖宫产

本文由“无痛分娩中国行"授权转载 

导读

尽管1598年有了第一例在死亡母亲身上做的剖宫产，1610年有了第一例活产妇成功剖宫产（25天后死亡），但是现代择期剖宫产这个带有一定预见性的临床产科实践的起始其实并不久远。有了择期剖宫产，现代医学就面临这样一个问题或梦想：除了产科临床剖宫产指征之外，人们能否在临产之前预测出那些没有产科临床指征的孕妇最终由于头盆不称而无法成功阴道分娩，从而可以采用择期剖宫产以避免阴道试产失败导致的母婴并发症？记得在中国第一版的卫生部统编《妇产科学》教材中有通过骨盆测量确定是否存在头盆不称，决定是否做择期剖宫产以避免马拉松式的阴道分娩失败后再转为剖宫产的“双伤害”模式。在西方，早在1896年Davis EP在《产科论》中就提到了the relative size of the fetus and the pelvis（胎儿和骨盆的相对大小）的概念[1]，1986年芬兰医生提出了胎儿－骨盆指数（The fetal-pelvic index）[2]。2003年芝加哥大学的Walrath D.从进化论角度总结出”重新思考骨盆类型和人类分娩机制“[3]。历史上，从简到繁，从床边体检测量，到X光平片／正侧位平片，再到CT、核磁共振、床边超声图，对这个问题的研究随着医学科技的进步也一直在持续进行当中。2010年的一篇综述把影像学的历史性研究总结给世人[4]，2021年产时床旁经会阴超声对于第二产程胎头下降角度（angle of progression）与剖宫产的关系有所揭示[5]。

现代中国产科医生对预测头盆不称需要剖宫产的研究自现代妇产科进入中国后也在持续进行中。我在访问天津中心妇产医院时，意外见到或许是世界上最大的中国女性骨盆博物馆。里面陈列着上百个中国女性骨盆标本。上世纪60-70年代，天津市中心妇产科医院王淑雯团队进行的中国女性骨盆研究对头盆不称需要剖宫产的预测作出了重要的贡献。在这之后的瘢痕子宫阴道试产成功率预测[6]也是一项重要的期待改善母婴结局、减少剖宫产率的临床科研。

应该看到的是，任何预测模型都有一个临床适用性的问题。俗话说：是骡子是马拉出来遛遛。这也是目前这个问题的现状。当然，以往的缺乏安全保障措施的分娩方式让这种”出来遛遛“的代价非常大。在现代产房的建立包括分娩镇痛的有效使用的情况下，使产房安全得以保障，从而保证了最大限度的安全阴道分娩率。也让这一议题从单纯的产科学，变成了包含影像学、产科麻醉科学在内的现代围产科学问题。我们非常清楚中转剖宫产的母婴并发症比如继发子宫乏力的比例增高。上一期文荟谭介绍的产后出血预防药物种类的研究就是针对这一人群。现在的问题是，下一步我们应该如何进一步研究解决这个问题。我们现在单纯的影像学研究是否可以认为是以前床边骨盆测量的改良或翻版？产道包括骨产道和软产道，我们是不是需要改变我们研究的方向和策略？这个研究的统计学方法从如此多的多因素回归方程中选对了吗？我们有没有针对分娩预测量身定做的统计学方法？有没有可能将来由人工智能解决这个人类生育的重大问题？体检或影像学预测模型本身有局限，是否会适得其反地增加不必要的剖宫产？它们离真实的医疗实践还有多远？

胡灵群 陈凯

2022.9.26

NPLD-GHI Journal Club 2022年9月文献评判

精选文章

引用：

Chen C, Yang M, Zheng W, Yang X, Chen Y, Dong T, Lv M, Xi F, Jiang Y, Ying X, Li W, Xu J, Zhao B, Luo Q. Magnetic Resonance Imaging-Based Nomogram to Antenatal Predict Cesarean Delivery for Cephalopelvic Disproportion in Primiparous Women. J Magn Reson Imaging. 2022 Mar 18. doi: 10.1002/jmri.28164. Epub ahead of print. PMID: 35302271.

文章摘要

【标题】通过磁共振成像数据为主的列线图产前预测初产妇头盆不称剖宫产

背景：

头盆不称导致的难产与产妇和新生儿的并发症和死亡率密切相关。准确预测初产妇是否有非计划剖宫产的风险因素将是产科的一个重大进展。

目的：

建立并验证通过磁共振成像（MRI）检查预测初产妇剖宫产模型。

研究类型：

前瞻性。

人群：

共有150名初产妇，临床表现提示头盆不称。

场强/序列：

T1快速自旋回波加权序列，1.5T时的单次快速自旋回波(SSFSE)T2加权序列。

评估：

两名放射科医生独立进行骨盆测量和胎儿生物测量，进而建立结合临床和MRI特征的列线图模型。

统计学检验：

采用单变量和多变量逻辑回归分析筛选自变量，进行接受者操作特性曲线（Receiver operating characteristic，ROC）分析，并通过曲线下面积（area under the curve，AUC）来评估模型的区分度。通过模型校准图形评估校准度。采用决策曲线分析法来评价临床净效益，P值低于0.05被认为有统计学意义。

结果：

在多变量建模中，产妇产前体重指数(BMI)、双侧股骨头距离、产科结合径、胎儿头围、胎儿腹围与剖宫产的可能性显著相关。以AUC计算的区分度为0.838(95%置信区间[CI]：0.774-0.902)。列线图（Nomogram）模型的敏感性和特异性分别为0.787和0.764，阳性预测值和阴性预测值分别为0.696和0.840。该模型具有令人满意的校准效果（校准斜率=0.945）。此外，决策曲线分析证明，该模型的净收益优于所包含的各因素。

数据结论：

我们的研究可能提供一个列线图模型，以此来识别初产妇是否有头盆不称引起的意外剖宫产的风险。

文献评判

1.评判标准

西北大学芬堡医学院麻醉科

医学论文质量评分表(改良版)

评定项目(每项评分0～2分，总分：20分)

1    问题和假设

2    伦理研究委员会，知情同意，公开注册

3    研究设计方法：随机方法（原始研究）或客观筛选文章（综述/荟萃分析）

4    研究对象：入选标准，排除标准，人群描写指标

5    主要临床指标，次要临床指标

6    标本量计算，统计的α值(P值)

7    统计方法的合理性

8    研究的局限性

9    讨论的逻辑性和结论的客观性

10    实际临床意义，直接临床结局相关的

2.文献质量评价及评分

评

14分

文章：

通过磁共振成像数据为主的列线图产前预测初产妇头盆不称剖宫产

评分标准(0～20分)

2分

1,评定项目：问题和假设

评分标准(0～2分)

头盆不称是母体骨盆与胎儿头的不相称，是导致难产最常见的原因。难产和随后的紧急剖宫产与产妇和新生儿的死亡率和并发症相关，包括子宫破裂、产后出血、绒毛膜羊膜炎和新生儿产伤。另一方面，对头盆不称的过度诊断是剖宫产率持续增加的主要原因之一。如果产科医生和助产士能够识别剖宫产的高危患者，就可以通过提供计划性的手术来避免并发症的发生，同时可以鼓励那些低风险的患者进行阴道分娩。

临床骨盆测量通过系统的人工方法对特定的骨骼标志进行检查，以此来估计骨盆大小，该方法的特点是准确性差，且观察者间一致性不理想。因此，使用x线、计算机断层扫描(CT)和MRI进行放射骨盆测量以评估母亲骨盆和胎儿头之间的关系，以此来选择合适的分娩方式。MRI骨盆测量优于其他放射技术，包括x线和CT，因为它可以在不辐射的情况下成像软组织和胎儿，同时能够准确评估骨盆大小。MRI的骨盆测量误差约为1%，而常规x射线测量误差约为10%。因此，MRI可能是一个很有前景的评估母亲骨盆和胎儿之间关系的工具。

本研究的目的是前瞻性地评估临床特点和MRI特征，以建立并验证一个评估初产妇分娩前头盆不称的风险预测模型。

2分

2,评定项目：伦理研究委员会，知情同意，公开注册

评分标准(0～2分)

本研究已获当地伦理和研究委员会批准(IRB-20200044-R，2020年4月4日)。此外，获得了所有参与研究妇女的书面知情同意。

2分

3,评定项目：研究设计方法：随机方法(原始研究)或客观筛选文章(综述/荟萃分析)

评分标准(0～2分)

这项前瞻性、盲法观察研究于2020年4月至2021年4月在我们的机构进行。

2分

4,评定项目：研究对象：入选标准，排除标准，人群描写指标  评分标准(0～2分)

纳入标准：

初产妇，临床怀疑头盆不称（母亲身高小于155厘米、胎儿先露高浮，或者疑似胎儿体重超过4000克的巨大儿），足月妊娠38+0周后，单活胎头位。

排除标准:

先天性畸形、阴道分娩禁忌症、MRI禁忌症（如严重幽闭恐惧症及配备磁易感物质）。

入组产妇自然临产或引产，因产程停滞或延迟而中转剖宫产的指征均按照当地医疗标准和规范，并纳入研究分析。因其它指征中转剖宫产者，包括胎儿窘迫、胎盘早剥和子痫前期的产妇均排除在外。MRI后拒绝阴道试产行择期剖宫产者也排除在外。

最终150人纳入队列分析，阴道分娩89人，剖宫产61人。

1分

5,评定项目：主要临床指标，次要临床指标

评分标准(0～2分)

在横切面上，观察并测量双侧股骨头间距、坐骨棘间径、坐骨结节间径、耻骨下角。中矢状面测量产科结合径、骨盆宽度、骶骨出口直径、骨盆出口直径、骶骨长度和骨盆倾斜度。

MRI测量胎儿双顶径、胎儿头围和胎儿腹围。

产妇特征包括年龄、分娩孕周、身高、体重、妊娠期间体重的增加、引产还是自然临产，以及最终的分娩方式。

我们还收集了有关新生儿结局的数据：性别、出生体重、1分钟和5分钟的Apgar评分，以及新生儿进入监护病房的情况。

编者注：没有区分主要临床指标和次要临床指标。根据全文，可能是曲线下面积（AUC）。

0分

6,评定项目：标本量计算，统计的α值(P值)

评分标准(0～2分)

无

2分

7,评定项目：统计方法合理性

评分标准(0～2分)

基线特征中的连续变量采用均数和标准差描述，根据已发表文献中的临床特征和预测因子预先选择与剖宫产风险相关的候选变量。采用单变量逻辑回归分析估计候选人各变量和分娩结局的关系，来自单变量分析的显著变量（P值<0.05）可以进入多变量模型。

1分

8,评定项目：研究局限性(原文自评)

评分标准(0～2分)

模型的主要缺点是MRI检查的成本相对较高。一般来说，目前MRI的成本大约是超声检查成本的3~4倍。然而，这种方法的临床收益可能会超过这些成本考量，因此，在这有前途领域的研究不应受到限制。此外，我们的研究人群只包括汉族女性，我们的结果可能不能代表其他种族的人群。其次，我们的研究样本量相对较少。然而，我们的队列仍然是涉及MRI和疑似头盆不称女性的最大的队列之一。此外，我们的研究没有基于其他独立数据库进行外部验证，导致高估了预测能力；因此，本结论需要在未来的研究中进行验证。

编者注：缺乏对方法学的讨论和临床运用的评价。

2分

9,评定项目：讨论的逻辑性和结论的客观性

评分标准(0～2分)

这项前瞻性队列研究中，我们开发并验证了一个列线图模型来预测疑似头盆不称初产妇剖宫产的概率，这个模型的建立需要五个参数：产妇产前BMI、双侧股骨头距离、产科结合径、胎儿头围、胎儿腹围。该模型具有最佳的鉴别能力(AUC：0.838；95%CI，0.774-0.902)，校准曲线证明，实际剖宫产率和列线图估计的剖宫产概率非常一致。此外，决策曲线分析表明，我们的列线图具有临床价值。该模型可指导临床医生对临床怀疑为头盆不称的初产妇作出适当的管理决策。

意外剖宫产比择期剖宫产和阴道分娩具有更高的产妇并发症和手术并发症风险。因此，预测疑似头盆不称的妇女的分娩结局在临床上是有益的。此前有学者一直致力于提供量化头盆不称的预测模型。Morgan等人最初提出，用胎儿盆腔指数结合胎儿头腹围与母体盆腔入口和中骨盆周径来识别头盆不称。然而，它的临床实用性一直受到批评，因为它的整体预测价值较差。Burke等人开发了一个基于5个参数(母亲年龄、身高、BMI、胎儿腹围和胎儿头围)的列线图，用来评估初次剖宫产的风险，预测鉴别能力有限(AUC=0.69)。然而，以前的模型要么诊断准确性有限，要么过于复杂，不适合常规临床实践。

既往研究表明，MRI是一种可靠、准确的评估分娩结局的方法。VanLoon等人进行的一项随机试验表明，MRI骨盆测量可以更好地选择分娩方式，并显著降低了足月臀位的急诊剖宫产率。一些研究人员试图确定MRI骨盆测量是否可以预测既往剖宫产的妇女阴道分娩能否成功。然而，本研究仅16例患者。Sporri等人证实了42例妇女的MRI骨盆测量和头盆不称之间的显著相关性，特别是对于棘突间尺寸和产科结合径的参数。然而，这是一项回顾性研究，是在产后进行的MRI骨盆测量。先前的研究表明，一些MRI骨盆参数与头盆不称相关，如中骨盆前后径、棘间间径和中骨盆容量。MRI的另一个应用是估计胎儿体重；与超声生物测量学相比，它更准确。到目前为止，还没有明确的方法来评估与MRI测量相关的多种危险因素的影响，以确定个体妇女初次剖宫产的概率。这项研究通过MRI测量骨盆尺寸和胎儿生物特征而建立的列线图模型，以预测阴道分娩能否成功，扩展了先前研究的结果。在产科中使用MRI的担忧之一是它对发育中的胎儿是否安全。胎儿可能面临的风险包括射频波的加热效应、噪声和磁场与发育中的组织相互作用所产生的生物学效应。Brigitte Strizek等人发现在子宫内接受1.5 T MRI检查对新生儿出生体重和内耳功能没有不良影响。另一项研究表明， MRI在妊娠早期和胎儿受到伤害的风险增加无关。

0分

10,评定项目：实际临床意义，直接临床结局相关的  评分标准(0～2分)

该列线图可提供良好的鉴别度和校准度。此外，决策曲线分析表明，这对传统临床实践有净效益。

编者注：没有办法理解“对传统临床实践有净效益”。距离临床推广使用的还非常遥远。

3.研究专业评判

4.临床专科点评荟萃

美国大学医院产科医生：

郑勤田(美国亚利桑那大学医学院妇产科)

浙江的这一研究在妊娠38周对难产高风险的孕妇进行盆腔MRI检查，提供了妊娠晚期骨盆和胎头测量的数据，样本量不小，数据翔实，有利于我国将来开展难产方面的临床研究。

临床骨盆测量（clinical pelvimetry）在18世纪就开始使用，在19世纪末开始尝试X线进行骨盆测量。近年来，我们又采用最先进的影像技术，包括CT和MRI，来评估骨盆形态及各个径线。临床骨盆测量不准确，例如，产科结合径(obstetrical conjugate)只能靠估计，不能直接测量。影像学检查可直接测量产科结合径。MRI相对无创，测量准确。

然而，无论骨盆测量多么精确，都不能准确地判断阴道分娩能否成功。产妇的盆腔结构（关节、肌肉、和韧带）受多种激素影响，产时有很大的伸缩性。产时体位，例如屈大腿或蹲位，也会改变骨盆经线。阴道分娩能否成功的最重要因素可能是胎儿因素。胎头大小仅是一个方面，即使胎头不大，如果胎方位和胎头均倾异常，胎儿也很难娩出。另外，分娩时胎头会根据骨盆和产道形状而变形，以便胎儿娩出。产前机械性测量骨盆和胎儿不可能预测真正的头盆不称，因为产时因素才是决定头盆不称的主要因素。

目前，所有学会都不建议使用任何影像学技术进行骨盆测量。试产是“测量骨盆”的唯一精确方法。如无阴道分娩的绝对禁忌，例如前置胎盘，几乎所有孕妇都应给予阴道试产的机会。

美国社区医院产科医生：

周樱(美国加利福尼亚旧金山湾区米尔斯-半岛医疗中心妇产科)

刚刚拜读了这篇很有意思的文章，我非常同意，如果能够预测是否能阴道分娩，或者能够预测是否会出现肩难产的情况，那是再好不过了。但是事实上这种预测谈何容易。我们人类的骨盆形状不规则，胎头也不规则，而且胎头和骨盆相对的关系和位置都无法来预测，因此只测量骨盆大小，各径线长短和胎头的尺寸，能够准确的估算出胎头能否通过骨盆有点勉强。我对这篇文章的期待，会是用MRI测量这个骨盆的大小后有个估算，预测一下产妇能否阴道产，然后通过最终的真正结局，看有多少符合的，从而建立产妇是否需要剖宫产。预测的模型除了骨盆和胎儿外，还可以包括身高，体重指数等评分。然后，我们知道它的预测性好坏，还可以包括产妇经过阴道分娩以后的其他临床结局。这些数据是读者感兴趣的，而这篇用MRI来在38周测骨盆的局限性在于，第一，作者自己也说费用非常高；第二，是否对胎儿有害。当然，采用CT和骨盆X-ray可以测量，但在怀孕期间需要避免。MRI虽然没有明显的禁忌，但它也是要在妊娠期慎用的一个检查。退一步说，除非有非常非常大的肩难产的风险，常规使用MRI在怀孕期间测骨盆的应用价值不会太高。当然，如果变成妊娠前测量，再加上妊娠期的其他参数是否可行？是我个人的看法，供参考。

中国大学医院产科医生：

崔洪艳(天津市中心妇产科医院产科)

近年来全球剖宫产率不断上升，尽管医疗条件的改善、剖宫产技术的进步，使得手术并发症的风险不断降低，但促进阴道分娩，降低剖宫产率仍然是产科医生及孕产妇共同的期盼。尤其是降低首次剖宫产率对于降低总剖宫产率具有重大推动作用，据报道，首次剖宫产的首要指征为头盆不称，而当前尚无准确的方法预测头盆不称。

在尚无可靠的方法产前预测产妇的分娩方式情况下，试产依然是判断产妇能否自然分娩的唯一方法，产程的进展仍需要医生、助产士对产妇进行阴道检查。但研究表明，阴道检查的准确性不高，主观性强且很大程度上依赖于检查者的经验，若判断错误，可能会影响医师的产科决定，进而影响母儿结局，且产妇的分娩体验较差。与选择性剖宫产和阴道分娩相比，产时剖宫产更容易产生各种母儿并发症。因此，产前预测疑似头盆不称女性的分娩结果在临床上是有益的。

上世纪60-70年代，天津市中心妇产科医院王淑雯团队进行的中国女性骨盆研究，为我们提供了中国女性骨盆的生理常数，其采用X线测量骨盆各径线，试图产前预测难产，但因X线放射性对胎儿的影响未能广泛推广。近10余年来，前辈们探索式的研究了产房中超声的应用，大量的研究表明，产程中使用超声判断胎方位/先露异常、测量宫颈扩张、监测胎头下降优于阴道检查，且实时、客观、不依赖于检查者的经验、操作更容易学习、具有更高的准确性和可重复性；除了监测分娩进展，超声在预测分娩方式方面似乎也有良好的效能。但回顾既往研究，我们发现，大多数研究仅考虑超声单指标对分娩方式的预测作用，而研究认为妊娠晚期胎儿头围、腹围、超声评估胎儿体重、母体特征，如身高、BMI、年龄及分娩孕周是产时剖宫产的独立预测因素，因此使用单一指标决定分娩方式是武断的。其次，大多数研究选择已出现产程进展异常（如，第一产程延长或准备实施器械助产）或产程后期（如，第二产程）的产妇作为研究对象，而此时实施超声测量并作为预测分娩方式的依据，可能无法体现出超声用于分娩管理的积极作用。因此，我们需要更早阶段预测分娩方式，且应综合评估母儿的一般特征对分娩方式的影响。

此研究系前瞻性、双盲法观察性研究，在分娩前14天内对可疑头盆不称孕妇采用MRI测量骨盆径线和胎儿生物特征，基于产妇产前 BMI、双侧股骨头距离、产科结合径、胎儿头围和胎儿腹围五项参数建立列线图模型，用于预测疑似头盆不称的初产妇的剖宫产概率。列线图模型的敏感性和特异性分别为0.787和0.764，阳性预测值和阴性预测值分别为0.696和0.840。该模型显示了最佳判别力（AUC：0.838；95% CI，0.774–0.902），在实际和列线图估计的剖宫产概率之间具有极好的一致性。 此外，决策曲线分析表明该列线图具有临床价值。 研究表明，该模型可以指导临床医生为临床疑似头盆不称的初产女性做出适当的管理决策。

此研究的不足之处在于，除了文中提到的MRI检查成本较高、仅限于汉族女性、研究数量较少、没有基于其他独立数据库进行外部验证，导致高估了预测能力外，阴道分娩是多因素影响的复杂过程，产力、产道、胎儿和精神因素是影响阴道分娩的四大因素，任何因素本身异常或因素之间缺乏协调都会使阴道分娩难以顺利进行。而四大因素在产程过程中是可变的，如果剖宫产高风险人群在临产前均选择性剖宫产，失去试产机会，势必会增加剖宫产率。但无论如何，此研究为准确预测足月初产孕妇难产风险研究做出了重要贡献。

知识点回顾

多因素逻辑回归分析（multivariate logistic regression）

胡灵群 冷月

在多次文荟谭的文章中选用了多因素逻辑回归作为统计学方法，可我们一直没有机会讨论这种非常有用的多因素指标相关性检验方法。两个或多个事件的相关性问题在医学研究上一直备受关注。因果关系（casual relationship）是其中一个最为重要的。疾病起因、治疗方法有效性、药物副作用方面的各种关系都期待明确相应的因果关系而得到解决。一些在基础研究中事件的先后关系“理所应当”成为因果关系的思维逻辑在临床实践中，却让医护人员困惑不已[再回首｜被甩锅的硬膜外无痛分娩]【见下微信链接1】。其实，一直无解的“鸡和蛋哪个在先”问题实实在在地反映出医疗实践中，很多束手无策的相关性问题。在环境、时间、性别、地域、气候、个体等众多干扰因素下，明确这些相关问题变得更错综复杂[再回首｜解惑“相关性”：我们扯上了什么关系？]【见下微信链接2】，但却又是现实中客观存在的、相辅相成的实际情况。多因素回归分析就是为这种实际情况而设计的。我们平时说的某个事件的“高危因素（risk factors）”，就是通过这类多因素回归分析而得出来的。当然，对于我们一味想知道是否因果关系的医护人员，可能增加了困惑。它们之间可能有因果关系，可能还是“果因”关系，或者可能是平行的没有关系。高危因素算是一个偏向于中性的、统计学专业性上使用的X因素或自变量的代名词。

多因素相关性检验方法的选择非常棘手，需要精心考虑选择。总体上根据以下情况：

●  单因素还是多因素检验；

●  相关性还有线性、对数性、还有一堆叫不出名的复杂函数性的关联；

●  所需检验的数组本身的特征：

数组变量类别「连续变量和三种分类（名义nominal、二分dichotomous，有序ordinal）变量」；

排列分布（均态（钟型分布）与否）；

很多模棱两可的情况：时间变量往往不是正态分布，比如显露高低和宫口大小更多的是一个有序变量而不是连续变量，但超过5项有序变量又可以作连续变量处理。

我们非常感谢统计学家在面对着这些眼花缭乱的现实情况下，设计出一款叫“多因素逻辑回归方程”。它用来检验Y因素（应变量）与多个X因素（自变量）的相关性。这篇文章的Y因素就是需不需要剖宫产，它的区间/可能性0%～100%或者说从0～1的可能性。原文表2中列出了20项（母亲特征7项，胎儿测量3项，MRI 骨盆测量10项）X因素。X因素的罗列并没有那么严格，只要是个数字就能用，不需要区分数组的特征和分类。在具体实施中，一般先通过单因素相关性检验，将单因素检验有意义的（通常P值 < 0.1预防假阴性）X因素，代入计算机编程后的数学公式中运算，P值 < 0.05（根据事先设定）的X因素就是有关联的“高危因素”。第一步的单因素检验和第二步的多因素检验合起来就叫分步检验（Stepwise）。

在多因素检验的同时，我们经常也见到单因素相关性检验。本研究单因素相关性检验（P值 < 0.05）列出的产妇身高、产前BMI、双侧股骨头距、棘突间直径、产科结合径（obstetric conjugate）、耻骨下角、胎儿双顶径、胎儿头围和胎儿腹围9项。而在多因素回归检验中得到的只有产前BMI、胎儿头围、胎儿腹围、双侧股骨头距、产科结合径5项。正像前面提及的多因素检验所得的结果不仅仅体现X因素（自变量）和剖宫产（Y因素，应变量）的关系，更体现出5项自变量对剖宫产影响度的大小（用其系数表示）。这也是这篇文章将其得出的5项指标列为预测剖宫产模型的选项。而单因素回归检验只是撇开其他影响因素（X因素）而直接讨论某个X因素（如，BMI）与剖宫产的关系。所以，原文表2中的单因素回归和多因素回归结果的不一致是不足意外的。通常情况下，多因素回归常常比单因素回归检验较“广谱”、敏感，相关的因素多一些。显然，这个研究并没有出现这种情况。

多因素回归分析结果表达因用途不一或使用方便难易而有所区别。有只用数字的，有用计算公式的[6]，用简化记点的，也有用本文的列线图的。后两者常常会影响所建回归模型的敏感度和特异性。这篇文章也提到了使用列线图前后不一样的敏感性和特异性。

在实际使用多因素逻辑回归检验中，也是解读这一研究结果中需要注意的问题：

●  研究标本量的计算：如果预计最终会有5项指标成为预测模型，研究中的剖宫产总数至少需 5x16=80例（每一X因素需要16个剖宫产产妇），而这个研究实际只有61例。研究发现使用逻辑回归的小到中等样本量的研究倾向于高估效果[7]；

●  分娩模式分：正常阴道产，器械助产阴道产，剖宫产。预测模型的临床意义在于改善母婴临床结局，包括避免/减少肩难产和器械助产阴道产的可能性。更深一步说，如果有个非常好的预测模型（AUC通常需要>0.95，而这个研究只有 0.838（95% CI, 0.774–0.902）。最差的AUC是0.5（不是0.0），相当于扔分币决定取舍，所以目前的AUC离0.95的标准甚远），在大规模临床推广使用前，还需要使用多中心的随机双盲研究，确定是否改善母婴临床结局。在当下高剖宫产率的情况下，让这类研究到最终变成临床实践的道路会非常曲折漫长。

●  多因素回归检验方法有很多种，文荟谭曾介绍过其中几种。包括：镶嵌入时间变量的多因素逻辑多因素逻辑回归-间隙性时间序列分析（Interrupted time series analysis）[8]，2012年中国行到过的广州市妇女儿童医疗中心曾用此法来分析剖宫产率下降情况，并在文荟谭中做过讨论[文荟谭｜无痛分娩中国行对剖宫产率和新生儿结局的影响：中断时间序列分析]【见下微信链接3】；Cox比例风险回归模型[文荟谭｜经剖宫产娩出儿童过敏性疾病的住院风险增加：95万儿童的历史纵向研究]【见下微信链接4】；多层多因素回归分析[文荟谭｜美国各州产妇椎管内分娩镇痛使用率的差异]【见下微信链接5】。选对一个多因素回归方程不是件容易的事。比如，这个研究得出的5个变量都是连续变量，有没有比多因素回归更好的方法呢（因为多因素逻辑回归检验在提供方便的同时，往往需要丢失一些数学上的优势）？骨盆中很多三角几何函数关系，或者说立体三维空间对我们选择回归分析模型有没有影响？骨盆中几个半关节或许对产道起到一定作用，在固定单一体位影像学检查数字是不是反映了这些作用？产妇个体的软产道伸缩性又怎么考虑在内？如果届时有人工智能那个“黑匣子”建立模型的选项，我们是否就可以避免纠结选用何种检验方法？

总之，在临床研究探索中，多因素逻辑回归分析是一个非常多见也是非常容易使用的相关性检验方法。任何方法都有其长短板，在解读其结果时，需要有所期待，有所思考。

参考资料

[1]

A Treatise on Obstetrics: For Students and Practitioners. Lea brothers & Company; 1896.

[2]

Morgan MA, Thurnau GR, Fishburne Jr JI. The fetal-pelvic index as an indicator of fetal-pelvic disproportion: a preliminary report. American journal of obstetrics and gynecology. 1986 Sep 1;155(3):608-13.

[3]

Walrath D. Rethinking pelvic typologies and the human birth mechanism. Current anthropology. 2003 Feb;44(1):5-31.

[4]

Lenhard MS, Johnson TR, Weckbach S, Nikolaou K, Friese K, Hasbargen U. Pelvimetry revisited: analyzing cephalopelvic disproportion. European journal of radiology. 2010 Jun 1;74(3):e107-11.

[5]

Nassr AA, Berghella V, Hessami K, Bibbo C, Bellussi F, Robinson JN, Marsoosi V, Tabrizi R, Safari-Faramani R, Tolcher MC, Shamshirsaz AA. Intrapartum ultrasound measurement of angle of progression at the onset of the second stage of labor for prediction of spontaneous vaginal delivery in term singleton pregnancies: a systematic review and meta-analysis. American journal of obstetrics and gynecology. 2021 Aug 9.

[6]

Wen J, Song X, Ding H, Shen X, Shen R, Hu LQ, Long W. Prediction of vaginal birth after cesarean delivery in Chinese parturients. Scientific reports. 2018 Feb 15;8(1):1-7.

[7]

Vergouwe Y, Steyerberg EW, Eijkemans MJ, Habbema JD. Substantial effective sample sizes were required for external validation studies of predictive logistic regression models. Journal of clinical epidemiology. 2005 May 1;58(5):475-83.

[8]

Sha X, Hu H, Yang J, Fang D, Li W, Zhang H, Coonrod V, Liu H. Interventions to reduce the cesarean delivery rate in a tertiary hospital in China. The Journal of Maternal-Fetal & Neonatal Medicine. 2022 Jan 2;35(1):30-8.

中文引用｜臧瑜，张惠欣，陈凯，吴颖怡，冷月，郑勤田，周樱，崔洪艳，黄琴，刘宇燕，胡灵群. 文献评判┃通过磁共振成像数据为主的列线图产前预测初产妇头盆不称剖宫产[J]. J NPLD-GHI. 2022 Sep 27;12(3):27.

英文引用｜Zang Y, Zhang HX, Chen K, Wu YY, Leng Y, Zheng QT, Zhou Y, Cui HY, Huang Q, Liu YY, Hu LQ. Journal Club: Magnetic Resonance Imaging-Based Nomogram to Antenatal Predict Cesarean Delivery for Cephalopelvic Disproportion in Primiparous Women[J]. J NPLD-GHI. 2022 Sep 27;12(3):27.

Journal of No Pain Labor & Delivery 

- Global Health Initiative 

（ISSN: 2475-711X）

无痛分娩中国行杂志

免责声明：

本微信公众平台所刊载原创或转载内容不代表米勒之声的观点或立场。文中所涉及药物使用、疾病诊疗等内容仅供医学专业人士参考。

—END—

编辑：MiLu.米鹭

校对：Michel.米萱