《Journal of the American Heart Association》：Prediction Model of Hypertensive Disorders of Pregnancy Based on Home Blood Pressure Monitoring
编辑推荐：
本综述提出一种创新的无创预测模型，核心是利用家庭血压监测（HBPM）数据，通过校正季节和孕龄影响的血压变化规律，结合逻辑回归算法，实现对妊娠期高血压疾病（HDP）的早期预警。研究在开发和验证队列中均显示出高阴性预测值（NPV>0.95），表明其在筛查低风险孕妇、减少不必要的医疗咨询方面具有重要临床潜力。该方法克服了传统血清标志物（如sFlt-1/PlGF）需抽血的局限，为HDP的便捷、低成本管理提供了新思路。
背景
妊娠期高血压疾病（Hypertensive Disorders of Pregnancy, HDP）是导致孕产妇和胎儿不良结局的主要原因之一，其发病率约占孕妇的5%至10%。HDP主要包含妊娠期高血压和子痫前期等亚型，其中子痫前期每年在全球范围内导致超过7万孕产妇死亡和50万胎儿及新生儿死亡。因此，建立HDP的早期预测方法至关重要。现有基于血清标志物（如胎盘生长因子PlGF和可溶性fms样酪氨酸激酶-1 sFlt-1）的预测方法虽然有效，但需要采血，且有创。相比之下，家庭血压监测（Home Blood Pressure Monitoring, HBPM）能够低成本、频繁、准确地进行长期测量，且避免了白大衣效应，被认为是一种有前景的HDP筛查技术。然而，由于妊娠期间血压变化的复杂性，此前尚未有基于HBPM的机器学习预测模型问世。本研究旨在开发并验证一种基于HBPM、并纳入季节和孕龄依赖性变化校正的非侵入性HDP预测模型。
方法
研究数据来源于BOSHI（Babies and Their Parents‘ Longitudinal Observation in Suzuki Memorial Hospital in Intrauterine Period）队列和一项前瞻性多中心验证队列。开发队列包含443名孕妇（其中65例HDP）的HBPM数据，随机分为训练集（n=365）和测试集（n=78）。验证队列前瞻性收集了264名孕妇（其中33例HDP）的数据。
预测模型构建步骤如下：首先，获取HBPM数据；其次，进行数据归一化，减去正常血压（NBP）孕妇中观察到的、依赖于季节和孕龄的血压变化（正常血压在冬季升高、夏季降低，并在孕20周左右降至最低点，随后升高，呈U型曲线）；第三，对缺失值进行线性插值并添加随机噪声；第四，在每个时间点，计算过去4周数据的四个特征：平均收缩压（SBP）、平均舒张压（DBP）、SBP与DBP之间的相关系数，以及SBP随天数的上升趋势；第五，对特征值再次归一化；最后，通过逻辑回归确定各特征权重，计算预测评分，并与设定的阈值（在训练集中设定为满足90%特异性）进行比较，以预测HDP的发生。
模型性能通过接收者操作特征曲线下面积（Area Under the Curve, AUC）、敏感性、特异性、阳性预测值（Positive Predictive Value, PPV）和阴性预测值（Negative Predictive Value, NPV）等指标进行评估。
结果
研究结果显示，该预测模型在训练集、测试集和验证集上均表现出色。AUC值分别为0.949（95% CI， 0.890–1.000）、0.884（95% CI， 0.807–0.961）和0.845（95% CI， 0.759–0.930）。尤为突出的是其高阴性预测值：在训练集、测试集和验证集中，NPV分别达到0.993、0.729和0.957。在预测1周内是否发生HDP时，NPV更是高达0.998（验证集），与需要抽血的sFlt-1/PlGF比值法的性能（其验证队列NPV为0.993）相当。
基线特征分析表明，与正常血压孕妇相比，HDP孕妇的孕前肥胖比例、首次HBPM的SBP和DBP值均显著更高。妊娠结局方面，HDP孕妇的平均分娩孕周更短，妊娠晚期平均SBP和DBP显著更高。
讨论
本研究首次成功开发并验证了基于HBPM的HDP预测模型。其核心优势在于无创性和高阴性预测价值，非常适用于从普通孕妇人群中筛查出低风险个体，从而有可能减少不必要的医疗咨询和检查。模型性能的稳健性在独立的多中心验证队列中得到了证实，尽管AUC值从开发队列到验证队列略有下降，这提示了模型在不同人群间应用时进行参数重新校准的必要性。
研究的优势包括利用了高质量的BOSHI大型队列数据，能够精确建模血压随季节和孕龄的正常变化；以及采用了前瞻性验证。HBPM本身具有良好的依从性，验证队列参与者在约6个月的测量期内，在86.2%的天数进行了测量。
当然，研究也存在一些局限性：本研究是观察性研究，未来需要干预性研究来评估基于该预测的早期措施（如生活方式干预）的效果；研究对象仅限于日本富山和宫城县的孕妇，结论外推需谨慎；模型尚未完全自动化集成到血压计或手机应用中；与sFlt-1/PlGF比值法的头对头比较尚未进行；模型在4周内的阳性预测值（PPV）较低，未来可通过纳入更多数据优化参数，或结合孕妇人口学特征和病史来进一步提升预测准确性。
结论
总之，本研究开发了一种基于家庭血压监测的妊娠期高血压疾病预测模型，并验证了其有效性。该模型，特别是其高阴性预测值，有助于筛查出血压正常的低风险孕妇，可能有助于减少医疗咨询。未来的研究方向包括：评估基于该预测模型启动干预措施（如在医疗监督下进行生活方式调整或药物治疗）是否能有效降低HDP的发病率和严重程度；以及将该模型集成到血压计、智能手机应用程序和云服务中，以实现便捷的临床应用。研究者期望，HBPM能成为孕妇的标准监测手段，基于HBPM的准确预测和适时干预将有助于保障母婴健康。
