Desarrollo y evaluación de métodos multivariados basados en datos gineco-obstétricos y espectrales de suero para la predicción de diabetes gestacional en el primer trimestre del embarazo.

Abstract

Introducción: La diabetes gestacional (DG) es un estado de hiperglicemia que se diagnostica en el segundo o tercer trimestre del embarazo, sin embargo para ese entonces el fenotipo fetal ya está alterado. En literatura se reportan estrategias para predecir DG en etapas más tempranas del embarazo; no obstante presentan un bajo poder predictivo o requieren largos tiempos de análisis. Objetivo general: Evaluar métodos basados en el análisis multivariado de datos gineco-obstétricos y/o espectrales de suero para la predicción de DG en el primer trimestre del embarazo. Estrategia analítica: Se desarrollaron modelos predictivos para DG a partir de técnicas de análisis multivariado single-block y multi-block, y (1) data gineco-obstétrica (53 parámetros clínicos y 10 bioquímicos); (2) data espectral de suero del infrarrojo cercano (NIR); o (3) ambas (28 parámetros clínicos, y NIR). Resultados: Los mejores modelos de (1), (2) y (3) lograron un área bajo la curva ROC de 0,867, 0,577 y 0,522, respectivamente. Solo el primero aumentó el poder predictivo respecto al promedio de literatura. Los mejores modelos de (2) y (3) lograron un tiempo de análisis de 32 minutos. Ambos disminuyeron el tiempo de análisis respecto al promedio de literatura. Conclusión: Las estrategias basadas en el análisis multivariado de datos gineco-obstétricos y/o espectrales de suero del primer trimestre de gestación mejoran la predicción de DG en etapas tempranas del embarazo, ya sea incrementando el poder predictivo, o reduciendo los tiempos de análisis.

Introduction: Gestational diabetes mellitus (GDM) is a hyperglycemia state that is diagnosed in the second or third trimester of pregnancy, however by that time the fetal phenotype is already altered. Strategies to predict GDM in earlier stages of pregnancy are reported in literature; nevertheless they present low predictive power or require long times of analysis. General objective: To evaluate methods based on the multivariate analysis of gyneco-obstetrical and/or serum spectral data for the prediction of GDM in the first trimester of pregnancy. Analytical strategy: GDM predictive models were developed using single- and multi-block multivariate analysis techniques, and (1) gyneco-obstetrical data (53 clinical and 10 biochemical parameters); (2) near-infrared (NIR) serum spectral data; or (3) both (28 clinical parameters, and NIR). Results: The best models of (1), (2) and (3) achieved an area under the ROC curve of 0.867, 0.577 and 0.522, respectively. Only the first one increased the predictive power in comparison to the literature average. The best models of (2) and (3) achieved an analysis time of 32 minutes. Both decreased the time of analysis in comparison to the literature average. Conclusion: Strategies based on the multivariate analysis of first trimester gyneco-obstetrical and/or serum spectral data improve the prediction of GDM in early pregnancy, either by increasing the predictive power or by reducing the time of analysis.