Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô hình dự đoán tiên đoán cho các biến chứng thai kỳ ở phụ nữ bị tiểu đường thai kỳ: một protocal cho việc xem xét có hệ thống, đánh giá phê phán và phân tích tổng hợp
Tóm tắt
Tiểu đường thai kỳ (GDM) ngày càng trở nên phổ biến và có những tác động lớn trong thai kỳ cũng như sức khỏe lâu dài của mẹ và con. Tuy nhiên, đây là một tình trạng đa dạng với nhiều yếu tố liên quan, bao gồm dân tộc, chỉ số khối cơ thể và tăng cân thai kỳ, đáng kể làm thay đổi nguy cơ tuyệt đối của các biến chứng ở mức độ cá nhân. Dự đoán nguy cơ biến chứng thai kỳ cho một phụ nữ cá thể khi bị GDM là một công cụ hữu ích cho việc ra quyết định điều trị và giáo dục bệnh nhân. Các mô hình dự đoán chẩn đoán cho GDM hiện phổ biến. Ngược lại, các mô hình dự đoán nguy cơ biến chứng ở những người bị GDM còn tương đối mới. Nghiên cứu này sẽ xem xét có hệ thống các mô hình dự đoán tiên đoán đã được công bố cho các biến chứng thai kỳ ở phụ nữ bị GDM, mô tả các đặc điểm của chúng, so sánh hiệu suất và đánh giá chất lượng phương pháp và tính khả thi. Các nghiên cứu sẽ được xác định bằng cách tìm kiếm trong các cơ sở dữ liệu điện tử MEDLINE và Embase. Việc sàng lọc tiêu đề và tóm tắt, đánh giá toàn văn và trích xuất dữ liệu sẽ được thực hiện độc lập bởi hai nhà đánh giá. Các nghiên cứu được chọn sẽ được đánh giá hệ thống về nguy cơ thiên lệch và tính khả thi bằng các công cụ thích hợp được thiết kế cho các nghiên cứu mô hình dự đoán. Dữ liệu được trích xuất sẽ được lập bảng để tạo điều kiện so sánh định tính giữa các mô hình dự đoán đã được công bố. Dữ liệu định lượng về hiệu suất dự đoán của các mô hình này sẽ được tổng hợp bằng các phân tích tổng hợp nếu phù hợp. Đánh giá này sẽ xác định và tổng kết tất cả các mô hình dự đoán tiên đoán đã được công bố cho các biến chứng thai kỳ ở phụ nữ bị GDM. Chúng tôi sẽ so sánh hiệu suất mô hình ở các bối cảnh và quần thể khác nhau với phân tích tổng hợp nếu phù hợp. Công việc này sẽ hướng dẫn các giai đoạn tiếp theo của khung nghiên cứu tiên đoán: phát triển mô hình thêm, xác thực bên ngoài và cập nhật mô hình, cũng như đánh giá tác động. Mô hình cuối cùng sẽ ước lượng nguy cơ tuyệt đối của các biến chứng thai kỳ cho phụ nữ bị GDM và sẽ được thực hiện vào quy trình chăm sóc hàng ngày như một mô hình phân tích nguy cơ biến chứng GDM dựa trên bằng chứng. Dự kiến sẽ mang lại giá trị cho phụ nữ và các bác sĩ của họ với đánh giá nguy cơ cá nhân hóa và có thể hỗ trợ trong việc ra quyết định. Cuối cùng, việc đánh giá có hệ thống này là một bước quan trọng hướng tới một mô hình chăm sóc phân tầng theo nguy cơ cá nhân hóa cho GDM, cho phép các can thiệp phòng ngừa và điều trị mang lại lợi ích tối đa cho phụ nữ và con cái của họ, đồng thời tiết kiệm chi phí và hạn chế tổn thương cho những người có nguy cơ thấp.
Từ khóa
#tiểu đường thai kỳ #mô hình dự đoán #biến chứng thai kỳ #hệ thống xem xét #phân tích tổng hợpTài liệu tham khảo
National Institutes of Health consensus development conference statement: diagnosing gestational diabetes mellitus, March 4–6, 2013. Obstet Gynecol. 2013;122(2 Pt 1):358–69.
Nankervis A, McIntyre HD, Moses RG, Ross GP, Callaway LK. Testing for gestational diabetes mellitus in Australia. Diabetes Care. 2013;36(5):e64.
Moses RG, Wong VC, Lambert K, Morris GJ, San GF. The prevalence of hyperglycaemia in pregnancy in Australia. Aust N Z J Obstet Gynaecol. 2016;56(4):341–5.
Wong VW, Lin A, Russell H. Adopting the new World Health Organization diagnostic criteria for gestational diabetes: how the prevalence changes in a high-risk region in Australia. Diabetes Res Clin Pract. 2017;129:148–53.
Buchanan TA, Xiang AH, Page KA. Gestational diabetes mellitus: risks and management during and after pregnancy. Nat Rev Endocrinol. 2012;8(11):639–49.
Crowther CA, Hiller JE, Moss JR, McPhee AJ, Jeffries WS, Robinson JS, et al. Effect of treatment of gestational diabetes mellitus on pregnancy outcomes. N Engl J Med. 2005;352(24):2477–86.
Landon MB, Spong CY, Thom E, Carpenter MW, Ramin SM, Casey B, et al. A multicenter, randomized trial of treatment for mild gestational diabetes. N Engl J Med. 2009;361(14):1339–48.
International Association of Diabetes Pregnancy Study Groups Consensus Panel, Metzger BE, Gabbe SG, Persson B, Buchanan TA, Catalano PA, et al. International association of diabetes and pregnancy study groups recommendations on the diagnosis and classification of hyperglycemia in pregnancy. Diabetes Care. 2010;33(3):676–82.
Hapo Study Cooperative Research Group, Metzger BE, Lowe LP, Dyer AR, Trimble ER, Chaovarindr U, et al. Hyperglycemia and adverse pregnancy outcomes. N Engl J Med. 2008;358(19):1991–2002.
Nankervis A, McIntyre HD, Moses RG, Ross GP, Callaway LK, Porter C, et al. ADIPS consensus guidelines for the testing and diagnosis of hyperglycaemia in pregnancy in Australia and New Zealand; 2014.
National Institute for Health and Care Excellence. Diabetes in pregnancy: management of diabetes and its complications from preconception to the postnatal period. Diabetes in pregnancy: Management of diabetes and its complications from preconception to the postnatal period. London: National Institute for Health and Care Excellence: Clinical Guidelines; 2015.
American Diabetes Association. 2. Classification and diagnosis of diabetes: standards of medical care in diabetes—2019. Diabetes Care. 2019;42(Supplement 1):S13–28.
Diabetes Canada Clinical Practice Guidelines Expert C, Feig DS, Berger H, Donovan L, Godbout A, Kader T, et al. Diabetes and pregnancy. Can J Diabetes. 2018;42(Suppl 1):S255–S82.
Committee on Practice Bulletins-Obstetrics. ACOG practice bulletin no. 190: gestational diabetes mellitus. Obstet Gynecol. 2018;131(2):e49–64.
Long H. Diagnosing gestational diabetes: can expert opinions replace scientific evidence? Diabetologia. 2011;54(9):2211–3.
Moses RG. Gestational diabetes mellitus: implications of an increased frequency with IADPSG criteria. Diabetes Care. 2012;35(3):461–2.
Yuen L, Wong VW, Simmons D. Ethnic disparities in gestational diabetes. Curr Diab Rep. 2018;18(9):68.
Scifres C, Feghali M, Althouse AD, Caritis S, Catov J. Adverse outcomes and potential targets for intervention in gestational diabetes and obesity. Obstet Gynecol. 2015;126(2):316–25.
Huet J, Beucher G, Rod A, Morello R, Dreyfus M. Joint impact of gestational diabetes and obesity on perinatal outcomes. J Gynecol Obstet Hum Reprod. 2018;47(9):469-76.
Goldstein RF, Abell SK, Ranasinha S, Misso M, Boyle JA, Black MH, et al. Association of Gestational Weight Gain with maternal and infant outcomes: a systematic review and meta-analysis. JAMA. 2017;317(21):2207–25.
Powe CE, Allard C, Battista MC, Doyon M, Bouchard L, Ecker JL, et al. Heterogeneous contribution of insulin sensitivity and secretion defects to gestational diabetes mellitus. Diabetes Care. 2016;39(6):1052–5.
Cade TJ, Polyakov A, Brennecke SP. Implications of the introduction of new criteria for the diagnosis of gestational diabetes: a health outcome and cost of care analysis. BMJ Open. 2019;9(1):e023293.
Abell SK, Teede HJ. The IADPSG diagnostic criteria identify women with increased risk of adverse pregnancy outcomes in Victoria. Aust N Z J Obstet Gynaecol. 2017;57(5):564-8.
Koning SH, van Zanden JJ, Hoogenberg K, Lutgers HL, Klomp AW, Korteweg FJ, et al. New diagnostic criteria for gestational diabetes mellitus and their impact on the number of diagnoses and pregnancy outcomes. Diabetologia. 2018;61(4):800–9.
Behboudi-Gandevani S, Amiri M, Bidhendi Yarandi R, Ramezani TF. The impact of diagnostic criteria for gestational diabetes on its prevalence: a systematic review and meta-analysis. Diabetol Metab Syndr. 2019;11:11.
McIntyre HD, Jensen DM, Jensen RC, Kyhl HB, Jensen TK, Glintborg D, et al. Gestational diabetes mellitus: does one size fit all? A challenge to uniform worldwide diagnostic thresholds. Diabetes Care. 2018;41(7):1339-42.
Bodmer-Roy S, Morin L, Cousineau J, Rey E. Pregnancy outcomes in women with and without gestational diabetes mellitus according to the International Association of the Diabetes and Pregnancy Study Groups criteria. Obstet Gynecol. 2012;120(4):746–52.
Morrison MK, Lowe JM, Collins CE. Australian women's experiences of living with gestational diabetes. Women Birth. 2014;27(1):52–7.
Moher D, Shamseer L, Clarke M, Ghersi D, Liberati A, Petticrew M, et al. Preferred reporting items for systematic review and meta-analysis protocols (PRISMA-P) 2015 statement. Syst Rev. 2015;4:1.
Moons KG, de Groot JA, Bouwmeester W, Vergouwe Y, Mallett S, Altman DG, et al. Critical appraisal and data extraction for systematic reviews of prediction modelling studies: the CHARMS checklist. PLoS Med. 2014;11(10):e1001744.
Shepherd E, Gomersall JC, Tieu J, Han S, Crowther CA, Middleton P. Combined diet and exercise interventions for preventing gestational diabetes mellitus. Cochrane Database Syst Rev. 2017;11:CD010443.
Martis R, Brown J, Alsweiler J, Downie MR, Crowther CA. Treatments for women with gestational diabetes mellitus: an overview of cochrane systematic reviews. Cochrane Database Syst Rev. 2016;(8). Art. No.: CD012327.
Cochrane Prognosis Methods Group. Cochrane prognosis methods group protocol template: the Cochrane collaboration; 2018. [updated 20 November 2018. Available from: https://methods.cochrane.org/prognosis/sites/methods.cochrane.org.prognosis/files/public/uploads/protocol_template_prognosis_reviews.doc
Collins GS, Reitsma JB, Altman DG, Moons KG. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. Ann Intern Med. 2015;162(1):55–63.
Moons KM, Wolff RF, Riley RD, et al. Probast: a tool to assess risk of bias and applicability of prediction model studies: explanation and elaboration. Ann Intern Med. 2019;170(1):W1–W33.
Debray TP, Damen JA, Snell KI, Ensor J, Hooft L, Reitsma JB, et al. A guide to systematic review and meta-analysis of prediction model performance. BMJ. 2017;356:i6460.
Steyerberg EW, Moons KG, van der Windt DA, Hayden JA, Perel P, Schroter S, et al. Prognosis research strategy (PROGRESS) 3: prognostic model research. PLoS Med. 2013;10(2):e1001381.
Lamain-de Ruiter M, Kwee A, Naaktgeboren CA, Franx A, Moons KGM, Koster MPH. Prediction models for the risk of gestational diabetes: a systematic review. Diagnost Prognost Res. 2017;1(1):3.
Steyerberg EW, Vergouwe Y. Towards better clinical prediction models: seven steps for development and an ABCD for validation. Eur Heart J. 2014;35(29):1925–31.
Cochrane handbook for systematic reviews of interventions: The Cochrane Collaboration; 2011. Available from: http://handbook-5-1.cochrane.org/.
Geersing GJ, Bouwmeester W, Zuithoff P, Spijker R, Leeflang M, Moons KG. Search filters for finding prognostic and diagnostic prediction studies in medline to enhance systematic reviews. PLoS One. 2012;7(2):e32844.
Ingui BJ, Rogers MA. Searching for clinical prediction rules in MEDLINE. J Am Med Inform Assoc. 2001;8(4):391–7.
Farrar D, Simmonds M, Bryant M, Sheldon TA, Tuffnell D, Golder S, et al. Treatments for gestational diabetes: a systematic review and meta-analysis. BMJ Open. 2017;7(6):e015557.
Bramer WM, Giustini D, de Jonge GB, Holland L, Bekhuis T. De-duplication of database search results for systematic reviews in EndNote. J Med Libr Assoc. 2016;104(3):240–3.
Stroup DF, Berlin JA, Morton SC, Olkin I, Williamson GD, Rennie D, et al. Meta-analysis of observational studies in epidemiology: a proposal for reporting. Meta-analysis of observational studies in epidemiology (MOOSE) group. JAMA. 2000;283(15):2008–12.
Higgins JP, Thompson SG, Deeks JJ, Altman DG. Measuring inconsistency in meta-analyses. BMJ. 2003;327(7414):557–60.
Moher D, Liberati A, Tetzlaff J, Altman DG, Group P. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. BMJ. 2009;339:b2535.
Iorio A, Spencer FA, Falavigna M, Alba C, Lang E, Burnand B, et al. Use of GRADE for assessment of evidence about prognosis: rating confidence in estimates of event rates in broad categories of patients. BMJ. 2015;350:h870.
GRADE Handbook. Handbook for grading the quality of evidence and the strength of recommendations using the GRADE approach: the GRADE working group; 2013. Available from: https://gdt.gradepro.org/app/handbook/handbook.html
Teede HJ, Harrison CL, Teh WT, Paul E, Allan CA. Gestational diabetes: development of an early risk prediction tool to facilitate opportunities for prevention. Aust N Z J Obstet Gynaecol. 2011;51(6):499–504.
Lamain-de Ruiter M, Kwee A, Naaktgeboren CA, de Groot I, Evers IM, Groenendaal F, et al. External validation of prognostic models to predict risk of gestational diabetes mellitus in one Dutch cohort: prospective multicentre cohort study. BMJ. 2016;354:i4338.
Simmons D, Hague WM, Teede HJ, Cheung NW, Hibbert EJ, Nolan CJ, et al. Hyperglycaemia in early pregnancy: the treatment of booking gestational diabetes mellitus (TOBOGM) study. A randomised controlled trial. Med J Aust. 2018;209(9):405-6.
Hemingway H, Croft P, Perel P, Hayden JA, Abrams K, Timmis A, et al. Prognosis research strategy (PROGRESS) 1: a framework for researching clinical outcomes. BMJ. 2013;346:e5595.
Debray TP, Koffijberg H, Nieboer D, Vergouwe Y, Steyerberg EW, Moons KG. Meta-analysis and aggregation of multiple published prediction models. Stat Med. 2014;33(14):2341–62.
Poldervaart JM, Reitsma JB, Koffijberg H, Backus BE, Six AJ, Doevendans PA, et al. The impact of the HEART risk score in the early assessment of patients with acute chest pain: design of a stepped wedge, cluster randomised trial. BMC Cardiovasc Disord. 2013;13:77.