CC BY
0
ОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯ
Модель прогнозирования антенатальной гибели плода на сроках до 28 нед гестации
Муковникова Е.В., Оразмурадов А.А., Доронина О.К., Хубецова М.Т., Хаддад Х., Оразмурадова Г.А.
Медицинский институт, Федеральное государственное автономное образовательное учреждение высшего образования «Российский университет дружбы народов имени Патриса Лумумбы», 117198, г. Москва, Российская Федерация
Резюме
Актуальность. Ежегодно во всем мире происходит 13,9 мертворождений на 1000 рождений, или 2,0 млн мертворождений без учета случаев антенатальных потерь на сроках до 28 нед беременности, что, по оценкам ряда исследований, приводит к увеличению показателя примерно на 40%. Коэффициент мертворожда-емости в России в 2022 г. составил 5,34 на 1000 рождений, или 1 из 187 беременностей, при этом ежегодно происходит примерно 20 000 случаев антенатальной гибели плода (АГП). На сегодняшний день было предпринято несколько попыток разработать математическую модель для раннего выявления беременностей с высоким риском мертворождения. Однако эти модели не учитывают срок гестации, а также не могут быть применены в условиях ограниченных ресурсов. В связи с этим важно разработать простые в применении инструменты для раннего выявления беременностей с высоким риском АГП в зависимости от срока гестации.
Цель - разработать математическую модель для прогнозирования АГП в сроке 22-276 нед беременности на основании клинико-анамнестических данных.
Материал и методы. Ретроспективное исследование проведено на клинической базе кафедры акушерства и гинекологии с курсом перинатологии Медицинского института РУДН им. Патриса Лумумбы - в филиале женской консультации ГБУЗ ГКБ № 29 им. Н.Э. Баумана ДЗМ. Статистическому анализу подлежали данные 26 пациенток с АГП в 220-276 нед гестации и 30 женщин, родивших живого ребенка: все, кроме 7 в 1-й группе и 9 во 2-й, были первородящими. На первом этапе исследования проводился анализ клинико-анам-нестических факторов риска АГП. На втором выявленные предикторы были включены в прогностическую модель риска АГП.
Результаты. На первом этапе исследования статистический анализ показал: 1) женщины с АГП старше, чем пациентки с живорождением; 2) острая респираторная вирусная инфекция (ОРВИ) с подъемом температуры и бессимптомная бактериурия во время беременности являются факторами рисками АГП на сроках до 28 нед беременности; 3) плоды женского пола подвергаются большему риску АГП на сроках до 28 нед беременности относительно плодов мужского пола.
На втором этапе исследования построена регрессионная прогностическая модель, включающая следующие параметры: возраст, индекс массы тела, срок постановки на учет по беременности, ОРВИ во время беременности с подъемом температуры и бессимптомная бактериурия. Чувствительность модели составила 76,9%, специфичность - 90,3%, диагностическая эффективность - 84,2%.
Заключение. Разработана простая информативная модель для раннего выявления беременных с высоким риском АГП на сроках до 28 нед беременности. Продолжаются исследования для проверки ее производительности и эффективности. Также ведется поиск дополнительных биомаркеров АГП.
Финансирование. Исследование не имело спонсорской поддержки. Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Вклад авторов. Разработка дизайна исследования, статистическая обработка данных, редактирование рукописи - Муковникова В.Е.; общее руководство, администрирование проекта - Оразмурадов А.А.; методология, внесение окончательной правки - Доронина О.К.; обзор публикаций по теме статьи, внесение окончательной правки - Хубецова М.Т.; отбор и исследование пациенток - Хаддад Х.; создание черновика - Хаддад Х., Оразмурадова Г.А.; визуализация - Оразмурадова Г.А.
Для цитирования: Муковникова Е.В., Оразмурадов А.А., Доронина О.К., Хубецова М.Т., Хаддад Х., Оразмурадова Г.А. Модель прогнозирования антенатальной гибели плода на сроках до 28 нед гестации // Акушерство и гинекология: новости, мнения, обучение. 2025. Т. 13. Спецвыпуск. С. 49-54. DOI: https://doi.org/10.33029/2303-9698-2025-13-suppL-49-54 Статья поступила в редакцию 20.11.2024. Принята в печать 10.01.2025.
Ключевые слова:
антенатальная
гибель плода;
факторы
риска; ранняя
диагностика;
прогностическая
модель
Model for predicting antenatal fetal death up to 28 weeks of gestation
Mukovnikova E.V., Orazmuradov A.A., Medical Institute, Peoples' Friendship University of Russia Doronina O.K., Khubetsova M.T., named after Patrice Lumumba, 117198, Moscow, Russian Fede-
Haddad Kh., Orazmuradova G.A. ration
Abstract
Background. Every year, 13.9 stillbirths out of 1000 births, or 2.0 million stillbirths occur worldwide, excluding antenatal losses before 28 weeks of gestation, which some studies estimate would result in an increase of approximately 40%. The stillbirth rate in Russia in 2022 was 5.34 out of 1000 births or 1 in 187 pregnancies, with approximately 20 thousand antenatal losses occurring annually. To date, several attempts have been made to develop a mathematical model for the early detection of pregnancies with a high risk of stillbirth. However, these models do not take into account the gestational age and cannot be applied in resource-limited settings. In this regard, it is important to develop easy-to-use tools for the early detection of pregnancies with a high risk of antenatal fetal death (AFD) depending on the gestational age.
The aim of the study was to develop a mathematical model for predicting AFD at 220-276 weeks of gestation using clinical, anamnestic and laboratory data.
Material and methods. A retrospective study was conducted at the clinical base of the Department of Obstetrics and Gynecology with a course in perinatology of the Medical Institute of the Peoples' Friendship University of Russia named after Patrice Lumumba in the branch of the antenatal clinic of City Clinical Hospital No. 29 named after N.E. Bauman. Statistical analysis was performed on data from 26 patients with AFD at 220276 weeks of gestation and data from 30 women with a live birth. At the first stage of the study, an analysis of clinical and anamnestic risk factors for AFD was carried out. At the second stage, the identified predictors were included in the prognostic model of AFD risk.
Results. At the first stage of the study, statistical analysis showed: 1) women with AFD are older than patients with live birth; 2) acute respiratory viral infection with fever and asymptomatic bacteriuria during pregnancy are risk factors for AFD up to 28 weeks of pregnancy; 3) female fetuses are at higher risk of AFD before 28 weeks of gestation compared to male fetuses.
At the second stage of the study, a regression prognostic model was built, including the following parameters: age, BMI, date of registration for pregnancy, acute respiratory viral infection during pregnancy with fever and asymptomatic bacteriuria. The sensitivity of the model was 76.9%, specificity was 90.3%, diagnostic efficiency was 84.2%.
Conclusion. A simple, informative model has been developed for the early detection of pregnant women at high risk of AFD up to 28 weeks of gestation. Research is ongoing to test its performance and effectiveness. A search for additional biomarkers of AFD is also underway.
Keywords:
antenatal fetal death; risk factors; early diagnosis; predictive model
Funding. The study had no sponsor support.
Conflict of interest. The authors declare no conflict of interest.
Contribution. Study design development, statistical data processing, manuscript editing - Mukovnikova V.E.; general management, project administration - Orazmuradov A.A.; methodology, final editing - Doronina O.K.; review of publications on the topic of the article, final editing - Khubetsova M.T.; selection and examination of patients - Haddad Kh.; drafting - Haddad Kh., Orazmuradova G.A.; visualization - Orazmuradova G.A.
For citation: Mukovnikova E.V., Orazmuradov A.A., Doronina O.K., Khubetsova M.T., Haddad Kh., Orazmuradova G.A. Model for predicting antenatal fetal death up to 28 weeks of gestation. Akusherstvo i ginekologiya: novosti, mneniya, obuchenie [Obstetrics and Gynecology: News, Opinions, Training]. 2025; 13. Supplement: 49-54. DOI: https://doi.org/10.33029/2303-9698-2025-13-suppl-49-54 (in Russian) Received 20.11.2024. Accepted 10.01.2025.
Введение
Антенатальная гибель плода (АГП) остается одним из самых эмоционально разрушительных осложнений беременности. Точные данные о ее частоте трудно оценить из-за занижения данных мертворождения на сроках до 28 нед беременности, а также в связи с различиями в определении сроков начала АГП по всему миру [1, 2]. Тем не менее
ежегодно во всем мире происходит 13,9 мертворождений на 1000 рождений, или 2,0 млн мертворождений без учета случаев АГП на сроках до 28 нед беременности, что, по оценкам ряда исследований, привело бы к увеличению показателя примерно на 40% [2, 3]. Коэффициент мертворождаемости в России в 2022 г. составил 5,34 на 1000 рождений, или 1 из 187 беременностей, при этом ежегодно происходит примерно 20 тыс. антенатальных потерь [4].
Проблемы прогнозирования и профилактики АГП заключаются в том, что мертворождение является конечной точкой множества различных патофизиологических путей, и маловероятно, что один тест будет иметь высокую прогностическую эффективность для всех сроков гестации [5]. На сегодняшний день было предпринято несколько попыток разработать математическую модель для раннего выявления беременностей с высоким риском мертворождения [6-10]. Однако эти модели не учитывают срок гестации, а также не могут быть применены в условиях ограниченных ресурсов. В связи с этим важно разработать простые в применении инструменты для раннего выявления беременности с высоким риском АГП в зависимости от срока гестации.
Цель - разработать математическую модель для прогнозирования АГП в сроке 22-276 нед беременности на основании клинико-анамнестических данных.
Материал и методы
Ретроспективное исследование проведено на клинической базе кафедры акушерства и гинекологии с курсом перинатологии Медицинского института РУДН им. Патриса Лумумбы - в филиале женской консультации ГБУЗ ГКБ № 29 им. Н.Э. Баумана ДЗМ.
Из исследования были исключены пациентки с многоплодной беременностью, отсутствием данных о геста-ционном возрасте, сроке взятия на учет по беременности, а также в случае отсутствия данных о возрасте, массе тела до беременности, росте матери. Дополнительно были исключены беременные с любым видом врожденного порока развития плода, чтобы минимизировать эффект потенциально неизбежного мертворождения. Таким образом, статистическому анализу подлежали данные 26 пациенток с АГП в 220-276 нед гестации и 30 женщин, родивших живого ребенка: все, кроме 7 в 1-й группе и 9 во 2-й, были первородящими. Для прогностического моделирования рассматривались следующие потенциальные предикторы: возраст, антропометрические данные пациенток, срок постановки на учет по беременности, гинекологический анамнез [воспалительные заболевания органов малого таза (ВЗОМТ), неразвивающаяся беременность (НБ) и аборт в анамнезе], экстрагенитальные заболевания [сахарный диабет (СД), гипотиреоз, хронические заболевания сердечно-сосудистой, дыхательной, мочевыделительной систем, анемия], осложнения во время беременности [пре-эклампсия (ПЭ), гестационный сахарный диабет (ГСД), маловодие, многоводие, аномалии пуповины, острая респираторная вирусная инфекция (ОРВИ) во время беременности с подъемом температуры, бессимптомная бактериурия], а также пол ребенка. От всех пациенток, принявших участие в исследование, получено письменное информированное согласие.
Оценка статистической значимости проверялась с помощью программы IBM SPSS Statistics 26, разработанной компанией International Business Machines (IBM), США.
Количественные показатели при нормальном распределении указывались в виде среднего значения (M), стандарт-
ной ошибки среднего (STD) и 95% доверительного интервала (ДИ). При распределении, отличном от нормального, рассчитывались медианы (Ме) и межквартильный размах (Q1-Q3).
Для выявления достоверности различий между параметрами случайных величин двух групп использовали критерий Манна-Уитни. Для качественных признаков указывались абсолютные и относительные частоты (%). Сравнение процентных долей при анализе многопольных таблиц сопряженности выполнялось с помощью точного критерия Фишера. Для оценки количественной меры эффекта при сравнении относительных показателей использовался параметр отношения шансов (odds ratio, ОШ) с 95% ДИ (ОШ; 95% ДИ). Для всех показателей статистически значимым различиями считался уровень p<0,05.
Построение прогностической модели риска АГП выполнялось при помощи метода бинарной логистической регрессии. Отбор независимых переменных проводился методом пошаговой обратной селекции с использованием в качестве критерия исключения статистики Вальдовского. Статистическая значимость полученной модели определялась с помощью критерия х2. Оценка диагностической значимости полученной модели определялась методом анализа ROC-кривых. Разделяющее значение количественного признака в точке cut-off определялось по наивысшему значению индекса Юдена.
Результаты
На первом этапе исследования проводилась клинико-анамнестическая характеристика исследуемых групп. В исследовании оценивались возраст пациенток (табл. 1), срок постановки на учет по беременности (табл. 2). Как видно из табл. 1, возраст женщин с АГП был статистически значимо выше, чем у беременных в группе контроля (p=0,002).
Как представлено в табл. 2, срок постановки на учет по беременности был статистически сопоставим между исследуемыми группами (p=0,130).
Кроме того, в исследуемых группах оценивались антропометрические характеристики женщин, а именно ростомассо-вые показатели до беременности [масса тела, рост, индекс массы тела (ИМТ)] (табл. 3).
По данным табл. 3 видно, что ИМТ между исследуемыми группами достоверно не отличался.
Таблица 1. Возраст пациенток
Группа Возраст, годы
M±SD I 95% ДИ
АГП в сроке 220-276 34,08±6,42 31,48-36,67
Роды живым плодом 28,35±5,29 26,41-30,49
0,002
Здесь и в табл. 2-7: * - различия показателей статистически значимы (р<0,05); расшифровка аббревиатур дана в тексте.
Таблица 2. Срок постановки на учет в женской консультации
Группа Срок взятия на учет, нед Р
Me [IQR] I min-max
АГП 9,5 [8-12] 6-18 0,130
Живой ребенок 8 [8-10] 7-15
Р*
Таблица 3. Антропометрические характеристики пациенток
Группа Масса тела, кг | Рост, см | ИМТ, кг/м2 |
Ме 1 тт- ■тах Ме 1 тт- тах Ме 1 тт- тах 1
АГП 64,5 [54,0-75,5] 52 -93 168,5 [164,0-172,0] 160- -178 22,17 [20,47-26,11] 19,27- -33,09
Живой ребенок 57 [52,0-62,0] 49 -90 165 [162,5-168,0] 152- 174 20,96 [20,44-22,43]|| 19,38 -31,14
Р 0,011* 0,028* 0,154
Таблица 4. Гинекологический анамнез
Воспалительные Неразви-
заболевания вающаяся Аборт
Группа органов малого беремен-
таза ность
абс. % абс. % абс. %
АГП 3 12 11 42,3 2 19,4
Живой ребенок 8 25,8 8 25,8 6 7,7
Р 0,312 0,261 0,269
В исследовании также оценены гинекологический (табл. 4) и соматический анамнез (табл. 5) в исследуемых группах.
Как видно из табл. 4, показатели ВЗОМТ, НБ и абортов в анамнезе между исследуемыми группами статистически не отличались (р>0,05).
Аналогично в табл. 5 продемонстрировано, что частота экстрагенитальных заболеваний между группами достоверно не отличалась (р>0,05).
Кроме того, в исследуемых группах были оценены заболевания в течение текущей беременности (табл. 6).
У пациенток с АГП в 3,6 раза чаще регистрировалась ОРВИ с подъемом температуры и в 8,9 раза чаще бессимптомная бактериурия во время беременности, чем у женщин, родивших живого ребенка (р=0,027 и р<0,001 соответственно).
Вместе с тем в данном исследовании был оценен пол ребенка (табл. 7).
Как видно из табл. 7, девочки чаще подвергались АГП на сроках до 28 нед гестации, чем мальчики (р=0,023).
На втором этапе исследования была выведена прогностическая модель риска АГП на сроках до 28 нед гестации:
Р = 1 / (1 + е-2) х 100%; 2 = -14,569 + 0,184хХЛЕТ + 0,182 хХИМТ+ + 0,343хХуч + 2,348хХорВи + 3,345хХББ
(1),
где Р - вероятность развития АГП на сроках до 28 нед гестации (%); ХЛЕТ - возраст (полных лет); ХИМТ - индекс массы
Таблица 5. Экстрагенитальные заболевания
Группа
Хронические Хронические
заболевания заболевания
сердечно- мочевыде-
сосудистой лительной
системы системы
Хронические заболевания дыхательной системы
Гипотиреоз
Сахарный диабет
Ожирение
абс. % абс. % абс. % абс. % абс. % абс. % абс. %
АГП 1 3,8 0 0 4 15,4 2 7,7 6 23,1 3 11,5 7 26,9
Живой ребенок 1 1 3,2 1 В 3,2 1 3,2 3 9,7 4 ■12,9 2 6,5 4 || 12,9
1,000
1,000
0,167
1,000
0,486
0,651
0,312
Таблица 6. Заболевания во время беременности
АГП
Острая респираторная Преэклам- Гестацион- Маловодие Много- Аномалии Бессимп-
вирусная инфекция ный сахар- томная
с подъемом температуры псия ный диабет водие пуповины бактериурия
34,6
19,2
11,5
15
57,7
Р
абс.
абс.
абс.
абс.
абс.
абс.
абс.
%
%
%
%
%
%
9
0
0
0
0
5
0
0
3
Живой ребенок 3 9,7 0 0 3 9,7 3 9,7 0 0 0 0 2 6,5
р ОШ; 95% ДИ 4,94; 1,17-20,80 19,77; 3,87-100,97
Таблица 7. Пол ребенка
Группа | Мужской пол | Женский пол |
| абс. % | абс. %
АГП
13
50
13
50
Живой ребенок 25 ЩЩ 80,6 6 || 19,4
Р 0,023* 0,023*
ОШ; 95% ДИ 0,24; 0,74-0,779 4,167; 1,284-13,517
тела (кг/м2), ХУЧ - срок постановки на учет по беременности (полных недель), Хорви - ОРВИ с подъемом температуры во время текущей беременности (0 - нет, 1 - да), ХББ - бессимптомная бактериурия во время текущей беременности (0 - нет, 1 - да).
Полученная регрессионная модель является статистически значимой (p<0,001). Исходя из значения коэффициента детерминации Найджелкерка модель (1) определяет 64% дисперсии вероятности АПГ на сроках до 28 нед гестации.
Исходя из значений регрессионных коэффициентов, факторы: возраст, ИМТ, срок постановки на учет по беременности, ОРВИ во время беременности с подъемом температуры и бессимптомная бактериурия - имеют прямую связь с вероятностью развития АГП на сроках до 28 нед гестации.
Чувствительность модели составила 76,9%, специфичность - 90,3%, диагностическая эффективность - 84,2%.
ROC-анализ показал высокую прогностическую значимость полученной регрессионной модели (см. рисунок).
Площадь под ROC-кривой, соответствующей взаимосвязи прогноза АГП на сроках до 28 нед беременности и значения логистической регрессионной функции, составила 0,903+0,042 с 95% ДИ 0,82-0,99.
Пороговое значение функции P (1) в точке cut-off составило 0,6. Значения функции, равные или превышающие данное значение, соответствовали прогнозу АГП. Чувствительность и специфичность метода составили 70,2 и 93,5% соответственно.
Обсуждение
В этом исследовании мы разработали простую в использовании модель прогнозирования беременности с высоким риском АГП на сроках до 28 нед гестации. Прогностическая модель включает в себя 6 легко и недорого измеряемых доступных параметров, что способствует ее использованию во время дородовых визитов в условиях ограниченных ресурсов женской консультации.
К настоящему времени было проведено небольшое количество исследований, касающихся разработки инструмента для прогнозирования риска мертворождения, а модели, стратифицированные по гестационному сроку, вовсе не разрабатывались. Так, А. Koivu и соавт. в своей модели смогли достичь диагностической эффективности в 73-74%, используя клинико-анамнестические данные пациенток, в то время как Е. MaLacova и соавт. достигли максимальной точности в 84% на основании таких же параметров [6, 7]. В нашем исследовании получена математическая модель, имеющая аналогичную диагностическую эффективность - 84,2%. Однако ни в одном из вышеуказанных исследований не учитывался гестационный срок на момент АГП. Прогностическая модель Е. McPherson и соавт. включала ультразвуковые показатели, полученные по результатам первого скрининга, однако данный инструмент невозможно использовать у пациенток, ставших на учет в женскую консультацию во II триместре беременности [8].
Т. Khatibi и соавт. использовали сложный выбор признаков (с помощью кластерного анализа K-средних) для определения предикторов АГП и ввода их в классификаторы машинного обу-
ROC-кривые
J _J _| /
г _г
0,0 0,2 0,4 0,6 0,8 1,0 Специфичность
ROC-кривая, характеризующая зависимость вероятности АГП от значения прогностической регрессионной модели
чения [9]. Несмотря на то что авторы смогли достичь высокой точности модели (до 90,6%), они использовали такой показатель, как гестационный возраст на момент родов, что не является клинически значимым для прогнозирования антенатальных потерь. В то же время мы стремились выявить пациенток с риском АГП во II триместре, используя данные, доступные до родов, вследствие чего наша модель дает возможность изменить тактику ведения беременных на более ранних этапах.
Однако, прежде чем нашу или другие прогностические модели можно будет использовать в клинической практике, их следует проверить проспективно. Если в проспективных исследованиях сохранится высокий риск развития АГП, могут быть разработаны практические рекомендации с использованием данных моделей, а для удобства разработаны калькуляторы.
Полученная прогностическая модель также имеет несколько ограничений. Для разработки модели была использована небольшая когорта, что снижает мощность исследования. Кроме того, наша модель не включала оценку биомаркеров и результаты ультразвукового исследования, что смогло бы повысить диагностическую точность. В модели, разработанной R. AkoLekar и соавт., наряду с изучением клинико-анамнестических данных пациенток оценивали уровни биомаркеров плацентарных факторов роста (placental growth factor, PLGF) и допплерографии в I и II триместрах беременности, что увеличило диагностическую точность инструмента на 16% [10].
Заключение
Разработана простая информативная модель для раннего выявления беременных с высоким риском АГП на сроках до 28 нед беременности. Продолжаются исследования для проверки ее производительности и эффективности, а также поиск дополнительных биомаркеров АГП.
СВЕДЕНИЯ ОБ АВТОРАХ
Медицинский институт, ФГАОУ ВО РУДН им. Патриса Лумумбы, Москва, Российская Федерация:
Муковникова Екатерина Васильевна (Ekaterina V. Mukovnikova) - аспирант кафедры акушерства и гинекологии с курсом перинатологии
E-mail: [email protected] https://orcid.org/0000-0001-9646-0156
Оразмурадов Агамурад Акмамедович (Agamurad A. Orazmuradov) - доктор медицинских наук, профессор кафедры акушерства и гинекологии с курсом перинатологии E-mail: [email protected] https://orcid.org/0000-0003-0145-6934
Доронина Ольга Константиновна (Olga K. Doronina) - доктор медицинских наук, профессор кафедры акушерства и гинекологии с курсом перинатологии E-mail: [email protected] https://orcid.org/0000-0002-4288-353X
Хубецова Майя Темболовна (Maya T. Khubetsova) - кандидат медицинских наук, ассистент кафедры акушерства и гинекологии с курсом перинатологии E-mail: [email protected] https://orcid.org/0000-0002-0289-3020
Хаддад Халид (Khalid Haddad) - кандидат медицинских наук, ассистент кафедры акушерства и гинекологии с курсом перинатологии
E-mail: [email protected] https://orcid.org/0000-0001-9172-7560
Оразмурадова Гозель Агамурадовна (Gozel A. Orazmuradova) - студент
E-mail: [email protected]
https://orcid.org/0009-0001-4722-6774
ЛИТЕРАТУРА
1. Stillbirths and Stillbirth Rates. Unisef data, 2023. URL: https://data.unicef.org/
2. Иванов И.И., Ляшенко Е.Н., Косолапова Н.В. и др. Антенатальная гибель плода: нерешенные вопросы // Таврический медико-биологический вестник. 2020. Т. 23, №1. С. 37-41.
3. Стрижаков А.Н., Игнатко И.В., Родионова А.М. Антенатальная гибель плода: учебное пособие. Москва : ГЭОТАР-Медиа, 2023.
4. Российский статистический ежегодник. 2022 [Электронный ресурс] : статистический сборник / Росстат. Москва, 2022.
5. Jenabi E., Salimi Z., Ayubi E., Bashirian S., Salehi A.M. The environmental risk factors prior to conception associated with placental abruption: an umbrella review // Syst. Rev. 2022. Vol. 11, N 1. P. 55. DOI: https://doi.org/10.1186/s13643-022-01915-6
6. Koivu A., Sairanen M. Predicting risk of stillbirth and preterm pregnancies with machine learning // Health Inf. Sci. Syst. 2020. Vol. 8, N 1. Р. 14. DOI: https://doi. org/10.1007/s13755-020-00105-9
7. Malacova E., Tippaya S., Bailey H.D. et al. Stillbirth risk prediction using machine learning for a large cohort of births from Western Australia, 1980-2015 // Sci. Rep. 2020. Vol. 10, N 1. Article ID 5354. DOI: https://doi.org/10.1038/s41598-020-62210-9
8. McPherson E. Fetoplacental ratios in stillbirths and second trimester miscarriages // Am. J. Med. Genet A. 2020. Vol. 182, N 2. P. 322-327. DOI: https:// doi.org/10.1002/ajmg.a.61426
9. Khatibi T., Hanifi E., Sepehri M.M., Allahqoli L. Proposing a machine-learning based method to predict stillbirth before and during delivery and ranking the features: nationwide retrospective cross-sectional study // BMC Pregnancy Childbirth. 2021. Vol. 21, N 1. P. 202. DOI: https://doi.org/10.1186/s12884-021-03658-z
10. Akolekar R., Machuca M., Mendes M., Paschos V., Nicolaides K.H. Prediction of stillbirth from placental growth factor at 11-13 weeks // Ultrasound Obstet. Gynecol. 2016. Vol. 48, N 5. P. 618-623. DOI: https://doi.org/10.1002/ uog.17288
REFERENCES
1. Stillbirths and Stillbirth Rates. Unisef data, 2023. URL: https://data.unicef.org/
2. Ivanov 1.1., Lyashenko E.N., Kosolapova N.V., et al. Antenatal fetal death: unresolved issues. Tavricheskiy mediko-biologicheskiy vestnik [Taurian Medical and Biological Bulletin]. 2020; 23 (1): 37-41. (in Russian)
3. Strizhakov A.N., Ignatko I.V., Rodionova A.M. Antenatal fetal death: a textbook Moscow: GEOTAR Media; 2023. (in Russian)
4. Russian statistical yearbook. 2022 [Electronic resource]: statistical collection. In: Rosstat. Moscow, 2022. (in Russian)
5. Jenabi E., Salimi Z., Ayubi E., Bashirian S., Salehi A.M. The environmental risk factors prior to conception associated with placental abruption: an umbrella review. Syst Rev. 2022; 11 (1): 55. DOI: https://doi.org/10.1186/s13643-022-01915-6
6. Koivu A., Sairanen M. Predicting risk of stillbirth and preterm pregnancies with machine learning. Health Inf Sci Syst. 2020; 8 (1): 14. DOI: https://doi.org/10.1007/ s13755-020-00105-9
7. Malacova E., Tippaya S., Bailey H.D., et al. Stillbirth risk prediction using machine learning for a large cohort of births from Western Australia, 19802015. Sci Rep. 2020; 10 (1): 5354. DOI: https://doi.org/10.1038/s41598-020-62210-9
8. McPherson E. Fetoplacental ratios in stillbirths and second trimester miscarriages. Am J Med Genet A. 2020; 182 (2): 322-7. DOI: https://doi.org/10.1002/ ajmg.a.61426
9. Khatibi T., Hanifi E., Sepehri M.M., Allahqoli L. Proposing a machine-learning based method to predict stillbirth before and during delivery and ranking the features: nationwide retrospective cross-sectional study. BMC Pregnancy Childbirth. 2021; 21 (1): 202. DOI: https://doi.org/10.1186/s12884-021-03658-z
10. Akolekar R., Machuca M., Mendes M., Paschos V., Nicolaides K.H. Prediction of stillbirth from placental growth factor at 11-13 weeks. Ultrasound Obstet Gynecol. 2016; 48 (5): 618-23. DOI: https://doi.org/10.1002/uog.17288
