DOI: https://doi.org/10.2147/ijgm.s572373
PMID: https://pubmed.ncbi.nlm.nih.gov/41924536
تاريخ النشر: 2026-01-01
المؤلف: J Li وآخرون
الموضوع الرئيسي: الجهاز التناسلي والحمل
نظرة عامة
هدفت هذه الدراسة إلى التحقيق في العلاقة بين الأجسام المضادة الذاتية ومعايير استجابة بطانة الرحم بالموجات فوق الصوتية والإجهاض المبكر لدى المرضى الذين يعانون من الإجهاض التلقائي المتكرر (RSA). تم إجراء تحليل استعادي على مرضى RSA في مستشفى الشعب في شيان من يناير 2019 إلى ديسمبر 2024، حيث تم تقسيم المشاركين إلى مجموعة تدريب (n=412) ومجموعة تحقق (n=177). تضمنت المتغيرات الرئيسية الأجسام المضادة الذاتية في المصل (مثل الأجسام المضادة ضد بروتين β2-الجليكوبروتين 1 [aβ2-GP1]، والأجسام المضادة للثيروجلوبولين [TgAb]، والأجسام المضادة للحيوانات المنوية [AsAb]، والأجسام المضادة للكارديو ليبين [ACA]) والمعايير فوق الصوتية (بما في ذلك مؤشر المقاومة [RI]، وسمك بطانة الرحم، وحجم بطانة الرحم، ومؤشر التوعية [VI]، ومؤشر تدفق التوعية [VFI]). تم تطوير نماذج متعددة من التعلم الآلي، حيث أظهر نموذج الانحدار اللوجستي (LR) أفضل أداء، محققًا منطقة تحت منحنى التشغيل (AUC) قدرها 0.94 في مجموعة التدريب و0.92 في مجموعة التحقق.
أشارت النتائج إلى أن مجموعة الإجهاض أظهرت معدلات إيجابية أعلى بشكل ملحوظ من aβ2-GP1 وTgAb وACA وRI، إلى جانب قيم أقل لسمك بطانة الرحم وحجم بطانة الرحم وVI وVFI مقارنة بمجموعة الطبيعية (جميع P<0.05). حددت الدراسة ثمانية متنبئين (aβ2-GP1 وTgAb وAsAb وRI وسمك بطانة الرحم وحجم بطانة الرحم وVI وVFI) للإجهاض المبكر وأنشأت نموذجًا بناءً على نموذج LR الأمثل، مما يسهل تصنيف المخاطر بشكل فعال والتدخلات السريرية الشخصية. بينما يقدم تصميم الدراسة أحادي المركز والاستعادي قيودًا، فإنه يبرز الحاجة إلى دراسات مستقبلية متعددة المراكز لاستكمال النموذج من خلال دمج متغيرات إضافية، مثل العوامل الذكورية وتأثيرات نمط الحياة.
مقدمة
تتناول مقدمة ورقة البحث الإجهاض التلقائي المتكرر (RSA)، والذي يُعرف بأنه حدوث إجهاضين أو أكثر، بمعدل حدوث يتراوح بين 1% و5%. يؤثر RSA بشكل كبير على الصحة النفسية للنساء، مما يؤدي إلى القلق والاكتئاب، ويشكل تحديات للعائلات والمجتمع. أسباب RSA متعددة العوامل، بما في ذلك العوامل الوراثية والتشريحية والمناعية والغدد الصماء والعدوى والعوامل البيئية، مع نسبة ملحوظة تصنف على أنها إجهاض تلقائي متكرر غير مفسر (URA). على الرغم من التقدم في تقنيات التشخيص، لا تزال أكثر من 40% من حالات RSA بدون أسباب قابلة للتحديد، خاصة بين النساء اللاتي لديهن تاريخ من ثلاثة إجهاضات متتالية، واللواتي يواجهن خطر تكرار بنسبة 33%.
تسلط الورقة الضوء على الحاجة إلى تحسين نماذج توقع المخاطر لـ RSA، حيث أن النماذج الحالية، مثل تلك التي أوصت بها الجمعية الأمريكية للطب التناسلي وESHRE، لديها قيود في اكتمال عوامل الخطر والتحقق. سيكون النموذج المثالي هو الذي يتضمن متغيرات يسهل الوصول إليها ويظهر أداءً تنبؤيًا قويًا. تقدم التطورات الأخيرة في البيانات الضخمة والذكاء الاصطناعي، وخاصة التعلم الآلي والشبكات العصبية، طرقًا واعدة لتطوير أساليب الطب الدقيق للتنبؤ بمخاطر الإجهاض المبكر لدى مرضى RSA. تهدف الدراسة إلى التحقيق في العلاقة بين الأجسام المضادة الذاتية والإجهاض المبكر لدى مرضى RSA، مقترحة إنشاء نموذج تنبؤي بناءً على مستويات الأجسام المضادة الذاتية ومعايير استجابة بطانة الرحم لتعزيز اتخاذ القرارات السريرية وإرشادات الخصوبة.
الطرق
توضح قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يتفصيل المواد المستخدمة، بما في ذلك الكواشف المحددة والمعدات وأي عينات بيولوجية، لضمان إمكانية تكرار التجارب. يتم وصف المنهجية بطريقة منهجية، تشمل إعداد العينات، والظروف التي أجريت فيها التجارب، والتقنيات التحليلية المستخدمة لجمع البيانات وتحليلها.
بالإضافة إلى ذلك، قد يتضمن القسم الأساليب الإحصائية المطبقة لتفسير النتائج، مع تحديد أي برامج أو أدوات مستخدمة لتحليل البيانات. تعتبر صرامة الأساليب ضرورية للتحقق من النتائج، ويؤكد القسم على الالتزام بالبروتوكولات المعتمدة لضمان موثوقية ودقة النتائج. بشكل عام، يعمل هذا القسم كدليل شامل لتكرار الدراسة وفهم الأسس التي تم بناءً عليها الاستنتاجات المستخلصة.
المناقشة
في هذه الدراسة، تم تطوير نموذج انحدار لوجستي للتنبؤ بفقدان الحمل المبكر لدى المرضى الذين يعانون من الإجهاض التلقائي المتكرر (RSA) باستخدام ثمانية متنبئين مهمين: الأجسام المضادة ضد بروتين β2-الجليكوبروتين 1 (aβ2-GP1)، والأجسام المضادة للثيروجلوبولين (TgAb)، والأجسام المضادة للحيوانات المنوية (AsAb)، ومؤشر المقاومة (RI)، وسمك بطانة الرحم، وحجم بطانة الرحم، ومؤشر التوعية (VI)، ومؤشر تدفق التوعية (VFI). أظهر النموذج فعالية تنبؤية قوية، محققًا منطقة تحت المنحنى (AUC) قدرها 0.94 في مجموعة التدريب و0.92 في مجموعة التحقق. تشير النتائج إلى أن المستويات المرتفعة من aβ2-GP1 وTgAb، إلى جانب ضعف مورفولوجيا بطانة الرحم والتوعية، مرتبطة بزيادة خطر الإجهاض، مما يبرز أهمية هذه المؤشرات الحيوية في التقييمات السريرية.
تؤكد الدراسة على الفائدة السريرية للنموذج الذي تم تطويره، والذي يسمح للأطباء بتقدير احتمال فقدان الحمل المبكر بناءً على بيانات المرضى الفردية. ومع ذلك، قد تؤثر القيود مثل التصميم الاستعادي أحادي المركز واستبعاد بعض المتغيرات (مثل العوامل الذكورية وتأثيرات نمط الحياة) على قابلية تعميم النموذج. يُوصى بإجراء دراسات مستقبلية متعددة المراكز لتحسين شمولية النموذج وقابليته للتطبيق عبر مجموعات سكانية متنوعة. بشكل عام، تسهم هذه الأبحاث في تقديم رؤى قيمة حول عوامل الخطر لفقدان الحمل المبكر لدى مرضى RSA وتوفر أداة عملية لاستراتيجيات التدخل السريرية الشخصية.
DOI: https://doi.org/10.2147/ijgm.s572373
PMID: https://pubmed.ncbi.nlm.nih.gov/41924536
Publication Date: 2026-01-01
Author(s): J Li et al.
Primary Topic: Reproductive System and Pregnancy
Overview
This study aimed to investigate the relationship between autoantibodies, ultrasonic endometrial receptivity parameters, and early miscarriage in patients with recurrent spontaneous abortion (RSA). A retrospective analysis was conducted on RSA patients at Xi’an People’s Hospital from January 2019 to December 2024, with participants divided into a training set (n=412) and a validation set (n=177). Key variables included serum autoantibodies (such as anti-β2-glycoprotein 1 antibody [aβ2-GP1], thyroglobulin antibody [TgAb], anti-sperm antibody [AsAb], and anticardiolipin antibody [ACA]) and ultrasonic parameters (including resistance index [RI], endometrial thickness, endometrial volume, vascularization index [VI], and vascularization flow index [VFI]). Multiple machine learning models were developed, with the logistic regression (LR) model demonstrating the best performance, achieving an area under the receiver operating characteristic curve (AUC) of 0.94 in the training set and 0.92 in the validation set.
The findings indicated that the abortion subgroup exhibited significantly higher positive rates of aβ2-GP1, TgAb, ACA, and RI, alongside lower values for endometrial thickness, endometrial volume, VI, and VFI compared to the normal subgroup (all P<0.05). The study identified eight predictors (aβ2-GP1, TgAb, AsAb, RI, endometrial thickness, endometrial volume, VI, VFI) for early miscarriage and constructed a nomogram based on the optimal LR model, facilitating effective risk stratification and personalized clinical interventions. While the study's single-center, retrospective design presents limitations, it highlights the need for future multicenter prospective studies to refine the model by incorporating additional variables, such as male factors and lifestyle influences.
Introduction
The introduction of the research paper addresses recurrent spontaneous abortion (RSA), defined as the occurrence of two or more miscarriages, with an incidence rate between 1% and 5%. RSA significantly impacts women’s mental health, leading to anxiety and depression, and poses challenges for families and society. The causes of RSA are multifactorial, including genetic, anatomical, autoimmune, endocrine, infectious, and environmental factors, with a notable proportion classified as unexplained recurrent spontaneous abortion (URA). Despite advancements in diagnostic technologies, over 40% of RSA cases remain without identifiable causes, particularly among women with a history of three consecutive miscarriages, who face a 33% risk of recurrence.
The paper highlights the need for improved risk prediction models for RSA, as existing models, such as those recommended by the American Society for Reproductive Medicine and ESHRE, have limitations in risk factor completeness and validation. An ideal model would incorporate easily accessible variables and demonstrate strong predictive performance. Recent advancements in big data and artificial intelligence, particularly machine learning and neural networks, offer promising avenues for developing precision medicine approaches to predict early miscarriage risks in RSA patients. The study aims to investigate the relationship between autoantibodies and early miscarriage in RSA patients, proposing to establish a predictive model based on autoantibody levels and endometrial receptivity parameters to enhance clinical decision-making and fertility guidance.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the materials used, including specific reagents, equipment, and any biological samples, ensuring reproducibility of the experiments. The methodology is described in a systematic manner, encompassing the preparation of samples, the conditions under which experiments were conducted, and the analytical techniques utilized for data collection and analysis.
Additionally, the section may include statistical methods applied to interpret the results, specifying any software or tools used for data analysis. The rigor of the methods is crucial for validating the findings, and the section emphasizes adherence to established protocols to ensure the reliability and accuracy of the outcomes. Overall, this section serves as a comprehensive guide for replicating the study and understanding the basis for the conclusions drawn.
Discussion
In this study, a logistic regression model was developed to predict early pregnancy loss in patients with recurrent spontaneous abortion (RSA) using eight significant predictors: anti-β2-glycoprotein 1 antibody (aβ2-GP1), thyroglobulin antibody (TgAb), anti-sperm antibody (AsAb), resistance index (RI), endometrial thickness, endometrial volume, vascularity index (VI), and vascular flow index (VFI). The model demonstrated robust predictive efficacy, achieving an area under the curve (AUC) of 0.94 in the training cohort and 0.92 in the validation cohort. The findings indicate that elevated levels of aβ2-GP1 and TgAb, along with poor endometrial morphology and vascularity, are associated with increased miscarriage risk, highlighting the importance of these biomarkers in clinical assessments.
The study underscores the clinical utility of the developed nomogram, which allows clinicians to estimate the probability of early pregnancy loss based on individual patient data. However, limitations such as the retrospective, single-center design and the exclusion of certain variables (e.g., male factors and lifestyle influences) may affect the model’s generalizability. Future multicenter prospective studies are recommended to enhance the model’s comprehensiveness and applicability across diverse populations. Overall, this research contributes valuable insights into the risk factors for early pregnancy loss in RSA patients and offers a practical tool for personalized clinical intervention strategies.