子痫前期为妊娠20周后新发高血压合并蛋白尿，或虽无蛋白尿但存在终末器官功能损害，属于妊娠特异性多系统功能障碍性疾病[1]。流行病学研究显示该病全球患病率为2%～8%，易导致孕产妇和新生儿不良妊娠结局，其远期并发症可增加母婴慢性疾病发病风险，但其发病机制尚未完全阐明[2-3]。随着全球肥胖流行趋势的加剧，肥胖孕妇母体层面易并发妊娠期糖尿病、高血压性疾病及心血管异常；子代则面临早产、胎死宫内及呼吸代谢系统功能障碍等风险[4]。孕前体重指数（body mass index，BMI）过高与子痫前期的发生密切相关，过度的妊娠期体重增量（gestational weight gain，GWG）可能增加子痫前期的风险[5-10]。列线图作为一种可视化预测工具，通过量化风险因素构建多维预测模型，为临床快速识别高危妊娠提供决策支持。本研究基于孕前BMI及GWG构建区域性子痫前期风险预测模型，旨在建立适用于本地区孕妇的个性化体重管理量化评估体系，对优化围生期保健策略具有重要临床价值。

1 资料与方法

1.1 一般资料

收集2021年1月至2024年6月在乌鲁木齐市友爱医院规律产检并建档的7 791名孕产妇为研究对象，采用分层随机抽样法将数据按7∶3比例划分为训练组（5 453例，70%）与验证组（2 338例，30%）。纳入标准：①单胎妊娠；②年龄18～49岁。排除标准：①基本信息不完整；②其他妊娠期并发症及合并症。本研究经乌鲁木齐市友爱医院伦理委员会审批（WLMQYALL2022003）。

1.2 研究方法

根据电子病历系统采集人口学特征：民族、年龄、初产妇等；围生期指标：孕前体重、分娩体重、分娩方式；新生儿结局数据，包括性别、体重、1 min Apgar评分。基于首次产检身高测量值及自我报告孕前体重计算孕前BMI，按国家卫生健康委员会《妊娠期妇女体重增长推荐标准》[11]（WS/T 801-2022）分为4类：低体重（＜18.5 kg/m2）、正常（18.5～23.9 kg/m2）、超重（＞23.9～27.9 kg/m2）、肥胖（＞27.9 kg/m2）。GWG计算为分娩体重与孕前体重差值，参照同标准制订单胎妊娠GWG适宜范围：低体重11～16 kg、正常8～14 kg、超重7～11 kg、肥胖5～9 kg。GWG超出或低于推荐范围分别定义为过度或不足。

1.3 诊断标准

子痫前期诊断标准参照《妊娠期高血压疾病诊治指南（2020）》[12]。

1.4 统计学方法

采用JMP 14.0和R 4.4.1软件进行数据分析。正态分布计量资料采用均数±标准差（）表示，组间比较采用t检验；不符合正态分布资料采用中位数（四分位数）[M（P25，P75）]表示，比较采用非参数Mann-Whitney U检验；计数资料采用例数和百分比表示，组间比较采用χ2 检验。采用R 4.4.1软件构建预测模型并绘制列线图，采用受试者操作特征（receiver operating characteristic，ROC）曲线、校准曲线及决策曲线分析（decision curve analysis，DCA）评估列线图的预测效能。以P＜0.05为差异有统计学意义。

2 结果

2.1 训练组和验证组基本情况

本研究纳入的孕妇中确诊子痫前期348例（4.47%），非子痫前期7 443例（95.53%）。训练组与验证组临床资料指标比较，差异无统计学意义（P＞0.05）。见表1。

表1 训练组和验证组一般资料比较

注GWG：妊娠期体重增量；BMI：体重指数。

2.2 训练组基线资料与妊娠结局分析

训练组根据是否发生子痫前期分为子痫前期组（256例）及对照组（5 197例）。子痫前期组和对照组的民族、孕前体重、孕前BMI、GWG、初产妇、分娩方式、新生儿体重比较，差异有统计学意义（P＜0.05）。见表2。

表2 训练组孕妇基线资料与妊娠结局分析

注GWG：妊娠期体重增量；BMI：体重指数。

2.3 发生子痫前期的logistic回归分析

采用多因素logistic回归模型分析子痫前期危险因素，以子痫前期发病状态（非子痫前期=0，子痫前期=1）为因变量，纳入单因素分析中差异有统计学意义的变量及文献报道中可能对子痫前期有影响的因素作为自变量。纳入民族（分类变量：汉族=0，回族=1，其他少数民族=2，维吾尔族=3）、GWG（增重适宜=0，增重不足=1，增重过多=2）、孕前BMI（正常=0，低体重=1，超重=2，肥胖=3）、初产妇（否=0，是=1）为自变量，根据P＜0.05筛选，开展逐步回归分析。多重共线性分析结果显示，各变量方差膨胀因子均＜5，提示自变量间不存在多重共线性。logistic回归分析结果显示，年龄（OR=1.055）、民族维吾尔族（OR=3.606）、GWG增重过多（OR=1.649）、孕前BMI超重（OR=2.744）、孕前BMI肥胖（OR=6.934）、初产妇（OR=3.019）为子痫前期的危险因素（P＜0.05）；孕前BMI低体重为子痫前期的保护因素（OR＜1，P＜0.05）。见表3。

表3 子痫前期发生风险的多因素logistic回归分析

注GWG：妊娠期体重增量；BMI：体重指数。

2.4 列线图模型及验证

列线图见图1。模型验证结果显示，训练组的灵敏度、特异度、曲线下面积分别为64.63%（0.633～0.659）、75.00%（0.697～0.803）、0.756（95%CI：0.727～0.785）；验证组的灵敏度、特异度、曲线下面积分别为65.49%（0.635～0.675）、59.78%（0.498～0.698）、0.682（95%CI：0.625～0.740）。见图2。

图1 孕妇发生子痫前期风险的列线图模型

图2 训练组和验证组受试者操作曲线

结果通过使用Bootstrap法重复抽样1 000次进行内部验证，绘制校准曲线。校准曲线与理想曲线走向较为一致，见图3～4。训练组模型在高风险阈值范围内（0.05～0.24）能提供正向净收益，验证组模型在高风险阈值范围内（0.04～0.20）能提供正向净收益，见图5～6。

图3 训练组校准曲线

图4 验证组校准曲线

图5 训练组决策曲线分析曲线

图6 验证组决策曲线分析曲线

3 讨论

本研究结果显示训练组中子痫前期组和对照组的民族、孕前体重、孕前BMI、GWG、初产妇、分娩方式、新生儿体重指标比较，差异有统计学意义（P＜0.05），与既往研究结果一致，脂肪因子介导的血管内皮功能障碍，加剧胎盘缺血－再灌注损伤，进而诱发子痫前期病理进程[13]。子痫前期组剖宫产率较高，可能与子痫前期病情影响分娩方式有关，迫使临床决策倾向于手术终止妊娠[14]。子痫前期组新生儿体重明显低于非子痫前期组，可能与胎盘螺旋动脉重塑异常引起的绒毛间隙灌注不足有关，导致胎儿营养转运受限及氧化应激损伤，影响胎儿营养物质供应[15]。建议临床个体化调整营养干预策略，以实现母婴风险的精细化管控。

初产妇是子痫前期发生的危险因素（OR=3.019，95%CI：2.132～4.275），这一结果与既往诸多研究相符[16]。初产妇对孕期生理变化的适应性较差，子宫螺旋动脉重铸可能不充分，易引发胎盘缺血缺氧，进而诱发子痫前期[17]。建议对初产妇实施早期胎盘血流动力学监测及认知行为干预，以阻断病理进程。

多因素调整后显现出年龄每增加1岁（OR=1.055，95%CI：1.018～1.093）也是子痫前期的危险因素。随着年龄增长，孕妇机体的血管内皮功能逐渐减退，氧化应激水平上升，加之卵子质量下降可能导致胚胎早期发育异常，胎盘形成过程中的代偿机制削弱，共同促使子痫前期风险上升，强调了高龄孕妇孕期应加强产检次数[18]。

本研究结果显示，孕前BMI肥胖（OR=6.934，95%CI：4.850～9.914）是子痫前期的危险因素。BMI正常孕妇在怀孕期间体重增加过多与子痫前期的发生有关[19]。肥胖孕妇体内脂肪组织堆积，分泌大量炎症因子，干扰正常的血管内皮功能，使血管舒张受限、通透性增加，影响胰岛素敏感性，引发糖脂代谢紊乱，加剧胎盘血管病变，多途径推动子痫前期的病理进程，故孕前体重管理对预防子痫前期至关重要[14]。

本研究结果显示孕期体重增量同样显著关联子痫前期风险，多因素分析GWG增重过多（OR=1.649，95%CI：1.168～2.326）是子痫前期的危险因素。合理的孕期体重增长是胎儿健康发育的保障，增重过多可导致孕妇体内脂肪过度堆积，诱发胎盘氧化损伤，增加胎儿宫内窘迫、早产等不良结局风险[20]。提示孕期应依据孕前BMI制订个性化的体重管理方案，精准控制体重增长范围。

本研究通过构建多维度预测模型，系统阐释民族、年龄、孕前BMI、GWG对子痫前期风险的协同效应。根据其孕前BMI制订个性化孕期体重管理方案，加强孕期监测，及时调整干预措施，以改善妊娠结局，保障母婴健康。未来研究应着眼于多因素交互网络的构建，深入剖析各因素间协同致病机制，为子痫前期的精准预防与个性化治疗开拓新思路。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] AMERICAN COLLEGE OF OBSTETRICIANS AND GYNECOLOGISTS.Gestational Hypertension and Preeclampsia：ACOG Practice Bulletin，Number 222 [J].Obstet Gynecol，2020，135（6）：e237-e260.

[2] RANA S，LEMOINE E，GRANGER J P，et al.Preeclampsia：Pathophysiology，Challenges，and Perspectives[J].Circ Res，2019，124（7）：1094-1112.

[3] DIMITRIADIS E，ROLNIK D L，ZHOU W，et al.Pre-eclampsia[J].Nat Rev Dis Primers，2023，9（1）：8.

[4] PAREDES C，HSU R C，TONG A，et al.Obesity and Pregnancy[J].Neoreviews，2021，22（2）：e78-e87.

[5] MREMA D，LIE R T，ØSTBYE T，et al.The association between prepregnancy body mass index and risk of preeclampsia：a registry based study from Tanzania[J].BMC Pregnancy Childbirth，2018，18（1）：56.

[6] DSOUZA R，HORYN I，PAVALAGANTHARAJAH S，et al.Maternal body mass index and pregnancy outcomes：a systematic review and meta analysis [J].Am J Obstet Gynecol，2019，1（4）：100041.

[7] REN Q W，YANG F F，HAN T B，et al.Relationship between the pre-pregnancy BMI，gestational weight gain，and risk of preeclampsia and its subtypes [J].Zhonghua Liu Xing Bing Xue Za Zhi，2021，42（11）：2037-2043.

[8] BARBER E，RAM M，MOR L，et al.Pregnancy and placental outcomes according to maternal BMI in women with preeclampsia：aretrospectivecohortstudy[J].Arch GynecolObstet，2024，309（6）：2521-2528.

[9] BODNAR L M，HIMES K P，ABRAMS B，et al.Early-pregnancy weight gain and the risk of preeclampsia：A case-cohort study[J].Pregnancy Hypertens，2018，14：205-212.

[10] PREMRU-SRSENT，KOCICZ，FABJANVODUSEKV，et al.Total gestational weight gain and the risk of preeclampsia by pre-pregnancy body mass index categories：a population-based cohort study from 2013 to 2017 [J].J Perinat Med，2019，47（6）：585-591.

[11] 中华人民共和国国家卫生健康委员会.妊娠期妇女体重增长推荐值标准：WS/T 801-2022[S].2022.

[12] 中华医学会妇产科学分会妊娠期高血压疾病学组.妊娠期高血压疾病诊治指南（2020）[J].中华妇产科杂志，2020，55（4）：227-238.

[13] 王雪萍，何静媛.孕前不同体质量指数及孕期体重不同增加量与子痫前期产妇妊娠结局的关系[J].川北医学院学报，2024，39（4）：559-562.

[14] DENNIS A T，XIN A，FARBER M K.Perioperative Management of Patients with Preeclampsia：A Comprehensive Review[J].Anesthesiology，2025，142（2）：378-402.

[15] SOCOL F G，BERNAD E，CRAINA M，et al.Health Impacts of Pre-eclampsia：A Comprehensive Analysis of Maternal and Neonatal Outcomes [J].Medicina（Kaunas），2024，60（9）：1486.

[16] JANEVIC T，HOWELL F M，BURDICK M，et al.Racism and Postpartum Blood Pressure in a Multiethnic Prospective Cohort[J].Hypertension，2025，82（2）：206-215.

[17] ROBILLARD P Y，IACOBELLI S，LORRAIN S，et al.Primipaternity in multiparas as a predominant high risk factor for preeclampsia over prolonged birth intervals：A study of 33，000 singleton pregnancies in Reunion Island [J].PLoS One，2024，19（12）：e0312507.

[18] TURÉ R，DAMASCENO A，RODRIGUES A，et al.Preeclampsia as a predictor of early-onset cardiovascular impairment among young women（PREECARDIA study）：protocol for a prospective cohort study[J].BMJ Open，2024，14（12）：e091882.

[19] INIAN S，NADAR S R，MARCONI S，et al.Weight gain in pregnancy and impact of obesity on the obstetric outcome：A retrospective study in a secondary care hospital in South India [J].J Family Med Prim Care，2024，13（10）：4293-4298.

[20] ATTA N，EZEOKE A，PETRY C J，et al.Associations of High BMI and Excessive Gestational Weight Gain With Pregnancy Outcomes in Women With Type 1 Diabetes：A Systematic Review and Meta-analysis [J].Diabetes Care，2024，47（10）：1855-1868.

Predictive role of pre-pregnancy body mass index and gestational weight gain on preeclampsia and the development of a risk prediction model

ZHANG Luhan1 DUAN Moli1 CHEN Tian2 DING Guifeng1
1.Xinjiang Clinical Medical Research Center for Perinatal Diseases Urumqi Maternal and Child Health Hospital, Xinjiang Uygur Autonomous Region, Urumqi 830001, China; 2.Urumqi You’ai Hospital, Xinjiang Uygur Autonomous Region,Urumqi 831400,China

[Abstract] Objective To explore the predictive role of pre-pregnancy body mass index (BMI)and gestational weight gain(GWG) on preeclampsia (PE),and to construct and validate the individualized risk prediction model.Methods A total of 7 791 singleton pregnant women filed in Urumqi You’ai Hospital from January 2021 to June 2024 were retrospectively included,they were divided into train and validation group group in a ratio of 7∶3,according to the guidelines the train group was divided into PE group and control group.Prepregnancy weight,height,and delivery weight data were collected,and prepregnancy BMI and GWG were calculated.Multifactorial logistic regression was used to analyze the independent risk factors for PE in the train group,and a column-line graph prediction model was constructed based on R 4.4.1.The performance of the model was comprehensively evaluated in the train group and the validation group using subject work characteristic (ROC) curves,calibration curves,and decision curve analysis (DCA),respectively.Results There were statistically differences in ethnicity,pre-pregnancy weight,pre-pregnancy BMI,GWG,primigravida,mode of delivery,and newborn weight indicators between the PE group and the control group in the train group (P＜0.05).The results of multifactorial analysis showed that age (OR=1.055),ethnicity uyghur (OR=3.606),excessive weight gain in GWG (OR=1.649),overweight pre-pregnancy BMI (OR=2.744),obese pre-pregnancy BMI(OR=6.934),and primigravida(OR=3.019)were the risk factors for PE(P＜0.05);pre-pregnancy BMI low body weight was a protective factor for PE (OR＜1,P＜0.05).Model validation showed that the area under the aurve were 0.756 (95%CI:0.727-0.785) and 0.682 (95%CI:0.625-0.740) for the traingroup and validation group,respectively,with a well-fitted calibration curve (P＞0.05 for Hosmer-Lemeshow test),and the DCA showed that the high risk threshold range (0.05-0.24) for the train group provided positive net benefits.Conclusions Pre-pregnancy overweight/obesity and excessive GWG significantly increase the risk of PE.The column-line graph model constructed in this study has good predictive efficacy and may provide a quantitative tool for early screening and individualized weight management in high-risk groups.

[Key words] Preeclampsia;Different pre-pregnancy body mass indexes;Gestational weight gain;Nomogram

[中图分类号] R714.24+4

[文献标识码] A

[文章编号] 1673-7210（2025）09（b）-0069-07

DOI：10.20047/j.issn1673-7210.2025.26.13

[基金项目] 新疆维吾尔自治区卫生健康科研项目（WJWY-202466）；新疆维吾尔自治区科技创新团队（天山创新团队）项目（2022TSYCTD0016）。

[作者简介] 张璐涵（1996-），女，硕士；研究方向：儿少卫生与妇幼保健。

[通讯作者] 丁桂凤（1967-），女，硕士，主任医师，教授；研究方向：儿少卫生与妇幼保健。

（收稿日期：2025-05-29）

（修回日期：2025-07-17）