随着社会经济发展与生育观念的转变，中国高龄孕妇的比例逐步上升，高龄孕妇逐渐成为产科领域重点关注的人群。研究表明，高龄孕妇更易发生妊娠糖尿病（gestational diabetes mellitus，GDM）、妊娠期高血压疾病及胎盘相关并发症等不良妊娠结局[1-3]。在诸多不良结局中，早产作为围产医学关注的重要问题之一，在高龄孕妇中的发生率呈上升趋势[4]。早产可引起新生儿呼吸、循环及神经系统等多方面的并发症，是导致围生儿死亡和远期发育障碍的重要原因[5]。既往研究表明，自发性早产占全部早产病例的60%～75%，其发生与感染、炎症反应、宫颈机能不全等多因素密切相关[6-7]。由于自发性早产往往起病隐匿、进展迅速，在临产前识别高风险孕妇并及时采取干预措施，对优化母婴结局具有重要的临床价值[8]。尽管近年来国内外已构建多种自发性早产预测模型，但总体上仍以一般孕妇或混合人群为研究对象，针对高龄孕妇的专属预测模型十分有限。高龄孕妇“孕育来之不易”，且因生理储备下降、基础疾病较多，其早产风险预测更具临床价值。基于此，本研究应用临床易获取的指标，构建高龄孕妇自发性早产风险列线图预测模型，并对其进行初步验证，以期为临床早期识别高龄孕妇的自发性早产风险、实施个体化干预及降低早产发生率提供参考依据。

1 资料与方法

1.1 一般资料

回顾性分析2019年11月至2024年10月在川北医学院附属医院产检并分娩的高龄孕妇的临床资料，根据分娩孕龄及是否发生自发性早产分为自发性早产组和足月分娩组。纳入标准：①分娩时年龄 ≥35岁；②单胎妊娠；③临床资料完整。排除标准：①医源性早产；②合并先天性子宫畸形或胎儿结构畸形；③孕前合并可能显著影响妊娠结局的重大慢性疾病（如高血压、糖尿病、严重心脏病、免疫系统、神经系统及血液系统疾病等）；④合并急性或慢性传染性疾病。本研究经川北医学院附属医院伦理委员会审核通过（2025ER696-1）。

1.2 临床资料收集

回顾性收集孕产妇相关临床资料。一般资料：孕次、产次、孕前体质量指数（body mass index，BMI）、受教育程度、流产史、早产史、受孕方式（是否采用辅助生殖妊娠）、孕早/中期阴道流血史、子宫颈手术史、胎盘异常、胎方位异常、胎膜早破、瘢痕子宫及GDM等。孕中期血液学指标：白细胞计数、血红蛋白、中性粒细胞百分比及中性粒细胞绝对值。孕中期超声指标：宫颈管长度。孕期阴道分泌物相关指标：清洁度、白细胞计数、过氧化氢酶、白细胞酯酶、外阴阴道假丝酵母菌病及B族链球菌感染情况。

按照logistic回归的10 EPV样本量估计方法，样本量应至少为自变量数的10倍。本研究最终纳入6个自变量，本中心高龄孕妇自发性早产发生率为24.9%。因此，根据公式N=（6×10）/24.9%，所需的最小样本量符合要求。

1.3 判定标准

①自发性早产定义为妊娠达到28周但不足37周，自发性宫缩或胎膜早破导致胎儿提前娩出的情况；足月分娩定义为孕37周及以后的分娩[8]。②宫颈管长度 ≤25 mm为阳性，＞25 mm为阴性。③血液学指标判定标准：白细胞计数 ≥10×109/L、中性粒细胞百分比 ≥75%、中性粒细胞绝对值 ≥7.1×109/L、血红蛋白＜110 g/L判定为阳性。

1.4 统计学方法

数据整理与统计分析使用R语言（版本4.5.1）完成。为提高模型的临床可操作性及解释性，参照临床常用界值将相关连续变量转化为分类变量。计数资料以例数及百分比[例（%）]表示，组间比较采用χ2检验；采用单因素初步筛选与自发性早产相关的变量，将单因素分析中P＜0.05的变量作为统计学初筛标准，并结合既往研究及临床专业知识，将具有明确临床意义的相关因素一并纳入多因素logistic回归模型，计算OR值及95%CI，以识别高龄孕妇自发性早产的独立相关因素；基于多因素回归结果构建列线图预测模型，并通过受试者操作特征（receiver operating characteristic，ROC）曲线及曲线下面积（area under the curve，AUC）评估模型的区分能力；模型的稳定性和预测性能通过1 000次Bootstrap重抽样进行内部验证，同时采用校准曲线检验预测概率与实际发生概率的一致性。以P＜0.05为差异有统计学意义。

2 结果

本研究共回顾性收集高龄孕妇619例，其中因医源性早产、多胎妊娠及资料不完整等原因排除181例，最终纳入符合标准的高龄孕妇438例。其中自发性早产组109例（24.9%），足月分娩组329例（75.1%）。

2.1 高龄孕妇自发性早产单因素分析

两组在产次、早产史、既往子宫颈手术史、孕早/中期阴道流血史、GDM、胎盘异常、胎膜早破、孕中期宫颈管长度、孕中期白细胞计数、孕中期中性粒细胞绝对值、阴道分泌物清洁度、阴道分泌物白细胞、阴道分泌物过氧化氢酶、阴道分泌物白细胞酯酶、B族链球菌及外阴阴道假丝酵母菌病方面比较，差异有统计学意义（P＜0.05）。见表1。

表1 高龄孕妇自发性早产单因素分析[例（%）]

项目足月分娩组（329例）自发性早产组（109例）χ2值P值孕前BMI（kg/m2）3.640.162＜2595（28.9）29（26.6）25～30211（64.1）66（60.6）＞3023（7.0）14（12.8）受教育程度1.760.184大专及以下104（31.6）42（38.5）本科及以上225（68.4）67（61.5）孕次（次）2.360.125＜381（24.6）35（32.1）≥3248（75.4）74（67.9）产次（次）6.940.008153（16.1）30（27.5）≥2276（83.9）79（72.5）流产史1.960.162无72（21.9）31（28.4）有257（78.1）78（71.6）早产史7.580.006无316（96.0）97（89.0）有13（4.0）12（11.0）辅助生殖妊娠3.060.080否307（93.3）96（88.1）是22（6.7）13（11.9）瘢痕子宫0.150.701否126（38.3）44（40.4）是203（61.7）65（59.6）既往子宫颈手术史9.530.002无307（93.3）91（83.5）有22（6.7）18（16.5）孕早/中期阴道流血史17.65＜0.001无274（83.3）70（64.2）有55（16.7）39（35.8）

续表1

项目足月分娩组（329例）自发性早产组（109例）χ2值P值GDM10.90＜0.001否245（74.5）63（57.8）是84（25.5）46（42.2）胎盘异常20.78＜0.001否302（91.8）82（75.2）是27（8.2）27（24.8）胎方位异常3.800.051头位290（88.1）88（80.7）非头位39（11.8）21（19.3）胎膜早破42.72＜0.001否312（94.8）79（72.5）是17（5.2）30（27.5）孕中期宫颈管长度（mm）51.38＜0.001≤2513（4.0）30（27.5）＞25316（96.0）79（72.5）孕中期白细胞计数（×109/L）13.32＜0.001＜10245（74.5）61（56.0）≥1084（25.5）48（44.0）孕中期中性粒细胞百分比（%）2.880.090＜75231（70.2）67（61.5）≥7598（29.8）42（38.5）孕中期中性粒细胞绝对值（×109/L）13.10＜0.001＜7.1218（66.3）51（46.8）≥7.1111（33.7）58（53.2）孕中期血红蛋白（g/L）2.620.105＜11077（23.4）34（31.2）≥110252（76.6）75（68.8）阴道分泌物清洁度（度）27.75＜0.001Ⅰ～Ⅱ282（85.7）68（62.4）Ⅲ～Ⅳ47（14.3）41（37.6）阴道分泌物白细胞计数55.19＜0.001阳性36（10.9）47（43.1）阴性293（89.0）62（56.9）阴道分泌物过氧化氢酶19.46＜0.001阳性178（54.1）85（78.0）阴性151（45.9）24（22.0）阴道分泌物白细胞酯酶48.37＜0.001阳性80（24.3）66（60.6）阴性249（75.7）43（39.4）B族链球菌9.530.002阳性22（6.7）18（16.5）阴性307（93.3）91（83.5）外阴阴道假丝酵母菌病20.60＜0.001无322（97.9）95（87.2）有7（2.1）14（12.8）

注 BMI：体质量指数；GDM：妊娠糖尿病。

2.2 高龄孕妇自发性早产多因素logistic回归分析

结合单因素分析结果及临床意义，将潜在相关的变量纳入多因素logistic回归模型，以筛选高龄单胎妊娠孕妇自发性早产的独立影响因素。以高龄孕妇是否发生自发性早产为因变量（是=1，否=0），以潜在相关变量[孕前BMI（＜25 kg/m2=0，25～30 kg/m2=1，＞30 kg/m2=2）、产次（1次=0， ≥2次=1）、早产史（无=0，有=1）、GDM（否=0，是=1）、瘢痕子宫（否=0，是=1）、既往子宫颈手术史（无=0，有=1）、孕早/中期阴道流血史（无=0，有=1）、胎盘异常（否=0，是=1）、胎膜早破（否=0，是=1）、孕中期宫颈管长度（＞25 mm=0， ≤25 mm=1）、孕中期白细胞计数（＜10× 109/L=0， ≥10×109/L=1）、孕中期中性粒细胞绝对值（＜7.1×109/L=0， ≥7.1×109/L=1）、阴道分泌物清洁度（Ⅰ～Ⅱ度=0，Ⅲ～Ⅳ度=1）、阴道分泌物白细胞（阴性=0，阳性=1）、阴道分泌物过氧化氢酶（阴性=0，阳性=1）、阴道分泌物白细胞酯酶（阴性=0，阳性=1）、B族链球菌（阴性=0，阳性=1）、外阴阴道假丝酵母菌病（无=0，有=1）]为自变量进行logistic回归分析。多因素分析前通过方差膨胀因子（variance inflation factor，VIF）检验多重共线性，各变量VIF值均＜2（1.04～1.84），提示模型中各自变量间不存在多重共线性。多因素logistic回归分析结果显示，孕前BMI＞30 kg/m2、瘢痕子宫、孕早/中期阴道流血史、GDM、胎盘异常、胎膜早破、孕中期宫颈管长度 ≤25 mm及阴道分泌物白细胞酯酶阳性均为高龄孕妇发生自发性早产的独立影响因素（P＜0.05）。见表2。

表2 高龄孕妇自发性早产多因素logistic回归分析

项目βS.E.Z值OR值95%CIP值VIF常量-3.470.635.53＜0.001孕前BMI＞30 kg/m21.130.542.103.111.08～8.930.0351.076瘢痕子宫0.820.382.132.271.07～4.830.0331.324孕早/中期阴道流血史1.150.353.253.151.58～6.280.0011.111 GDM0.720.322.262.051.10～3.810.0241.077胎盘异常0.900.402.222.461.11～5.440.0261.047胎膜早破1.790.444.085.992.53～14.16＜0.0011.099孕中期宫颈管长度 ≤25 mm1.210.472.583.351.34～8.410.0101.072阴道分泌物白细胞酯酶阳性1.040.392.682.831.32～6.060.0071.354

注 BMI：体质量指数；GDM：妊娠糖尿病；VIF：方差膨胀因子。

2.3 预测模型的构建

多因素分析共识别出8个与自发性早产相关的变量。综合变量在单因素和多因素分析中的统计学表现、对模型预测性能的贡献及临床可操作性进行评估后，最终选取胎膜早破、孕中期宫颈管长度 ≤25 mm、孕早/中期阴道流血史、胎盘异常、GDM及阴道分泌物白细胞酯酶阳性6个独立危险因素构建列线图预测模型见图1，用于评估高龄孕妇发生自发性早产的风险。

图1 高龄孕妇自发性早产风险列线图预测模型

2.4 预测模型的内部验证及评价

2.4.1 区分度评价 高龄孕妇自发性早产风险预测模型的ROC曲线分析见图2，模型的AUC为0.824（95%CI：0.776～0.873），提示模型具有良好的区分能力。经1 000次Bootstrap重抽样进行内部验证后，模型的平均AUC为（0.810±0.034），提示模型在内部验证中仍保持稳定的判别性能。

图2 高龄孕妇自发性早产风险预测模型的ROC曲线

2.4.2 校准度与临床效用评价 高龄孕妇自发性早产风险预测模型的校准曲线（图3）显示，校正后曲线与理想曲线基本一致，预测概率与实际发生率吻合良好，提示模型具有良好的校准效果。决策曲线分析结果见图4，在阈值概率为0.05～0.60范围内，该模型可获得较高的净获益，提示其在临床风险评估中具有一定的应用价值。

图3 高龄孕妇自发性早产风险预测模型的校准曲线

图4 高龄孕妇自发性早产风险预测模型的决策曲线

3 讨论

自发性早产是导致围生儿死亡及长期神经发育障碍的重要危险因素，其发生机制复杂多样，临床表现常缺乏特异性，因此在产科管理中具有一定挑战[9-10]。尽管近年来在宫颈超声监测、母胎感染评估及孕期干预等方面取得一定进展，但自发性早产的整体发生率并未明显下降[11]。既往研究指出，高龄孕妇由于生殖系统结构与功能随年龄变化、合并代谢性疾病比例上升及炎症反应调节能力下降，其发生自发性早产的风险整体高于一般孕龄人群[12]。在高龄妊娠逐年增加的背景下，与其相关的早产识别与管理需求也更加突出，使高龄孕妇的早产风险评估成为当前围产医学中备受关注的临床议题[13]。因此，构建专属于高龄孕妇的自发性早产预测模型尤为重要。

3.1 高龄孕妇自发性早产的相关因素分析

本研究多因素分析共识别出8项（孕前BMI＞30 kg/m2、瘢痕子宫、孕早/中期阴道流血史、GDM、胎盘异常、胎膜早破、孕中期宫颈管长度 ≤25 mm及阴道分泌物白细胞酯酶阳性）与高龄孕妇自发性早产呈统计学相关的因素，出于模型简洁性及避免过拟合等考虑，最终选取GDM、孕早/中期阴道流血史、胎盘异常、胎膜早破、孕中期宫颈管长度 ≤25 mm及阴道分泌物白细胞酯酶阳性6项关键预测因子构建列线图模型，下面将重点阐述其潜在机制及临床意义。

6项关键预测因子在高龄孕妇中均具有一定的病理生理基础，并可能通过多条途径共同促进自发性早产的发生。孕中期宫颈管长度具有良好的重复性和跨人群稳定性，被认为是预测自发性早产最可靠的超声指标，其中 ≤25 mm的界值已在多项研究和指南中得到验证[14-15]。高龄孕妇由于宫颈胶原重塑能力下降、基质弹性减弱及炎症易感性增加，宫颈组织对妊娠压力的适应性降低，更容易在妊娠中期出现提前软化与缩短，从而增加自发性早产风险[16]。胎膜早破通常提示胎膜结构完整性受损，与炎症反应、细胞外基质降解及局部机械张力改变密切相关，是自发性早产的重要诱发因素之一[17]。研究表明，随着孕妇年龄的增长，胎膜中胶原纤维排列变得稀疏且交联能力下降，使其在常规机械牵拉下更易出现微裂隙；同时，高龄孕妇氧化应激水平升高，膜腔修复能力下降，进一步削弱了胎膜耐受性；此外，高龄孕妇更易出现乳酸杆菌减少及菌群多样性改变，可诱发上行感染，激活炎症通路，加速胎膜弱化过程[18]。这些结构性和炎症性改变共同增加胎膜早破发生的概率，进而触发宫缩和自发性早产。胎盘异常（如胎盘前置、胎盘结构异常）也是本研究纳入的关键风险因素[19]。既往研究表明，滋养细胞侵袭受损及螺旋动脉重塑障碍可导致胎盘灌注不足和母-胎界面慢性炎症反应，从而增加自发性早产风险[20]。高龄妊娠相关的胎盘功能改变可能构成上述病理过程的易感背景，但具体机制仍需进一步研究。

孕期阴道流血在临床中多与胎盘早期着床不稳、局灶性蜕膜剥离或宫颈组织脆弱有关，常被视为后续妊娠并发症风险增加的早期提示信号[21]。随着年龄增长，子宫内膜及蜕膜血管反应性下降、微血管脆性增加，孕妇更容易出现阴道流血，可能在孕中期提前促发宫颈重塑和局部炎症通路激活，增加自发性早产风险。GDM是高龄妊娠中最常见的代谢性并发症之一，高龄孕妇胰岛素抵抗增加、β细胞储备下降，孕期代谢负担加重，同时伴随低度炎症和感染易感性升高，这些因素可能破坏妊娠稳态，使高龄孕妇在孕中晚期更易进入自发性早产的病理通路。阴道分泌物白细胞酯酶阳性提示生殖道存在炎症或微生态紊乱。既往研究表明，阴道炎症及菌群失衡可通过激活宫颈及胎膜相关炎症通路，促进宫颈成熟和胎膜结构弱化，从而增加自发性早产风险[22]。高龄孕妇局部免疫调节能力下降及阴道屏障功能减弱，也可能增加上述炎症状态持续存在的易感性，从而进一步增高自发性早产风险。

此外，本研究多因素分析虽显示孕前BMI＞30 kg/m2及瘢痕子宫与高龄孕妇自发性早产相关，但其效应量较小，在模型中对预测性能的贡献有限，因此未纳入最终列线图模型。然而，其潜在影响仍值得关注。瘢痕子宫可能影响宫腔形态及局部肌纤维完整性，从而改变妊娠期间的承载能力；而孕前BMI＞30 kg/m2的孕妇常伴随慢性炎症、高胰岛素血症等，均可能增加自发性早产发生概率。

3.2 与既往研究的比较

既往关于自发性早产的研究多集中于一般孕龄人群，针对高龄孕妇这一特定人群的独立风险特征及预测模型研究相对有限。尽管部分研究已将高龄妊娠作为主要研究对象，并证实其与早产等不良妊娠结局风险升高相关，但多基于总体流行病学关联分析，尚未系统描述高龄孕妇自发性早产的风险构成[23]。本研究结果显示，高龄孕妇中自发性早产的相关因素构成与一般孕龄人群存在差异，其中GDM、胎盘异常及孕早/中期阴道流血等因素在高龄人群中发生率较高，并在多因素分析中表现出较强的关联。这一发现与既往关于高龄孕妇代谢负担增加、胎盘功能易受影响及妊娠界面稳定性下降等病理生理特点的研究结果一致，提示在高龄孕妇中需结合其特有的生理背景，重新审视自发性早产的风险构成。

3.3 预测模型的优势与应用

本研究基于多因素logistic回归构建列线图预测模型，将多项与高龄孕妇自发性早产相关的临床变量进行整合，有助于从整体层面评估个体风险。列线图形式直观、易于理解，可将各预测因子的相对贡献量化并转化为个体化风险概率，为临床医师在孕期随访及风险分层管理中提供一种可参考的评估工具。此外，模型所纳入的指标均来源于常规临床检查，具有良好的可获得性与可重复性，便于在不同临床环境中推广应用。总体而言，该预测模型为高龄孕妇自发性早产风险的综合评估提供了一种相对简便且具有一定实用价值的方法，适用于不同医疗层级的围生期保健实践，也为未来进一步开发数字化评估工具（如在线计算器或手机App）奠定基础。

3.4 本研究不足之处

本研究亦存在一定的局限性。研究采用单中心回顾性设计，可能存在选择偏倚；未纳入胎儿纤维连接蛋白、系统性炎症因子及更精细的胎盘功能指标，可能在一定程度上限制模型的预测精度；此外，尚缺乏外部验证，模型在不同人群中的泛化能力仍有待进一步评估。尽管如此，本研究所纳入的预测指标均来源于常规临床检查，具有较好的可获得性和可重复性，且模型在内部验证中表现出较为稳定的区分能力，提示其在高龄孕妇自发性早产风险评估中仍具有重要参考价值。未来有必要在多中心、大样本量的前瞻性队列中开展外部验证，并结合更多生物标志物以进一步优化模型性能。

4 小结

本研究基于高龄孕妇人群，明确多项与自发性早产相关的临床危险因素，并在此基础上构建列线图预测模型。该模型在一定程度上反映了高龄孕妇自发性早产的风险特征，具有较好的区分性能和临床可操作性，可作为高龄孕妇自发性早产风险评估的辅助工具，为临床风险分层和随访管理提供参考，有助于临床医师更早识别高风险人群并加强监测，从而为优化妊娠结局提供支持。

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] CAO J，XU W，LIU Y，et al. Trends in maternal age and the relationship between advanced age and adverse pregnancy outcomes：a population-based register study in Wuhan，China，2010—2017 [J]. Public health，2022，206：8-14.

[2] HUANG C，JIANG Q，SU W，et al. Age-specific effects on adverse pregnancy outcomes vary by maternal characteristics：a population-based retrospective study in Xiamen，China [J]. BMC Public Health，2023，23（1）：326.

[3] CORREA-DE-ARAUJO R，YOON S S S. Clinical outcomes in high-risk pregnancies due to advanced maternal age [J]. J Womens Health（Larchmt），2021，30（2）：160-167.

[4] GONG E，LIU X Y，QI H B，et al. A retrospective analysis of single preterm birth incidence and high-risk factors based on maternal age stratification [J]. Zhonghua Fu Chan Ke Za Zhi，2020，55（8）：505-509.

[5] SEPPÄLÄ L K，VETTENRANTA K，LEINONEN M K，et al.Preterm birth，neonatal therapies and the risk of childhood cancer [J]. Int J Cancer，2021，148（9）：2139-2147.

[6] ZHANG J，SUN K，ZHANG Y. The rising preterm birth rate in China: a cause for concern [J]. Lancet Glob Health，2021，9（9）：e1179-e1180.

[7] VIDAL M S J R，LINTAO R C V，SEVERINO M E L，et al.Spontaneous preterm birth：involvement of multiple fetomaternal tissues and organ systems，differing mechanisms，and pathways [J]. Front Endocrinol（Lausanne），2022，13：1015622.

[8] 罗欣，漆洪波. 早产的诊治现状和面临的问题[J]. 中国实用妇科与产科杂志，2020，36（2）：111-114.

[9] OHUMA E O，MOLLER A B，BRADLEY E，et al. National，regional，and global estimates of preterm birth in 2020，with trends from 2010：a systematic analysis [J]. Lancet，2023，402（10409）：1261-1271.

[10] GONDANE P，KUMBHAKARN S，MAITY P，et al. Recent advances and challenges in the early diagnosis and treatment of preterm labor [J]. Bioengineering（Basel），2024，11（2）：161.

[11] KASSENOVA M A，RYSKULOVA A R，BAIMURATOVA M A，et al. Novel technologies in preterm birth prediction：current advances and ethical challenges [J]. J Mother Child，2025，29（1）：30-38.

[12] FLORENT F，BARBARA M，THIERRY D，et al. Effect of maternal age on the risk of preterm birth：a large cohort study [J]. PLoS One，2018，13（1）：e0191002.

[13] CRESWELL L，ROLNIK D L，LINDOW S W，et al. Preterm birth：screening and prediction [J]. Int J Womens Health，2023，15：1981-1997.

[14] HESSAMI K，D'ALBERTI E，MASCIO D D，et al. Universal cervical length screening and risk of spontaneous preterm birth：a systematic review and meta-analysis [J].Am J Obstet Gynecol MFM，2024，6（5S）：101343.

[15] IMPIS OGLOU M，TSAKIRIDIS I，MAMOPOULOS A，et al.Cervical length screening for predicting preterm birth：a comparative review of guidelines [J]. J Clin Ultrasound，2023，51（3）：472-478.

[16] YE X，BAKER P N，TONG C. The updated understanding of advanced maternal age [J]. Fundam Res，2024，4（6）：1719-1728.

[17] STEFANIA R，BOUCOIRAN I，YUDIN M H，et al. Guideline No. 430：Diagnosis and management of preterm prelabour rupture of membranes [J]. J Obstet Gynaecol Can，2022，44（11）：1193-1208.e1.

[18] LANNON S M，VANDERHOEVEN J P，ESCHENBACH D A，et al. Synergy and interactions among biological pathways leading to preterm premature rupture of membranes [J]. Reprod Sci，2014，21（10）：1215-1227.

[19] BENNETT P R，BROWN R G，MACINTYRE D A. Vaginal microbiome in preterm rupture of membranes [J]. Obstet Gynecol Clin North Am，2020，47（4）：503-521.

[20] BROSENS I，PIJNENBORG R，VERCRUYSSE L，et al.The “Great Obstetrical Syndromes” are associated with disorders of deep placentation [J]. Am J Obstet Gynecol，2011，204（3）：193-201.

[21] SHARAMI S H，FARAJI DARKHANEH R，ZAHIRI Z，et al. The relationship between vaginal bleeding in the first and second trimester of pregnancy and preterm labor [J]. Iran J Reprod Med，2013，11（5）：385-390.

[22] GUDNADOTTIR U，DEBELIUS J W，DU J，et al. The vaginal microbiome and the risk of preterm birth：a systematic review and network meta-analysis [J]. Sci Rep，2022，12（1）：7926.

[23] FRICK A P. Advanced maternal age and adverse pregnancy outcomes [J]. Best Pract Res Clin Obstet Gynaecol，2021，70：92-100.

Construction and preliminary validation of a nomogram prediction model for the risk of spontaneous preterm birth in advanced maternal age pregnant women

MA Yingchun1 LI Qiuxia2 FAN Bo1

1.Department of Obstetrics and Gynecology, Affiliated Hospital of North Sichuan Medical College, Sichuan Province,Nanchong 637000, China; 2.Department of Obstetrics and Gynecology, the First People’s Hospital of Dazhou, Sichuan Province, Dazhou 635000, China

[Abstract] Objective To investigate the risk factors associated with spontaneous preterm birth in advanced maternal age pregnant women, and to construct and preliminarily validate a nomogram prediction model, providing a reference for early clinical identification and individualized intervention. Methods A retrospective analysis was conducted on 438 advanced maternal age pregnant women treated at the Affiliated Hospital of North Sichuan Medical College, and they were divided into a spontaneous preterm birth group (109 cases) and a full-term birth group (329 cases) based on gestational outcomes. Potential risk factors were first screened using univariate analysis, and clinically relevant variables were included in a multivariate logistic regression model to identify independent predictors of spontaneous preterm birth. Variables were selected based on both statistical significance and clinical relevance to construct the prediction model.The model’s discriminatory ability was evaluated using the receiver operating characteristic curve and area under the curve (AUC), calibration was assessed through calibration plots, and clinical utility was examined using decision curve analysis. Results There were statistically significant differences in parity, history of preterm birth, history of previous cervical surgery, history of vaginal bleeding in early or midpregnancy, gestational diabetes mellitus, placental abnormalities, premature rupture of membranes, cervical length in the second trimester, white blood cell count in mid-pregnancy, absolute neutrophil count in mid-pregnancy, vaginal discharge cleanliness grade, white blood cells in vaginal discharge, catalase activity in vaginal discharge, leukocyte esterase in vaginal discharge, Group B Streptococcus, and vulvovaginal candidiasis between the two groups (P＜0.05). Multivariate logistic regression identified pre-pregnancy body mass index ＞30 kg/m2, scarred uterus, gestational diabetes mellitus, vaginal bleeding in early or mid-pregnancy, placental abnormalities, premature rupture of membranes, cervical length ≤25 mm in mid-pregnancy, and positive leukocyte esterase in vaginal discharge as independent risk factors for spontaneous preterm birth in advanced maternal age pregnant women (P＜0.05). The nomogram incorporating these six factors (preterm premature rupture of membranes, cervical length ≤25 mm in mid-pregnancy, history of vaginal bleeding in early or mid-pregnancy, placental abnormalities, gestational diabetes mellitus, and positive leukocyte esterase in vaginal discharge) demonstrated good predictive performance with an AUC of 0.824 (95%CI: 0.776-0.873). Calibration plots indicated strong agreement between predicted and observed outcomes, indicating that this model had practical value for clinical risk assessment. Conclusion The nomogram developed for predicting spontaneous preterm birth risk in advanced maternal age pregnant women shows satisfactory discrimination and calibration, with clinical utility across a certain threshold range. This tool may aid in early risk assessment and intervention planning for advanced maternal age pregnant women; however, further validation in multicenter and large-sample studies is warranted.

[Key words] Advanced maternal age pregnant women; Spontaneous preterm birth; Nomogram; Risk prediction model

[中图分类号] R714.1

[文献标识码] A

[文章编号] 1673-7210（2026）06（c）-0076-08

DOI：10.20047/j.issn1673-7210.25121917

[作者简介]

马迎春（1995-），女，川北医学院2023级妇产科学专业在读硕士研究生；研究方向：高危妊娠的诊治。

[通讯作者] 范波（1970-），女，硕士，副教授；研究方向：高危妊娠的诊治。

（收稿日期：2025-12-24）

（修回日期：2026-02-03）