ПОЭТАПНОЕ ПРОГНОЗИРОВАНИЕ ПОЗДНЕГО САМОПРОИЗВОЛЬНОГО ВЫКИДЫША

Алтайский государственный медицинский университет, Алтайский государственный университет,
г. Барнаул, Россия

ПОЭТАПНОЕ ПРОГНОЗИРОВАНИЕ ПОЗДНЕГО САМОПРОИЗВОЛЬНОГО ВЫКИДЫША

Цель исследования – разработать поэтапную систему прогнозирования поздних самопроизвольных выкидышей с учетом клинико-анамнестических, эхографических данных, цитокинового статуса беременных.
Материалы и методы. Сравнительное исследование состояло из двух этапов. Всего в исследование вошли 260 женщин. На ретроспективном этапе основную группу составили 66 пациенток с поздним самопроизвольным выкидышем в сроке гестации 10,0-21,6 недель (17,8 ± 2,1 недель). В контрольную группу вошли 90 пациенток, беременность которых закончилась срочными родами. Проспективный этап включал пациенток с угрожающим поздним самопроизвольным выкидышем в сроке 10,0-21,6 недель (основная группа, n = 51), которые были разделены на две группы в зависимости от исхода беременности. Проводилась оценка клинико-анамнестических, эхографических данных, определение концентрации IL-6, IL-8, IL-10 в сыворотке крови методом иммуноферментного анализа при помощи наборов реагентов. С помощью дискриминантного анализа, логистической регрессии и элементов математического моделирования проведена обработка данных.
Результаты и обсуждение. Полученные в исследовании результаты позволили создать поэтапную систему прогнозирования. Разработанная первая прогностическая модель риска позднего самопроизвольного выкидыша, основанная на клинико-анамнестических данных, позволяет с высокой эффективностью прогнозировать риск позднего самопроизвольного выкидыша, при этом верно классифицируются 99,5% случаев. Данная модель не вполне эффективна (AUC 0,60) в плане прогноза реализации угрожающего позднего самопроизвольного выкидыша. Для этого в качестве потенциальных предикторов изучено содержание в крови интерлейкинов-6, -8, -10. На основании полученных результатов создана прогностическая модель 2, позволяющая оценить риск реализации (неблагоприятный исход) угрожающего позднего самопроизвольного выкидыша.
Заключение. Предложенный алгоритм поэтапного прогнозирования позволит правильно провести стратификацию риска позднего самопроизвольного выкидыша и осуществить персонифицированное ведение беременности для снижения риска неблагоприятных исходов.

Ключевые слова: поздний самопроизвольный выкидыш; угрожающий поздний самопроизвольный выкидыш; предикторы

The aim of the study was to develop a step-by-step system for predicting late spontaneous miscarriages, taking into account clinical, anamnestic, echographic data, and the cytokine status of pregnant women.
Materials and methods. The comparative study consisted of two stages. A total of 260 women were included in the study. At the retrospective stage, the main group consisted of 66 patients with late spontaneous miscarriage at a gestational age of 10.0-21.6 weeks (17.8 ± 2.1 weeks). The control group included 90 patients whose pregnancy ended in term delivery. The prospective stage included patients with threatened late spontaneous miscarriage at a gestational age of 10.0-21.6 weeks (main group, n = 51), who were divided into two groups depending on the pregnancy outcome. The clinical and anamnestic, echographic data were assessed, the concentration of IL-6, IL-8, IL-10 in the blood serum was determined by the enzyme immunoassay method using reagent kits. The data were processed using discriminant analysis, logistic regression and elements of mathematical modeling.
Results and discussion. The results obtained in the study allowed us to create a step-by-step forecasting system. The first developed prognostic model of the risk of late spontaneous miscarriage, based on clinical and anamnestic data, allows us to predict the risk of late spontaneous miscarriage with high efficiency, while 99.5% of cases are correctly classified. This model is not quite effective (AUC 0.60) in terms of predicting the implementation of a threatening late spontaneous miscarriage, for this purpose, the content of interleukins-6, -8, -10 in the blood was studied as potential predictors. Based on the obtained results, a prognostic model 2 was created, which allows assessing the risk of implementation (unfavorable outcome) of a threatened late spontaneous miscarriage.
Conclusion. The proposed algorithm of step-by-step forecasting will allow for correct stratification of the risk of late spontaneous miscarriage and personalized pregnancy management to reduce the risk of unfavorable outcomes.

Key words: late spontaneous miscarriage; threatened late spontaneous miscarriage; predictors

Проблема репродуктивных потерь с каждым годом приобретает все большую актуальность в связи с ухудшающейся демографической ситуацией. По данным Росстата, в Российской Федерации за последние 5 лет отмечается прогрессирующее снижение числа родившихся (1604,30 тыс. человек в 2018 году, 1306,20 тыс. человек в 2022 году) [1]. В настоящее время, предикция невынашивания беременности – распространенное направление научных исследований в акушерстве и гинекологии.
Прогностические модели позволяют выделить группы высокого риска по невынашиванию и предотвратить репродуктивные потери посредством персонифицированного ведения беременности данной категории пациенток. Существующие прогностические методы репродуктивных потерь трудоемки, материально затратны, требуют сложного дорогостоящего обследования и применимы для определенных категорий пациенток. Например, в качестве прогностического метода используется относительное содержание различных субпопуляций клеток в популяции CD лимфоцитов в периферической крови у женщин в ранние сроки беременности или содержание альтернативно активированных моноцитов, экспрессирующих скавенджер рецептор CD163 [2, 3].
Также в качестве факторов риска прерывания беременности было исследовано относительное содержание моноцитов в периферической крови, продуцирующих ИЛ-4, ИЛ-6, ИЛ-10, фактор некроза опухоли. В своем исследовании коллектив авторов показал: «…снижение относительного содержания IL-10 + моноцитов, ведь клетки врожденного иммунитета и продуцируемые ими цитокины, играют важную роль на ранних этапах развития беременности…». В связи с этим, возможно прогнозирование репродуктивных потерь до 22 недель [4].
В недавнем исследовании предложен метод определения риска развития репродуктивной потери в I триместре, основанный на определении концентрации ИЛ-6, уровня моноцитов и лейкоцитов в периферической крови беременной [5]. Также продемонстрирована эффективность определения индекса системного иммунного воспаления (количество тромбоцитов × нейтрофилы/лимфоциты), как дополнительного маркера для прогнозирования выкидыша на ранних сроках беременности у пациенток с угрозой прерывания: неблагоприятный исход прогнозируется при значении данного индекса, равном или выше 883,95 (10⁹/л). [6]. В другом исследовании для прогнозирования прерывания беременности получено значение индекса системного иммунного воспаления, равное 0,727 [7].
Проведено исследование, в котором в качестве маркера выкидыша в первом триместре беременности определяли уровень альфа-фетопротеина в вагинальной крови, пороговый уровень равный или более 0,61 МЕ/мл позволяет дифференцировать выкидыш и угрозу прерывания беременности при возникновении кровотечения в первом триместре [8].
В одном из исследований продемонстрирована связь повышения уровня ИЛ-6 в сыворотке крови матери с преждевременными родами на фоне внутриамниотической инфекции [9-11].
В настоящее время, проводится активный поиск факторов риска ранних репродуктивных потерь или преждевременных родов [12-14], количество исследований, посвященных предикции поздних самопроизвольных выкидышей ограничено [15].
Цель исследования – разработка поэтапной системы прогнозирования поздних самопроизвольных выкидышей, с учетом клинико-анамнестических, эхографических данных и цитокинового статуса беременных.

Сравнительное многоцентровое исследование, проводимое в период 2021-2024 гг., состояло из двух этапов: на ретроспективном этапе – обсервационное, описательное когортное исследование, на проспективном этапе – контролируемое исследование типа «случай-контроль». Исследование проводилось на нескольких базах: гинекологическое отделение № 2 КГБУЗ «Городская больница № 8 г. Барнаул», КГБУЗ «Алтайский краевой клинический перинатальный центр» (г. Барнаул), и включало 260 женщин.
На ретроспективном этапе (156 пациенток) основную группу составили 66 пациенток с поздним самопроизвольным выкидышем. Средний срок гестации на момент выкидыша составил 17,8 ± 2,1 недель. Критерии включения в основную группу: поздний самопроизвольный выкидыш в сроке гестации 10,0-21,6 недель; возраст пациентки от 18 до 45 лет; информированное согласие пациентки. В контрольную группу вошли 90 пациенток, беременность которых закончилась срочными родами.
На следующем этапе исследования (проспективном) обследованы 104 пациентки, из них 51 женщина поступили в гинекологическое отделение с клиническими признаками угрожающего позднего самопроизвольного выкидыша. Все пациентки были сопоставимы по клинической картине, результатам УЗИ плода, получаемой терапии при поступлении в стационар. Проводилось стандартное обследование и лечение, согласно клиническим рекомендациям «Выкидыш» 2021, 2024 гг. Далее группа наблюдения была разделена в зависимости от исхода беременности. Первую группу составили 19 пациенток, у которых поздний выкидыш реализовался, несмотря на проводимую терапию. Во вторую группу вошли 32 пациентки с благоприятным исходом беременности (своевременные роды).
Пациентки, включенные в проспективный этап исследования, поступившие в стационар с угрожающим поздним самопроизвольным выкидышем, были сопоставимы по сроку гестации (первая группа – 15,2 ± 3,0 недель, вторая группа – 14,1 ± 2,9 недель).
Критерии включения в первую группу: клинические и эхографические признаки угрожающего позднего самопроизвольного выкидыша, неблагоприятный исход беременности.
Критерии включения во вторую группу: клинические и эхографические признаки угрожающего позднего самопроизвольного выкидыша, благоприятный исход беременности.
Критерии исключения из всех групп на двух этапах исследования: хорионамнионит, неразвивающаяся беременность, тяжелая экстрагенитальная патология, многоплодная беременность, пороки развития плода, беременность, наступившая в результате ВРТ, привычный выкидыш, отказ от участия в исследовании.
Тема исследования утверждена на заседании локального этического комитета ФГБОУ ВО «Алтайский государственный медицинский университет» МЗ РФ, протокол № 11 от 24.12.2021 года.

МЕТОДЫ ИССЛЕДОВАНИЯ

На первом этапе, с целью определения факторов риска позднего самопроизвольного выкидыша был проведен анализ медицинской документации (обменно-уведомительные карты, индивидуальные карты беременной и родильницы, истории болезни), на основании которой оценивались клинические данные, результаты лабораторных и инструментальных методов исследования.
На проспективном этапе, на основании оценки клинических и анамнестических данных, результатов лабораторного и инструментального исследования, выставлялся клинический диагноз и проводилось необходимое лечение согласно существующим приказам и клиническим рекомендациям. Ультразвуковое исследование проводилось на аппарате Voluson E6 (GE Healthcare) при опорожненном мочевом пузыре в литотомическом положении, которое включало не только оценку состояния плода, допплерометрию, но и интравагинальную оценку длины шейки матки.
Для пациенток проспективного этапа были определены концентрации ИЛ-6, ИЛ-8 и ИЛ-10 в цервикальном секрете и сыворотке крови методом иммуноферментного анализа на микропланшетном ридере BIORAD iMARK.
С помощью программного обеспечения проведена статистическая обработка данных с поэтапным использованием методов математического моделирования. Критический уровень значимости (р) принимался при значении < 0,05. Проводился расчет доли значений для качественных признаков. Для переменных, не соответствующих нормальному распределению, вычислялась медиана (Ме) и нижний и верхний квартили (Q₁; Q₃). Оценка достоверности различий между показателями в двух выборках проводилась с помощью критерия χ², при значениях частот менее 5 – точный критерий Фишера.
На основании ретроспективных данных проведен анализ более 25 факторов, влияющих на развитие поздних самопроизвольных выкидышей. Применяя к анализу имеющихся показателей метод однофакторного дисперсионного анализа (ANOVA), были определены те из них, которые являются наиболее значимыми факторами риска. При этом показатели ранжировались по значимости согласно величине статистики Фишера-Снедекора. Затем, из статистически значимых показателей, имеющих наибольшее влияние, методом логистической регрессии была построена дискриминантная (прогностическая) функция:

a₀ – константа, b₁,...,b_p– коэффициенты регрессии, оцененные на основании про- и ретроспективных данных, Х₁, … Х_р – показатели.

Промежуточные вычисления и интерпретация коэффициентов осуществлялись с помощью компьютерного пакета статистической обработки данных IBM SPSS 23.
В рамках проспективного этапа, для прогнозирования риска позднего самопроизвольного выкидыша, используя алгоритм логистической регрессии в процессе машинного обучения, была получена прогностическая модель. Последовательные этапы машинного обучения осуществлялись с помощью программы Python 3.13.1.
После подстановки всех переменных, полученное значение прогностической функции отражает степень риска самопроизвольного выкидыша. Чем ближе полученное значение к 1, тем риск выше. Следуя принятой методике прогнозирования в задачах логистической регрессии, при значении функции менее 0,5 поздний самопроизвольный выкидыш не прогнозируется, при значении между 0,5 и 1 – прогнозируется высокий риск.
На основе проведенных расчетов созданы «Калькулятор риска 1» и «Калькулятор риска 2» в виде листа электронных таблиц MS Excel, а также их свободного аналога Open Office Calc. Для оценки эффективности, расчета чувствительности и специфичности прогностического калькулятора был проведен ROC-анализ.

Анализ клинико–анамнестических данных, полученных на первом ретроспективном этапе, показал, что возраст пациенток с поздним самопроизвольным выкидышем и пациенток с физиологической беременностью был сопоставим и составил 29,4 ± 6,2 лет и 28,7 ± 4,8 лет (р = 0,442). Для верификации основных факторов риска проведен сравнительный анализ экстрагенитальной патологии в сопоставляемых группах на двух этапах исследования. Выявлено, что у женщин с поздним самопроизвольным выкидышем значимо чаще встречалась железодефицитная анемия (31,8% и 6,7%, соответственно; ОШ 6,53, 95%ДИ 2,46-17,35, р = 0,0001), ожирение (16,7% и 6,7%, ОШ 2,8, 95%ДИ 0,98-8,01, р = 0,048) и заболевания ЖКТ (13,6% и 1,1%, ОШ 14,05, 95%ДИ 1,73-113,91, р = 0,002).
В гинекологическом анамнезе наиболее значимое влияние оказала патология шейки матки, применение деструктивных методов лечения (10,6% и 1,1%, соответственно; ОШ 10,56, 95%ДИ 1,27-88,06, р = 0,008), что вероятнее всего, связано с определенным нарушением биоценоза влагалища. Акушерский анамнез был отягощен самопроизвольным выкидышем, неразвивающейся беременностью (ОШ 3,78 ДИ 1,26-11,32, р = 0,012) и преждевременными родами (ОШ 19,7, ДИ 2,5-156,4, р = 0,0001).
На первом этапе, применяя регрессионный анализ, были рассчитаны коэффициенты регрессии для каждого из потенциальных факторов риска выкидыша, отражающие его влияние на прогнозируемое явление, затем по величине значимых коэффициентов показатели были ранжированы по степени их влияния (процентного вклада) на риск позднего самопроизвольного выкидыша (табл. 1).

Таблица 1. Степень влияния показателей на риск позднего самопроизвольного выкидыша
Table 1. The degree of influence of indicators on the risk of late spontaneous miscarriage

Ранг	Показатель	Коэффициент b	% вклада фактора в риск
1	Преждевременные роды в анамнезе	19,483	16,17
2	Железодефицитная анемия	6,112	5,07
3	Ожирение	5,115	4,24
4	Угрожающий ранний самопроизвольный выкидыш	4,742	3,93
5	Заболевания ЖКТ	4,350	3,61
6	Неразвивающаяся беременность в анамнезе	4,276	3,55
7	Самопроизвольный выкидыш в анамнезе	4,147	3,44
8	Хирургическое лечение шейки матки	2,906	2,41
9	ОРВИ, перенесенные в течение настоящей беременности	2,880	2,39
10	Патология шейки матки	2,804	2,33
11	Нарушение биоценоза влагалища	2,338	1,94
12	Повторная беременность	2,162	1,79
13	Медицинский аборт в анамнезе	1,682	1,40
	Константа	7,198	-

Примечание: b-коэффициент показателя, входящего в формулу логистической регрессии; % – процент влияния показателя на риск выкидыша.
Note: b-coefficient of the indicator included in the logistic regression formula; % – percentage of the indicator's influence on the risk of miscarriage.

На первом этапе прогнозирования, основанном на клинико-анамнестических данных, получена абсолютная величина (модуль) коэффициента, с которым соответствующий показатель входит в дискриминантную функцию; чем больше эта величина, тем более показатель важен для прогноза. За процент влияния показателя принималась доля модуля его коэффициента в сумме модулей всех коэффициентов при показателях в функции.
Далее, с использованием методов математического моделирования, создана первая прогностическая функция и соответственно прогностическая модель риска ПСВ. При подстановке в данную функцию (указана выше) значений факторов конкретной пациентки, возможно рассчитать значение риска, что позволит на этапе моделирования оценить вклад каждого из факторов в баллах. При значении функции менее 0,5 поздний самопроизвольный выкидыш не прогнозируется, при значении между 0,5 и 1 – риск высокий.
На основании прогностической модели риска ПСВ создан «Калькулятор риска 1» для расчета риска ПСВ в виде листа электронных таблиц MS Excel, а также их свободного аналога Open Office Calc.
Медианное значение прогностического риска в основной группе составило 1,0, Ме = 1,0 (0,99; 1,0) высокий риск выкидыша рассчитан у 66 пациенток (100%). При этом, пациенток с низким риском выкидыша в основной группе не было 0%, в контрольной группе низкий риск получен у 30 пациенток (100%), Ме = 0,2 (0,14; 0,32).
Первая прогностическая модель была клинически валидизирована на группе пациенток, которые были включены в проспективный этап исследования и были госпитализированы в гинекологическое отделение № 2 КГБУЗ «Городская больница № 8 г. Барнаул» с клиническими проявлениями угрожающего позднего выкидыша. При расчете риска получены следующие данные: медианное значение прогностического риска в основной группе составило 1,0, Ме = 1,0 (0,98; 1,0), высокий риск выкидыша получен у 96,6%, низкий риск выкидыша – у 1 пациентки (3,4%), р = 0,001.
Анализ качества модели продемонстрировал хорошую эффективность в отношении прогноза позднего самопроизвольного выкидыша. Так, чувствительность составила 70,6%, специфичность – 94,5%, площадь под кривой (AUC) 80,8 (рис. 1).

Рисунок 1. Анализ качества первой прогностической модели оценки риска позднего самопроизвольного выкидыша
Figure 1. Analysis of the quality of the first predictive model for assessing the risk of late spontaneous miscarriage

Однако, оценка первой прогностической модели в отношении риска реализации позднего самопроизвольного выкидыша у женщин с угрожающим поздним самопроизвольным выкидышем продемонстрировала недостаточно хорошее ее качество: чувствительность составила 47,4%, специфичность 75,0%, площадь под кривой (AUC) 60,4 (рис. 2).

Рисунок 2. Анализ качества первой прогностической модели оценки риска реализации позднего самопроизвольного выкидыша
Figure 2. Analysis of the quality of the first predictive model for assessing the risk of late spontaneous miscarriage

С целью поиска более эффективных предикторов риска реализации ПСВ изучена концентрация цитокинов на системном уровне. Статистически значимые различия были установлены по уровню цитокинов, как про-, так и противовоспалительных, в сыворотке крови беременных с угрожающим ПСВ, что позволило дополнительно включить их сывороточное содержание в качестве предикторов во вторую прогностическую модель реализации риска реализации ПСВ. Полученные результаты представлены в таблице 2.

Таблица 2. Сывороточное содержание цитокинов у пациенток сравниваемых групп
Table 2. Serum cytokine levels in patients of the compared groups

Показатель	Основная группа n = 51 (1)	Группа 1 n = 19 (2)	Группа 2 n = 32 (3)	Контрольная группа n = 32 (4)	р
ИЛ-6 сыворотка, пг/мл	18,1 [14,4; 24,4]	21,1 [16,3; 54,4]	17,9 [13,2; 24,3]	1,0 [0,7; 1,7]	р_1-₄ = 0,000 р_2-₃ = 0,27 р_2-₄ = 0,0001 р_3-₄ = 0,0000
ИЛ-8 сыворотка, пг/мл	22,7 [15,0; 50,0]	52,4 [39,0; 80,0]	19,1 [11,4; 34,3]	2,0 [1,0; 7,9]	р_1-₄ = 0,00004 р_2-₃ = 0,006 р_2-₄ = 0,0006 р_3-₄ = 0,0003
ИЛ-10 сыворотка, пг/мл	3,4 [2,8; 4,9]	2,6 [1,3; 3,2]	3,5 [3,0; 4,9]	2,7 [1,0; 4,0]	р_1-₄ = 0,08 р_2-₃ = 0,024 р_2-₄ = 1,0 р_3-₄ = 0,029

Затем, для прогнозирования неблагоприятного исхода у пациенток с угрожающим поздним самопроизвольным выкидышем, был применен процесс машинного обучения с применением алгоритма логистической регрессии, включающий несколько последовательных этапов.
Оценка результатов модели осуществлялась после выполнения всех итераций бутстраппинга, для каждого коэффициента модели были вычислены средние значения и доверительные интервалы. В процессе обучения алгоритмов модели была определена значимость показателей, влияющая на прогноз в отношении целевой переменной (неблагоприятный исход) (табл. 3).

Таблица 3. Предикторы реализации позднего самопроизвольного выкидыша
Table 3. Predictors of late spontaneous miscarriage

Согласно полученным результатам, выкидыш и преждевременные роды в анамнезе увеличивают риск неблагоприятного исхода угрожающего ПСВ, впрочем, как и повышение ИЛ-6 (более 42,1 пг/мл) и ИЛ-8 (более 24,3 пг/мл), а более высокие сывороточные уровни ИЛ-10 (равно или более 2,6 пг/мл) уменьшают шансы на неблагоприятный исход беременности.
Таким образом, результатом обучения модели является определение целевой переменной, отражающей риск выкидыша, представленный в числовом выражении от 0 до 1, с пороговым значением 0,5; значения менее 0,5 оцениваются как низкий риск позднего самопроизвольного выкидыша, более 0,5 – как высокий риск.
Для удобства применения вышеописанного метода на практике был создан «Калькулятор риска 2 позднего самопроизвольного выкидыша» в виде электронной таблицы MS Excel (рис. 3).

Рисунок 3. Калькулятор риска 2 реализации позднего самопроизвольного выкидыша
Figure 3. Calculator of the risk of 2 realizations of late spontaneous miscarriage

Прогностическая модель риска реализации позднего самопроизвольного выкидыша, созданная методом машинного обучения, продемонстрировала высокую эффективность: чувствительность метода составила 88,9%, специфичность 92,3%, площадь под кривой (AUC) 0,912 (р = 0,001).

На первом этапе прогнозирования, когда в арсенале практического врача только клинико-анамнестические данные, стандартные ультразвуковые и лабораторные тесты, достаточно провести градацию риска (низкий/высокий) с помощью первой прогностической модели («Калькулятор 1»), что позволит определить категорию риска и провести персонифицированное ведение беременности в группе «высокого риска» по ПСВ.
При появлении клинических признаков угрожающего позднего самопроизвольного риска наиболее эффективен следующий этап прогнозирования с применением второй прогностической модели риска реализации позднего самопроизвольного выкидыша, с использованием более информативных предикторов прерывания беременности (цитокины). Второй этап прогнозирования позволит поставить вопрос о правильной маршрутизации пациенток, провести более расширенный спектр диагностических обследований, рекомендовать пролонгированное назначение препаратов прогестерона и персонифицированное ведение беременности.

1.      Dannye Federal'noj sluzhby gosudarstvennoj statistiki (date of access 28.06.2023) Russian (Данные Федеральной службы государственной статистики (дата обращения 28.06.2023г). http://gks.ru/free_doc/new_site/population/demo/vita1_bd.htm
2.      Borzova NYu, Ivanenkova NI, Sotnikova NYu, Malyshkina AI. New early prognostic criteria for pregnancy outcome in women with recurrent miscarriage. Russian Clinical Laboratory Diagnostics. 2020; 65(5): 294-298. Russian (Борзова Н.Ю., Иваненкова Н.И., Сотникова Н.Ю., Малышкина А.И. Новые ранние прогностические критерии исхода беременности у пациенток с привычным выкидышем //Клиническая лабораторная диагностика. 2020. Т. 65, № 5. С. 294-298.) doi: 10.18821/0869-2084-2020-65-5-294-298
3.      Farzalieva AV, Sotnikova NYu, Borzova NYu. CD163 positive alternatively activated monocytes as a marker of early miscarriage. Obstetrics and Gynecology. 2022; 26(8): 71-85. Russian (Фарзалиева А.В., Сотникова Н.Ю., Борзова Н.Ю. CD163 положительные альтернативно активированные моноциты как маркер раннего выкидыша //Акушерство и гинекология. 2022. Т. 26, № 8. С. 71-85.) doi: 10.18565/aig.2022.8.71-75
4.      Malyshkina AI, Sotnikova NYu, Grigushkina EV, Kroshkina NV, Talanova I.E. Prediction of the outcome of pregnancy in women with reccurent miscarriage. Russian Clinical Laboratory Diagnostics. 2021; 66(10): 618-622. Russian (Малышкина А.И., Сотникова Н.Ю., Григушкина Е.В., Крошкина Н.В., Таланова И.Е. Прогнозирование исхода беременности у женщин с привычным невынашиванием //Клиническая лабораторная диагностика. 2021. Т. 66, № 10. С. 618-622.) doi: 10.51620/0869-2084-2021-66-10-618-622
5.      Kastsova LV. Method for determining the risk of developing reproductive loss in the 1st trimester of pregnancy. Health and Ecology Issues. 2023; 1(20): 41-47. Russian (Косцова Л.В. Метод определения риска развития репродуктивной потери в I триместре беременности //Проблемы здоровья и экологии. 2023. Т. 20, № 1. С. 41-47.) doi: 10.51523/2708-6011.2023-20-1-05
6.      Turgut E, Yildirim M, Sakcak B, Ayhan SG, Tekin OM, Sahin D. Predicting miscarriage using systemic immune-inflammation index. J Obstet Gynaecol Res. 2022; 48(3): 587-592. doi: 10.1111/jog.15156
7.      Soysal C, Sarı H, Işıkalan MM, Özkaya EB, Ulaş Ö, Taşçı Y, Keskin N. Role of the systemic immune-inflammation index in threatened abortion patients and predicting of abortion. J Obstet Gynaecol Res. 2023; 49(7): 1723-1728. doi: 10.1111/jog.15655
8.      Mor A, Gardezi M, Jubanyik K, Simsek B, Seifer DB, Patrizio P, et al. Miscarriage determination in first trimester based on alpha-fetoprotein extracted from sanitary pads. Fertil Steril. 2021; 116(2): 462-469. doi: 10.1016/j.fertnstert.2020.10.006
9.      Park H, Park KH, Kim YM, Kook SY, Jeon SJ, Yoo HN. Plasma inflammatory and immune proteins as predictors of intra-amniotic infection and spontaneous preterm delivery in women with preterm labor: a retrospective study. BMC Pregnancy Childbirth. 2018; 18(1): 146. doi: 10.1186/s12884-018-1780-7
10.    Borzova NYu, Radjabova NR, Sotnikova NYu, Kudryashova AV, Malyshkina AI. New prognostic criteria for pregnancy outcome in women with threatened premature labor. Clinical laboratory diagnostics. 2022; 2(67): 97-100. Russian (Борзова Н.Ю., Раджабова Н.Р., Сотникова Н.Ю., Кудряшова А.В., Малышкина А.И. Новый прогностический критерий исхода беременности у женщин с угрожающими преждевременными родами //Клиническая лабораторная диагностика. 2022. Т. 67, № 2. С. 97-100.) doi: 10.51620/0869-2084-2022-67-2-97-100
11.    Kaya B, Turhan U, Sezer S, Kaya S, Dağ İ, Tayyar A. Maternal serum galectin-1 and galectin-3 levels in pregnancies complicated with preterm prelabor rupture of membranes. J Matern Fetal Neonatal Med. 2020; 33(5): 861-868. doi: 10.1080/14767058.2019.1637409
12.    Faskhutdinova ZF, Bulatova G.A. Zhelezodeficitnaya anemiya kak faktor neblagopriyatnogo prognoza techeniya beremennosti i rodov, ante - i postnatal'nogo zdorov'ya rebenka. Nauchnyj Lider. 2021; 31(33): 30-34. Russian (Фасхутдинова З.Ф., Булатова Г.А. Железодефицитная анемия как фактор неблагоприятного прогноза течения беременности и родов, анте- и постнатального здоровья ребенка //Научный Лидер. 2021. № 31(33). С. 30-34)
13.    Yang J, Li Q, Feng Y, Zeng Y. Iron Deficiency and Iron Deficiency Anemia: Potential Risk Factors in Bone Loss. Int J Mol Sci. 2023; 24(8): 6891. doi: 10.3390/ijms24086891
14.    Ailamazian EK, Shipitsyna EV, Savicheva AM. Woman’s microbiota and pregnancy outcomes. Journal of obstetrics and women's diseases. 2016; 65(4): 6-14. Russian (Айламазян Э.К., Шипицына Е.В., Савичева А.М. Микробиота женщины и исходы беременности //Журнал акушерства и женских болезней. 2016. Т. 65, № 4. С. 6-14.) doi: 10.17816/JOWD6546
15.    Remneva OV, Chernova AE, Kolyado OV, Fadeeva NI. Medical and social risk factors for late miscarriage. Gynecology, Obstetrics and Perinatology. 2022; 21(6): 73-78. Russian (Ремнёва О.В., Чернова А.Е., Колядо О.В., Фадеева Н.И. Медико-социальные факторы риска позднего самопроизвольного выкидыша //Вопросы гинекологии, акушерства и перинатологии. 2022. Т. 21, № 6. С. 73-78.) doi: 10.20953/1726-1678-2022-6-73-78

РАЧЕНКОВА Татьяна Викторовна
656045, г. Барнаул, ул. Фомина, 154
Тел: 8 (3852) 75-79-46 E-mail: tatyanarachenkova25@gmail.com

ДУДАРЕВА Юлия Алекссевна
доктор мед. наук, доцент, профессор кафедры акушерства и гинекологии с курсом ДПО, ФГБОУ ВО АГМУ Минздрава России, г. Барнаул, Россия
E-mail: iuliadudareva@yandex.ru

РАЧЕНКОВА Татьяна Викторовна
аспирант кафедры акушерства и гинекологии с курсом ДПО, ФГБОУ ВО АГМУ Минздрава России, г. Барнаул, Россия
E-mail: tatyanarachenkova25@gmail.com

ДРОНОВ Сергей Вадимович
канд. физ.-мат. наук, доцент кафедры математического анализа, ФГБОУ ВО АлтГУ, г. Барнаул, Россия
E-mail 656037@mail.ru

DUDAREVA Yulia Alekseevna
doctor of medical sciences, docent, professor of the department of obstetrics and gynecology with a course of continuing professional education, Altai State Medical University, Barnaul, Russia
E-mail: iuliadudareva@yandex.ru

RACHENKOVA Tatyana Viktorovna
postgraduate student of the department of obstetrics and gynecology with a course of continuing professional education, Altai State Medical University, Barnaul, Russia
E-mail: tatyanarachenkova25@gmail.com

DRONOV Sergey Vadimovich
candidate of physical and mathematical sciences, docent of the department of mathematical analysis, Altai State University, Barnaul, Russia
E-mail 656037@mail.ru

Признак	Коэффициент (b)
Самопроизвольный выкидыш в анамнезе в сроке до 22 недель	1,000
ИЛ-6 пг/мл сыворотка крови	0,838
ИЛ-8 пг/мл кровь	0,552
Преждевременные роды в анамнезе	0,275
\|ИЛ-10 пг/мл кровь	-0,602
Константа	-0,698