본 전향적 관찰 연구는 산모의 임상적 특성과 결합된 1단계 경복부 및 경회음 초음파 파라미터를 이용한 예측 모델의 개발 및 내부 타당도 검증을 기술하며, 이를 통해 분만 2기 지연 위험이 있는 여성을 조기에 식별하고자 한다.
연구 논문
분만 1기 데이터를 이용한 분만 2기 지연 예측 모델의 개발 및 내부 타당성 검증: 전향적 관찰 연구
22 조회수
⸱
2026년 9월 11일
* These authors contributed equally
이 논문에서
요약
초록
분만 2기의 지연은 산모와 신생아의 불량한 결과와 관련이 있으므로, 조기에 위험을 식별하는 것이 임상적으로 중요합니다. 본 연구에서는 분만 1기에 측정된 복부 및 회음부 초음파 파라미터의 조합이 분만 2기 지연을 예측할 수 있는지 평가하였습니다. 본 전향적 관찰 연구에는 분만 1기 활성기에 복부 및 회음부 초음파 검사를 받은 초산부를 대상으로 하였습니다. 태아의 위치, 진행 각도(AOP), 머리-치골 결합 거리, 머리-회음부 거리 및 산모의 임상적 특성을 기록하였습니다. 대상자는 분만 2기 시간이 정상(≤120 min)인 그룹과 지연(>120 minutes)된 그룹으로 분류되었습니다. 주요 예측 변수를 선택하기 위해 최소 절대 수축 및 선택 연산자(LASSO) 회귀 분석을 사용하였으며, 모델 개발을 위한 독립적 예측 변수는 다변량 로지스틱 회귀 분석을 통해 식별하였습니다. 예측 성능은 내부 검증 과정에서 수신자 조작 특성(ROC) 곡선 분석, 보정 및 결정 곡선 분석(DCA)을 통해 평가되었습니다. 분석 대상은 초산부 159명(정상 95명, 지연 64명)이었습니다. 정상 그룹과 비교하여 지연 그룹은 태아 가사(31.2% vs 15.8%, p = 0.035) 및 낮은 아프가(Apgar) 점수(70.3% vs 36.8%, p < 0.001)의 발생률이 더 높았습니다. LASSO 회귀 분석 결과 산모의 연령, 임신 중 체질량 지수 증가량, 신생아 출생 체중, AOP의 4가지 주요 예측 변수가 식별되었으며, 이들은 모두 독립적인 예측 변수(p < 0.05)로 나타났습니다. 예측 모델은 ROC 곡선 아래 면적(AUC) 0.927을 달성하였으며, 내부 검증에서 우수한 판별력, 보정 및 임상적 유용성을 입증하였습니다. 분만 1기의 초음파 파라미터와 산모의 임상적 특성을 결합하면 고위험 초산부를 조기에 식별하고 분만 중 관리를 지원하는 데 도움이 될 수 있습니다.
서론
지연 분만은 오랫동안 산과 진료에서 주요한 관심사였습니다. 특히 분만 2기의 지연은 임산부의 통증을 증가시킬 뿐만 아니라 신생아의 부정적인 결과로 이어집니다1. 세계보건기구(WHO)에서 발표한 최신 지침에 따르면, 분만 2기의 정상 소요 시간은 ≤120 min입니다. 즉, 분만 2기가 >120 min 지속되는 경우 지연된 것으로 간주합니다. 분만 2기 지연의 전 세계 발생률은 3%–8%로 추정됩니다1,2. 이러한 지연은 임산부 감염, 제왕절개술(C-section), 산후 출혈, 태아 가사, 낮은 아프가(Apgar) 점수 및 주산기 사망의 위험을 증가시킵니다1. 이전 연구들에 따르면 임산부의 연령, 임신 중 체질량 지수(BMI) 증가 및 신생아 출생 체중이 분만 2기 지연과 관련이 있는 것으로 나타났으나, 이들의 예측 가치는 여전히 제한적입니다3. 따라서 더욱 효과적인 예측 인자를 식별하는 것은 적시의 임상적 개입을 촉진하고, 분만 진행을 최적화하며, 지연 분만의 발생을 줄이고, 임산부와 신생아의 결과를 개선하는 데 매우 중요합니다.
최근 몇 년 동안 초음파 영상 진단은 태아의 위치, 방향 및 하강 정도를 실시간으로 객관적으로 평가할 수 있게 함으로써 산과적 진료, 특히 분만 중 관리에 점점 더 많이 통합되어 왔습니다3,4. 여러 근거에 따르면 분만 중 초음파는 진통 진행 예측, 태아 상태 평가 및 분만 방식에 관한 임상적 의사결정 안내에 중요한 역할을 합니다5. 그럼에도 불구하고 현재 문헌에는 중요한 공백이 남아 있습니다. 첫째, 분만 2기의 지연을 예측하기 위해 초음파 파라미터를 사용한 구체적인 연구가 상대적으로 적습니다. 둘째, 분만 1기 동안의 태아 머리 위치, 태아 위치 및 이들과 산모 골반 간의 공간적 관계가 분만 2기의 지속 시간에 직접적인 영향을 미칠 수 있지만6, 이러한 1기 초음파 파라미터와 2기 지연 간의 관계를 평가한 연구는 여전히 제한적입니다.
이러한 배경 하에, 본 전향적 관찰 연구는 단일 센터에서 분만 1기 동안의 분만 데이터를 수집하였습니다. 초음파 파라미터는 경복부 및 회음부 스캔을 통해 획득하였으며, 여기에는 두정-치골 거리(HSD), 진행각(AOP) 및 두정-회음 거리(HPD)가 포함되었습니다. 분만 2기의 즉각적인 분만 결과나 수술적 개입의 필요성을 예측하는 데 주로 집중했던 이전의 초음파 기반 연구들과 달리, 본 연구는 1기 초음파 파라미터를 이용하여 분만 2기 지연을 조기에 예측하는 것을 구체적으로 조사하였습니다. 이러한 파라미터들은 산모의 인구통계학적 및 임상적 특성과 결합되어 분만 2기 지연에 대한 예측 가치를 평가하는 데 사용되었습니다. 이전의 어떤 연구에서도 다차원적인 1기 초음파 소견과 산모의 임상적 특성을 분만 2기 지연 예측 모델에 통합한 적이 없었으므로, 이러한 접근 방식은 중요한 지식 공백을 메워줍니다. 이에 따라 예측 모델을 개발하고 내부적으로 검증하였습니다. 본 연구는 임상의가 분만 1기에 분만 2기 지연 위험이 있는 초산부를 조기에 식별할 수 있는 객관적인 도구를 제공함으로써, 보다 개별화된 분만 중 관리와 산모 및 신생아 결과의 개선을 지원할 수 있을 것으로 기대됩니다.
프로토콜
본 연구는 헬싱키 선언을 준수하여 수행되었으며, 위야오 모자 보건 병원(위야오 제2 인민 병원) 윤리 위원회의 승인을 받았습니다(승인 번호 YMCH-EC-2023KT-0012). 모든 참여자로부터 서면 동의서를 받았습니다.
연구 참여자
자연 진통이 시작되어 질식 분만에 성공한 초산부를 대상으로 하였다. 이를 통해 예측 모델에 필요한 2기 분만 시간을 정밀하게 기록할 수 있었다. 선정 기준은 다음과 같았다: (1) 임신 기간 37주 이상의 단태아 임신; (2) 두정위; (3) 참여자 본인 및 가족으로부터 서면 동의를 얻은 경우. 제외 기준은 다음과 같았다: (1) 활성기 동안 확인된 분만 시도 금기증(예: 전치태반, 혈관전치태반, 제대탈출); 및/또는 (2) 이차성 자궁 무력증(옥시토신 투여 또는 인공 파막 후에도 자궁경부 확장이나 태아 하강이 4시간 이상 진행되지 않은 경우로 정의). 유도 분만을 시행한 여성 또한 제외하였다.
특히, 분만 2기 중 급성 태아 가사로 인해 응급 수술적 개입(제왕절개술 또는 기구 분만)이 필요했던 여성들은 임상 지침에 따라 처치되었으나, 진통 시간 기록의 완전성을 유지하기 위해 본 분석에서는 제외되었습니다.
표본 크기는 예비 시험 결과(n = 30, 2분기 지연 발생률 20%)를 바탕으로 산출되었습니다. α를 0.05, β를 0.20으로 설정하고 2분기 지연의 추정 발생률을 약 20%로 가정했을 때, 오즈비(OR)가 2.5 이상인 유의한 예측 변수를 검출하기 위해서는 최소 150명의 참여자가 필요했습니다. 최종 분석에는 총 159명의 여성이 포함되었습니다.
임상 데이터 수집
모성 변수에는 연령, 임신 중 체질량 지수(BMI) 증가량(임신 전 BMI와 분만 전 BMI의 차이로 정의), 임신성 당뇨병, 임신성 고혈압, 정신 상태(자가 평가 불안 척도를 사용하여 평가하며, 50점 이상을 불안으로 간주), 자궁 무력증(특히 임상적으로 평가된 저긴장성 수축 패턴을 의미하며, 다음과 같은 간격으로 발생하는 자궁 수축으로 정의됨)이 포함되었습니다. >5분 또는 지속적으로 <30초, American College of Obstetricians and Gynecologists [ACOG]의 진통 정지 정의와는 구별됨) 및 출산 횟수를 포함하였다. 신생아 변수는 출생 체중(kg), 태아 가사(심박동수 측정법상 반복적인 후기 또는 가변성 감속 또는 기저 태아 심박수가 ...로 정의됨)를 포함하였다. <110 beats/min 또는 >160 beats/min), 그리고 아프가 점수(1분 점수)가 <7은 낮음으로 분류됨).
임신성 당뇨병은 국제당뇨병임신연구그룹(International Association of Diabetes and Pregnancy Study Groups)의 기준(임신 24~28주에 실시한 75g 경구 당부하 검사에서 공복 혈당 5.1~6.9 mmol/L, 1시간 후 혈당 ≥10.0 mmol/L 또는 2시간 후 혈당 8.5~11.0 mmol/L)에 따라 진단되었습니다. 임신성 고혈압은 ACOG 가이드라인(임신 20주 이후, 단백뇨가 없는 상태에서 4시간 이상의 간격을 두고 2회 측정 시 수축기 혈압 ≥140 mmHg 또는 이완기 혈압 ≥90 mmHg)에 따라 정의되었습니다. 태아 심박동-자궁수축 검사 상의 태아 가사는 반복적인 후기 감퇴(자궁 수축의 50% 이상) 및 지속 시간이 [끊김]인 반복적인 가변성 감퇴로 정의되었습니다. >60초, 2~10분간 지속되는 지연성 감속, 또는 기선 태아 심박수가 <110 또는 >10분 이상 지속되는 160회/분 이상의 심박수(National Institute for Health and Care Excellence [NICE] 기준). 자궁 무력증(저긴장성 수축)은 수축 간격으로 정의되었다. >5분 또는 ~의 수축 시간 <촉진 또는 자궁수축측정법(tocodynamometry)으로 평가하여 30분 동안 30초 이상의 수축이 나타나는 경우. 정신 상태(불안)는 입원 시 자아평가 불안 척도(Self-Rating Anxiety Scale)를 사용하여 평가하였다(자궁경관 확장도 < 4 cm)이며, 원점수 50점 이상(표준화 지수)을 비정상으로 분류하였다. 낮은 아프가 점수(Apgar score)는 1분 점수가 <7 (WHO).
본 연구는 관찰 연구였으므로, 분만 관리는 표준화된 프로토콜 없이 통상적인 임상 관행을 따랐습니다. 다만, 경막외 마취(여부, 시점, 지속 시간), 옥시토신 촉진(여부, 총 용량, 지속 시간), 인공 양막 파열(여부, 시술 시 자궁경부 확장 정도) 및 분만 방식(선정 기준에 따라 자연 분만만 해당)은 체계적으로 기록되었습니다. 이러한 변수들과 기본 모델 예측 변수들 사이의 유의미한 상호작용은 관찰되지 않았습니다.
분만 초기 단계의 경복부 및 경회음 초음파 검사
초음파 스캔은 진통의 활성기(자궁경관 확장도 ≥4 cm) 시작 시점에 수행되었습니다. 산모는 방광을 비운 후 15° 좌측 측와위로 눕혔습니다. 경회음 스캔을 위해 허벅지를 약간 외전 및 굴곡시켰습니다. 모든 이미지는 자궁 수축의 정점에서 캡처되었으며, 각 수축의 정점을 확인하기 위해 외부 자궁 수축 측정기(태아-자궁 수축 검사)와 함께 임상적 촉진을 통해 식별하였습니다. 각 측정은 세 번의 서로 다른 수축 동안 반복하였으며, 분석에는 평균값을 사용하였습니다. 초음파 검사는 휴대용 진단 초음파 시스템을 사용하여 수행되었습니다(재료 표 참조). 경복부 영상 촬영에는 볼록형 프로브(2–5 MHz)를 사용하였고, 경회음 영상 촬영에는 고주파 선형 또는 소형 볼록형 프로브(5–8 MHz)를 사용하였습니다. 영상 설정은 표준화되었습니다(깊이 6–10 cm, 게인 최적화, 치골 결합부에 단일 초점 구역 설정).
태아 위치 평가를 위해, 경복부 횡단 스캔으로 모체 골반에 대한 태아의 안와, 소뇌 및 시상 중심선을 확인하여 후두전위(OA), 횡위 또는 후두후위 여부를 결정하였습니다. 회음부 측정의 경우, 탐촉자를 멸균 시트로 감싸고 과도한 압력을 가하지 않은 상태에서 정중시상면의 회음부에 배치하였습니다. 해부학적 지표로는 치골결합 전체, 태아 두개골 윤곽 및 항문직장 접합부를 포함하였습니다.
다음의 파라미터들이 측정되었습니다(그림 1A–D): 치골결합의 장축과 치골결합 하단 가장자리에서 태아 두개골의 가장 깊은 지점까지 이어진 선 사이의 각도로 정의되는 진행각(AOP), 태아 두개골 정중선(뇌낫)과 모체 골반의 전후축 사이의 각도로 정의되는 정중선각(MLA), 치골결합 하단 가장자리에서 태아 두개골의 가장 가까운 지점까지의 거리로 정의되는 두부-치골결합 거리(HSD), 그리고 태아 두개골 외측에서 회음부 피부까지의 최단 거리로 정의되는 두부-회음 거리(HPD)7.
그림 1. 진통 1기 중에 얻은 초음파 측정값. (A) 진행각(angle of progression, AOP) 측정. 이는 치골 결합의 장축과 치골 결합 하단부에서 태아 두골의 가장 깊은 지점까지 이어진 선 사이의 각도로 정의된다. (B) 정중선 각도(midline angle, MLA) 측정. 이는 태아 두골의 정중선(대뇌 낫)과 모체 골반의 전후축 사이의 각도로 정의된다. (C) 머리-치골 거리(head–symphysis distance, HSD) 측정. 이는 치골 결합의 하단부에서 태아 두골의 가장 가까운 지점까지의 거리로 정의된다. (D) 머리-회음부 거리(head–perineum distance, HPD) 측정. 이는 태아 두골의 외면에서 모체 회음부 피부까지의 최단 거리로 정의된다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
각 측정은 세 번의 서로 다른 수축 정점 동안 세 차례 수행되었으며, 분석에는 평균값을 사용하였습니다. 모든 검사는 본 연구 전 분만 중 회음부 초음파 측정에 관한 표준화된 교육을 이수한 3명의 숙련된 초음파 검사자(각각 산과 초음파 경력 10년 이상)에 의해 수행되었습니다. 숙련도는 표준 평가자(교신 저자) 대비 0.90 이상의 급내 상관계수(ICC)를 달성함으로써 확인되었습니다. 관찰자 간 및 관찰자 내 재현성은 10명의 환자(본 연구에서 제외됨)를 대상으로 한 파일럿 단계에서 평가되었으며, 모든 파라미터(AOP, HSD, HPD, MLA)에 대해 0.89에서 0.96 범위의 ICC 결과가 나타났습니다.
영상 채택 기준은 치골 결합, 태아 두골 윤곽 및 항문 직장 접합부의 명확한 시각화가 필요했다. 과도한 탐촉자 압력이 가해졌거나 해부학적 지표가 제대로 시각화되지 않은 영상은 폐기하고 다시 획득했다. 초음파 검사자는 영상 획득 및 측정 과정에서 그룹 배정(정상 대 제2기 지연) 및 임상 데이터에 대해 블라인드 처리되었다. 데이터는 범위 확인과 함께 이중 입력되었으며, 범위 외 값은 영상 재검토를 유발했다. 결측 데이터(<5%)는 데이터가 무작위로 누락되었음을 확인한 후(Little의 완전 무작위 결측 검사, p > 0.05), 완전 사례 분석법을 사용하여 처리했다.
분만 시간의 기록 및 그룹화
분만 과정 전반에 걸쳐 각 참가자의 분만 경과를 세밀하게 기록하였습니다. 분만 1기는 규칙적인 자궁 수축의 시작부터 자궁경관의 완전 개대(10 cm)까지의 기간으로 정의하였습니다. 분만 활성기는 강화된 규칙적 자궁 수축을 동반한 자궁경관 개대 ≥4 cm 상태로 정의하였습니다. 분만 2기는 자궁경관의 완전 개대(10 cm)부터 태아의 완전 배출까지의 기간으로 정의하였습니다. 분만 1기 활성기 동안 태아 머리 위치, 태아 자세 및 관련 초음파 파라미터를 평가하기 위해 초음파 검사를 수행하였습니다. 세계보건기구(WHO) 가이드라인에 따르면, 정상적인 분만 2기는 120 min을 초과해서는 안 됩니다2. 본 연구의 모든 초산부에게 표준화된 연구 임계값을 유지하기 위해, 참가자들을 이 120-min 기준에 따라 정상 분만 2기 그룹(≤120 min)과 지연 분만 2기 그룹(>120 min)의 두 그룹으로 분류하였습니다.
통계 분석
모든 통계 분석은 SPSS version 26.0 (RRID:SCR_002865) 및 R version 4.1.0 (RRID:SCR_001905)을 사용하여 수행되었습니다 (재료 표 참조). 다음의 R 패키지가 사용되었습니다: 최소 절대 수축 및 선택 연산자 (LASSO) 회귀 분석을 위한 glmnet (version 4.1-2), 노모그램 구축 및 보정을 위한 rms (version 6.2-0), 수신자 조작 특성 (ROC) 분석을 위한 pROC (version 1.18.0), 그리고 결정 곡선 분석 (DCA)을 위한 rmda (version 1.6). 연속형 변수의 정규성은 기술 통계 및 비교 방법의 선택을 안내하기 위해 Shapiro–Wilk 검정을 사용하여 평가되었습니다. 정규 분포를 따르는 데이터는 평균 ± 표준 편차 (x̄ ± s)로 표시하였으며, 표본 크기가 적절할 때 정규성에서 약간 벗어나더라도 강건한 독립 표본 t-검정을 사용하여 비교하였습니다. 비정규 분포 데이터는 중앙값 및 사분위수 범위 (M [P25, P75])로 표시하였으며, 단순히 중앙값의 차이를 테스트하기보다 한 분포가 다른 분포보다 더 큰 값을 갖는 경향이 있는지 평가하는 Mann–Whitney U 검정을 사용하여 비교하였습니다. 범주형 변수는 빈도와 백분율 (n [%])로 표시하였으며, 기대 빈도가 <5인 경우에는 카이제곱 (χ2) 검정 또는 Fisher의 정확 검정을 사용하여 비교하였습니다. 모든 검정은 양측 검정으로 수행되었으며, p-value <0.05를 통계적으로 유의한 것으로 간주하였습니다. 단변량 분석에서 p <0.1인 변수들은 변수 선택을 위해 LASSO 회귀 분석에 포함되었습니다. LASSO 회귀 분석은 최적의 정규화 매개변수 (λ)를 결정하기 위해 10-fold 교차 검증과 함께 glmnet 패키지를 사용하여 수행되었습니다. 0이 아닌 계수를 가진 가장 간결한 예측 변수 세트를 선택하기 위해 1-표준 오차 기준(최소 교차 검증 오차의 1표준 오차 범위 내에서 가장 큰 λ)을 적용하였습니다. LASSO 피팅 전, 모든 연속형 예측 변수(산모 연령, 임신 중 BMI 증가량, AOP, HSD, HPD, 신생아 출생 체중)는 측정 단위와 관계없이 계수가 동일하게 패널티를 받도록 기본 glmnet 설정 (standardize = TRUE)을 사용하여 z-score로 중심화 및 표준화되었습니다. 선택된 변수들은 이후 다변량 로지스틱 회귀 모델 (enter method)에 입력되어 보정 오즈비 (aORs) 및 95% 신뢰 구간 (CIs)을 산출하였습니다. 모델의 유의성은 가능도비 검정을 사용하여 평가되었습니다.
로지스틱 회귀 계수를 바탕으로, Logit(P) = β로 표현되는 예측 모델을 구축하였다.0 + Σ(βiXi). 이 모델은 rms 패키지를 사용하여 노모그램으로 시각화하였으며, 여기서 각 예측 변수에는 회귀 계수에 비례하는 점수가 할당되었고, 총점은 예측 확률로 매핑되었습니다. 판별능은 pROC 패키지를 사용하여 ROC 곡선을 그리고 곡선 아래 면적(AUC)과 이에 대한 95% 신뢰구간(CI)을 계산하여 평가하였습니다(1,000회 재표본 추출 부트스트랩 방법). 최적의 컷오프 확률은 Youden 지수(민감도 + 특이도 − 1)를 최대화하여 결정하였으며, 이에 해당하는 민감도와 특이도를 보고하였습니다. 보정도는 1,000회의 부트스트랩 재표본 추출을 통해 생성된 보정 곡선(rms 패키지)을 사용하여 평가하였으며, Hosmer–Lemeshow 적합도 검정(유의하지 않은 p-값은 양호한 보정 상태를 나타냅니다). 임상적 유용성은 rmda 패키지를 이용한 DCA로 평가하였으며, 이는 다양한 임계 확률 범위(0%–100%)에서 순이익(net benefit)을 계산합니다. 순이익은 (진양성 / n) − (위양성 / n) × (임계 확률 / [1 − 임계 확률]). 전체 연구 워크플로우는 위에서 설명하였으며, 다음의 그림에 도식화되어 있습니다. 보충 그림 1본 모델은 탐색적 모델입니다. 예측 변수인 신생아 출생 체중은 분만 후 측정된 실제 체중을 의미하며, 임상적 예측을 위해서는 분만 전 획득한 태아 추정 체중(EFW)을 사용하여 모델을 재적합시켜야 합니다.
결과
연구 대상 및 그룹 배정
총 159명의 분만부가 최종 분석에 포함되었습니다. 이 중 95명은 2기 분만 시간이 정상이었으며, 64명은 2기 분만이 지연되었습니다(표 1). 정상 그룹과 비교하여, 지연 그룹에서는 태아 가사와 낮은 Apgar 점수의 발생률이 유의하게 높았습니다(두 항목 모두 p < 0.05). 주산기 사망률에서는 그룹 간에 유의미한 차이가 관찰되지 않았습니다(p > 0.05).
| 변수 | 전체 (N = 159) | 정상적인 제2기 (N = 95) | 지연된 제2기 (N = 64) | P 값 |
| 2단계 소요 시간(분) | 109 [40.5; 172] | 88.4 [40.5; 125] | 139 [100; 172] | <0.0001 |
| 태아 가사 | 0.0347 | |||
| 결핍됨 | 124 (78.0%) | 80 (84.2%) | 44 (68.8%) | |
| 제시하다 | 35 (22.0%) | 15 (15.8%) | 20 (31.2%) | |
| 낮은 아프가 점수 | 0.0001 | |||
| 아니요 | 79 (49.7%) | 60 (63.2%) | 19 (29.7%) | |
| 네 | 80 (50.3%) | 35 (36.8%) | 45 (70.3%) | |
| 주주산기 사망률 | 0.5653 | |||
| 결핍됨 | 156 (98.1%) | 94 (98.9%) | 62 (96.9%) | |
| 제시하다 | 3 (1.89%) | 1 (1.05%) | 2 (3.12%) |
표 1: 분만 2기 지연이 신생아 임상 결과에 미치는 영향. 연속형 변수는 중앙값 [사분위 범위 (IQR)]로 표시하고, 범주형 변수는 빈도 (%)로 표시하였습니다. 정상 분만 2기 군은 분만 2기 소요 시간이 ≤120분인 참여자로 구성되었으며, 분만 2기 지연 군은 분만 2기 소요 시간이 >120분인 참여자로 구성되었습니다. 낮은 Apgar 점수는 1분 Apgar 점수가 <7점인 경우로 정의하였습니다. P 값은 정상 분만 2기 군과 분만 2기 지연 군 간의 비교를 나타냅니다.
두 그룹 간의 인구통계학적 및 임상적 특성 비교는 표 2에 제시되어 있습니다. 제2기 지연 분만부의 중앙값 산모 연령이 정상 제2기 분만부보다 높았으며, 임신 중 BMI 증가량 또한 더 컸습니다. 임신성 당뇨병, 자궁 수축 부전 및 의식 상태 변화의 빈도 또한 지연 그룹에서 유의하게 더 높았습니다 (모두 p < 0.05). 임신성 고혈압이나 분만 시 임신 주수에서는 그룹 간 유의한 차이가 관찰되지 않았습니다 (모두 p > 0.05).
| 변수 | 전체 (N = 159) | 정상 2기 (N = 95) | 지연된 2기 (N = 64) | P 값 |
| 연령 (years) | 28.8 [19.4; 44.9] | 26.3 [19.4; 33.2] | 32.4 [22.3; 44.9] | <0.0001 |
| 임신 중 BMI 증가 (kg/m²) | 11.4 ± 3.62 | 10.1 ± 3.33 | 13.3 ± 3.17 | <0.0001 |
| 임신성 당뇨병 | 0.0002 | |||
| 없음 | 141 (88.7%) | 92 (96.8%) | 49 (76.6%) | |
| 있음 | 18 (11.3%) | 3 (3.16%) | 15 (23.4%) | |
| 임신성 고혈압 | 0.8723 | |||
| 없음 | 124 (78.0%) | 75 (78.9%) | 49 (76.6%) | |
| 있음 | 35 (22.0%) | 20 (21.1%) | 15 (23.4%) | |
| 신생아 출생 체중 (kg) | 2.61 [1.68; 4.60] | 2.46 [1.68; 2.85] | 3.39 [1.71; 4.60] | <0.0001 |
| 정신 상태 | 0.0017 | |||
| 변화됨 | 139 (87.4%) | 90 (94.7%) | 49 (76.6%) | |
| 양호함 | 20 (12.6%) | 5 (5.26%) | 15 (23.4%) | |
| 자궁 무력증 | <0.0001 | |||
| 없음 | 123 (77.4%) | 85 (89.5%) | 38 (59.4%) | |
| 있음 | 36 (22.6%) | 10 (10.5%) | 26 (40.6%) | |
| 임신 기간 (weeks) | 38.1 ± 2.02 | 38.1 ± 1.99 | 37.9 ± 2.06 | 0.5156 |
표 2: 그룹 간 인구통계학적 및 임상적 특성 비교. 연속 변수는 적절하게 평균 ± 표준 편차(SD) 또는 중앙값 [사분위 범위(IQR)]로 표시하였습니다. 범주형 변수는 수(%)로 표시하였습니다. 체질량 지수(BMI) 증가는 임신 전 BMI와 분만 전 BMI의 차이로 정의하였습니다. 정상 제2기 분만 그룹은 제2기 지속 시간이 ≤120 min인 참가자로 구성되었으며, 지연 제2기 분만 그룹은 제2기 지속 시간이 >120 min인 참가자로 구성되었습니다. P 값은 두 그룹 간의 비교를 나타냅니다.
활동적 1기에서의 임상 및 초음파 매개변수
정상군과 지연된 2기 그룹 간의 1기 복벽 및 회음 초음파 매개변수를 비교하였다(표 3). OA 태아 위치의 비율은 정상군보다 지연군에서 유의하게 낮았다. 또한, AOP, HSD 및 HPD는 2기가 지연된 산모에서 유의하게 더 높게 나타났다(모두 p < 0.05).
| 변수 | 모두 (N = 159) | 정상적인 제2기 (N = 95) | 지연된 분만 2기 (N = 64) | p-값 |
| 태아 자세 | <0.0001 | |||
| 골관절염 | 74 (46.5%) | 60 (63.2%) | 14 (21.9%) | |
| 비-OA | 85 (53.5%) | 35 (36.8%) | 50 (78.1%) | |
| AOP (고급 산화 공정)°) | 124 [64.3; 158] | 111 [64.3; 142] | 138 [123; 158] | <0.0001 |
| HSD (cm) | 1.97 ± 0.39 | 1.81 ± 0.33 | 2.21 ± 0.34 | <0.0001 |
| HPD (cm) | 4.61 ± 0.71 | 4.23 ± 0.56 | 5.17 ± 0.51 | <0.0001 |
표 3: 분만 1기 동안의 경복부 및 경회음 초음파 파라미터 비교. 연속형 변수는 적절한 경우 평균 ± 표준편차(SD) 또는 중앙값 [사분위수 범위(IQR)]로 표시하였다. 범주형 변수는 수(%)로 표시하였다. OA, 후두전위; non-OA, 비후두전위; AOP, 진행각; HSD, 태아두부-치골결합간 거리; HPD, 태아두부-회음부간 거리. AOP는 도(°) 단위로 측정하였으며, HSD와 HPD는 센티미터(cm) 단위로 측정하였다. 정상 분만 2기 군은 분만 2기 지속 시간이 ≤120 min인 참가자로 구성되었으며, 지연 분만 2기 군은 분만 2기 지속 시간이 >120 min인 참가자로 구성되었다. P 값은 두 그룹 간의 비교를 나타낸다.
잠재적 예측 인자의 단변량 분석
지연된 2기 분만과 관련된 변수를 식별하기 위해 단변량 분석을 수행하였습니다(표 4). 정상군과 지연군 사이에 유의미한 차이를 보인 변수는 산모 연령, 임신 중 BMI 증가, 임신성 당뇨, 신생아 출생 체중, 정신 상태, 자궁 무력증, 태아 위치, AOP, HSD, HPD의 총 10가지였습니다(p < 0.10). 임신성 고혈압 또는 임신 주수에서는 그룹 간 유의미한 차이가 관찰되지 않았습니다(두 항목 모두 p > 0.10). p < 0.10인 변수들은 이후 변수 선택을 위해 LASSO 회귀 모델에 입력되었습니다.
| 변수 | 전체 (N = 159) | 정상 2단계 (N = 95) | 지연된 제2기 (N = 64) | 통계학 | p-값 |
| 인구통계학적 및 임상적 특성 | |||||
| 연령 (세) | 28.8 [19.4; 44.9] | 26.3 [19.4; 33.2] | 32.4 [22.3; 44.9] | Z = −5.891 | <0.001 |
| 임신 중 BMI 증가량 (kg/m² )²) | 11.4 ± 3.62 | 10.1 ± 3.33 | 13.3 ± 3.17 | t = −5.912 | <0.001 |
| 임신성 당뇨병, n (%) | 18 (11.3) | 3 (3.2) | 15 (23.4) | χ² = 15.207 | <0.001 |
| 임신성 고혈압, n (%) | 35 (22.0) | 20 (21.1) | 15 (23.4) | χ² = 0.135 | 0.872 |
| 신생아 출생 체중 (kg) | 2.61 [1.68; 4.60] | 2.46 [1.68; 2.85] | 3.39 [1.71; 4.60] | Z = −6.234 | <0.001 |
| 의식 상태 변화, n (%) | 139 (87.4) | 90 (94.7) | 49 (76.6) | χ² = 10.912 | 0.001 |
| 자궁 무력증, n (%) | 36 (22.6) | 10 (10.5) | 26 (40.6) | χ² = 20.156 | <0.001 |
| 임신 주수 (주) | 38.1 ± 2.02 | 38.1 ± 1.99 | 37.9 ± 2.06 | t = 0.654 | 0.516 |
| 분만 1기 동안의 초음파 파라미터 | |||||
| 태아 위치 (비-OA), n (%) | 85 (53.5) | 35 (36.8) | 50 (78.1) | χ² = 26.543 | <0.001 |
| AOP (°) | 124 [64.3; 158] | 111 [64.3; 142] | 138 [123; 158] | Z = −6.781 | <0.001 |
| HSD (cm) | 1.97 ± 0.39 | 1.81 ± 0.33 | 2.21 ± 0.34 | t = −7.445 | <0.001 |
| HPD (cm) | 4.61 ± 0.71 | 4.23 ± 0.56 | 5.17 ± 0.51 | t = −9.332 | <0.001 |
표 4: 분만 2기 지연과 관련된 요인의 단변량 분석. 연속형 변수는 적절하게 평균 ± 표준편차(SD) 또는 중앙값 [사분위 범위(IQR)]로 표시하였다. 범주형 변수는 수(%)로 표시하였다. BMI, 체질량 지수; OA, 후두전위; non-OA, 비후두전위; AOP, 진행각; HSD, 두정-치골결합 거리; HPD, 두정-회음 거리. 정규분포를 따르는 연속형 변수는 독립표본 t-검정을 사용하여 비교하였고, 비정규분포 연속형 변수는 Mann–Whitney U 검정(Z 통계량으로 보고)을 사용하여 비교하였으며, 범주형 변수는 카이제곱(χ2) 검정을 사용하여 비교하였다. P <0.10인 변수는 최소 절대 수축 및 선택 연산자(LASSO) 회귀 분석 포함 대상으로 간주하였다.
최소 절대 수축 및 선택 연산자 회귀 분석을 이용한 변수 선택
과적합의 위험과 다중공선성의 영향을 줄이면서 간결한 예측 모델을 구축하기 위해, 단변량 분석(p < 0.10; 표 4)을 통해 식별된 10개의 후보 예측 변수를 변수 선택을 위한 LASSO 회귀 모델에 입력하였다. 최적의 정규화 매개변수(λ)는 10겹 교차 검증을 사용하여 결정하였다. 계수 경로 도표(그림 2A)는 λ가 증가함에 따라 회귀 계수가 0으로 점진적으로 수축되는 과정을 보여준다. 이에 대응하는 교차 검증 곡선(그림 2B)은 교차 검증 오차와 서로 다른 λ 값 사이의 관계를 나타낸다. 왼쪽 수직 점선은 교차 검증 오차를 최소화하는 λ 값을 나타내며, 오른쪽 수직 점선은 최소값의 1 표준 오차 범위 내에서 가장 큰 λ 값(1 표준 오차 기준)을 나타낸다. 더 간결한 모델을 얻기 위해 후자를 선택하였다. 1 표준 오차 기준을 적용하여 0이 아닌 계수를 가진 4개의 예측 변수가 유지되었다: 신생아 출생 체중(계수 = 0.50), 임신 중 BMI 증가(계수 = 0.12), 산모 연령(계수 = 0.05), AOP(계수 = 0.03). 이 계수들은 선택된 λ 값에서의 최종 LASSO 모델에 따른 표준화된 페널티 계수를 나타낸다. 나머지 후보 변수인 HSD, HPD, 임신성 당뇨, 정신 상태, 자궁 무력증, 태아 위치는 계수가 0으로 수축되어 최종 예측 변수 세트에서 제외되었다. 유지된 변수들은 이후 다변량 로지스틱 회귀 모델에 입력되어 보정된 OR 및 해당 95% CI를 추정하는 데 사용되었다.
그림 2. 예측 변수 선택을 위한 최소 절대 수축 및 선택 연산자 (LASSO) 회귀 분석. (A) 최소 절대 수축 및 선택 연산자 (LASSO) 회귀 중에 생성된 계수 경로. x축은 정규화 매개변수의 로그값(log λ)을 나타내고, y축은 표준화된 회귀 계수를 나타낸다. 각 곡선은 정규화 페널티가 증가함에 따라 개별 예측 변수 계수가 0으로 점진적으로 수축되는 과정을 보여준다. 상단에 표시된 숫자는 각 λ 값에서 유지된 변수의 수를 나타낸다. 번호가 매겨진 계수 경로는 다음의 후보 예측 변수에 해당한다: (1) 산모 연령, (2) 임신 중 체질량 지수 (BMI) 증가, (3) 임신성 당뇨, (4) 신생아 출생 체중, (5) 정신 상태, (6) 자궁 무력증, (7) 태아 위치, (8) 진행 각도 (AOP), (9) 두정-치골 거리 (HSD), 및 (10) 두정-회음 거리 (HPD). (B) 최적의 정규화 매개변수를 결정하는 데 사용된 10겹 교차 검증 플롯. x축은 log(λ)를 나타내고, y축은 이항 편차를 나타낸다. 점은 평균 교차 검증 오차를 나타내며, 오차 막대는 ±1 표준 오차를 나타낸다. 왼쪽의 수직 점선은 교차 검증 오차를 최소화하는 λ 값을 나타내며, 오른쪽의 수직 점선은 최소값의 1 표준 오차 범위 내에서 가장 큰 λ 값을 나타낸다 (1-표준-오차 기준). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
다변량 로지스틱 회귀 분석 및 독립적 예측 변수
LASSO 회귀 모델을 통해 유지된 4가지 예측 변수인 산모 연령, 임신 중 BMI 증가량, 신생아 출생 체중 및 AOP를 다변량 로지스틱 회귀 모델에 입력하였습니다(표 5). 상호 보정을 거친 후 4가지 변수 모두 분만 2기 지연과 독립적인 연관성을 유지하였습니다(모두 p < 0.05). 재적합된 다변량 로지스틱 회귀 모델에서 신생아 출생 체중이 가장 큰 조정 오즈비(aOR = 8.45, 95% CI: 3.21–22.24)를 보였습니다. 임신 중 BMI 증가량 또한 분만 2기 지연과 독립적인 연관성이 있었습니다(aOR = 1.38, 95% CI: 1.15–1.66). 산모 연령(aOR = 1.18, 95% CI: 1.05–1.32)과 AOP(aOR = 1.07, 95% CI: 1.02–1.12) 역시 분만 2기 지연과 독립적인 연관성이 있었습니다. 가능도비 검정 결과, 다변량 로지스틱 회귀 모델은 통계적으로 유의미하였습니다(p < 0.001). 신생아 출생 체중은 분만 후에 측정되었으므로, 본 모델은 탐색적 단계이며 임상 적용을 위해서는 추정 태아 체중을 사용하여 모델을 재적합해야 합니다.
| 변수 | β | 표준 오차 (Standard Error) | Wald $\chi^2$² | P 값 | 조정 오즈비 (adjusted Odds Ratio) | 95% 신뢰구간 |
| 절편 | −15.92 | 3.01 | 27.98 | <0.001 | — | — |
| 산모 연령 (세) | 0.16 | 0.06 | 7.11 | 0.008 | 1.18 | 1.05–1.32 |
| 임신 중 BMI 증가량 (kg/m²²) | 0.32 | 0.09 | 12.65 | <0.001 | 1.38 | 1.15–1.66 |
| 신생아 출생 체중(kg) | 4.26 | 0.9 | 22.41 | <0.001 | 8.45 | 3.21–22.24 |
| AOP (°) | 0.07 | 0.02 | 10.76 | 0.001 | 1.07 | 1.02–1.12 |
표 5: 분만 2기 지연의 독립적 예측 인자를 식별하기 위한 다변량 로지스틱 회귀 분석. 이 표는 최소 절대 수축 및 선택 연산자(LASSO) 회귀 분석으로 선택된 변수를 사용하여 구축한 다변량 로지스틱 회귀 모델의 결과를 나타냅니다. β: 회귀 계수; SE: 표준 오차; Wald χ2: Wald 카이제곱 통계량; aOR: 보정 오즈비; CI: 신뢰 구간; BMI: 체질량 지수; AOP: 진행 각도. 절편은 모델 상수를 나타냅니다. 전체 모델의 유의성은 가능도비 검정(χ2 = 85.34, P <0.001)을 사용하여 평가되었습니다.
예측 모델 구축 및 노모그램
다변량 로지스틱 회귀 분석(표 5)을 통해 확인된 독립 예측 인자와 회귀 계수를 기반으로, 초산부의 2기 분만 지연 확률을 추정하기 위한 환자 맞춤형 예측 모델을 구축하였습니다. 모델식은 다음과 같습니다:
Logit(P) = —15.92 + 0.16 ( 산모 연령 ) +. 0.32 ( 임신 중 BMI 증가량 ) + 4.26 ( 신생아 출생 체중 ) + 0.07( AOP )
여기서 P는 분만 2기 지연의 예측 확률을 나타냅니다.
모델의 시각화를 용이하게 하기 위해, 회귀 방정식을 노모그램(그림 3)으로 제시하였습니다. 각 예측 변수는 개별 점수 척도에 대응합니다. 예를 들어, 산모 연령 28세, 임신 중 BMI 증가량 12 kg/m2, 신생아 출생 체중(분만 후 측정된 실제 출생 체중) 3.6 kg, AOP 115°인 산모의 경우, 각 값을 해당 축에서 찾아 'Points' 축으로 수직 투영하여 개별 점수를 구하고, 이 점수들을 합산하여 'Total Points'를 얻은 뒤, 총점을 'Risk of Prolonged Second Stage' 축으로 아래로 투영하여 예측 확률을 추정할 수 있습니다. 이 노모그램은 실제 신생아 출생 체중을 포함하고 있으므로 예시 목적으로만 제시되었습니다. 실제 임상 적용을 위해서는 추정 태아 체중을 사용하여 모델을 재적합시켜야 합니다.
그림 3. 분만 2기 지연 가능성을 예측하기 위한 노모그램. 노모그램은 산모 연령, 임신 중 BMI 증가량, 신생아 출생 체중(분만 후 측정된 실제 체중), AOP의 네 가지 예측 변수를 이용한 다변량 로지스틱 회귀 모델을 기반으로 구축되었습니다. 분만 2기 지연의 예측 확률을 추정하려면, 각 예측 변수의 값을 해당 축에서 찾아 ‘Points’ 축으로 수직 투영하여 할당된 점수를 결정합니다. 개별 점수들을 모두 합산하여 ‘Total Points’를 구한 다음, 이 총점을 ‘Risk’ 축으로 투영하여 분만 2기 지연의 예측 확률을 추정합니다. 이 노모그램은 분만 전에는 알 수 없는 실제 신생아 출생 체중을 포함하고 있으므로 예시 목적으로만 제시되었습니다. 임상에 적용하기 위해서는 EFW를 사용하여 모델을 재적합시켜야 합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
모델 검증: 판별력, 보정 및 임상적 유용성
모델의 예측 성능은 판별력, 보정 및 임상적 유용성 측면에서 내부적으로 평가되었습니다. 모델 판별력은 ROC 곡선을 사용하여 평가되었습니다(그림 4). 모델의 AUC는 0.927(95% CI: 0.879–0.961)로 나타나 매우 우수한 판별력을 보였습니다. 최대 Youden 지수를 적용한 최적 확률 컷오프 값은 0.48이었습니다. 이 임계값에서 모델은 85.9%의 민감도와 84.2%의 특이도를 나타냈습니다(표 6).
그림 4예측 모델의 성능을 평가하는 수신자 조작 특성(ROC) 곡선. 수신자 조작 특성(ROC) 곡선은 정상 분만 2기와 지연된 분만 2기를 구별하는 예측 모델의 능력을 보여준다. 파란색 곡선은 예측 모델을 나타내며, 곡선 아래 면적(AUC)은 0.927(95% 신뢰구간 [CI]: 0.879~0.961)이다. 최적 확률 컷오프 값은 0.48이며, 이는 민감도 85.9% 및 특이도 84.2%에 해당한다. 회색 점선 대각선은 무작위 분류(AUC = 0.500)를 나타낸다. x축은 1 − 특이도(위양성률 [FPR])를, y축은 민감도(진양성률 [TPR])를 나타낸다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
| 매개변수 | 값 | 95% 신뢰구간 |
| 곡선하 면적(AUC) | 0.927 | 0.879–0.961 |
| 최적 절단값 | 0.480 | — |
| 민감도 | 85.90% | 75.0%–93.4% |
| 특이성 | 84.20% | 75.3%–90.9% |
| 양성 예측도 | 78.60% | 67.5%–87.3% |
| 음성 예측도 | 89.80% | 81.9%–95.0% |
| 정확도 | 84.90% | 78.3%–90.1% |
표 6: 최적 확률 컷오프에서의 예측 모델 성능. 다변량 로지스틱 회귀 모델의 예측 성능은 수신자 조작 특성(ROC) 곡선 아래 면적(AUC)을 사용하여 평가되었습니다. Youden 지수를 최대화하여 0.48의 최적 확률 컷오프를 결정했습니다. 민감도는 진양성 사례를 정확하게 식별한 비율을 나타내고, 특이도는 진음성 사례를 정확하게 식별한 비율을 나타내며, 양성 예측도(PPV)는 양성으로 분류된 대상자가 실제로 분만 2기 지연을 겪었을 확률을 나타내고, 음성 예측도(NPV)는 음성으로 분류된 대상자가 실제로 분만 2기 지연을 겪지 않았을 확률을 나타냅니다. CI, 신뢰 구간.
모델 보정은 1,000회의 재표본 추출을 통해 생성된 부트스트랩 보정 곡선과 Hosmer–Lemeshow 적합도 검사를 사용하여 평가되었습니다(그림 5A). 보정 곡선은 이상적인 기준선을 밀접하게 따랐으며, 이는 예측 확률과 관찰된 확률 사이에 높은 일치도가 있음을 나타냅니다. Hosmer–Lemeshow 적합도 검사 결과는 통계적으로 유의하지 않았으며(χ2 = 6.15, p = 0.630), 이는 내부적으로 검증된 본 모델의 보정 상태가 적절함을 보여줍니다. 임상적 유용성은 DCA를 통해 평가되었습니다(그림 5B). 약 10%–70%의 임계 확률 범위 내에서, 예측 모델은 '모두 치료' 또는 '모두 치료하지 않음' 전략보다 더 큰 순이익(net benefit)을 제공했습니다. 임계 확률이 약 10% 미만일 때는 '모두 치료하지 않음' 전략이 더 큰 순이익을 제공한 반면, 임계 확률이 약 70% 이상일 때는 '모두 치료' 전략의 성능이 비슷하거나 더 우수했습니다. 이러한 결과는 본 모델이 중간 범위의 임계 확률 내에서 임상적 이점을 제공할 수 있음을 시사합니다. 종합적으로, 예측 모델은 내부 검증 과정에서 우수한 판별력, 적절한 보정 및 양호한 임상적 유용성을 입증했습니다. 다만, 검증이 연구 데이터셋에 국한되었고 모델에 실제 신생아 출생 체중이 포함되었으므로, 실제 임상 적용 전에는 추정 태아 체중을 이용한 외부 검증 및 모델 재조정(refitting)이 필요합니다.
그림 5예측 모델의 보정 및 결정 곡선 분석. (A) 1,000회의 부트스트랩 재표본 추출을 통해 생성된 예측 모델의 보정 곡선. 외견적 곡선(apparent curve)은 연구 데이터셋에서의 모델 성능을 나타내고, 편향 보정 곡선(bias-corrected curve)은 부트스트랩으로 조정된 보정 상태를 나타내며, 대각선 점선은 예측 확률과 관찰 확률 사이의 이상적인 일치도를 나타낸다. Hosmer–Lemeshow 적합도 검정 결과 χ2 = 6.15 및 p = 0.630. (B) 다양한 임계 확률 범위에서 예측 모델의 임상적 유용성을 평가하는 결정 곡선 분석(DCA)이다. 녹색 곡선은 예측 모델을, 주황색 선은 모든 환자 치료(treat-all) 전략을, 파란색 선은 치료하지 않음(treat-none) 전략을 나타낸다. 음영 영역은 본 연구에서 평가한 10%–70%의 임계 확률 범위를 나타내며, 수직 점선은 하한(10%) 및 상한(70%) 임계치를 표시한다. x축은 임계 확률을, y축은 순이익(net benefit)을 나타낸다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.
데이터 가용성:
본 연구의 결과를 뒷받침하는 비식별 처리된 참여자 수준 데이터셋은 보충 표 1(Supplementary Table 1)에 제공됩니다. 이 데이터셋에는 모든 통계 분석, 모델 개발, 내부 검증 및 보고된 표와 그림 작성에 사용된 원시 데이터가 포함되어 있습니다.
보충 그림 1. 예측 모델의 개발 및 내부 검증을 위한 전체 연구 워크플로. 이 워크플로는 대상자 모집 및 적격성 평가, 분만 1기 활성기 동안의 임산부 임상 특성 및 분만 중 초음파 측정값 획득, 세계보건기구(WHO)의 120분 기준에 따른 정상 및 지연된 분만 2기 그룹 분류, 최소 절대 수축 및 선택 연산자(LASSO) 회귀를 이용한 예측 변수 선택, 다변량 로지스틱 회귀 모델 및 노모그램 구축, 그리고 수신자 조작 특성(ROC) 분석, 보정 분석 및 결정 곡선 분석(DCA)을 이용한 내부 모델 평가 과정을 보여줍니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.
보충 표 1. 모델 개발 및 내부 검증에 사용된 참여자 수준 데이터 세트. 이 표는 예측 모델의 개발 및 내부 검증을 포함한 모든 통계 분석에 사용된 비식별 처리된 참여자 수준 데이터를 포함합니다. 변수에는 분만 2기의 결과, 분만 2기 소요 시간, 신생아 결과, 산모의 인구통계학적 및 임상적 특성, 그리고 분만 1기에 측정된 경복부 및 회음부 초음파 측정값이 포함됩니다. Body mass index (BMI) = 체질량 지수; occiput anterior (OA) = 태아 후두전위; angle of progression (AOP) = 진행각; head–symphysis distance (HSD) = 머리-치골결합 거리; head–perineum distance (HPD) = 머리-회음 거리. 이 파일을 다운로드하려면 여기를 클릭하십시오.
토론
산과적 관리의 지속적인 개선으로 인해 분만 2기의 지연은 모체 및 신생아 결과에 영향을 미치는 점점 더 중요한 요인이 되고 있습니다. 기존 연구들에 따르면 분만 2기 지연은 분만 복잡성 증가, 제왕절개 분만율 상승, 그리고 신생아 Apgar 점수 저하와 관련이 있는 것으로 나타났습니다1,2. 이러한 결과는 주산기 관리의 최적화와 분만 2기 지연 위험이 높은 임산부를 조기에 식별하기 위한 전략 구현의 임상적 중요성을 강조합니다. 본 연구에서는 인구통계학적 특성, 임상적 특징 및 초음파 매개변수를 사용하여 분만 2기 지연 예측 모델을 개발하고 내부적으로 검증하였으며, 그 잠재적인 임상적 유용성을 평가하였습니다. 결과적으로 최종 다변량 모델에서 산모의 연령, 임신 중 BMI 증가, 신생아 출생 체중 및 AOP가 분만 2기 지연과 독립적으로 연관된 것으로 나타났으며, 임신성 당뇨, 자궁 무력증 및 의식 상태 변화는 단변량 분석에서는 분만 2기 지연과 관련이 있었으나 최종 예측 모델에는 포함되지 않았습니다. 인구통계학적, 임상적 및 초음파 데이터를 다차원 예측 모델로 통합함으로써, 본 연구는 분만 1기 동안 분만 2기 지연 위험이 높은 임산부를 식별하기 위한 객관적인 프레임워크를 제공합니다. 이러한 조기 위험 층화는 분만 진행에 대한 보다 세밀한 모니터링과 적시의 임상적 의사결정을 포함한 개별화된 분만 중 관리를 용이하게 하여, 궁극적으로 모체 및 신생아 결과를 개선하는 것을 목표로 합니다.
본 연구 결과, 분만 2기의 지연은 불량한 태아 예후와 강한 연관성이 있는 것으로 나타났습니다. 이전 보고들과 일치하게, 분만 2기의 지연은 낮은 Apgar 점수 및 태아 가사(fetal distress)의 위험을 유의하게 증가시켰습니다3,8. 기전적으로 이러한 연관성은 지연된 분만 중 발생하는 태아 저산소증 및 자궁 내 스트레스 증가에 기인할 수 있습니다. 태아의 머리가 산모의 골반 내에서 장시간 압박된 상태로 머물면 태반 관류가 불충분해질 수 있으며, 이는 산소 결핍과 비정상적인 태아 심박수 패턴으로 이어져 신생아의 초기 상태를 악화시킬 수 있습니다9. 인구통계학적 관점에서 본 연구는 고령 임신, 임신 중 BMI의 큰 증가, 그리고 임신성 당뇨가 분만 2기 지연과 연관이 있음을 보여주었습니다. 특히, 이전 연구와 일치하게 고령 산모일수록 분만 지연의 위험이 더 높았습니다10. 생리학적으로 산모의 연령 증가는 자궁경부 숙성 및 자궁 수축력을 저하시켜 분만 진행을 지연시킬 수 있습니다. 임신 중 BMI의 큰 증가와 임신성 당뇨는 태아의 크기를 키우고 자궁 수축 패턴을 변화시킴으로써 분만 진행에 추가적인 영향을 미칠 수 있습니다. 또한, 단변량 분석에서 자궁 무력증(uterine inertia)과 변화된 정신 상태가 분만 2기 지연과 유의하게 연관된 것으로 나타났습니다. 이러한 결과는 자궁 수축력과 산모의 심리적 안정을 주의 깊게 모니터링하는 것이 중요하다는 점을 강조하는데, 이는 두 요인 모두 자궁 수축의 리듬과 강도에 영향을 주어 간접적으로 분만 지연에 기여할 수 있기 때문입니다. 초음파 파라미터 또한 분만 2기 지연을 예측하는 데 중요한 역할을 합니다11,12,13,14. 본 연구의 다변량 로지스틱 회귀 분석 결과, AOP가 분만 2기 지연의 독립적인 예측 인자로 확인되었습니다 (p < 0.05). HSD와 HPD는 단변량 분석에서 분만 2기 지연과 유의한 연관성을 보였으나, LASSO 변수 선택 후 최종 예측 모델에는 포함되지 않았습니다. HSD의 증가는 태아의 머리가 골반 입구 내의 더 높은 위치에 머물러 있음을 의미하며, 이는 하강 장애와 분만 2기 지연 가능성의 증가를 시사합니다15,16,17. AOP는 태아 머리의 하강과 회전을 모두 반영하므로 분만 진행과 직접적인 관계가 있습니다6,18. 복부 초음파로 결정된 태아 위치는 최종 예측 모델에 포함되지 않았으나, 복부 초음파는 분만 중 정밀한 평가가 필요한 태아의 이상 위치(예: 후두후방위 또는 횡위)를 식별하는 데 여전히 임상적으로 유용합니다. 종합적으로, 이러한 결과는 분만 중 초음파가 태아의 위치와 머리 하강에 대한 객관적인 정보를 제공하여 분만 2기 지연 위험이 높은 여성의 조기 평가에 도움을 줄 수 있음을 시사합니다. 본 연구는 인구통계학적 특성과 초음파 파라미터를 통합하여 내부적으로 검증된 예측 모델을 개발했습니다. LASSO 회귀 분석을 통해 0이 아닌 계수를 가진 4가지 변수(산모 연령, 임신 중 BMI 증가, 신생아 출생 체중, AOP)를 식별하였으며, 이를 다변량 로지스틱 회귀 모델에 입력하여 조정된 효과 크기를 추정했습니다. 모델 선택을 위한 1-표준오차(one-standard-error) 기준을 사용한 결과, 내부 검증에서 AUC 0.927을 달성하여 우수한 판별 성능을 보였습니다. 다만, 이 모델은 분만 후 측정된 실제 신생아 출생 체중을 포함하고 있으므로, 임상 현장에 직접 적용하기보다는 탐색적이고 예시적인 모델로 간주해야 합니다. 향후 임상 적용을 위해서는 추정 태아 체중을 사용한 모델 재적합과 독립적인 외부 검증이 필요할 것입니다. 이러한 제한점 내에서, 인구통계학적 특성과 초음파 파라미터를 통합하는 것은 보다 조기에 위험도를 층화하고 개별화된 분만 관리 전략을 수립하는 데 기여할 수 있습니다19,20,21,22.
이전 연구들과 비교하여, 본 연구는 몇 가지 중요한 강점을 가지고 있다. 첫째, 인구통계학적 특성, 임상 변수 및 초음파 파라미터를 통합함으로써 분만 2기 지연과 관련된 요인들에 대한 다차원적 평가가 가능했다. 둘째, 변수 선택 및 계수 축소를 위해 LASSO 회귀 분석을 사용하여, 상관관계가 있는 예측 변수가 존재할 때 다중공선성을 관리하고 모델의 안정성을 높일 수 있었다. 셋째, 표본 크기가 모델 개발 및 내부 검증을 위한 충분한 통계적 검정력을 제공했다. 이러한 강점에도 불구하고 몇 가지 한계점을 인정해야 한다. 첫째, 본 연구는 단일 센터 전향적 연구였으며, 최종적으로 질식 분만에 성공한 여성들만 포함되었다. 결과적으로 분만 2기 중 기구 분만이나 제왕절개를 시행한 여성들은 제외되었으며, 이는 선택 편향을 유발하고 연구 결과의 일반화 가능성을 제한한다. 또한, 결과 정의에서 분만 지연 여성의 경쟁 결과로서 기구 분만을 고려하지 않았다. 따라서 임상 적용에 앞서 독립적인 다기관 전향적 코호트에서의 외부 검증이 필요하다. 둘째, ROC 분석, 보정(calibration) 및 DCA를 포함한 모든 모델 성능 평가는 동일한 연구 집단을 이용한 내부 검증을 기반으로 했으며, 독립적인 외부 검증 코호트를 확보하지 못했다. 셋째, 무통 분만(epidural analgesia), 옥시토신 촉진 및 인공 양막 파열 여부를 기록했으나, 이러한 변수들은 최종 예측 모델에 포함되지 않았다. 자궁 수축 특성, 분만 관리 전략, 산모의 통증 점수를 포함하여 잠재적으로 중요한 다른 요인들 또한 분만 진행에 영향을 미칠 수 있으므로 향후 연구에서 평가되어야 한다. 넷째, 표준화된 교육과 높은 관찰자 간 재현성에도 불구하고 일부 초음파 측정치는 여전히 측정자 의존적이며, 분만 1기 활성기에 얻은 단 한 번의 평가 결과만 분석되었다. 분만은 동적인 과정이므로, 서로 다른 수축 시기에 얻은 세 번의 측정값을 평균 내면 무작위 측정 오차를 줄일 수 있으나, 태아 하강의 급격한 변화를 가릴 수도 있다. 시간에 따른 AOP 변화와 같이 시계열 초음파 평가를 포함하는 향후 연구는 예측 성능을 향상시킬 수 있을 것이다23,24. 마지막으로, 본 예측 모델은 분만 2기 지연과의 생리학적 연관성을 규명하기 위해 분만 후 측정한 실제 신생아 출생 체중을 사용하여 개발되었다. 따라서 이 모델은 탐색적인 것으로 간주해야 하며, 분만 중 임상 예측에 직접 적용할 수 없다. 임상 구현을 위해서는 현재의 방정식에 단순 대입하는 것이 아니라, 분만 전 추정 태아 체중을 사용하여 모델을 재개발하고 외부 검증을 거쳐야 한다. 추정 태아 체중은 내재적인 측정 오차(통상 ±10%–15%)가 발생하므로, 임상 사용 전에 독립적인 코호트에서 모델 계수와 성능을 재추정해야 한다. 또한, 본 연구에서 자궁 무력증은 ACOG 또는 NICE에서 권장하는 분만 정지 진단 기준이 아니라 관찰된 수축 빈도와 지속 시간에 따라 정의되었으며, 이는 다른 연구들과의 직접적인 비교를 제한할 수 있다. 마지막으로, 무통 분만을 시행하는 여성에게 허용될 수 있는 더 긴 시간을 고려하지 않고 분만 2기 지연을 정의하기 위해 120-min이라는 고정된 임계값을 사용한 점이 모델의 일반화 가능성을 더욱 제한할 수 있다.
향후 연구에서는 본 연구에서 검토한 가설을 조사하기 위한 대안적인 접근 방식들을 탐색해야 합니다. 첫째, 본 연구에서는 분만 활성기의 시작 시점에 단 한 번의 초음파 평가를 실시하였으나, 최근 연구들23,24에서 제안한 바와 같이, 연속적인 측정(예: 시간에 따른 AOP 또는 태아 머리 진행 거리의 변화)이 태아 하강의 역동적인 과정을 더 잘 포착하여 예측 성능을 향상시킬 수 있습니다. 둘째, LASSO 회귀와 다변량 로지스틱 회귀의 조합으로 간결하고 해석 가능한 모델을 도출하였으나, 랜덤 포레스트, 서포트 벡터 머신, 그래디언트 부스팅을 포함한 다른 머신러닝 접근 방식들은 해석력이 다소 떨어질 수 있음에도 불구하고 예측 변수들 사이의 비선형 관계와 복잡한 상호작용을 더 잘 포착할 수 있습니다. 셋째, 무통 분만(경막외 마취)을 받는 여성에게 더 긴 기준 시간을 적용하는 등 임상 지침마다 분만 2기 지연의 정의가 다르기 때문에, 다른 결과 정의에 따른 모델의 재보정 연구가 이루어져야 합니다. 넷째, 향후 모델은 실제 신생아 출생 체중이 아닌 추정 태아 체중을 사용하여 개발되어야 하며, 3차원 초음파 기술을 포함한 대안적인 태아 체중 추정 초음파 방법들이 측정 오차를 줄이는 데 도움이 될 수 있습니다. 마지막으로, 자궁 수축 강도나 자동 태아 심박동 및 자궁 수축 검사(cardiotocography) 분석과 같은 지속적인 분만 중 모니터링 데이터를 통합하면 위험 계층화를 더욱 개선할 수 있을 것입니다. 이러한 접근 방식들에 대한 비교 평가를 통해 분만 2기 지연을 예측하기 위한 최적의 전략을 식별할 수 있을 것입니다.
본 연구의 추가적인 제한점은 분만 2기의 지속 시간을 정확하게 측정하기 위해 질식 분만에 성공한 여성만을 포함했다는 점입니다. 결과적으로, 분만 2기가 지연된 후 기구 분만이나 제왕절개술을 받은 여성들은 연구의 지연 분만 정의에는 부합함에도 불구하고 제외되었습니다. 이러한 선택 기준은 지연된 분만 2기의 실제 발생률을 과소평가하게 하고 결과 확인 편향(outcome ascertainment bias)을 유발했을 수 있습니다. 또한, 분만 2기가 완료되기 전의 기구 분만은 단순한 비사건(non-event)이 아니라 경쟁 위험 결과(competing outcome)에 해당하므로 예측 모델에 포함되지 않았습니다. 따라서 본 모델은 최종적으로 질식 분만에 성공한 여성들 사이에서만 분만 2기 지연 확률을 추정하며, 기구 분만의 필요성을 예측하는 데 사용되어서는 안 됩니다. 모델의 일반화 가능성과 임상적 적용 가능성을 결정하기 위해서는 기구 분만이 포함된 더 광범위하고 선택되지 않은 산과적 인구 집단에서의 외부 검증이 필요할 것입니다. 질식 분만에 성공한 여성으로 제한된 코호트 내에서도 분만 2기 지연과 태아 가사 및 낮은 Apgar 점수를 포함한 부정적 결과 사이의 연관성이 관찰된 것은 조기 위험 평가의 중요성을 강조합니다. 본 코호트의 높은 질식 분만율은 연구 포함 기준을 반영하는 것이며, 이를 일상적인 임상 실무에서 기구 개입이 불필요했다는 의미로 해석해서는 안 됩니다.
이 예측 모델은 여러 잠재적 응용 분야를 가지고 있습니다. 추정 태아 체중을 이용한 모델 재개발과 독립적인 외부 검증을 거친 후, 이를 전자 건강 기록 시스템에 통합하면 활동기 1기 동안 개인의 분만 2기 지연 위험도를 추정할 수 있어, 위험도가 높은 임산부를 실시간으로 식별하는 데 도움이 될 수 있습니다. 본 연구에서 확인된 최적의 확률 컷오프 값(0.48)을 사용하면, 산모 및 태아에 대한 더욱 면밀한 모니터링과 적시의 임상적 의사결정을 포함하여 개별화된 분만 중 관리를 지원하는 데 도움이 될 수 있습니다. 또한, 이 모델은 기저 위험도의 보다 균형 잡힌 할당을 가능하게 함으로써, 분만 관리 전략, 경막외 마취 프로토콜 또는 자궁 수축 촉진제를 평가하는 향후 중재 연구에서 위험 계층화를 용이하게 할 수 있습니다. 필요한 입력 변수들이 임상 진료 중에 일상적으로 수집되므로, 이 모델은 경산부 및 유도 분만 대상자를 포함한 다른 산과 인구 집단에 대한 향후 외부 검증 및 적용을 위한 실용적인 프레임워크를 제공할 수 있습니다. 요약하면, 1기 복부 및 회음부 초음파 파라미터를 산모의 인구통계학적 및 임상적 특성과 통합함으로써 분만 2기 지연에 대해 내부 검증된 예측 모델을 개발할 수 있었습니다. 다차원적 평가 결과, 산모의 연령, 임신 중 BMI 증가량, 신생아 출생 체중 및 AOP가 분만 2기 지연과 독립적으로 연관되어 있음이 입증되었으며, 내부 검증 과정에서 모델이 우수한 판별력과 양호한 보정력을 달성했음을 보여주었습니다. 이러한 결과는 분만 중 조기 위험 평가를 위한 이 접근법의 잠재적 가치를 뒷받침하지만, 실제 신생아 출생 체중을 포함하고 내부 검증만 수행되었으므로 이 모델은 탐색적인 단계로 간주되어야 합니다. 임상 적용에 앞서, 이 모델은 추정 태아 체중을 사용하여 재개발되어야 하며 독립적인 다기관 코호트에서 외부 검증을 거쳐야 합니다. 향후 연구에서는 개별화된 분만 관리를 위한 보다 포괄적이고 일반화 가능한 예측 모델을 개발하기 위해 자궁 수축 특성, 통증 관리 변수 및 분만 중 중재를 포함한 추가 예측 인자의 통합 가능성을 조사해야 합니다.
공개 사항
이해관계 상충:
저자들은 본 연구와 관련하여 경쟁 관계에 있는 재정적 또는 비재정적 이해관계가 없음을 밝힙니다.
감사의 글
저자들은 연구 대상자 모집과 데이터 수집에 도움을 준 Yuyao Maternal and Child Health Hospital(Yuyao Second People’s Hospital) 산부인과 간호 및 의료진에게 감사드립니다. 본 연구는 2024 Yuyao Municipal Health Science and Technology Program(Grant No. 2024YYB03)의 지원을 받아 수행되었습니다.
재료
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| 휴대용 진단 초음파 시스템 | Mindray | CAU-01040644 | 복부 및 회음부 영상 촬영에 사용되는 휴대용 진단 초음파 시스템; 영상 설정은 프로토콜 참조 |
| 볼록형 초음파 프로브 (2–5 MHz) | Mindray | C5-2 | 복부 초음파 영상 촬영에 사용 |
| 고주파 선형 또는 소형 볼록형 초음파 프로브 (5–8 MHz) | Mindray | 75L38EA | 회음부 초음파 영상 촬영에 사용 |
| R 소프트웨어 | R Foundation for Statistical Computing | Version 4.1.0 | 통계 계산 소프트웨어 (RRID:SCR_001905) |
| SPSS 소프트웨어 | IBM Corp. | Version 26.0 | 통계 분석 소프트웨어 (RRID:SCR_002865) |
| 자가 평가 불안 척도 | 출판된 설문지 (Zung Self-Rating Anxiety Scale) | 해당 없음 | 입원 시 사용되는 불안 평가 설문지 |
참고문헌
- American College of Obstetricians and Gynecologists, Society for Maternal-Fetal Medicine. Obstetric Care Consensus No. 1: Safe prevention of the primary cesarean delivery. Obstet Gynecol. 2014;123(3):693-711. doi:10.1097/01.AOG.0000444441.04111.1d.
- World Health Organization. WHO Guidelines Approved by the Guidelines Review Committee. World Health Organization; Geneva; 2015.
- Miyamoto K, et al. Prolonged second stage of labor in delivery using epidural analgesia is a risk factor for postpartum urinary retention. J Obstet Gynaecol Res. 2024;50(3):424-429. doi:10.1111/jog.15867.
- Kahrs BH. Ultrasound before operative vaginal delivery: Why and how. Minerva Obstet Gynecol. 2021;73(1):67-73. doi:10.23736/S2724-606X.20.04667-5.
- Yano E, et al. Anatomical identification of ischial spines applicable to intrapartum transperineal ultrasound based on magnetic resonance imaging of pregnant women. J Matern Fetal Neonatal Med. 2022;35(25):9736-9741. doi:10.1080/14767058.2022.2051007.
- Kahrs BH, Eggebø TM. Intrapartum ultrasound in women with prolonged first stage of labor. Am J Obstet Gynecol MFM. 2021;3(6):100427. doi:10.1016/j.ajogmf.2021.100427.
- Lee NMW, et al. Implementation of sonopartogram: Multicenter feasibility study. Ultrasound Obstet Gynecol. 2024;64(2):214-221. doi:10.1002/uog.27634.
- Saucedo AM, et al. First and second stage risk factors associated with perineal lacerations. Matern Child Health J. 2024;28(7):1228-1233. doi:10.1007/s10995-024-03919-1.
- Zhang M, et al. Risk factors for episiotomy during vaginal childbirth: A retrospective cohort study in Western China. J Evid Based Med. 2018;11(4):233-241. doi:10.1111/jebm.12316.
- Friedman EA, Cohen WR. The active phase of labor. Am J Obstet Gynecol. 2023;228(5 Suppl):S1037-S1049. doi:10.1016/j.ajog.2021.12.269.
- Kalache KD, et al. Transperineal ultrasound imaging in prolonged second stage of labor with occipitoanterior presenting fetuses: How well does the angle of progression predict the mode of delivery? Ultrasound Obstet Gynecol. 2009;33(3):326-330. doi:10.1002/uog.6294.
- Chan YT, et al. Relationship between intrapartum transperineal ultrasound measurement of angle of progression and head-perineum distance with correlation to conventional clinical parameters of labor progress and time to delivery. J Matern Fetal Neonatal Med. 2015;28(12):1476-1481. doi:10.3109/14767058.2014.958459.
- Chor CM, et al. Prediction of labor outcome using serial transperineal ultrasound in the first stage of labor. J Matern Fetal Neonatal Med. 2019;32(1):31-37. doi:10.1080/14767058.2017.1369946.
- Maged AM, et al. Measurement of the fetal occiput-spine angle during the first stage of labor as predictor of the progress and outcome of labor. J Matern Fetal Neonatal Med. 2019;32(14):2332-2337. doi:10.1080/14767058.2018.1432589.
- Gimovsky AC, Berghella V. Evidence-based labor management: Second stage of labor (part 4). Am J Obstet Gynecol MFM. 2022;4(3):100548. doi:10.1016/j.ajogmf.2021.100548.
- Barak O, et al. The routine use of intrapartum ultrasound in clinical decision-making during the second stage of labor: Does it have any impact on delivery outcomes? Gynecol Obstet Invest. 2018;83(1):9-14. doi:10.1159/000455847.
- Beck R, et al. Intrapartum sonography of fetal head in second stage of labor with neuraxial analgesia: A literature review and possible medicolegal aftermath. Eur Rev Med Pharmacol Sci. 2019;23(8):3159-3166. doi:10.26355/eurrev_201904_17673.
- Li N, et al. Risk factors and clinical prediction of shoulder dystocia in non-macrosomia. Zhonghua Fu Chan Ke Za Zhi. 2015;50(1):17-21. doi:10.3760/cma.j.issn.0529-567X.2015.01.005.
- Carvalho Neto RH, et al. Assessment of the angle of progression and distance perineum-head in the prediction of type of delivery and duration of labor using intrapartum ultrasonography. J Matern Fetal Neonatal Med. 2021;34(14):2340-2348. doi:10.1080/14767058.2019.1666818.
- Haberman S, et al. A novel partogram for stages 1 and 2 of labor based on fetal head station measured by ultrasound: A prospective multicenter cohort study. Am J Perinatol. 2021;38(S01):e14-e20. doi:10.1055/s-0040-1702989.
- Pan WL, et al. Accuracy of non-invasive methods for assessing the progress of labor in the first stage: A systematic review and meta-analysis. BMC Pregnancy Childbirth. 2022;22(1):608. doi:10.1186/s12884-022-04938-y.
- Ghi T, Dall'Asta A. Sonographic evaluation of the fetal head position and attitude during labor. Am J Obstet Gynecol. 2024;230(3 Suppl):S890-S900. doi:10.1016/j.ajog.2022.06.003.
- Nassr AA, et al. Intrapartum ultrasound measurement of angle of progression at the onset of the second stage of labor for prediction of spontaneous vaginal delivery in term singleton pregnancies: A systematic review and meta-analysis. Am J Obstet Gynecol. 2022;226(2):205-214. https://doi.org/10.1016/j.ajog.2021.07.031.
- Hans R, Reddy D, Shetty J. Serial intrapartum ultrasound to predict vaginal delivery using angle of progression and head-progression distance in term nulliparous women. Eur J Obstet Gynecol Reprod Biol. 2025;293:18-23.