Разработка и внутренняя валидация прогностической модели длительного второго периода родов на основе данных первого периода: проспективное обсервационное исследование

Yinchun Shi; Aqing Zhou; Hongyu Cai; Wubin Gong; Chunyue Jiao

Исследовательская статья

Разработка и внутренняя валидация прогностической модели длительного второго периода родов на основе данных первого периода: проспективное обсервационное исследование

22 просмотров

⸱

11 сентября 2026 г.

Yinchun Shi^*¹^,² , Aqing Zhou^*³ , Hongyu Cai¹^,² , Wubin Gong¹^,² , Chunyue Jiao¹^,²

¹Special Examination Department, Yuyao Maternity and Child Health Care Hospital, ²Yuyao Second People's Hospital, ³Obstetrics Department, Yuyao People's Hospital

^* These authors contributed equally

В этой статье

Краткое содержание

В данном проспективном обсервационном исследовании описывается разработка и внутренняя валидация прогностической модели, использующей параметры трансабдоминального и трансперинеального ультразвукового исследования первого этапа в сочетании с клиническими характеристиками матери для облегчения раннего выявления женщин с риском затяжного второго периода родов.

Аннотация

Затяжной второй период родов ассоциируется с неблагоприятными исходами для матери и новорожденного, что делает раннее выявление рисков клинически значимым. В данном исследовании оценивалось, может ли сочетание параметров трансабдоминального и трансперинеального ультразвукового исследования, полученных во время первого периода родов, предсказать затяжной второй период. В это проспективное обсервационное исследование были включены первородящие женщины, которым проводили трансабдоминальное и трансперинеальное УЗИ в активной фазе первого периода родов. Регистрировались положение плода, угол прогрессии (AOP), расстояние от головки до лобкового симфиза, расстояние от головки до промежности, а также клинические характеристики матери. Участницы были разделены на группы с нормальной продолжительностью второго периода (≤120 мин) и затяжным вторым периодом (>120 минут). Для выбора ключевых предикторов использовалась регрессия LASSO (метод наименьшего абсолютного сжатия и отбора), а для разработки модели с помощью многофакторной логистической регрессии были определены независимые предикторы. Прогностическая эффективность оценивалась с помощью анализа ROC-кривых, калибровки и анализа кривых решающего правила (DCA) в ходе внутренней валидации. В анализ были включены 159 первородящих (95 в группе с нормальной продолжительностью и 64 в группе с затяжным периодом). По сравнению с группой с нормальной продолжительностью, в группе с затяжным периодом наблюдалась более высокая частота случаев дистресса плода (31,2% против 15,8%, p = 0,035) и низких баллов по шкале Апгар (70,3% против 36,8%, p < 0,01). Регрессия LASSO выявила четыре ключевых предиктора — возраст матери, прирост индекса массы тела при беременности, массу тела новорожденного и AOP, — все из которых остались независимыми предикторами (p < 0,05). Прогностическая модель достигла значения площади под ROC-кривой 0,927 и продемонстрировала хорошую дискриминационную способность, калибровку и клиническую полезность при внутренней валидации. Параметры УЗИ первого периода в сочетании с клиническими характеристиками матери могут способствовать раннему выявлению первородящих женщин из группы высокого риска и помочь в тактике ведения родов.

Введение

Затяжные роды долгое время являются серьезной проблемой в акушерской практике. В частности, увеличение продолжительности второго периода родов не только усиливает болевые ощущения у матери, но и способствует неблагоприятным исходам для новорожденных¹. Согласно последним рекомендациям Всемирной организации здравоохранения (ВОЗ), нормальная продолжительность второго периода родов составляет ≤120 min. Другими словами, второй период продолжительностью >120 min считается затяжным. Мировая частота затяжного второго периода родов оценивается в 3%–8%¹^,². Такая пролонгация повышает риски развития инфекций у матери, необходимости кесарева сечения, послеродового кровотечения, фетального дистресса, низких баллов по шкале Апгар и перинатальной смертности¹. Предыдущие исследования показали, что возраст матери, увеличение индекса массы тела (ИМТ) во время беременности и масса тела новорожденного при рождении связаны с затяжным вторым периодом родов, однако их прогностическая ценность остается ограниченной³. Следовательно, выявление более эффективных предикторов имеет огромное значение для обеспечения своевременного клинического вмешательства, оптимизации течения родов, снижения частоты затяжных родов и улучшения исходов для матери и новорожденного.

В последние годы ультразвуковая визуализация все чаще интегрируется в акушерскую помощь, особенно при ведении родов, поскольку она позволяет в режиме реального времени объективно оценить положение, ориентацию и продвижение плода³^,⁴. Данные свидетельствуют о том, что интрапартильное ультразвуковое исследование играет важную роль в прогнозировании прогрессирования родов, оценке состояния плода и принятии клинических решений относительно способа родоразрешения⁵. Тем не менее, в современной литературе сохраняются значительные пробелы. Во-первых, относительно немногие исследования были посвящены специально изучению ультразвуковых параметров для прогнозирования затяжного второго периода родов. Во-вторых, хотя положение головки плода, положение самого плода и их пространственное соотношение с тазом матери во время первого периода родов могут напрямую влиять на продолжительность второго периода⁶, исследования, оценивающие эти ультразвуковые параметры первого периода в связи с затягиванием второго периода, остаются ограниченными.

На этом фоне в данном проспективном обсервационном исследовании были собраны данные о родах в одном центре во время первого периода родов. Ультразвуковые параметры были получены с помощью трансабдоминального и транспромеального сканирования, включая расстояние от головки к симфизу (HSD), угол прогрессии (AOP) и расстояние от головки к промежности (HPD). В отличие от предыдущих ультразвуковых исследований, которые в основном были сосредоточены на прогнозировании непосредственных исходов родов или необходимости оперативного вмешательства во втором периоде родов, в настоящем исследовании специально изучалось раннее прогнозирование затяжного второго периода родов с использованием ультразвуковых параметров первого периода. Эти параметры были объединены с демографическими и клиническими характеристиками матери для оценки их прогностической ценности в отношении затяжного второго периода родов. Такой подход восполняет важный пробел в знаниях, поскольку ни в одном из предыдущих исследований многомерные данные ультразвукового исследования первого периода не были интегрированы с клиническими характеристиками матери в прогностическую модель затяжного второго периода. Соответственно, была разработана и внутренне валидирована прогностическая модель. Ожидается, что данное исследование предоставит клиницистам объективный инструмент для раннего выявления первородящих женщин с риском затяжного второго периода родов еще на этапе первого периода, что позволит обеспечить более индивидуализированное ведение родов и улучшить исходы для матери и новорожденного.

Протокол

Данное исследование было проведено в соответствии с Хельсинкской декларацией и одобрено Комитетом по этике больницы охраны здоровья матери и ребенка города Юяо (Вторая народная больница Юяо) (номер одобрения YMCH-EC-2023KT-0012). Все участники предоставили письменное информированное согласие.

Участники исследования
В исследование были включены первородящие женщины со спонтанным началом родов, успешно завершившимся вагинальным родоразрешением. Это позволило точно зафиксировать продолжительность второго периода родов, необходимую для построения прогностической модели. Критерии включения были следующими: (1) одноплодная беременность с гестационным возрастом ≥37 недель; (2) головное предлежание; (3) наличие информированного согласия как от участницы, так и от ее семьи. Критерии исключения включали следующее: (1) абсолютные противопоказания к пробным родам, выявленные в активной фазе (например, предлежание плаценты, предлежание сосудов, выпадание пуповины); и/или (2) вторичная инерция матки (определяемая как отсутствие прогресса в раскрытии шейки матки или продвижении плода в течение ≥4 h, несмотря на стимуляцию окситоцином или амниотомию). Женщины, проходившие процедуру индукции родов, также были исключены.

Стоит отметить, что женщинам, которым потребовалось экстренное хирургическое вмешательство (кесарево сечение или инструментальное родоразрешение) в связи с острым дистрессом плода во втором периоде родов, оказывали помощь в соответствии с клиническими рекомендациями, однако они не были включены в данный анализ для сохранения полноты записей о продолжительности родов.

Размер выборки был рассчитан на основе результатов предварительного исследования (n = 30, при котором частота пролонгации второй стадии составила 20%). При значении α = 0,05 и β = 0,20, исходя из предполагаемой частоты пролонгации второй стадии примерно 20%, для выявления значимого предиктора с отношением шансов (OR) ≥ 2,5 требовалось минимум 150 участников. В окончательный анализ было включено 159 женщин.

Сбор клинических данных
Переменные материнского организма включали возраст, прирост индекса массы тела (ИМТ) в период беременности (определяемый как разница между ИМТ до беременности и ИМТ перед родами), гестационный сахарный диабет, гестационную гипертензию, психическое состояние (оценивалось с помощью шкалы самооценки тревожности, где показатель ≥50 указывал на наличие тревожного состояния), инерцию матки (в частности, клинически подтвержденный гипотонический характер сокращений, определяемый как сокращения матки с интервалом >5 min или продолжительностью <30 s, что отличает данный термин от определения остановки родов по версии Американского колледжа акушеров и гинекологов [ACOG]) и паритет. Неонатальные переменные включали массу тела при рождении (kg), фетальный дистресс (определяемый как повторяющиеся поздние или вариабельные замедления на кардиотокографии или базовую частоту сердечных сокращений плода <110 beats/min или >160 beats/min) и оценку по шкале Апгар (при этом показатель <7 на 1-й минуте классифицировался как низкий).

Гестационный сахарный диабет диагностировали в соответствии с критериями Международной ассоциации по изучению диабета и беременности (глюкоза натощак 5,1–6,9 mmol/L или через 1 ч ≥10,0 mmol/L или через 2 ч 8,5–11,0 mmol/L при проведении перорального глюкозотолерантного теста с нагрузкой 75 g на 24–28 неделе беременности). Гестационную гипертензию определяли согласно рекомендациям ACOG (систолическое артериальное давление ≥140 mmHg или диастолическое артериальное давление ≥90 mmHg, измеренное дважды с интервалом ≥4 h после 20 недель гестации, при отсутствии протеинурии). Дистресс плода по данным кардиотокографии определяли как повторяющиеся поздние decelerations (≥50% сокращений), повторяющиеся вариабельные decelerations продолжительностью >60 s, пролонгированные decelerations продолжительностью 2–10 min или базовую частоту сердечных сокращений плода <110 или >160 beats/min в течение ≥10 min (критерии Национального института здравоохранения и совершенствования медицинской помощи [NICE]). Инерцию матки (гипотонические сокращения) определяли как интервалы между сокращениями >5 min или продолжительность сокращений <30 s в течение 30 min по данным пальпации или токодинамометрии. Психическое состояние (тревожность) оценивали при поступлении (раскрытие шейки матки < 4 cm) с использованием Самооценочной шкалы тревоги, при этом показатель ≥50 (стандартизированный индекс) классифицировался как отклонение от нормы. Низкой оценкой по шкале Апгар считали результат <7 на 1-й минуте (ВОЗ).

Поскольку данное исследование было обсервационным, ведение родов осуществлялось в соответствии с рутинной клинической практикой без использования стандартизированного протокола. Тем не менее, систематически фиксировались следующие данные: применение эпидуральной анальгезии (да/нет, время введения, продолжительность), стимуляция окситоцином (да/нет, общая доза, продолжительность), искусственный разрыв плодного пузыря (да/нет, раскрытие шейки матки на момент процедуры) и способ родоразрешения (только спонтанные вагинальные роды, согласно критериям включения). Значимого взаимодействия между этими переменными и основными предикторами модели обнаружено не было.

Трансабдоминальное и трансперинеальное ультразвуковое исследование на раннем первом периоде родов
Ультразвуковое сканирование проводилось в начале активной фазы родов (раскрытие шейки матки ≥4 cm). Роженицу располагали в положении на спине с наклоном 15° влево после опорожнения мочевого пузыря. Для трансперинеального сканирования бедра были слегка разведены и согнуты. Все изображения фиксировались на пике сокращения матки, которое определялось путем клинической пальпации в сочетании с внешней токодинамометрией (кардиотокографией) для подтверждения пика каждой схватки. Каждое измерение повторяли в течение трех отдельных сокращений, используя среднее значение для анализа. Ультразвуковые исследования выполнялись с использованием портативной диагностической ультразвуковой системы (см. Таблицу материалов). Для трансабдоминальной визуализации использовали конвексный датчик (2–5 MHz); для трансперинеальной визуализации — высокочастотный линейный или конвексный датчик с малой площадью контакта (5–8 MHz). Настройки визуализации были стандартизированы (глубина 6–10 cm, оптимизированный коэффициент усиления и одна фокальная зона, расположенная на уровне лобкового симфиза).

Для оценки положения плода при трансабдоминальном поперечном сканировании определяли положение глазницы плода, мозжечка и срединной линии таламуса относительно таза матери, чтобы установить затылочное (OA), поперечное или тыловое положение. Для проведения транспронеальных измерений датчик покрывали стерильным чехлом и прикладывали к промежности в срединно-сагиттальной плоскости, не оказывая избыточного давления. Анатомическими ориентирами служили весь лобковый симфиз, контур черепа плода и аноректальное соединение.

Были измерены следующие параметры (Рисунок 1A–D): угол продвижения (AOP), определяемый как угол между длинной осью лобкового симфиза и линией, проведенной от его нижнего края до самой глубокой точки черепа плода; срединный угол (MLA), определяемый как угол между срединной линией черепа плода (серпом большого мозга) и переднезадней осью таза матери; расстояние от головы до симфиза (HSD), определяемое как расстояние от нижнего края лобкового симфиза до ближайшей точки на черепе плода; и расстояние от головы до промежности (HPD), определяемое как кратчайшее расстояние от наружной поверхности черепа плода до кожи промежности⁷.

Ультразвуковые изображения органа в поперечном сечении, демонстрирующие маркеры измерений и анатомический анализ.
Рисунок 1. Ультразвуковые измерения, полученные на первом периоде родов. (A) Измерение угла прогрессии (AOP), определяемого как угол между длинной осью лонного симфиза и линией, идущей от его нижнего края к самой глубокой точке черепа плода. (B) Измерение срединного угла (MLA), определяемого как угол между срединной линией черепа плода (серпом мозга) и переднезадней осью таза матери. (C) Измерение расстояния от головки до симфиза (HSD), определяемого как расстояние от нижнего края лонного симфиза до ближайшей точки черепа плода. (D) Измерение расстояния от головки до промежности (HPD), определяемого как кратчайшее расстояние от внешней поверхности черепа плода до кожи промежности матери. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Каждое измерение проводилось трижды во время трех отдельных пиков сокращений, и для анализа использовалось среднее значение. Все исследования выполняли три опытных сонографиста (стаж каждого в области акушерского ультразвукового исследования ≥10 лет), прошедшие стандартизированное обучение методам интрапартильного трансперинеального ультразвукового измерения перед началом исследования. Компетентность была подтверждена достижением коэффициента внутриклассовой корреляции (ICC) ≥0,90 по сравнению с экспертом золотого стандарта (ведущим автором). Межэкспертная и внутриэкспертная воспроизводимость оценивались на пилотном этапе с участием 10 пациенток (не включенных в основное исследование), что позволило получить значения ICC в диапазоне от 0,89 до 0,96 для всех параметров (AOP, HSD, HPD и MLA).

Для принятия изображения требовалась четкая визуализация лонного симфиза, контура черепа плода и аноректального сочленения. Снимки с избыточным давлением датчика или плохо визуализированными анатомическими ориентирами отбраковывались и выполнялись повторно. Сонографисты не знали о распределении по группам (нормальный или затянувшийся второй период родов) и о клинических данных во время получения изображений и проведения измерений. Данные вносились дважды с проверкой диапазонов; значения, выходящие за пределы диапазона, приводили к повторному просмотру изображений. Пропущенные данные (<5%) обрабатывались с помощью анализа полных случаев после подтверждения того, что данные отсутствовали случайно (тест Литтла на полностью случайный характер пропусков, p > 0.05).

Регистрация и группировка продолжительности родов
На протяжении всего процесса родов течение труда каждого участника тщательно документировалось. Первый период родов определяли как интервал от начала регулярных маточных сокращений до полного раскрытия шейки матки (10 cm). Активную фазу родов определяли как раскрытие шейки матки ≥4 cm, сопровождающееся усилением регулярных маточных сокращений. Второй период родов определяли как интервал от полного раскрытия шейки матки (10 cm) до полного извлечения плода. В активную фазу первого периода родов проводили ультразвуковые исследования для оценки положения головки плода, предлежания плода и соответствующих ультразвуковых параметров. Согласно рекомендациям Всемирной организации здравоохранения (ВОЗ), нормальный второй период родов не должен превышать 120 min². Для обеспечения стандартизированного исследовательского порога для всех первородящих в данном исследовании участницы были разделены в соответствии с этим критерием 120-min на две группы: группу с нормальным вторым периодом (≤120 min) и группу с затянувшимся вторым периодом (>120 min).

Статистический анализ
Весь статистический анализ был выполнен с использованием SPSS версии 26.0 (RRID:SCR_002865) и R версии 4.1.0 (RRID:SCR_001905) (см. таблицу материалов). Использовались следующие пакеты R: glmnet (версия 4.1-2) для регрессии методом наименьшего абсолютного сжатия и отбора (LASSO), rms (версия 6.2-0) для построения и калибровки номограммы, pROC (версия 1.18.0) для анализа рабочих характеристик приемника (ROC-анализа) и rmda (версия 1.6) для анализа кривых принятия решений (DCA). Нормальность распределения непрерывных переменных оценивали с помощью критерия Шапиро–Уилка для выбора методов описательной статистики и сравнения. Данные с нормальным распределением представлены как среднее ± стандартное отклонение (x̄ ± s) и сравнивались с помощью t-критерия для независимых выборок, который устойчив к незначительным отклонениям от нормальности при достаточном размере выборки. Данные с ненормальным распределением представлены как медиана с межквартильным размахом (M [P25, P75]) и сравнивались с помощью U-критерия Манна–Уитни, который оценивает, имеет ли одно распределение тенденцию к более высоким значениям, чем другое, вместо строгого тестирования различий медиан. Категориальные переменные представлены в виде количества и процентов (n [%]) и сравнивались с помощью критерия хи-квадрат (χ²) или точного критерия Фишера, если ожидаемая частота составляла <5. Все тесты были двусторонними, и значение p <0,05 считалось статистически значимым. Переменные со значением p <0,1 при однофакторном анализе были включены в регрессию LASSO для отбора переменных. Регрессия LASSO выполнялась с использованием пакета glmnet с 10-кратной перекрестной проверкой для определения оптимального параметра регуляризации (λ). Критерий одной стандартной ошибки (наибольшее значение λ в пределах одной стандартной ошибки от минимальной ошибки перекрестной проверки) применялся для выбора наиболее экономного набора предикторов с ненулевыми коэффициентами. Перед подгонкой LASSO все непрерывные предикторы (возраст матери, прирост ИМТ при беременности, AOP, HSD, HPD и масса тела новорожденного при рождении) были центрированы и стандартизированы до z-значений с использованием стандартных настроек glmnet (standardize = TRUE), чтобы коэффициенты штрафовались одинаково независимо от единиц измерения. Выбранные переменные впоследствии были включены в модель многофакторной логистической регрессии (метод enter) для расчета скорректированных отношений шансов (aOR) и 95% доверительных интервалов (CI). Значимость модели оценивали с помощью теста отношения правдоподобия.

На основе коэффициентов логистической регрессии была построена прогностическая модель в виде Logit(P) = β₀ + Σ(β_iX_i). Данная модель была визуализирована в виде номограммы с помощью пакета rms, в которой каждому предиктору было присвоено количество баллов, пропорциональное его коэффициенту регрессии, а общее количество баллов сопоставлялось с прогнозируемыми вероятностями. Дискриминационную способность оценивали путем построения ROC-кривой и расчета площади под кривой (AUC) с 95% CI с использованием пакета pROC (метод бутстрэпа с 1 000 повторных выборок). Оптимальная пороговая вероятность была определена путем максимизации индекса Юдена (чувствительность + специфичность − 1), при этом были указаны соответствующие значения чувствительности и специфичности. Калибровку оценивали с помощью калибровочной кривой, построенной на основе 1 000 бутстрэп-выборок (пакет rms), дополненной тестом согласия Хосмера–Лемешоу (незначимое значение p указывает на хорошую калибровку). Клиническую полезность оценивали с помощью DCA с использованием пакета rmda, который рассчитывает чистую выгоду в диапазоне пороговых вероятностей (0%–100%). Чистая выгода определялась как (истинно положительные результаты / n) − (ложноположительные результаты / n) × (пороговая вероятность / [1 − пороговая вероятность]). Общий рабочий процесс исследования описан выше и проиллюстрирован на Дополнительном рисунке 1. Данная модель является исследовательской; предиктор «натальный вес новорожденного» относится к фактическому весу, измеренному после родов, а для клинического прогнозирования потребуется повторная подгонка модели с использованием расчетного веса плода (EFW), полученного до родов.

Результаты

Популяция исследования и распределение по группам
В окончательный анализ было включено в общей сложности 159 рожениц. Из них у 95 наблюдалась нормальная продолжительность второго периода родов, тогда как у 64 зафиксирован затянувшийся второй период (Таблица 1). По сравнению с нормальной группой, в группе с затянувшимся периодом наблюдалась значимо более высокая частота возникновения фетального дистресса и низкие баллы по шкале Апгар (в обоих случаях p < 0.05). Значимых различий в перинатальной смертности между группами выявлено не было (p > 0.05).

Переменная	Всего (N = 159)	Нормальный второй период (N = 95)	Затянувшийся второй период (N = 64)	Значение P
Продолжительность второго периода (мин)	109 [40.5; 172]	88.4 [40.5; 125]	139 [100; 172]	<0.0001
Фетальный дистресс				0.0347
Отсутствует	124 (78.0%)	80 (84.2%)	44 (68.8%)
Присутствует	35 (22.0%)	15 (15.8%)	20 (31.2%)
Низкий балл по шкале Апгар				0.0001
Нет	79 (49.7%)	60 (63.2%)	19 (29.7%)
Да	80 (50.3%)	35 (36.8%)	45 (70.3%)
Перинатальная смертность				0.5653
Отсутствует	156 (98.1%)	94 (98.9%)	62 (96.9%)
Присутствует	3 (1.89%)	1 (1.05%)	2 (3.12%)

Таблица 1: Влияние длительного второго периода родов на клинические исходы у новорожденных. Непрерывные переменные представлены в виде медианы [межквартильного размаха (МКР)], а категориальные переменные — в виде количества (%). Группа с нормальным вторым периодом родов включала участниц, у которых продолжительность второго периода составляла ≤120 мин, в то время как группа с затяжным вторым периодом родов включала участниц, у которых продолжительность второго периода составляла >120 мин. Низкая оценка по шкале Апгар (внешний вид, пульс, гримаса, активность и дыхание) определялась как оценка по шкале Апгар на 1-й минуте <7. P Значения представляют собой сравнение групп с нормальным и затянувшимся вторым периодом родов.

Сравнение демографических и клинических характеристик двух групп представлено в Таблице 2. У рожениц с затяжным вторым периодом родов наблюдался более высокий медианный возраст матери и более значительное увеличение ИМТ при беременности по сравнению с женщинами с нормальным вторым периодом. Частота возникновения гестационного диабета, инертности матки и измененного состояния сознания также была значительно выше в группе с затяжным периодом (все p < 0.05). Значимых межгрупповых различий по гестационной гипертензии или гестационному возрасту на момент родов выявлено не было (оба p > 0.05).

Переменная	Все (N = 159)	Нормальный второй период родов (N = 95)	Затянувшийся второй период родов (N = 64)	Значение p
Возраст (лет)	28.8 [19.4; 44.9]	26.3 [19.4; 33.2]	32.4 [22.3; 44.9]	<0.0001
Прибавка ИМТ во время беременности (кг/м²^²)	11.4 ± 3.62	10.1 ± 3.33	13.3 ± 3.17	<0.0001
Гестационный сахарный диабет				0.0002
Отсутствует	141 (88.7%)	92 (96.8%)	49 (76.6%)
Представляем	18 (11.3%)	3 (3.16%)	15 (23.4%)
Гестационная гипертензия				0.8723
Отсутствует	124 (78.0%)	75 (78.9%)	49 (76.6%)
Представить	35 (22.0%)	20 (21.1%)	15 (23.4%)
Масса тела новорожденного при рождении (кг)	2.61 [1.68; 4.60]	2.46 [1.68; 2.85]	3.39 [1.71; 4.60]	<0.0001
Психическое состояние				0.0017
Измененный	139 (87.4%)	90 (94.7%)	49 (76.6%)
Здоровый	20 (12.6%)	5 (5.26%)	15 (23.4%)
Маточная инерция				<0.0001
Отсутствует	123 (77.4%)	85 (89.5%)	38 (59.4%)
Представлять	36 (22.6%)	10 (10.5%)	26 (40.6%)
Гестационный возраст (недели)	38.1 ± 2.02	38.1 ± 1.99	37.9 ± 2.06	0.5156

Таблица 2: Сравнение демографических и клинических характеристик между группами. Непрерывные переменные представлены в виде среднего значения ± стандартного отклонения (SD) или медианы [межквартильный размах (IQR)], в зависимости от типа распределения. Категориальные переменные представлены в виде количества (%). Увеличение индекса массы тела (ИМТ) определялось как разница между ИМТ до беременности и ИМТ перед родами. Группа с нормальным вторым периодом родов включала участниц с продолжительностью второго периода ≤120 min, тогда как группа с затянувшимся вторым периодом родов включала участниц с продолжительностью второго периода >120 min. Значения P отражают результаты сравнения между двумя группами.

Клинические и ультразвуковые параметры на активном первом периоде
Параметры трансабдоминального и транспернеального ультразвукового исследования первого периода были сопоставлены между группами с нормальным и затянувшимся вторым периодом (Таблица 3). Доля плодов в головном предлежании была значительно ниже в группе с затянувшимся периодом, чем в группе с нормальным течением. Кроме того, показатели AOP, HSD и HPD были значительно выше у рожениц, у которых наблюдался затянувшийся второй период (все p < 0.05).

Переменная	Все (N = 159)	Нормальный второй период родов (N = 95)	Затянувшийся второй период родов (N = 64)	Значение p
Поза эмбриона				<0.0001
Остеоартрит	74 (46.5%)	60 (63.2%)	14 (21.9%)
Не-ОА	85 (53.5%)	35 (36.8%)	50 (78.1%)
AOP (°)	124 [64.3; 158]	111 [64.3; 142]	138 [123; 158]	<0.0001
HSD (см)	1.97 ± 0.39	1.81 ± 0.33	2.21 ± 0.34	<0.0001
HPD (см)	4.61 ± 0.71	4.23 ± 0.56	5.17 ± 0.51	<0.0001

Таблица 3: Сравнение параметров трансабдоминального и трансперинеального ультразвукового исследования во время первого периода родов. Непрерывные переменные представлены в виде среднего ± стандартного отклонения (SD) или медианы [межквартильного размаха (IQR)], в зависимости от ситуации. Категориальные переменные представлены в виде количества (%). OA — затылочное переднее положение; non-OA — незатылочное переднее положение; AOP — угол прогрессии; HSD — расстояние от головки до симфиза; HPD — расстояние от головки до промежности. AOP измерялся в градусах (°), тогда как HSD и HPD измерялись в сантиметрах (cm). Группа с нормальным вторым периодом родов включала участниц с продолжительностью второго периода ≤120 min, тогда как группа с затянувшимся вторым периодом родов включала участниц с продолжительностью второго периода >120 min. Значения P представляют собой результаты сравнения между двумя группами.

Однофакторный анализ потенциальных предикторов
Для выявления переменных, связанных с длительным вторым периодом родов, был проведен однофакторный анализ (Таблица 4). Десять переменных значительно различались между группой с нормальной и группой с длительной продолжительностью (p < 0,10): возраст матери, увеличение ИМТ во время беременности, гестационный диабет, масса тела новорожденного, психическое состояние, инертность матки, положение плода, AOP, HSD и HPD. Значимых межгрупповых различий по гестационной гипертензии или сроку беременности не наблюдалось (в обоих случаях p > 0,10). Переменные с p < 0,10 были впоследствии введены в регрессионную модель LASSO для отбора переменных.

Переменная	Всего (N = 159)	Нормальный второй период родов (N = 95)	Затянувшийся второй период родов (N = 64)	Статистика	Значение p
Демографические и клинические характеристики
Возраст (лет)	28.8 [19.4; 44.9]	26.3 [19.4; 33.2]	32.4 [22.3; 44.9]	Z = −5,891	<0.001
Прирост ИМТ во время беременности (кг/м²^²)	11.4 ± 3.62	10.1 ± 3.33	13.3 ± 3.17	t = −5,912	<0.001
Гестационный сахарный диабет, n (%)	18 (11.3)	3 (3.2)	15 (23.4)	χ^² = 15.207	<0.001
Гестационная гипертензия, n (%)	35 (22.0)	20 (21.1)	15 (23.4)	χ^² = 0.135	0.872
Масса тела новорожденного при рождении (кг)	2.61 [1.68; 4.60]	2.46 [1.68; 2.85]	3.39 [1.71; 4.60]	Z = −6,234	<0.001
Измененное состояние сознания, n (%)	139 (87.4)	90 (94.7)	49 (76.6)	χ^² = 10.912	0.001
Инерция матки, n (%)	36 (22.6)	10 (10.5)	26 (40.6)	χ^² = 20.156	<0.001
Гестационный возраст (недели)	38.1 ± 2.02	38.1 ± 1.99	37.9 ± 2.06	t = 0,654	0.516
Ультразвуковые параметры во время первого периода родов
Положение плода (не затылочное), n (%)	85 (53.5)	35 (36.8)	50 (78.1)	χ^² = 26.543	<0.001
АФП (°)	124 [64.3; 158]	111 [64.3; 142]	138 [123; 158]	Z = −6,781	<0.001
HSD (см)	1.97 ± 0.39	1.81 ± 0.33	2.21 ± 0.34	t = −7,445	<0.001
HPD (см)	4.61 ± 0.71	4.23 ± 0.56	5.17 ± 0.51	t = −9,332	<0.001

Таблица 4: Однофакторный анализ факторов, связанных с длительным вторым периодом родов. Непрерывные переменные представлены либо в виде среднего значения ± стандартного отклонения (SD), либо в виде медианы [межквартильного размаха (IQR)], в зависимости от распределения. Категориальные переменные представлены в виде количества (%). BMI — индекс массы тела; OA — затылочное предлежание; non-OA — незатылочное предлежание; AOP — угол прогрессии; HSD — расстояние от головы до симфиза; HPD — расстояние от головы до промежности. Непрерывные переменные с нормальным распределением сравнивали с помощью t-критерия для независимых выборок t—непараметрические непрерывные переменные с распределением, отличным от нормального, сравнивали с помощью критерия Манна — Уитни U тест (представленный как Z статистика), а категориальные переменные сравнивали с помощью критерия хи-квадрат (χ²) тест. Переменные с P <0,10 считались подходящими для включения в регрессионный анализ методом наименьшего абсолютного сокращения и отбора (LASSO).

Отбор переменных с помощью регрессии LASSO (наименьшего абсолютного сжатия и отбора оператора)
Для построения экономной прогностической модели при одновременном снижении риска переобучения и влияния мультиколлинеарности 10 потенциальных предикторов, выявленных при одномерном анализе (p < 0,10; Таблица 4), были включены в регрессионную модель LASSO для отбора переменных. Оптимальный параметр регуляризации (λ) был определен с помощью 10-кратной перекрестной проверки. График траектории коэффициентов (Рисунок 2A) иллюстрирует постепенное сжатие коэффициентов регрессии к нулю по мере увеличения λ. Соответствующая кривая перекрестной проверки (Рисунок 2B) показывает зависимость ошибки перекрестной проверки от различных значений λ. Левая вертикальная пунктирная линия указывает на значение λ, при котором ошибка перекрестной проверки была минимальной, в то время как правая вертикальная пунктирная линия указывает на наибольшее значение λ в пределах одной стандартной ошибки от минимума (критерий одной стандартной ошибки). Последний был выбран для получения более экономной модели. С использованием критерия одной стандартной ошибки были сохранены четыре предиктора с ненулевыми коэффициентами: масса тела новорожденного при рождении (коэффициент = 0,50), прирост ИМТ в период беременности (коэффициент = 0,12), возраст матери (коэффициент = 0,05) и AOP (коэффициент = 0,03). Эти коэффициенты представляют собой стандартизированные штрафные коэффициенты из итоговой модели LASSO при выбранном значении λ. Остальные потенциальные переменные — HSD, HPD, гестационный диабет, психическое состояние, инерция матки и положение плода — имели коэффициенты, сжатые до нуля, и, следовательно, были исключены из окончательного набора предикторов. Сохраненные переменные впоследствии были включены в модель многофакторной логистической регрессии для оценки скорректированных OR с соответствующими 95% CI.

График траектории регуляризации и биномиальной девиации; показывает сжатие коэффициентов; визуализирует подбор модели.
Рисунок 2. Регрессионный анализ с использованием метода наименьшего модуля сжатия и отбора (LASSO) для выбора предикторов. (A) Траектории коэффициентов, полученные в ходе регрессии LASSO. Ось X представляет логарифм параметра регуляризации (log λ), а ось Y — стандартизированные коэффициенты регрессии. Каждая кривая иллюстрирует постепенное сжатие коэффициента отдельного предиктора к нулю по мере увеличения штрафа регуляризации. Числа в верхней части указывают количество переменных, сохраненных при каждом значении λ. Пронумерованные траектории коэффициентов соответствуют следующим потенциальным предикторам: (1) возраст матери, (2) увеличение индекса массы тела (ИМТ) во время беременности, (3) гестационный сахарный диабет, (4) масса тела новорожденного при рождении, (5) психическое состояние, (6) инерция матки, (7) положение плода, (8) угол прогрессии (AOP), (9) расстояние от головки до симфиза (HSD) и (10) расстояние от головки до промежности (HPD). (B) График десятикратной перекрестной проверки, используемый для определения оптимального параметра регуляризации. Ось X представляет log(λ), а ось Y — биномиальную девиацию. Точки указывают среднюю ошибку перекрестной проверки, а планки погрешностей представляют ±1 стандартную ошибку. Левая вертикальная пунктирная линия указывает значение λ, минимизирующее ошибку перекрестной проверки, в то время как правая вертикальная пунктирная линия указывает наибольшее значение λ в пределах одной стандартной ошибки от минимума (критерий одной стандартной ошибки). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Многофакторная логистическая регрессия и независимые предикторы
Четыре предиктора, отобранные моделью LASSO-регрессии — возраст матери, прирост ИМТ во время беременности, масса тела новорожденного и AOP — были введены в модель многофакторной логистической регрессии (Таблица 5). Все четыре переменные сохранили независимую связь с длительным вторым периодом родов после взаимной корректировки (все p < 0.05). В перенастроенной модели многофакторной логистической регрессии масса тела новорожденного имела наибольшее скорректированное ОШ (aOR = 8.45, 95% CI: 3.21–22.24). Прирост ИМТ во время беременности также был независимо связан с длительным вторым периодом родов (aOR = 1.38, 95% CI: 1.15–1.66). Возраст матери (aOR = 1.18, 95% CI: 1.05–1.32) и AOP (aOR = 1.07, 95% CI: 1.02–1.12) аналогичным образом были независимо связаны с длительным вторым периодом родов. Модель многофакторной логистической регрессии была статистически значимой согласно критерию отношения правдоподобия (p < 0.001). Поскольку масса тела новорожденного измерялась после родов, данная модель является поисковой и потребует перенастройки с использованием расчетной массы плода перед внедрением в клиническую практику.

Переменная	β	СЭ	критерий Вальда $\chi^2$^²	Значение p	aOR	95% ДИ
Перехват	−15.92	3.01	27.98	<0.001	—	—
Возраст матери (лет)	0.16	0.06	7.11	0.008	1.18	1.05–1.32
Прибавка ИМТ в период беременности (кг/м²^²)	0.32	0.09	12.65	<0.001	1.38	1.15–1.66
Масса тела новорожденного при рождении (кг)	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

Таблица 5: Многофакторный логистический регрессионный анализ для выявления независимых предикторов продолжительного второго периода родов. В таблице представлены результаты модели многофакторной логистической регрессии, построенной с использованием переменных, отобранных с помощью метода LASSO (least absolute shrinkage and selection operator). β — коэффициент регрессии; SE — стандартная ошибка; Wald χ² — критерий хи-квадрат Уолда; aOR — скорректированное отношение шансов; CI — доверительный интервал; BMI — индекс массы тела; AOP — угол прогрессии. Пересечение (intercept) представляет собой константу модели. Общая значимость модели оценивалась с помощью теста отношения правдоподобия (χ² = 85.34, P <0.001).

Построение прогностической модели и номограмма
На основе независимых предикторов и их коэффициентов регрессии, определенных с помощью многофакторного логистического регрессионного анализа (Таблица 5), была построена индивидуальная прогностическая модель для оценки вероятности затяжного второго периода родов у первородящих. Модель выражается следующим образом:

Logit(P) = —15,92 + 0,16 ( возраст матери ) +. 0,32 ( увеличение ИМТ во время беременности ) + 4,26 ( масса тела новорожденного при рождении ) + 0,07( AOP )

Здесь P представляет собой прогнозируемую вероятность затяжного второго периода родов.

Для облегчения визуализации модели уравнение регрессии было представлено в виде номограммы (Рисунок 3). Каждый предиктор соответствует индивидуальной точечной шкале. Например, для роженицы с возрастом матери 28 лет, увеличением ИМТ во время беременности на 12 kg/m², массой новорожденного при рождении (фактическая масса, измеренная после родов) 3,6 kg и углом AOP 115° можно рассчитать баллы, определив каждое значение на соответствующей оси, спроецировав его вертикально на ось Points, суммируя индивидуальные значения баллов для получения Total Points и спроецировав общую сумму вниз на ось Risk of Prolonged Second Stage для оценки прогнозируемой вероятности. Данная номограмма представлена исключительно в иллюстративных целях, так как она учитывает фактическую массу новорожденного при рождении. Клиническое применение потребует перенастройки модели с использованием расчетной массы плода.

Схема шкалы точки статического равновесия; оценка ИМТ при беременности, веса плода и риска прогрессирования.
Рисунок 3. Номограмма для прогнозирования вероятности длительного второго периода родов. Номограмма была построена на основе многофакторной модели логистической регрессии с использованием четырех предикторов: возраста матери, увеличения ИМТ при беременности, веса новорожденного при рождении (фактический вес, измеренный после родов) и AOP. Чтобы оценить прогнозируемую вероятность длительного второго периода родов, найдите значение каждого предиктора на соответствующей оси и спроецируйте его вертикально на ось Points, чтобы определить назначенный балл. Суммируйте отдельные баллы, чтобы получить общее количество баллов (Total Points), а затем спроецируйте общую сумму на ось Risk для оценки прогнозируемой вероятности длительного второго периода родов. Номограмма представлена исключительно в иллюстративных целях, поскольку она учитывает фактический вес новорожденного при рождении, который неизвестен до завершения родов. Для клинического применения потребуется перенастройка модели с использованием EFW. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Валидация модели: дискриминация, калибровка и клиническая значимость
Прогностическая эффективность модели была внутренне оценена по параметрам дискриминации, калибровки и клинической значимости. Дискриминационная способность модели оценивалась с помощью ROC-кривой (Рисунок 4). Модель достигла значения AUC 0,927 (95% ДИ: 0,879–0,961), что свидетельствует об отличной дискриминации. С использованием максимального индекса Юдена оптимальный порог вероятности составил 0,48. При данном пороге модель продемонстрировала чувствительность 85,9% и специфичность 84,2% (Таблица 6).

Анализ ROC-кривых, график чувствительности и специфичности, прогностическая модель, AUC=0,927, статистический график.
Рисунок 4Кривая рабочих характеристик приемника (ROC-кривая), позволяющая оценить эффективность прогностической модели. Кривая рабочей характеристики приемника (ROC-кривая) демонстрирует способность прогностической модели дифференцировать нормальное и затяжное течение второго периода родов. Синяя кривая представляет прогностическую модель с площадью под кривой (AUC), равной 0,927 (95% доверительный интервал [ДИ]: 0,879–0,961). Оптимальный порог вероятности составил 0,48, что соответствует чувствительности 85,9% и специфичности 84,2%. Серая пунктирная диагональная линия соответствует случайной классификации (AUC = 0,500). Ось X представляет собой 1 − специфичность (доля ложноположительных результатов [FPR]), а ось Y — чувствительность (доля истинно положительных результатов [TPR]). Пожалуйста, нажмите здесь, чтобы просмотреть эту фигуру в увеличенном виде.

Параметр	Значение	95% ДИ
AUC (площадь под кривой)	0.927	0.879–0.961
Оптимальное пороговое значение	0.480	—
Чувствительность	85.90%	75.0%–93.4%
Специфичность	84.20%	75.3%–90.9%
ППВ (прогностическая значимость положительного результата)	78.60%	67.5%–87.3%
Чистая приведенная стоимость (NPV)	89.80%	81.9%–95.0%
Точность	84.90%	78.3%–90.1%

Таблица 6: Эффективность прогностической модели при оптимальном пороговом значении вероятности. Прогностическая эффективность многофакторной логистической регрессионной модели оценивалась по площади под ROC-кривой (AUC). Оптимальное пороговое значение вероятности 0,48 было определено путем максимизации индекса Юдена. Чувствительность отражает долю правильно идентифицированных истинно-положительных случаев, специфичность — долю правильно идентифицированных истинно-отрицательных случаев, прогностическая значимость положительного результата (PPV) — вероятность того, что у участников, классифицированных как положительные, действительно имело место затяжной второй период родов, а прогностическая значимость отрицательного результата (NPV) — вероятность того, что у участников, классифицированных как отрицательные, действительно отсутствовал затяжной второй период родов. CI — доверительный интервал.

Калибровка модели оценивалась с помощью калибровочной кривой бутстрэпа, построенной на основе 1 000 повторных выборок, а также с использованием критерия согласия Хосмера–Лемешоу (Рисунок 5A). Калибровочная кривая точно следовала идеальной эталонной линии, что указывает на хорошее соответствие между прогнозируемыми и наблюдаемыми вероятностями. Результаты критерия согласия Хосмера–Лемешоу не были статистически значимыми (χ² = 6.15, p = 0.630), что подтверждает адекватную калибровку данной внутренне валидированной модели. Клиническая полезность оценивалась с помощью DCA (Рисунок 5B). В диапазоне пороговых вероятностей примерно от 10% до 70% прогностическая модель обеспечивала более высокую чистую выгоду, чем стратегии «лечить всех» или «не лечить никого». При пороговых вероятностях ниже примерно 10% более высокую чистую выгоду обеспечивала стратегия «не лечить никого», тогда как при пороговых вероятностях выше примерно 70% стратегия «лечить всех» демонстрировала аналогичные или лучшие результаты. Эти данные свидетельствуют о том, что модель может приносить клиническую пользу в среднем диапазоне пороговых вероятностей. В целом, в ходе внутренней валидации прогностическая модель продемонстрировала отличную разделительную способность, адекватную калибровку и благоприятную клиническую полезность. Однако, поскольку валидация была ограничена набором данных исследования и модель включала фактический вес новорожденного при рождении, перед внедрением в клиническую практику необходимы внешняя валидация и перенастройка модели с использованием расчетного веса плода.

График калибровки (A) и кривая принятия решений (B) для анализа прогностической модели; результаты с поправкой на смещение.
Рисунок 5. Анализ калибровки и кривой принятия решений прогностической модели. (A) Кривая калибровки прогностической модели, построенная с использованием 1 000 бутстреп-выборок. Сплошная кривая отражает эффективность модели в наборе данных исследования, кривая с поправкой на смещение представляет калибровку с учетом бутстрепа, а диагональная пунктирная линия указывает на идеальное соответствие между прогнозируемыми и наблюдаемыми вероятностями. Тест согласия Хосмера–Лемешоу дал χ² = 6.15 и p = 0.630. (B) Анализ кривой принятия решений (DCA), оценивающий клиническую полезность прогностической модели в диапазоне пороговых вероятностей. Зеленая кривая представляет прогностическую модель, оранжевая линия — стратегию «лечить всех», а синяя линия — стратегию «не лечить никого». Затененная область указывает на диапазон пороговых вероятностей от 10% до 70%, оцениваемый в данном исследовании, при этом вертикальные пунктирные линии отмечают нижний (10%) и верхний (70%) пороги. Ось x представляет пороговую вероятность, а ось y — чистую выгоду. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Доступность данных:
Обезличенный набор данных на уровне участников, поддерживающий результаты этого исследования, представлен в Дополнительной таблице 1. Этот набор данных содержит необработанные данные, использованные для всех статистических анализов, разработки моделей, внутренней валидации, а также для подготовки представленных таблиц и рисунков.

Дополнительная фигура 1. Общая схема исследования по разработке и внутренней валидации прогностической модели. На схеме представлены этапы набора участников и оценки соответствия критериям включения, сбор клинических характеристик матери и проведение внутриродовых ультразвуковых измерений во время активного первого периода родов, разделение на группы с нормальным и затянувшимся вторым периодом родов согласно 120-минутному критерию Всемирной организации здравоохранения (ВОЗ), отбор предикторов с помощью метода регрессии LASSO (least absolute shrinkage and selection operator), построение многофакторной модели логистической регрессии и номограммы, а также внутренняя оценка модели с использованием анализа рабочей характеристики приемника (ROC-анализа), анализа калибровки и анализа кривых принятия решений (DCA). Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 1. Набор данных на уровне участников, использованный для разработки и внутренней валидации модели. В этой таблице представлены деидентифицированные данные участников, использованные для всех статистических анализов, включая разработку и внутреннюю валидацию прогностической модели. Переменные включают исход второго периода родов, продолжительность второго периода, исходы для новорожденных, демографические и клинические характеристики матери, а также результаты трансабдоминального и трансперинеального ультразвуковых исследований, проведенных во время первого периода родов. Body mass index (BMI) = индекс массы тела; occiput anterior (OA) = затылочное переднее положение плода; angle of progression (AOP) = угол прогрессии; head–symphysis distance (HSD) = расстояние от головки до симфиза; head–perineum distance (HPD) = расстояние от головки до промежности. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

Благодаря непрерывному совершенствованию акушерской помощи затяжной второй период родов становится все более значимым фактором, влияющим на исходы для матери и новорожденного. Предыдущие исследования показали, что затяжной второй период родов ассоциируется с повышенной сложностью родового процесса, более высокой частотой кесарева сечения и более низкими показателями по шкале Апгар у новорожденных¹^,². Эти данные подчеркивают клиническую важность оптимизации перинатального ведения и внедрения стратегий раннего выявления женщин с повышенным риском затяжного второго периода родов. Используя демографические характеристики, клинические признаки и ультразвуковые параметры, в данном исследовании была разработана и внутренне валидирована прогностическая модель затяжного второго периода родов, а также оценена ее потенциальная клиническая полезность. Результаты показали, что в итоговой многофакторной модели возраст матери, прирост ИМТ при беременности, масса тела новорожденного при рождении и AOP были независимо связаны с затяжным вторым периодом родов, в то время как гестационный диабет, инерция матки и измененное состояние сознания были связаны с затяжным вторым периодом родов при одномерном анализе, но не были включены в итоговую прогностическую модель. Интегрируя демографические, клинические и ультразвуковые данные в многомерную прогностическую модель, данное исследование предоставляет объективную основу для выявления женщин с повышенным риском затяжного второго периода родов во время первого периода родов. Такая ранняя стратификация рисков может способствовать индивидуализированному интранатальному ведению, включая более тщательный мониторинг прогрессирования родов и своевременное принятие клинических решений с целью улучшения исходов для матери и новорожденного.

Наши результаты показали, что затянувшийся второй период родов тесно связан с неблагоприятными исходами для плода. В соответствии с предыдущими сообщениями, затянувшийся второй период родов значительно повышал риск низких баллов по шкале Апгар и дистресса плода³^,⁸. С точки зрения механизмов, эта связь может быть обусловлена гипоксией плода и усилением внутриутробного стресса при затянувшихся родах. Когда головка плода остается сдавленной в тазу матери в течение длительного времени, плацентарная перфузия может стать недостаточной, что приводит к кислородному голоданию и аномальным паттернам сердечного ритма плода, которые могут ухудшить состояние новорожденного в первые часы жизни⁹. С демографической точки зрения данное исследование показало, что пожилой возраст матери, значительное увеличение ИМТ во время беременности и гестационный сахарный диабет были связаны с затянувшимся вторым периодом родов. В частности, матери старшего возраста подвергались более высокому риску затянувшихся родов, что согласуется с предыдущими исследованиями¹⁰. Физиологически увеличение возраста матери может ухудшать созревание шейки матки и сократительную способность матки, тем самым замедляя прогрессирование родов. Значительное увеличение ИМТ во время беременности и гестационный сахарный диабет могут дополнительно влиять на прогрессирование родов, увеличивая размер плода и изменяя характер сокращений матки. Кроме того, в одномерном анализе инерция матки и измененное психическое состояние были значимо связаны с затянувшимся вторым периодом родов. Эти результаты подчеркивают важность тщательного мониторинга сократительной способности матки и психологического благополучия матери во время родов, поскольку оба фактора могут косвенно способствовать затягиванию родов, влияя на ритм и силу сокращений матки. Ультразвуковые параметры также играют важную роль в прогнозировании затянувшегося второго периода родов¹^,¹²^,¹³^,¹⁴. В настоящем исследовании многофакторный логистический регрессионный анализ определил AOP как независимый предиктор затянувшегося второго периода родов (p < 0.05). HSD и HPD были значимо связаны с затянувшимся вторым периодом родов в одномерном анализе, но не были включены в окончательную прогностическую модель после отбора переменных методом LASSO. Увеличение HSD указывает на то, что головка плода остается на более высоком уровне в области входа в малый таз, что свидетельствует о нарушении спуска и повышенной вероятности затянувшегося второго периода родов¹⁵^,¹⁶^,¹⁷. AOP отражает как спуск, так и ротацию головки плода и, следовательно, имеет прямую связь с прогрессированием родов⁶^,¹⁸. Хотя положение плода, определенное при трансабдоминальном ультразвуковом исследовании, не вошло в окончательную прогностическую модель, трансабдоминальное УЗИ остается клинически полезным для выявления неправильного положения плода (например, затылочного заднего или поперечного положения), что может потребовать более тщательного интранатального обследования. В совокупности эти результаты позволяют предположить, что интранатальное УЗИ предоставляет объективную информацию о положении плода и спуске головки, которая может помочь в ранней оценке женщин с повышенным риском затянувшегося второго периода родов. Путем интеграции демографических характеристик с ультразвуковыми параметрами в данном исследовании была разработана внутренне валидированная прогностическая модель. Регрессия LASSO выявила четыре переменные с ненулевыми коэффициентами — возраст матери, увеличение ИМТ во время беременности, массу тела новорожденного при рождении и AOP, которые затем были введены в многофакторную логистическую регрессионную модель для оценки скорректированных размеров эффекта. При использовании критерия одной стандартной ошибки для выбора модели, модель достигла AUC 0.927 при внутренней валидации, что указывает на отличную дискриминационную способность. Однако, поскольку в модель была включена фактическая масса тела новорожденного, измеренная после родов, ее следует считать исследовательской и иллюстративной, а не непосредственно применимой в клинической практике. Будущее клиническое внедрение потребует перенастройки модели с использованием расчетной массы плода вместе с независимой внешней валидацией. Несмотря на эти ограничения, интеграция демографических характеристик и ультразвуковых параметров может способствовать более ранней стратификации рисков и поддержать индивидуальный интранатальный менеджмент¹⁹^,²⁰^,²¹^,².

По сравнению с предыдущими исследованиями, настоящее исследование обладает несколькими важными преимуществами. Во-первых, интеграция демографических характеристик, клинических переменных и параметров ультразвукового исследования позволила провести многомерную оценку факторов, связанных с затяжным вторым периодом родов. Во-вторых, для отбора переменных и сжатия коэффициентов использовалась регрессия LASSO, которая помогает справиться с мультиколлинеарностью и повысить стабильность модели при наличии коррелирующих предикторов. В-третьих, размер выборки обеспечил достаточную статистическую мощность для разработки модели и внутренней валидации. Несмотря на эти преимущества, следует признать ряд ограничений. Во-первых, это было одноцентровое проспективное исследование, в которое были включены только женщины, в итоге родившие естественным путем. Следовательно, женщины, которым в течение второго периода потребовались оперативные вагинальные роды или кесарево сечение, были исключены, что привело к систематической ошибке отбора и ограничило возможность обобщения полученных результатов. Кроме того, определение исхода не учитывало оперативные роды как конкурирующий исход у женщин с затяжными родами. Таким образом, перед клиническим применением требуется внешняя валидация в независимых многоцентровых проспективных когортах. Во-вторых, все оценки эффективности модели, включая ROC-анализ, калибровку и DCA, основывались на внутренней валидации с использованием той же исследуемой популяции, и независимая внешняя валидационная когорта отсутствовала. В-третьих, хотя данные об эпидуральной анальгезии, стимуляции окситоцином и искусственном разрыве плодных оболочек регистрировались, эти переменные не были включены в окончательную прогностическую модель. Другие потенциально важные факторы, включая характеристики сокращений матки, стратегии ведения родов и показатели боли у матери, также могут влиять на прогрессирование родов и должны быть изучены в будущих исследованиях. В-четвертых, некоторые ультразвуковые измерения остаются зависимыми от оператора, несмотря на стандартизированное обучение и высокую воспроизводимость между наблюдателями, и анализировалась только одна оценка, полученная в активной фазе первого периода родов. Поскольку роды представляют собой динамический процесс, усреднение трех измерений, полученных во время отдельных сокращений, может снизить случайную ошибку измерения, но также может скрыть быстрые изменения в снисхождении плода. Будущие исследования, включающие серийные ультразвуковые оценки с временными метками, такие как изменения AOP во времени, могут улучшить прогностическую эффективность²³^,²⁴. Наконец, прогностическая модель была разработана с использованием фактической массы тела новорожденного, измеренной после родов, для установления физиологической связи с затяжным вторым периодом родов. Соответственно, модель следует рассматривать как исследовательскую; она не может быть применена напрямую для клинического прогнозирования во время родов. Клиническое внедрение потребует переработки и внешней валидации модели с использованием расчетной массы плода, полученной до родов, а не простой подстановки данных в текущее уравнение. Поскольку расчетная масса плода подвержена присущей ей ошибке измерения (обычно ±10%–15%), коэффициенты и эффективность модели должны быть переоценены в независимой когорте перед клиническим использованием. Кроме того, инерция матки в данном исследовании определялась в соответствии с наблюдаемой частотой и продолжительностью сокращений, а не по диагностическим критериям остановки родов, рекомендованным ACOG или NICE, что может ограничить прямое сравнение с другими исследованиями. Наконец, использование фиксированного порога в 120 мин для определения затяжного второго периода родов без учета более длительных интервалов, которые могут быть допустимы у женщин, получающих эпидуральную анальгезию, может дополнительно ограничить обобщаемость модели.

В будущих исследованиях следует изучить альтернативные подходы к проверке гипотезы, рассмотренной в данной работе. Во-первых, в то время как в этом исследовании использовалась однократная ультразвуковая оценка в начале активной фазы родов, серийные измерения (например, изменения AOP или расстояния продвижения головки во времени) могут лучше отразить динамический процесс спуска плода и повысить прогностическую точность, что подтверждается недавними исследованиями²³^,²⁴. Во-вторых, хотя сочетание LASSO-регрессии и многофакторной логистической регрессии позволило создать лаконичную и интерпретируемую модель, другие методы машинного обучения, включая случайные леса, метод опорных векторов и градиентный бустинг, могут лучше улавливать нелинейные зависимости и сложные взаимодействия между предикторами, хотя, возможно, за счет снижения интерпретируемости. В-третьих, поскольку определения затянувшегося второго периода родов различаются в клинических рекомендациях (включая более длительные пороговые значения для женщин, получающих эпидуральную анестезию), следует изучить возможность рекалибровки модели для альтернативных определений исхода. В-четвертых, будущие модели должны разрабатываться с использованием расчетной массы плода, а не фактической массы новорожденного при рождении; при этом альтернативные сонографические методы оценки массы плода, включая методы трехмерного ультразвукового исследования, могут помочь снизить погрешность измерений. Наконец, включение данных непрерывного интранатального мониторинга, таких как сила сокращений матки или автоматизированный анализ картотокографии, может дополнительно улучшить стратификацию рисков. Сравнительная оценка этих подходов может помочь определить оптимальную стратегию прогнозирования затянувшегося второго периода родов.

Дополнительным ограничением данного исследования является то, что для обеспечения точного измерения продолжительности второго периода родов были включены только женщины, у которых успешно произошли вагинальные роды. Следовательно, женщины, которым потребовались оперативные вагинальные роды или кесарево сечение после затяжного второго периода родов, были исключены, хотя они соответствовали бы определению затяжных родов, принятому в исследовании. Этот критерий отбора мог привести к занижению истинной частоты затяжного второго периода родов и внесению систематической ошибки установления исхода. Кроме того, оперативное родоразрешение до завершения второго периода представляет собой конкурирующий исход, а не просто отсутствие события, и поэтому не было включено в прогностическую модель. Соответственно, представленная модель оценивает вероятность затяжного второго периода родов только среди женщин, у которых в итоге произошли вагинальные роды, и ее не следует использовать для прогнозирования необходимости оперативного родоразрешения. Для определения обобщаемости и клинической применимости модели потребуется внешняя валидация на более широких, неселективных акушерских популяциях, включающих оперативные роды. Наблюдаемая связь между затяжным вторым периодом родов и неблагоприятными исходами, включая фетальный дистресс и низкие баллы по шкале Апгар, даже в когорте, ограниченной женщинами с вагинальными родами, подчеркивает важность ранней оценки рисков. Высокий показатель вагинальных родов в данной когорте отражает критерии включения в исследование и не должен интерпретироваться как свидетельство того, что оперативное вмешательство было излишним в рутинной клинической практике.

Прогностическая модель имеет несколько потенциальных областей применения. После доработки с использованием расчетного веса плода и независимой внешней валидации её можно будет интегрировать в системы электронных медицинских карт для оценки индивидуального риска затяжного второго периода родов во время активной фазы первого периода, что облегчит идентификацию женщин с повышенным риском в режиме реального времени. Используя оптимальный порог вероятности, определенный в данном исследовании (0,48), модель может помочь в поддержке индивидуального интранатального ведения, включая более тщательный мониторинг состояния матери и плода, а также своевременное принятие клинических решений. Кроме того, модель может способствовать стратификации рисков в будущих интервенционных исследованиях по оценке стратегий ведения родов, протоколов эпидуральной анальгезии или стимуляции матки, обеспечивая более сбалансированное распределение исходного риска. Поскольку необходимые входные переменные стандартно собираются в ходе клинического наблюдения, модель также может стать практической основой для будущей внешней валидации и адаптации к другим акушерским группам, включая многорожавших женщин и женщин, которым проводится индукция родов. Резюмируя, интеграция параметров трансабдоминального и трансперинеального ультразвукового исследования первого периода с демографическими и клиническими характеристиками матери позволила разработать внутренне валидированную прогностическую модель затяжного второго периода родов. Многомерная оценка показала, что возраст матери, прирост ИМТ при беременности, вес новорожденного при рождении и AOP были независимо связаны с затяжным вторым периодом родов, а модель продемонстрировала отличную дискриминационную способность и хорошую калибровку при внутренней валидации. Хотя эти результаты подтверждают потенциальную ценность данного подхода для ранней интранатальной оценки рисков, модель следует считать предварительной, так как она включает фактический вес новорожденного при рождении и прошла только внутреннюю валидацию. Перед внедрением в клиническую практику модель должна быть переработана с использованием расчетного веса плода и пройти внешнюю валидацию в независимых многоцентровых когортах. В будущих исследованиях также следует изучить возможность включения дополнительных предикторов, таких как характеристики сокращений матки, переменные обезболивания и интранатальные вмешательства, для разработки более комплексной и универсальной прогностической модели для индивидуального ведения родов.

Раскрытие информации

Конфликт интересов:
Авторы заявляют об отсутствии конкурирующих финансовых или нефинансовых интересов, связанных с данной работой.

Благодарности

Авторы выражают благодарность среднему медицинскому и врачебному персоналу отделения акушерства больницы охраны здоровья матери и ребенка города Юяо (Вторая народная больница Юяо) за помощь в наборе участников и сборе данных. Данная работа была поддержана муниципальной программой в области здравоохранения и науки и технологий города Юяо на 2024 год (грант № 2024YYB03).

Материалы

Список материалов, использованных в этой статье
Имя	Компания	Каталожный номер	Комментарии
Портативная диагностическая ультразвуковая система	Mindray	CAU-0104064	Портативная диагностическая ультразвуковая система, используемая для трансабдоминальной и трансперинеальной визуализации; настройки визуализации см. в протоколе
Конвексный ультразвуковой датчик (2–5 MHz)	Mindray	C5-2	Используется для трансабдоминальной ультразвуковой визуализации
Высокочастотный линейный или малый конвексный ультразвуковой датчик (5–8 MHz)	Mindray	75L38EA	Используется для трансперинеальной ультразвуковой визуализации
Программное обеспечение R	R Foundation for Statistical Computing	Version 4.1.0	Программное обеспечение для статистических вычислений (RRID:SCR_01905)
Программное обеспечение SPSS	IBM Corp.	Version 26.0	Программное обеспечение для статистического анализа (RRID:SCR_02865)
Шкала самооценки тревоги	Опубликованный опросник (Zung Self-Rating Anxiety Scale)	Not applicable	Опросник для оценки тревожности, используемый при поступлении

Ссылки

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.