基于超聲檢查的胎兒異常現況及影響因素分析

劉婷婷 劉美玲 范曉萱 代培鳳 秦 浩,3,4△

【提 要】 目的 了解胎兒異常發生現況并分析其影響因素,為采取針對性的干預措施提供參考依據。方法 基于超聲檢查收集孕婦及胎兒相關資料,描述性分析胎兒異常現況,在單變量poisson回歸基礎上,應用多變量poisson回歸和條件logistic回歸分別分析影響因素。結果 胎兒異常發生率為5.87%(57/971),前三位依次為胎兒出生缺陷3.91%(38/971)、顱腦異常1.24%(12/971)、單臍動脈0.31%(3/971);運用多變量poisson回歸顯示孕前BMI指數越大(β=0.48,OR=1.62,P<0.01)、孕周越大(β=0.68,OR=1.97,P<0.01)胎兒異常檢出率越高,而有計劃妊娠(β=-0.65,OR=0.52,P=0.03)可降低異常風險;條件logistic回歸顯示孕周越大(β=0.78,OR=2.18,P<0.01)異常檢出率增大,丈夫受教育程度越高(β=-0.56,OR=0.57,P<0.01)可降低異常風險。結論 現況調查結果及兩種統計方法相結合篩查的影響因素,為降低胎兒異常提供了部分參考依據。

胎兒異常可導致流產、死胎、死產、新生兒殘疾等,先天異常的存活兒由于存在形態結構的缺陷,給家庭和社會帶來了沉重的精神和經濟負擔[1-2]。以往研究主要聚焦于出生缺陷的現況與危險因素分析[3-5],本研究把關口前移,同時鑒于超聲在產前診斷中的普適性和較高應用價值[3,6-7],以某醫院超聲科待檢孕婦為調查對象,分析胎兒異常現況及影響因素。

對象與方法

1.研究對象

以2017年9月至11月在某醫院超聲科行B超檢查的孕婦為調查對象。共發放問卷1000份,回收有效問卷971份,有效回收率為97.1%,胎兒異常發生率5.87%(57/971)。胎兒異常的57名孕婦平均年齡(31.77±5.41)周歲,其中最小21周歲,最大50周歲,平均胎齡(28.09±6.97)周。

2.調查內容

包括三部分:第一,基本情況,如年齡、職業、孕前BMI指數(body mass index,體質指數)、孕周、受教育程度等;第二,健康相關狀況,如生活行為習慣、生活工作環境、疾病史、避孕史、孕產史、孕期營養、心理狀況、孕期疾病暴露等;第三,超聲診斷結果,凡存在胎兒出生缺陷、顱腦異常(腦室擴張小于1cm)、單臍動脈等均為胎兒異常。

3.統計學方法

采用Epidata 3.1軟件建立數據庫,SPSS 17.0、SAS 9.2軟件進行數據分析,其中胎兒異常情況采用描述性統計,在單變量poisson回歸的基礎上,多變量poisson回歸和條件logistic回歸分別篩選影響因素,以P<0.05為有統計學意義。

結 果

1.基本情況

57例胎兒異常者中,從高到低依次為:出生缺陷38人(66.7%)、顱腦異常12人(21.1%)、單臍動脈3人(5.3%)、臍動脈阻力偏高2人(3.5%)、其他(胎兒胸腔積液、胎兒右側胸腺囊腺瘤、胎兒右心房后有囊性腫物、臍帶囊腫)4人(7.0%),其中2人合并兩種異常情況。在人口學特征中的分布情況:孕早期2人(3.5%),孕中期21人(36.8%),孕晚期34人(59.6%);<25歲4人(7.0%),25～歲15人(26.3%),30～歲21人(36.8%),35～歲14人(24.6%),40～歲3人(5.3%);城區40人(70.2%),農村17人(29.8%);受教育程度初中及以下20人(35.1%)、高中/中專16人(28.1%)、大專9人(15.8%)、本科及以上12人(21.1%);初產婦16人(28.1%)、經產婦41人(71.9%);工人12人(21.1%)、農民5人(8.8%)、科技工作者7人(12.3%)、行政工作者4人(7.0%)、自由職業10人(17.5%)、待業15人(26.3%)、其他4人(7.0%);孕前BMI指數<18.5(偏瘦)者3人(5.3%),18.5～23.9(適中)者30人(52.6%),24～27.9(超重)者15人(26.3%),≥28(肥胖)者9人(15.8%)。

2.單因素分析

為便于有效篩查影響因素,114名非胎兒異常的異常妊娠孕婦不參與分析,即對857名孕婦以胎兒是否異常為因變量,以基本情況、健康相關狀況等所含變量作為自變量,進行單變量poisson回歸分析。結果顯示:孕前BMI指數、孕周、受教育程度、家中子女個數、初產婦、丈夫受教育程度、是否計劃妊娠、懷孕前是否增補葉酸/鈣劑、孕早期發熱服藥史等與胎兒的健康狀況有關,具體情況詳見表1。

表1 胎兒異常影響因素的單因素分析結果

由表1可見,孕前BMI指數越大、孕周越大、子女個數越多、初產婦、孕早期發熱史者胎兒異常檢出率增大,而夫妻雙方受教育程度越高、有計劃妊娠、孕前增補營養劑(葉酸、鈣)可降低胎兒異常風險。

3.多因素分析

為更全面合理地篩選可能的影響因素,在以上單因素分析基礎上,分別采用多變量poisson回歸和條件logistic回歸分析。其中多變量poisson回歸樣本仍然是857名孕婦,同時在自變量添加了年齡、居住地和職業;條件logistic回歸樣本,是以57胎兒異常孕婦作為病例組,以年齡、居住地、職業為匹配條件,從800名正常孕婦中按1:4進行配比,即分析樣本是285名孕婦。

表2 胎兒異常影響因素的多因素分析結果

由表2可見,多變量poisson回歸和條件logistic回歸均顯示孕周是影響胎兒異常的因素,即孕周越大,胎兒異常檢出率越高;另外,孕前BMI指數越大,胎兒異常的發生率越高,而有計劃妊娠和提升丈夫受教育程度,能夠降低異常風險。

討 論

本次調查結果顯示,胎兒異常發生率為5.87%,其中胎兒出生缺陷占比最大，為66.67%,其發生率為3.91%。原衛生部發布的《中國出生缺陷防治報告(2012)》[1]指出,我國出生缺陷總發生率約為5.6%,也就是說通過我們的產前檢查,59.6%的是在孕晚期檢出來的情況下,并且在發現異常后建議終止妊娠的前提下,仍有較大比例胎兒出生缺陷者沒有篩檢出來,由此提示我們防治胎兒異常,尤其是出生缺陷不容樂觀,加大篩檢力度和水平迫在眉睫。同時,從胎兒異常在人口學特征中的分布來看,經產婦、居住地為城鎮、受教育程度低等所占胎兒異常比例較高,近一步提示我們,胎兒異常主要由遺傳因素引起的情況下[8-9],環境因素的作用日益凸顯[2-5,10]。

為便于研究可能的環境影響因素,本研究將視角從出生缺陷擴到了基于B超檢查的所有胎兒異常,并且鑒于胎兒異常小概率的特性,影響因素分析分別采用了poisson回歸和條件logistic回歸。其中在多因素poisson回歸分析中,結合以往研究,年齡[2-3,11]、居住地[2-3]、職業[12]三個變量,即使單因素分析沒有意義,仍然納入自變量中;而在條件logistic回歸中,以上述三個變量作為了匹配因素。另外,為避免孕前BMI指數、受教育程度等變量直接作為等級變量,掩蓋真實關系研究,嘗試采用啞變量分析,分析結果與采用等級變量無差異。從兩個多因素分析結果來看,孕周是首當其沖因素,由此進一步提示我們,目前做好早期篩檢技術研究,對減少孕婦痛苦,降低出生缺陷,起到事半功

倍的效果。此外,在調查中發現,工作中接觸干洗劑、孕前曾患心臟病、妊娠合并子癇各有1例孕婦,且均有胎兒異常,但因為例數過少,故在影響因素分析中均沒有作為自變量參與分析,但應該引起我們的重視[5,12]。