Optimización de las curvas personalizadas de percentiles de peso fetal y neonatal del Hospital Universitario de Puerto Real

La evaluación del crecimiento fetal y el estado nutricional del recién nacido son cruciales en el control obstétrico para prevenir resultados perinatales adversos. La herramienta clínica principal es el peso fetal estimado por ecografía, complementado por el índice ponderal de Röhrer en estudios epidemiológicos para valorar el estado nutricional al nacer. Para clasificar el crecimiento fetal, se utilizan curvas de percentiles: las de referencia o poblacionales (basadas en edad gestacional y sexo) y las customizadas o personalizadas (que incorporan características maternas y fetales para reflejar el potencial de crecimiento individual). El diagnóstico de alteraciones del crecimiento es difícil, y los métodos actuales pueden pasar por alto una proporción significativa de fetos con bajo peso o considerar fetos sanos como grandes para su edad gestacional. Nuestra investigación se sitúa en una línea de trabajo del Hospital Universitario de Puerto Real (HUPR), donde ya existía un modelo customizado. Sin embargo, se identificó una limitación en su capacidad predictiva con índice de masa corporal (IMC) maternos extremos (infrapeso y obesidad), este último frecuente en la zona. Esto motivó la búsqueda de un nuevo modelo matemático optimizado para la curva personalizada de nuestro hospital. Objetivos El objetivo principal es la construcción de un nuevo modelo matemático predictivo de peso al nacer (a término) de la curva customizada del Hospital Universitario de Puerto Real y comparar su rentabilidad diagnóstica con la ya existente y con INTERGROWTH21st. Además de comprobar si el factor corrector de IMC materno mejora la rentabilidad diagnóstica en gestantes con obesidad. Material y Método Se llevó a cabo un estudio observacional, retrospectivo, analítico y transversal de comparación de pruebas diagnósticas. La población de estudio incluyó gestantes atendidas en el HUPR entre enero de 2012 y enero de 2021. Los datos se obtuvieron del sistema informático DIRAYA. Tras aplicar criterios de inclusión (como datación certera y partos entre 32 y 42 semanas), la muestra final para validación fue de 6.767 gestaciones. Para construir el nuevo modelo predictivo de peso al nacer, se consideraron variables como peso y talla materna, paridad, sexo fetal y edad gestacional. Tras análisis estadísticos (bivariante y multivariante), la edad materna no fue significativa y se eliminó del modelo final. El modelo utiliza peso materno, talla materna, paridad, sexo del recién nacido y edad gestacional en días. Un cambio clave fue medir la edad gestacional en días (280-286 días para la generación del modelo) para mayor precisión. La capacidad diagnóstica se evaluó mediante métricas como sensibilidad, especificidad, valores predictivos, diagnostic Odds Ratio, y debido al desbalance de datos, Precision, Recall y F1 score, además de curvas ROC (Receiver Operating Characteristic). Resultados La muestra de validación fue de 6.767 gestaciones, con 9,89% de recién nacidos desnutridos (IP<p10) y 12.72% sobrenutridos (IP>p90). El nuevo modelo predictivo final incluyó peso y talla materna, paridad, sexo fetal y edad gestacional en días. La comparación de curvas mostró: En la población general, la curva customizada nueva tuvo métricas (Precision, Recall, F1) muy similares a la antigua para desnutrición (0,31, 0,42, 0,36 vs 0,31, 0,42, 0,36). Para sobrenutrición, la curva nueva (0,38, 0,35, 0,36) y INTERGROWTH-21st (0,35, 0,39, 0,37) mostraron mejor rendimiento que la antigua (0.37, 0.24, 0.29), especialmente en Recall y F1 score. Las áreas bajo la curva (AUC) de las curvas ROC en población general fueron muy cercanos entre curva.En la población obesa (IMC>30 kg/m2, N=979): • Para desnutrición, la curva antigua tuvo un Recall (0,58 vs 0,42) y F1 score (0,35 vs 0,32) ligeramente superiores, con AUC (0,803 vs 0,794) también un poco mayor. • Para sobrenutrición, la curva customizada nueva mostró un Recall (0,39 vs 0,20) y F1 score (0.42 vs 0.28) considerablemente mayores que la curva antigua, con un AUC de la curva nueva ligeramente superior (0,706 vs 0,700), indicando una mejor capacidad diagnóstica en este grupo para detectar sobrenutrición. Conclusiones El nuevo modelo matemático predictivo de peso al nacer a término para la curva customizada del Hospital Universitario de Puerto Real ha conseguido los objetivos de mejora de capacidad diagnóstica con respecto al modelo previo y se confirma que, tanto la curva customizada de percentiles del HUPR previa como la nueva e INTERGROWTH21st, clasifican de forma diferente a los recién nacidos. En la población general, este nuevo modelo mostró una rentabilidad diagnóstica similar a la curva customizada previa para detectar desnutrición neonatal, pero una mejor capacidad para identificar sobrenutrición. La contribución más destacada se observa en la población de gestantes obesas, donde el nuevo modelo customizado demostró una capacidad diagnóstica significativamente mejorada para la detección de sobrenutrición neonatal en comparación con el modelo antiguo. La inclusión de un factor corrector basado en el IMC materno fue crucial para esta mejora, especialmente en gestantes obesas. El amplio tamaño muestral (6.767 gestaciones) respalda la solidez de los hallazgos.

Author dc:creator

• Sánchez Mera, Raquel de la Oliva

Advisor dc:contributor.advisor

• Fernández Alba, Juan Jesús

• Curvas de crecimiento fetal
• alteraciones nutricionales
• INTERGROWTH21st
• curvas de crecimiento fetal personalizadas
• desnutrición neonatal
• sobrenutrición neonatal
• obesidad materna
• índice ponderal
• Fetal growth curves
• nutritional disorders
• customized fetal growth curves
• neonatal undernutrition
• neonatal overnutrition
• maternal obesity
• ponderal index

Statement dc:rights

• Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

spa

Handle dc:identifier.uri

http://hdl.handle.net/10498/39610

OAI identifier oai:identifier

oai:rodin.uca.es:10498/39610