Применение корреляционного анализа для выявления факторов из анамнеза женщины, влияющих на исход беременности, полученной с помощью ЭКО

В статье рассматривается поиск статистической взаимосвязи между заболеваниями мочеполовой системы, хроническими заболеваниями, проведенными хирургическими вмешательствами, и другими данными анамнеза жизни, наследственного анамнеза женщины и исходом беременности, полученной с помощью вспомогательных репродуктивных технологий (ЭКО). В качестве исхода выбраны, имеющиеся у рассматриваемой группы пациенток – 338 женщин, сроки и способы родоразрешения, а также диагнозы их 402 детей на этапе родильного дома. В статье описан универсальный алгоритм приведения текстовых данных в пригодный для проведения анализа вид при помощи морфологического анализатора pymorphy2 и библиотеки Scikit-Learn Python 3.6. Для выявления значимых факторов использовался корреляционный анализ, выполненный с применением точного критерия Фишера, критерия согласия Хи-квадрат и интервальных оценок долей, Z-критерия для разности двух долей. Сила взаимосвязи факторов и исходов оценена критерием Крамера. Результатом анализа является выделение 56 значимых факторов и 34 значимых корреляций, которые будут учтены при разработке математической модели предсказания исхода беременности и оценки здоровья ребенка, зачатого при помощи ВРТ (ЭКО), на этапе планирования.

1. Амирова А.А. Прогнозирование исходов ЭКО и ЭКО/ИКСИ у бесполодных супружеских пар при некоторых формах бесплодия : Дис. ... канд. мед. наук. Москва; 2011. Доступно по: https://www.dissercat.com/content/prognozirovanie-iskhodov-eko-iekoiksi-u-bespolodnykh-supruzheskikh-par-pri-nekotorykh-forma (дата обращения 17.02.2020).

2. Satvinder Purewal, Sarah C.E. Chapman, Olga B.A. van den Akker. A systematic review and meta-analysis of lifestyle and body mass index predictors of successful assisted reproductive technologies. Journal of Psychosomatic Obstetrics & Gynecology. 2019;40(1):2-18 DOI:10.1080/0167482X.2017.1403418

3. L.L. van Loendersloot, M. van Wely, S. Repping, P.M.M. Bossuyt, F. van der Veen. Individualized decision-making in IVF: calculating the chances of pregnancy. Human Reproduction. 2013;28(11):2972-2980 DOI: 10.1093/humrep/det315

4. Dhillon R.K., McLernon D.J, Smith P.P, Fishel S., Dowell K., Deeks J.J., Bhattacharya S., Coomarasamy A. Predicting the chance of live birth for women undergoing IVF: a novel pretreatment counselling tool. Human Reproduction. 2016;31(1):84-92 DOI: 10.1093/humrep/dev268

5. David J McLernon, Ewout W Steyerberg, Egbert R te Velde, Amanda J Lee, Siladitya Bhattacharya. Predicting the chances of a live birth after one or more complete cycles of in vitro fertilisation: population based study of linked cycle data from 113 873 women. BMJ. 2016;355(8082) DOI: 10.1136/bmj.i5735

6. Porcu, G., Lehert, P., Colella, C, Giorgetti C. Predicting live birth chances for women with multiple consecutive failing IVF cycles: a simple and accurate prediction for routine medical practice. Reproductive Biology and Endocrinology. 2013;11(1) DOI: 10.1186/1477-7827-11-1

7. Katarina Kebbon Vaegter, Tatevik Ghukasyan Lakic, Matts Olovsson, Lars Berglund, Thomas Brodin, Jan Holte Which factors are most predictive for live birth after in vitro fertilization and intracytoplasmic sperm injection (IVF/ICSI) treatments? Analysis of 100 prospectively recorded variables in 8,400 IVF/ICSI single-embryo transfers. Fertility and Sterility. 2017;107(3):641-648.e2 DOI: 10.1016/j.fertnstert.2016.12.005

8. Гаджимурадова Н.Д. Состояние здоровья и прогнозирование его нарушений у детей первого года жизни, родившихся от одноплодной беременности после экстракорпорального оплодотворения: Дис. … канд. мед. наук. Пермь; 2017. Доступно по: http://www.dslib.net/pediatria/sostojanie-zdorovja-i-prognozirovanie-egonarushenij-u-detej-pervogo-goda-zhizni.html (дата обращения 18.02.2020).

9. Платформа для обработки данных и машинного обучения Anaconda. Доступно по: https://www.anaconda.com (дата обращения 18.02.2020)

10. Морфологический анализатор pymorphy2. Доступно по: https://pymorphy2.readthedocs.io/en/latest/ (дата обращения 18.02.2020).

11. Pedregosa et al. Scikit-learn: Machine Learning in Python. JMLR. 2011;12:2825-2830.

12. Wilson E. B. Probable inference, the law of succession, and statistical inference. Journal of American Statistical Association. 1927;22:209-212.

13. Гржибовский А.М. Доверительные интервалы для частот и долей. Экология человека. 2008;5:57-60.

14. Колбая Т.Т. Беременность и роды у женщин различных возрастных групп: Дис. … канд. мед. наук. Москва; 2011. Доступно по: http://medicaldiss.com/medicina/beremennost-i-rody-u-zhenschin-razlichnyh-vozrastnyh-grupp (дата обращения 18.02.2020)

15. Гржибовский А. М. Анализ номинальных данных (независимые наблюдения). Экология человека. 2008;6:58-68.

16. Гланц С. Медико-биологическая статистика. Пер. с англ. М.: Практика;1998