不同体型孕妇缺铁性贫血的预测

封面


如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

现实意义的题目怀孕期间的贫血，没有得到诊断和及时治疗，是导致各种产科并发症的原因——自然流产、早产、子宫胎盘 - 胎儿系统的循环障碍、产科出血、产前和产时胎儿死亡。

目的是研究孕妇缺铁性贫血的频率，考虑到体质类型，并为这种疾病的发生开发一个预后模型。

材料和方法。对390名孕妇进行了检查。体格测定法按照 R.N. Dorokhova 怀孕不超过 9-10 周。 在观察到的孕妇中，110 名代表巨大体型，173 名代表中型，107 名代表小体型。根据已知方法测定血红蛋白和红细胞的水平。通过使用一套试剂“Parma Iron”（LLC“Parma Diagnostics”）用铁锌比色法评估血液中的铁含量。通过ELISA分光光度法测定血清铁调素。

结果。与中体型相比，大体型和小体型代表在怀孕期间最常发生缺铁性贫血(p<0.05)。观察组无严重贫血。与没有贫血迹象的孕妇组相比，有潜在贫血病程的孕妇组的血液学参数（血清中的铁和铁调素）浓度显着更高（p<0.05）。在妊娠中期，潜伏组妇女出现缺铁性贫血。通过多元回归分析，得到了预测不同体型孕妇缺铁性贫血发病的公式。

结论。血液学参数（血清中的铁和铁调素）应归因于缺铁性贫血的标志物，并应及时预测病理的发生。数学公式可以让您准确判断孕妇缺铁性贫血的发病情况，同时兼顾怀孕前三个月的体质类型，防止病理发展。

作者简介

Kristina Tomayeva

North Ossetia State Medical Academy

编辑信件的主要联系方式.
Email: tomaevakg@mail.ru
ORCID iD: 0000-0003-0269-5507

MD, PhD

俄罗斯联邦, 40 Pushkinskaya str., Vladikavkaz, 362019

Sergey Gaidukov

Saint Petersburg State Pediatric Medical University

Email: gaiducovsn@yandex.ru

MD, PhD, DSci (Medicine), Professor

俄罗斯联邦, Saint Petersburg

Elena Komissarova

Saint Petersburg State Pediatric Medical University

Email: komissaren@yandex.ru

PhD, DSci (Biology), Professor

俄罗斯联邦, Saint Petersburg

Leonid Kokoyev

North Ossetia State Medical Academy

Email: kokoevlev15@mail.ru
ORCID iD: 0000-0003-4534-3499

MD

俄罗斯联邦, 40 Pushkinskaya str., Vladikavkaz, 362019

参考

  1. Smith C, Teng F, Branch E, et al. Maternal and perinatal morbidity and mortality associated with anemia in pregnancy. Obstet Gynecol. 2019;134(6):1234–1244. doi: 10.1097/AOG.0000000000003557
  2. Telarović S, Čondić L. Frequency of iron deficiency anemia in pregnant and non-pregnant women suffering from restless legs syndrome. Hematology. 2019;24(1):263–267. doi: 10.1080/16078454.2018.1560935
  3. Wani S, Noushad M, Ashiq S. Regain study: Retrospective study to assess the effectiveness, tolerability, and safety of ferric carboxymaltose in the management of iron deficiency anemia in pregnant women. Anemia. 2019;2019:4640635. doi: 10.1155/2019/4640635
  4. Kroot JJ, Tjalsma H, Fleming RE, Swinkels DW. Hepcidin in human iron disorders: diagnostic implications. Clin Chem. 2011;57(12):1650–1669. doi: 10.1373/clinchem.2009.140053
  5. Gaidukov SN, Nekrassov KV, Atlasov VO. The prevalence of alcohol consumption by russian women before and during pregnancy and its sociodemographic determinants. Journal of obstetrics and women’s diseases. 2008;57(2):11–16. (In Russ.)
  6. Tapil’skaja NI, Vorobcova N, Gajdukov SN. Primenenie viferona v III trimestre beremennosti dlja profilaktiki inficirovanija novorozhdennyh virusom papillomy cheloveka. Terra Medica Nova. 2006;(4):15–17. (In Russ.)
  7. Komissarova EN, Panasjuk TV. Osobennosti biologicheskoj zrelosti detej v zavisimosti ot somatotipa. Morfologiia. 2009;136(4):79. (In Russ.)
  8. Panasyuk TV, Komissarova EN, Nguen VT. Physical development of Vietnamese primary school children living in urban and rural areas. Morphology. 2012;141(3):80. (In Russ.)
  9. Tomaeva KG, Gaydukov SN, Komissarova EN, Salekhov SA. Prediction of a risk for developing preeclampsia in women with different somatotypes. Gynecology, Obstetrics and Perinatology. 2020;19(3):45–50. (In Russ.). doi: 10.20953/1726-1678-2020-3-45-50
  10. Tomaeva KG, Gaydukov SN. A model for predicting the risk of preeclampsia in women with different somatotypes. Journal of Obstetrics and Women’s Diseases. 2019;68(6):65–72. (In Russ.). doi: 10.17816/JOWD68665-72
  11. Tomaeva KG. Prediction of placental insufficiency in pregnant women with different somatotypes. Journal of Obstetrics and Women’s Diseases. 2020;69(4):23–28. (In Russ.). doi: 10.17816/JOWD69423-28
  12. Dorokhov RN, Chernova VN, Bubnenkova OM. Nature of distribution of fatty body weight among the people at various ages both male and female. Uchenye zapiski universiteta im. P.F. Lesgafta. 2015;(9):91–96. (In Russ.). doi: 10.5930/issn.1994-4683.2015.09.127.p91–96
  13. Dorohov RN. Opyt ispol’zovanija original’noj metricheskoj shemy somatotipirovanija v sportivno-morfologicheskih issledovanijah. Teoriya i pracktika fizicheskoy kultury. 1991;(1):14−20. (In Russ.)
  14. Kamyshnikov VS. Kliniko-biohimicheskaya laboratornaya diagnostika: spravochnik. Minsk: Interpresservis; 2003. (In Russ.)
  15. Aleksandrovich YuS, Gordeev VI. Otsenochnye i prognosticheskie shkaly v meditsine kriticheskikh sostoyaniy. Saint Petersburg: ELBI; 2015. (In Russ.)

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Concentration of serum iron in the surveyed groups. Mac - macrosomatic type; MeS - mesosomatic type; MiS is a microsomatic type. * differences between indicators in gestational age 9-10 and 21-22 weeks. (p <0.05); # differences between the groups of pregnant women without anemia and pregnant women with a latent course of anemia (p <0.05); δ differences between the groups of pregnant women without anemia and pregnant women with anemia (p <0.05)

下载 (134KB)
索引源数据
3. Fig. 2. Concentration of serum hepcidin in the examined groups. Mac - macrosomatic type; MeS - mesosomatic type; MiS is a microsomatic type. * differences between indicators in gestational age 9-10 and 21-22 weeks. (p <0.05); # differences between the groups of pregnant women without anemia and pregnant women with a latent course of anemia (p <0.05); δ differences between the groups of pregnant women without anemia and pregnant women with anemia (p <0.05)

下载 (137KB)
索引源数据
4. 图1 受检组的血清铁浓度。MaS—宏体型；MeS——中体型； MiS 是一种微粒体型。* 孕龄 9-10 周和 21-22 周指标之间的差异(p<0.05)；# 没有贫血的孕妇组和有潜在贫血病程的孕妇组之间的差异（p<0.05）；无贫血孕妇组与贫血孕妇组的δ差异（p<0.05）

下载 (109KB)
索引源数据
5. 图2 受检组的血清铁调素浓度。MaS—宏体型；MeS——中体型；MiS 是一种微粒体型。* 孕龄 9-10 周和 21-22 周指标之间的差异(p<0.05)；# 没有贫血的孕妇组和有潜在贫血病程的孕妇组之间的差异（p<0.05）；无贫血孕妇组与贫血孕妇组的δ差异（p<0.05）

下载 (118KB)
索引源数据

版权所有 © Tomaeva K., Gaidukov S., Komissarova E., Kokoev L., 2021



Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».