Cruz VH, López BR, Cáceres DA, Álvarez GED

Idioma: Español
Referencias bibliográficas: 21
Paginas: 1-13
Archivo PDF: 425.53 Kb.

RESUMEN

Introducción: La preeclampsia es uno de los síndromes en mujeres embarazadas que afecta al menos 3 - 8 % de todos los embarazos.
Objetivo: Desarrollar un modelo predictivo de preeclampsia a partir del estado redox en embarazadas, que clasifique a las mujeres pertenecientes a los grupos de gestantes preeclámpticas y gestantes sanas.
Métodos: Se realizó un estudio analítico transversal. Los parámetros bioquímicos y clínicos se evaluaron utilizando el análisis de componentes principales para identificar las variables más influyentes en la aparición de preeclampsia. Los seleccionados como las variables más importantes fueron evaluados por el análisis discriminante lineal de Fisher.
Resultados: El análisis de componentes principales determinó la varianza del set de datos, mostrando la relación con los procesos de peroxidación lipídica, metabolismo de proteínas, daño a tejidos y microangiopático, considerados factores en la fisiopatología de la preeclampsia. Las variables más influyentes fueron usadas para modelar una función discriminante capaz de clasificar gestantes sanas y preeclámpticas. El valor de Lambda de Wilks y el alto autovalor asociado a la función discriminante muestran el poder discriminante del modelo. La ecuación obtenida fue validada con el método Leave one out y reveló un excelente poder clasificatorio del mismo.
Conclusiones: El modelo predictivo puede ser considerado como apropiado para clasificar los casos de preeclampsia, y muestran a los biomarcadores como buenos candidatos para la clasificación y como potenciales indicadores predictivos de preeclampsia.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Colectivo de autores. La morbilidad materna extremadamente grave, un reto actual para la reducción de la mortalidad materna. Cuba: Ed. Molinos Trade S.A.; 2012.

2. Álvarez PL, Acosta M, Delgado JJ. Arterial hypertension and pregnancy. En: Sánchez ST. Obstetricia y Ginecología, Vol. 2. Ed. Cuba: Ed. Ciencias Médicas; 2014; p. 321-2.

3. Rani N, Dhingra R, Singh Arya D, Kalaivani M, Bhatla N, Kumar R. Role of oxidative stress markers and antioxidants in the placenta of preeclamptic patients. J. Obstet. Gynaecol. Res. 2010;36(6):1189–94.

4. González MJ, Bosco BC, Rodrigo SR, Parra CM. VEGF en capa muscular de vasos placentarios: Expresión en Pre-eclampsia y asociación con Status Antioxidante. Chile: Rev. ANACEM. 2010;4.

5. Akolekar R, Syngelaki A, Poon L, Wright D, Nicolaides KH. Competing Risks Model in Early Screening for Preeclampsia by Biophysical and Biochemical. Markers Fetal Diagn Ther. 2013;33:8–15.

6. Merchante LFS, Grandvalet Y, Govaert G. An efficient approach to sparse linear discriminant analysis. ArXiv preprint arXiv. 2012;1206-6472.

7. Ebrahimzadeh F, Hajizadeh E, Vahabi N, Almasian M, Bakhteyar K. Prediction of unwanted pregnancies using logistic regression, probity regression and discriminant analysis. Med J Islam Repub Iran. 2015;Vol.29:264.

8. Gunay B, Parlatan U, Seyma S, Gunel T, Benian A, Kalelioglu I. Investigation of Preeclampsia Using Raman Spectroscopy. Hindawi Publishing Corporation Spectroscopy: An International Journal. 2012;27:239–52.

9. Atamer Y, Kocyigit Y, Yokus B, et al. Lipid peroxidation, antioxidante defense, status of tracemetals and leptin levels in preeclampsia. Eur J Obstet Gynecol Reprod Biol. 2005;119:60-6.

10. Ecobichon DJ. Glutathione depletion and resynthesys in laboratory animals. Drug Chem Toxicol. 1984;7(4):345-65.

11. Lujan L, Gil L, Martínez G, Giuliani A, González I, Tarinas A, et al. Effects of increase micronutrients intake on oxidative stress indicators in HIV/AIDS patients. Int J Vit Nut Res. 2005;75(1):19-27.

12. Esterbauer H, Cheeseman KH. Determination of aldehyd lipid peroxidation products: malonaldehyde and 4-hydroxynonenal. Meth Enzymol. 1990;186:407-21.

13. Brereton RG. Applied Chemometrics for Scientists. John Wiley & Sons, Chichester UK; 2007.

14. Zhi-Hua M, Jian-Hua Y, Xue-Xi Z, Xiao W, Yang X. Discrimination of healthyand osteoarthritic articular cartilage by Fourier transform infrared imaging and Fisher’s discriminant analysis. Biomedical Optics Express. 2016;7(2):59-67.

15. Atiba A, Abbiyesuku F, Oparinde DP, Niran-Atiba T, Akindele RA. Plasma Malondialdehyde (MDA): An Indication of Liver Damage in Women with Pre-eclampsia. Ethiop J Health Sci. 2016;26(5).

16. Kaur G, Mishra S, Sehgal A, Prasad R. Alterations in lipid peroxidation and antioxidant statusin pregnancy with preeclampsia. Mol Cell Biochem. 2008;313:37–44.

17. Cruz H, León M, Caceres A, López R, Álvarez E. Análisis Multivariado a partir del estado redox asociado a la Pre-eclampsia. Revista Cubana de Obstetricia y Ginecología. 2017;43(3).

18. Malihe N, Soghrat F, Hamid A, Farid Z, Noorosadat K, Nastaran S. Longitudinal Discriminant Analysis of Hemoglobin Level for Predicting Pre-eclampsia. Iran Red Crescent Med J. 2015 March;17(3):e19489.

19. Braun KP, Gant NF, Olson CM, Parisi V, Forrest KA, Peterson CM. A discriminant function for preeclampsia: case-control study of minor hemoglobins, red cell enzymes, and clinical laboratory values. Am J Perinatol. 1997;14(5):297-302.

20. Baschat AA, Magder LS, Doyle LE, et al. Prediction of preeclampsia utilizing the first trimester screening examination. Am J Obstet Gynecol. 2014;211:514:e1-7.

21. Carrillo ER, Sánchez ZM. Bases moleculares de la pre-eclampsia- eclampsia. Rev Invest Med Sur Mex. 2013;20(2):103-9.