Roma, 5 febbraio 2025 (Agenbio) – I dati di 8.843 donne a cui è stata diagnosticata la preeclampsia durante la gravidanza hanno mostrato che i modelli di previsione del rischio esistenti sono più accurati solo nei giorni successivi alla diagnosi: è quanto emerge da nuovo studio pubblicato sulla rivista open-access PLOS Medicine da Henk Groen dell’Università di Groningen, Paesi Bassi, e colleghi. Due modelli PIERS (Pre-eclampsia Integrated Estimate of RiSk) esistenti, PIERS Machine Learning (PIERS-ML) e fullPIERS basato sulla regressione logistica, sono progettati per identificare gli individui a maggior o minor rischio di esiti materni avversi nelle 48 ore successive al ricovero ospedaliero per preeclampsia. Tuttavia, entrambi i modelli vengono regolarmente utilizzati per la valutazione continua oltre le prime 48 ore. Nel nuovo studio, i ricercatori hanno utilizzato i dati di 8.843 donne a cui è stata diagnosticata la preeclampsia a un’età gestazionale media di 36 settimane tra il 2003 e il 2016. I dati includevano valutazioni PIERS-ML e fullPIERS, nonché risultati sulla salute. Lo studio ha rilevato che né il modello PIERS-ML né quello fullPIERS hanno mantenuto buone prestazioni nel tempo per la stratificazione del rischio ripetuta nelle donne con preeclampsia. Il PIERS-ML è rimasto generalmente valido nell’identificare i gruppi a rischio molto alto e a rischio molto basso nel tempo, ma le prestazioni dei gruppi più grandi ad alto e basso rischio sono peggiorate in modo significativo dopo 48 ore. Il modello fullPIERS ha avuto prestazioni inferiori rispetto al modello PIERS-ML. (Agenbio) Cdm 09.00
