Construção de curva de peso gestacional em uma coorte de gestantes brasileiras eutróficas usando modelos aditivos generalizados de localização, escala e forma

Abstract

Introdução: O monitoramento do ganho de peso gestacional é de extrema importância nos cuidados pré-natais, pois pode evitar diversos desfechos desfavoráveis tanto para mãe quanto para o bebê. A maioria dos países utiliza algum tipo de referência para o acompanhamento do peso gestacional. Essas referências, muitas vezes, são baseadas em suas próprias populações ou em populações de outros países. Considerando-se que características populacionais variam de acordo com etnia, localização geográfica, hábitos alimentares, medidas antropométricas e condições socioeconômicas, dentre outros fatores, as recomendações baseadas em populações específicas são preferíveis para monitorar o peso gestacional. Várias metodologias são utilizadas para a construção de referências de peso gestacional. A OMS (Organização Mundial da Saúde) recomenda utilizar estudos longitudinais, a partir de populações selecionadas com baixa prevalência de complicações maternas e fetais. No Brasil, as referências utilizadas para peso gestacional são baseadas em duas populações internacionais; essas populações não utilizaram estudos longitudinais para gerar as referências, o que faz com que o Brasil necessite desenvolver sua própria abordagem para o monitoramento do peso gestacional. Objetivo: Construir uma curva de peso gestacional a partir de uma coorte de gestantes brasileiras, utilizando a metodologia estatística recomendada pela OMS para a construção das curvas padrão de crescimento infantil. Método: Dados do Estudo Brasileiro de Diabetes Gestacional (EBDG), estudo multicêntrico que reuniu gestantes de seis capitais brasileiras (Porto Alegre, Rio de Janeiro, São Paulo, Salvador, Manaus e Fortaleza), foram utilizados para a construção da curva. Foram selecionadas 2.103 gestantes eutróficas, de acordo com IOM (Institute of Medicine) (2009), com bons desfechos gestacionais, ou seja, foram excluídas gestantes com diabetes mellitus gestacional, com distúrbios hipertensivos, com gestações múltiplas e com partos prematuros (<37 semanas de gestação); excluíram-se também casos de gestantes com recém-nascidos de baixo peso ao nascer (BPN) ou com recém-nascidos grandes para a idade gestacional (GIG) e recém-nascidos pequenos para a idade gestacional (PIG), bem como casos de macrossomia. Dentre essas gestantes eutróficas, foram sorteadas 918, que irão fazer parte da validação da curva. Para a construção da curva, ficaram 1.179 gestantes eutróficas com bons desfechos gestacionais. Para o ajuste, foi utilizado o método GAMLSS (Modelos Aditivos Generalizados de Localização, Escala e Forma) do software R, que estimou os percentis 3, 5, 10, 25, 75, 90, 95 e 97. Após algumas exclusões, a segunda etapa do trabalho utilizou as 918 sorteadas (gestantes eutróficas com bons desfechos) e mais 901 gestantes eutróficas que tinham pelo menos um dos desfechos gestacionais indesejáveis descritos acima (com exceção de gestações múltiplas e diabetes mellitus), totalizando 1.817 gestantes para o grupo de validação. Com os percentis estimados pela curva de peso gestacional, foram definidos pontos de corte que determinaram os fatores de risco para os desfechos de interesse. A influência dos fatores de risco sobre os desfechos foi medida através do risco relativo (RR) e seus respectivos intervalos, com 95% de confiança, estimados através de regressão de Poisson com variância robusta. Os riscos relativos e seus respectivos intervalos de 95% de confiança foram estimados para a exposição em algum momento da gestação e para a exposição em algum momento dentro de cada trimestre. Os percentis foram avaliados sem ajustar para nenhum possível fator de confusão. Resultados: Após testados vários modelos GAMLSS, o que melhor ajustou os dados foi o que utilizou a família de distribuição BCPE (Box Cox de Potência Exponencial), com suavizador pb (B-splines), utilizando dois parâmetros e . O percentil 25 estimado foi capaz de predizer baixo peso ao nascer, prematuridade e PIG; já o percentil 75 pôde ser utilizado como preditor de distúrbios hipertensivos, macrossomia e GIG. Conclusão: o modelo obtido para a construção da curva de peso gestacional indicou que a relação entre peso gestacional e idade gestacional não é linear. A flexibilidade da metodologia estatística utilizada no estudo é suficiente para que possa ser aplicada utilizando-se o Índice de Massa corporal (IMC) em vez de peso gestacional. Essa metodologia também apresenta uma série de vantagens no que diz respeito às suas opções de modelagem. As curvas de percentis ajustadas foram eficientes em predizer desfechos gestacionais adversos. A metodologia aplicada nesta tese pode ser replicada para todas as categorias de IMC pré-gestacional.

Introduction: Monitoring gestational weight gain is extremely important in prenatal care, as it can avoid a series of unfavorable outcomes both for the mother and for the baby. Most countries use some kind of reference to follow up gestational weight. These references are often based in their own populations or in populations from other countries. Considering that population characteristics vary according to ethnics, geographical location, eating habits, anthropometric measures and socio-economic conditions, among other factors, recommendations based on specific populations are preferable to measure gestational weight. Several methodologies are used in the construction of references of gestational weight. WHO (World Health Organization) recommends using longitudinal studies based on selected populations with low prevalence of maternal and fetal complications. In Brazil the references used for gestational weight are based in two international populations which did not use longitudinal studies to generate the references, which brings to Brazil the need to develop its own approach to monitor gestational weight. Purpose: Build a gestational weight curve based on a Brazilian pregnant women cohort using the statistical methodology recommended by WHO to build standard curves of child growth. Method: Data from the Brazilian Gestational Diabetes Study, multicentric study which gathered women from six Brazilian capital cities (Porto Alegre, Rio de Janeiro, São Paulo, Salvador, Manaus and Fortaleza), was used to build the curve. 2,103 eutrophic pregnant women were selected, according to the IOM (Institute of Medicine) (2009), with good gestational outcomes, that is, there was an exclusion of pregnant women with: gestational diabetes mellitus, hypertensive disorders, multiple pregnancies, preterm deliveries (less than 37 weeks), newborns with low birth weight (LBW), large for gestational age newborns (LGA), small for gestational age newborns (SGA), and macrosomia. From these eutrophic pregnant women, 918 were drawn, who will be part of the validation curve. To build the curve 1,179 eutrophic pregnant women with good gestational outcomes remained. The method GAMLSS (Generalized Additive Models of Location, Scale and Shape) from the software R was used for adjustment, which estimated the percentiles 3, 5, 10, 25, 75, 90, 95 and 97. After some exclusions, the second stage of the work used the 918 drawn eutrophic pregnant women with good outcomes and other 901 eutrophic pregnant women who had at least one unwanted gestational outcomes described above (except for multiple pregnancies and diabetes mellitus), in a total of 1.817 pregnant women for the validation group. With the percentiles estimated by the gestational weight curve, cutoff points were defined which determined the risk factors for the interest outcomes. The influence of risk factors on the outcomes was measured through the relative risk (RR) and its respective intervals with 95% confidence, estimated by Poisson regression with strong variance. The relative risks and their respective intervals of 95% confidence for exhibition at some point during pregnancy and for exhibition at some moment in each trimester. The percentiles were assessed with no adjustment for any possible confounding factor. Results: After testing several GAMLSS methods, the one which best adjusted the data was the one which used the distribution family BCPE (Box Cox of Exponential Power), with pb smoothing (B-splines), using two parameters and . The percentil 25 estimated was able to predict low birth weight, prematurity and SGA, whereas the percentil 75 can be used as a predictor of hypertensive disorders, macrosomia and LGA. Conclusion: the model obtained for the gestational weight curve construction indicated that the relationship between gestational weight and gestational age is not linear. The flexibility of the statistical methodology used in the study is sufficient to be applied using BMI instead of gestational weight. This methodology also presents a series of advantages concerning its modeling options. The adjusted percentile curves were efficient to predict adverse gestational outcomes. The methodology applied in this thesis can be replicated for all pre gestational BMI categories.