Customized versus population-based curves for the prediction of fetal and neonatal malnutrition

Abstract

Objetivos Construir un modelo de curvas customizadas de peso al nacer basado en población española. Comparar la capacidad de este modelo customizado frente a nuestra gráfica poblacional para predecir un índice ponderal neonatal inferior al percentil 10. Métodos Desarrollamos un modelo capaz de predecir el percentil 10 para un feto en función de la edad gestacional, el sexo y el peso, la talla y la edad maternos. Comparamos la capacidad de este modelo customizado frente a nuestro propio modelo poblacional para predecir un índice ponderal neonatal inferior al percentil 10. Se utilizaron datos de una amplia BASE DE DATOS (32.854 recién nacidos vivos entre 1993 y 2012). Se incluyeron únicamente gestaciones únicas con edad gestacional al parto entre 32 y 42 semanas. Resultados En la población gestante global, el método customizado fue superior al método poblacional para la detección de recién nacidos con índice ponderal inferior al percentil 10 (sensibilidad 55% frente a 40,96%; especificidad 99,6% frente a 91,23%; VPP 11,49% frente a 9,55%; VPN 98,84% frente a 98,55%). En gestantes con IMC superior al percentil 90, la sensibilidad fue del 75% frente al 50% del método poblacional. En gestantes con talla superior al percentil 90, la sensibilidad fue casi el doble que la del método poblacional (61,53% frente a 33,33%). Conclusión La curva customizada de peso al nacer es superior al método poblacional para la detección de recién nacidos con índice ponderal inferior al percentil 10. Esto es especialmente así en mujeres situadas en los rangos más altos de talla y peso, y en recién nacidos pretérmino.

Objectives: The aim of our study was to construct a model of customized birth weight curves based on a Spanish population and to compare the ability of this customized model to our population-based chart to predict a neonatal ponderal index (PI) <10th percentile. Methods: We developed a model that can predict the 10th percentile for a fetus according to gestational age and gender as well as maternal weight, height, and age. We compared the ability of this customized model to that of our own population-based model to predict a neonatal PI <10th percentile. Data from a large database were used (32,854 live newborns, from 1993 through 2012). Only singleton pregnancies with a gestational age at delivery of 32-42 weeks were included. Results: In the entire pregnant population, the customized method was superior to the population-based method for detecting newborns with a PI <10th percentile (sensitivity: 55 vs. 40.96%; specificity: 99.6 vs. 91.23%; positive predictive value: 11.49 vs. 9.55%, and negative predictive value: 98.84 vs. 98.55%, respectively). In pregnant women with a BMI >90th percentile, the sensitivity was 75%, compared to 50% in the population-based method. In pregnant women with a height >90th percentile, the sensitivity was almost as high as in the population-based method (61.53 vs. 33.33%). Conclusion: The customized birth weight curve is superior to the population-based method for the detection of newborns with a PI <10th percentile. This is especially the case in women in the higher scales of height and weight as well as in preterm babies.