RT doctoral thesis T1 Optimización de las curvas personalizadas de percentiles de peso fetal y neonatal del Hospital Universitario de Puerto Real A1 Sánchez Mera, Raquel de la Oliva A2 Materno-Infantil y Radiología K1 Curvas de crecimiento fetal K1 alteraciones nutricionales K1 INTERGROWTH21st K1 curvas de crecimiento fetal personalizadas K1 desnutrición neonatal K1 sobrenutrición neonatal K1 obesidad materna K1 índice ponderal K1 Fetal growth curves K1 nutritional disorders K1 customized fetal growth curves K1 neonatal undernutrition K1 neonatal overnutrition K1 maternal obesity K1 ponderal index AB La evaluación del crecimiento fetal y el estado nutricional del recién nacido son crucialesen el control obstétrico para prevenir resultados perinatales adversos. La herramientaclínica principal es el peso fetal estimado por ecografía, complementado por el índiceponderal de Röhrer en estudios epidemiológicos para valorar el estado nutricional alnacer. Para clasificar el crecimiento fetal, se utilizan curvas de percentiles: las dereferencia o poblacionales (basadas en edad gestacional y sexo) y las customizadas opersonalizadas (que incorporan características maternas y fetales para reflejar el potencialde crecimiento individual). El diagnóstico de alteraciones del crecimiento es difícil, y losmétodos actuales pueden pasar por alto una proporción significativa de fetos con bajopeso o considerar fetos sanos como grandes para su edad gestacional. Nuestrainvestigación se sitúa en una línea de trabajo del Hospital Universitario de Puerto Real(HUPR), donde ya existía un modelo customizado. Sin embargo, se identificó unalimitación en su capacidad predictiva con índice de masa corporal (IMC) maternosextremos (infrapeso y obesidad), este último frecuente en la zona. Esto motivó labúsqueda de un nuevo modelo matemático optimizado para la curva personalizada denuestro hospital. ObjetivosEl objetivo principal es la construcción de un nuevo modelo matemático predictivo depeso al nacer (a término) de la curva customizada del Hospital Universitario de PuertoReal y comparar su rentabilidad diagnóstica con la ya existente y con INTERGROWTH21st. Además de comprobar si el factor corrector de IMC materno mejora la rentabilidaddiagnóstica en gestantes con obesidad.Material y MétodoSe llevó a cabo un estudio observacional, retrospectivo, analítico y transversal decomparación de pruebas diagnósticas. La población de estudio incluyó gestantesatendidas en el HUPR entre enero de 2012 y enero de 2021. Los datos se obtuvieron delsistema informático DIRAYA. Tras aplicar criterios de inclusión (como datación certeray partos entre 32 y 42 semanas), la muestra final para validación fue de 6.767 gestaciones.Para construir el nuevo modelo predictivo de peso al nacer, se consideraron variables como peso y talla materna, paridad, sexo fetal y edad gestacional. Tras análisisestadísticos (bivariante y multivariante), la edad materna no fue significativa y se eliminódel modelo final. El modelo utiliza peso materno, talla materna, paridad, sexo del reciénnacido y edad gestacional en días. Un cambio clave fue medir la edad gestacional en días(280-286 días para la generación del modelo) para mayor precisión. La capacidaddiagnóstica se evaluó mediante métricas como sensibilidad, especificidad, valorespredictivos, diagnostic Odds Ratio, y debido al desbalance de datos, Precision, Recall yF1 score, además de curvas ROC (Receiver Operating Characteristic).ResultadosLa muestra de validación fue de 6.767 gestaciones, con 9,89% de recién nacidosdesnutridos (IPp90). El nuevo modelo predictivo finalincluyó peso y talla materna, paridad, sexo fetal y edad gestacional en días. Lacomparación de curvas mostró:En la población general, la curva customizada nueva tuvo métricas (Precision, Recall,F1) muy similares a la antigua para desnutrición (0,31, 0,42, 0,36 vs 0,31, 0,42, 0,36).Para sobrenutrición, la curva nueva (0,38, 0,35, 0,36) y INTERGROWTH-21st (0,35,0,39, 0,37) mostraron mejor rendimiento que la antigua (0.37, 0.24, 0.29), especialmenteen Recall y F1 score. Las áreas bajo la curva (AUC) de las curvas ROC en poblacióngeneral fueron muy cercanos entre curva.En la población obesa (IMC>30 kg/m2, N=979):• Para desnutrición, la curva antigua tuvo un Recall (0,58 vs 0,42) y F1 score(0,35 vs 0,32) ligeramente superiores, con AUC (0,803 vs 0,794) también unpoco mayor.• Para sobrenutrición, la curva customizada nueva mostró un Recall (0,39 vs0,20) y F1 score (0.42 vs 0.28) considerablemente mayores que la curvaantigua, con un AUC de la curva nueva ligeramente superior (0,706 vs 0,700),indicando una mejor capacidad diagnóstica en este grupo para detectarsobrenutrición.ConclusionesEl nuevo modelo matemático predictivo de peso al nacer a término para la curvacustomizada del Hospital Universitario de Puerto Real ha conseguido los objetivos de mejora de capacidad diagnóstica con respecto al modelo previo y se confirma que, tantola curva customizada de percentiles del HUPR previa como la nueva e INTERGROWTH21st, clasifican de forma diferente a los recién nacidos. En la población general, este nuevomodelo mostró una rentabilidad diagnóstica similar a la curva customizada previa paradetectar desnutrición neonatal, pero una mejor capacidad para identificar sobrenutrición.La contribución más destacada se observa en la población de gestantes obesas, donde elnuevo modelo customizado demostró una capacidad diagnóstica significativamentemejorada para la detección de sobrenutrición neonatal en comparación con el modeloantiguo. La inclusión de un factor corrector basado en el IMC materno fue crucial paraesta mejora, especialmente en gestantes obesas. El amplio tamaño muestral (6.767gestaciones) respalda la solidez de los hallazgos. YR 2025 FD 2025 LK http://hdl.handle.net/10498/39610 UL http://hdl.handle.net/10498/39610 LA spa DS Repositorio Institucional de la Universidad de Cádiz RD 08-nov-2026