, Salma BENSBAA Nassim Essabah HARAJ Siham EL AZIZ Asma CHADLI Siham EL AZIZ
Service D'endocrinologie Et Maladies Métaboliques, Casablanca, Maroc
Introduction
Le diabète gestationnel se produit dans 4 à 16,4 % des grossesses, mais ce taux est de surcroît supérieur à la moyenne dans certaines ethnies, notamment nord-africaines. Ceci augmente considérablement le taux de complications materno-fœtales.
Objectifs
Utiliser les méthodes de machine Learning pour la prédiction des complications materno-fœtales pendant la grossesse dans un échantillon de patientes marocaines avec un diabète gestationnel.
Méthodes
Étude rétrospective analytique de type cas-témoins conduite dans notre service d’endocrinologie, portant sur 363 patientes diagnostiquées pour diabète gestationnel, vues en consultation de janvier 2017 à décembre 2023. Plusieurs variables ont été comparées : âge, niveau socio-économique, couverture sociale, analphabétisme, IMC à la conception, AG lors du diagnostic, gestité et parité, antécédents familiaux de diabète et HTA, antécédents personnels médicaux, antécédents obstétricaux, présence de complications dégénératives et l’équilibre glycémique. Toutes les méthodes et tous les calculs ont été effectués sur le langage de programmation Python et la bibliothèque Scikit-learn. Les méthodes utilisées sont la régression logistique, Random Forest et Extreme Gradient Boosting.
Résultats
Le taux de complications materno-fœtales dans notre série est de 26 %. 2 groupes identifiés : · G1 : 96 patientes présentant des complications. · G2 : 267 patientes ne présentant pas de complications. XG Boost est la méthode avec le plus de précision dans l’élaboration de modèle prédictif (Accuracy = 0,75). Les facteurs prédictifs retenus sont l’IMC élevé à la conception (>30kg/m2), l’HTA, la présence d’antécédents obstétricaux et la présence de complications dégénératives.
Conclusion
Cette étude pourrait guider les décisions et les interventions cliniques afin d'améliorer les résultats pour les patientes en ciblant celles avec une grossesse à haut risque. Apport : Inciter à agir sur l’obésité comme facteur de risque modifiable. Limite : Données insuffisantes
Les auteurs déclarent ne pas avoir d'intérêt direct ou indirect (financier ou en nature) avec un organisme privé, industriel ou commercial en relation avec le sujet présenté.