En liant les données portables avec les hormones de grossesse, les chercheurs montrent comment les appareils quotidiens pourraient un jour aider à détecter les risques comme la fausse couche ou la naissance prématurée bien avant que les symptômes n'apparaissent.
Étude: Association entre les signaux du capteur portable et les changements hormonaux attendus pendant la grossesse. Crédit d'image: Taras Grebinets / Shutterstock.com
Une étude récente dans ebiomedicine a étudié l'efficacité des capteurs portables dans le suivi des changements physiologiques et comportementaux pendant la grossesse et l'évaluation de leur association avec les fluctuations hormonales liées à la grossesse.
Sommaire
Tendances croissantes des résultats défavorables de la grossesse
Les complications de la grossesse, y compris la fausse couche et les naissances prématurées, restent de graves menaces à la fois pour la santé maternelle et fœtale. Aux États-Unis, les résultats défavorables de la grossesse augmentent et les disparités de la mortalité maternelle persistent entre les femmes blanches et non blanches. Ces tendances mettent en évidence le besoin urgent de meilleures façons de surveiller et de traiter les risques de grossesse.
La détection précoce des complications pourrait permettre des interventions cliniques en temps opportun et réduire les résultats négatifs. Les chercheurs explorent les technologies de santé numérique et l'intelligence artificielle pour répondre à ce besoin de suivre la santé maternelle et fœtale. Pourtant, ces approches sont encore dans les premiers stades et nécessitent une validation dans des populations plus grandes et plus diverses.
Les hormones de grossesse, telles que la gonadotrophine chorionique humaine (HCG), la progestérone (P), les oestrogènes comme l'oestrone (E1), l'œstradiol (E2) et l'oestriol (E3), la relaxine, le prolactine, le lactogène placentaire humain, l'oxyticine et le cortisol (C), sont essentiels pour soutenir et maintenir une grossesse saine et cortisol. Leurs niveaux fluctuent naturellement à des stades spécifiques tout au long de la gestation.
De nombreuses femmes enceintes éprouvent des difficultés à accéder aux soins de santé, ce qui pourrait être attribué aux limitations géographiques et aux disparités socio-économiques. En outre, de nombreuses mères qui travaillent, bien qu'ils n'aient pas de difficultés financières, éprouvent également des défis dans la participation aux rendez-vous prénatals réguliers en raison du manque de congés rémunérés, des demandes d'emploi et des responsabilités de garde d'enfants. Beaucoup de ces difficultés pourraient être traitées par la surveillance à distance et la technologie de santé mobile.
Des recherches antérieures ont confirmé que la surveillance à distance et la santé mobile ont amélioré l'autonomisation des patients et les soins de grossesse à domicile, réduisant efficacement le stress de la grossesse. Cependant, des recherches supplémentaires sont nécessaires pour mieux comprendre l'impact de la surveillance à distance sur les résultats pour la santé.
À propos de l'étude
L'étude d'observation actuelle a obtenu des données collectées dans Powermom, une plate-forme de recherche numérique bilingue qui permet aux participants d'auto-évaluer à distance et de signaler les données d'enquête. Il permet également la collecte des données du monde réel en intégrant les technologies de santé numérique, telles que les capteurs portables. Les données de capteur portable ont été analysées de trois mois avant la grossesse à six mois après l'accouchement du bébé.
Les participants enceintes ou dans les huit semaines post-partum, 16 ans ou plus, vivant aux États-Unis ou à ses territoires, et ont eu accès à des appareils soutenant la demande de Powermom ont été recrutés. Les participants sélectionnés ont partagé leurs données de capteur portable collectées dans la plate-forme de recherche mobile PowerMOM à l'aide de l'application MyDatahelps ™. En outre, ils ont fourni des informations démographiques et ont réalisé une enquête «santé et histoire» détaillant leur état de santé.
Au cours de la période d'étude, les participants ont répondu à une enquête bihebdomadaire «santé et bien-être» et une enquête bimensuelle de «soutien à la grossesse». Tous les participants ayant des données incomplètes ou manquantes, ainsi que des comptes frauduleux, ont été exclus.
Étant donné que les changements de rythme cardiaque au repos (RHR) sont associés aux changements hormonaux liés à la grossesse attendus, une régression linéaire multivariable a été utilisée pour modéliser la courbe RHR attendue dans les grossesses de naissance vivantes en utilisant les courbes hormonales attendues.
Résultats de l'étude
Sur 5612 participants, dont l'âge moyen était de 31,1 ans, inscrit à l'étude PowerMom, seulement 697 ont convenu de partager des données. Seuls 108, 108 et 56 participants ont fourni un RHR suffisant, un nombre de pas quotidiennes (étapes) et des minutes totales de données sur le sommeil quotidien (sommeil), respectivement, pendant leur grossesse. Pour l'analyse principale, 99 grossesses de naissance vivantes ont été incluses pour RHR et étapes, et 54 pour le sommeil, tandis que le groupe de résultats indésirables était très faible (9 pour RHR et étapes, 2 pour le sommeil).
En moyenne, les participants avec des données portables RHR étaient plus anciennes que la cohorte globale. La durée moyenne de la grossesse pour les participants inscrits était de 276,2 jours et pour les participants RHR, c'était 275,2 jours.
Aucune différence statistiquement significative n'a été observée en termes d'accès aux soins de maternité entre les participants inscrits et RHR. Notamment, aucune différence significative n'a été observée dans la RHR, les étapes et les sous-ensembles de sommeil chez les participants. La plupart des participants qui ont partagé des données portables ont eu des grossesses singleton, à l'exception de deux candidats. Environ 93% de la cohorte a subi des grossesses de naissances vivantes, tandis que 6,9% ont indiqué une perte de grossesse, soit une fausse couche ou une mortinaissance.
Au cours du premier trimestre de la grossesse, le RHR moyen a diminué par rapport aux niveaux avant la grossesse de la semaine 1, suivi d'une augmentation jusqu'à la semaine 5. Après la semaine 5, la diminution a atteint un minimum vers la semaine 9; Par la suite, RHR a augmenté au cours des deuxième et troisième trimestres.
RHR culmine environ 8 à 9 semaines avant la livraison, puis refuse régulièrement jusqu'à la livraison. Après l'accouchement du bébé, RHR diminue en dessous des niveaux avant la grossesse et se stabilise environ 6 mois après la livraison.
Le nombre d'étapes a diminué tout au long de la grossesse par rapport aux niveaux avant la grossesse. Bien que le nombre d'étapes quotidiennes se soit améliorée après la livraison, il est resté en dessous des niveaux avant la grossesse, même 6 mois post-partum.
Une augmentation du nombre total de minutes de sommeil de près de 40 minutes par rapport aux niveaux de pré-grossesse a été observée après la semaine 5, culminant entre les semaines 8 et 9. Cependant, la durée du sommeil a diminué au cours des deuxième et troisième trimestres et a baissé fortement après l'accouchement (environ 50 minutes en dessous de la ligne de base), avant de récupérer partiellement. Il est resté à environ 20 minutes en dessous des niveaux avant la grossesse même après 6 mois post-partum.
Les courbes RHR étaient positivement corrélées avec E1, E2, E3, P et C, tout en étant corrélé négativement avec HCG. Dans la modélisation de régression, cependant, seuls E1 et le cortisol ont montré des coefficients positifs, tandis que E2, E3, P et HCG ont montré des associations négatives, ce qui indique que les analyses de régression peuvent révéler des effets hormonaux plus nuancés que de simples corrélations. Le sommeil a présenté de légères corrélations négatives avec E1, E2, E3, P et C, et était positivement corrélée avec HCG. En revanche, les courbes d'étapes présentaient une légère corrélation négative avec E1, E2, E3, P et C.
Conformément aux recherches antérieures, RHR était fortement corrélé avec les changements hormonaux. La modélisation de régression linéaire multivariable a révélé un coefficient de détermination élevé pour la courbe RHR, indiquant une relation étroite entre les hormones de la grossesse et le signal RHR. Au cours des deuxième et troisième trimestres, l'augmentation de RHR a probablement été induite par les hormones E1, E2, E3, P et C. Étant donné que la durée de la grossesse variait, ce modèle n'a pas réussi à capturer la diminution de la RHR vers les 31 et 32e semaine de la grossesse.
Une corrélation robuste a été observée entre les fluctuations RHR et les changements hormonaux induits par la grossesse. Pour les grossesses se terminant par une fausse couche ou une mortinaissance, les modèles RHR diffèrent des grossesses de naissance vivantes. Pourtant, ces résultats sont préliminaires en raison de la très petite taille de l'échantillon (n = 9) et doivent être considérés comme une évaluation de faisabilité exploratoire plutôt qu'une conclusion définitive.
Conclusions
La présente étude a mis en évidence le potentiel de Capteurs portables dans la surveillance de la santé maternelle tout au long de la grossesse et du post-partum. Cependant, les résultats de cette étude doivent être validés à l'avenir en utilisant une cohorte plus large de diverses ethnies. Ces études doivent considérer des paramètres supplémentaires influençant la RHR, tels que l'âge et l'indice de masse corporelle (IMC).
Téléchargez votre copie PDF maintenant!
