Viele werden Mütter leiden unter Schwangerschaftsdiabetes. Doch warum? Die genauen Risikofaktoren und molekularen Mechanismen, die zu einer Entstehung des Schwangerschaftsdiabetes führen, sind noch weitgehend unbekannt. Deswegen startet dieses Symposium mit einem Vortrag über die Mausmodelle für Gestationsdiabetes von Prof. Stephan Scherneck. Diese Einleitung wird helfen Sie auf den neusten Stand des Wissens zu bringen und mögliche Zukunftsstrategien aufzeigen. Frau Dr. Sandra Hummel wird dann darauf eingehen, welche Risiken Kinder von Müttern mit Schwangerschaftsdiabetes zu erwarten haben und was das für die zukünftige Gesundheitslage der deutschen Bevölkerung bedeutet. Abschließend wird Frau Dr. Louise Fritsche wichtige Erkenntnisse aus der Deutschen Gestationsdiabetes Studie (PREG) vorstellen. Dieses Symposium bietet eine Kombination aus wissenschaftlichen Grundlagen und epidemiologischen Daten mit den daraus ableiteten Implikationen für die betroffenen Frauen und Kinder. Deswegen sind Teilnehmende aus allen Bereichen herzlich eingeladen!
16:33 Uhr
Mausmodelle für Gestationsdiabetes: Möglichkeiten und Grenzen
16:51 Uhr
Übergewicht und Diabetes in Kindern
17:09 Uhr
Die Deutsche Studie Gestationsdiabetes (PREG)-Untersuchungen zum Einfluss des maternalen Stoffwechsels auf die Entwicklung des Kindes
17:27 Uhr
Digitale Diabetologie – Prädiktion des Gestationsdiabetes mittels künstlicher Intelligenz (KI)
Details anzeigen
Autor:innen:
C. Eberle (Fulda, DE)
D. Gutknecht (Regensburg, DE)
M. Bals-Pratsch (Regensburg, DE)
S. Fill Malfertheiner (Regensburg, DE)
C. Ament (Augsburg, DE)
FRAGESTELLUNG: Derzeit liegt die Prävalenz des Gestationsdiabetes mellitus (GDM) bei ca. 15.8% der Lebendgeburten – weltweit [1]. Die steigende Prävalenz des GDMs wird sowohl den zunehmenden Risikofaktoren als auch den methodischen Änderungen zugeschrieben. In Anbetracht der diskutierten Kurz- und Langzeitfolgen für Mutter und Kind haben wir bereits präkonzeptionelle Prädiktoren in Bezug auf den GDM vorgestellt [2,3]. In Erweiterung dessen stellen wir nun einen neuen Algorithmus vor, der eine Prädiktion des GDMs präkonzeptionell mit Hilfe der Methoden der künstlichen Intelligenz (KI) erlaubt.
METHODIK: Bei zwei unterschiedlichen Datenkollektiven (A: n=89; B: n=282) wurden im Rahmen eines präkonzeptionellen OGTTs 10 verschiedene potentielle Prädiktoren analysiert: HOMA, ISIMOD, Plasmaglukose [mg/dl] (Zeitpunkte 0, 60, 120 Minuten), Plasmainsulin [µU/ml] (Zeitpunkte 0, 60, 120 Minuten) sowie das Alter [Jahre] und der Body Mass Index (BMI) [kg/m2] der Mutter. Auf dieser Datenbasis werden Entscheidungsbäume mit Hilfe des CART-Algorithmus trainiert. Dabei wird Zahl der GDM- versus nicht-GDM-Fälle balanciert und die Zahl der Entscheidungen (k) betrachtet. Anschließend wird die Vorhersage durch Kreuzvalidierung zwischen (A) und (B) evaluiert.
ERGEBNISSE: Bäume mit k=3 Entscheidungen erzielen die besten Ergebnisse. Dabei werden ausschließlich die folgenden Prädiktoren einbezogen: 1. „Nüchternglukose“, 2. „Glukose (60 Minuten)“ und 3. „Insulin (60 Minuten)“.
• Anteil korrekter Klassifikationen: 70.2% (A), 79.0% (B), 68.5% (A+B),
• Sensitivität: 86.0% (A), 85.3% (B), 87.7% (A+B),
• Spezifität: 54.4% (A), 72.7% (B), 49.3% (A+B)
SCHLUSSFOLGERUNGEN: Unser Algorithmus ermittelt eine GDM-Prädiktion mit einer Sensitivität > 85% zum präkonzeptionellen Zeitpunkt aufgrund von drei dominanten Prädiktoren aus dem OGTT: „Nüchternglukose“, „Glukose (60 Minuten)“ und „Glukose (120 Minuten)“.
17:37 Uhr
Differences in hemodynamic, hormonal and heart rate variability parameters in complication-free pregnancies, women with preeclampsia and women with gestational diabetes mellitus: an observational retrospective analysis
Details anzeigen
Autor:innen:
M. Eckstein (Bayreuth, DE)
A. Rössler (Graz, AT)
M. Moertl (Klagenfurt, AT)
A. Jantscher (Graz, AT)
I. Papousek (Graz, AT)
J. Wagner (Graz, AT)
O. Moser (Bayreuth, DE)
K. Schmid-Zalaudek (Graz, AT)
H. Sourij (Graz, AT)
G. Treiber (Graz, AT)
H. Lackner (Graz, AT)
Background: Pregnancy induces several physiological changes to a woman’s body which are poorly understood1,2. This study aimed to investigate differences in hemodynamic, hormonal and heart rate variability parameters (HRV) in women following complication-free pregnancies (healthy), preeclampsia and gestational diabetes mellitus (GDM) after giving childbirth.
Materials: Retrospective data of 60 women (healthy: n=29, age 32.7±4 years, BMI 24.2±4.3 kg/m2; preeclampsia: n=16, age 35.3±4.4 years, 28.5±6.4 kg/m2; GDM, n=15, age 32.3±6.0 years, BMI 26.4±6.2 kg/m2) were included. Two visits were conducted 16 and 48 weeks after giving childbirth. Hair samples were taken for analysis of cortisol and testosterone. ECG and continuous blood pressure were recorded with the Task Force Monitor®. Data were analysed via RM-ANOVA and post-hoc testing (p≤0.05).
Results: Heart rate increased in groups between visits (p=0.03) whereas SDNN decreased (p=0.03), RMSSD showed only an increased trend for GDM (p=0.07). In GDM testosterone was increased compared to other groups (Visit 1: healthy; preeclampsia; GDM: 0.8±37; 0.86±31; 1.27±0.75 Visit 2: 0.88±0.37; 0.86±0.31; 1.27±0.63 pg/mg) (for both visits p=0.002). Cortisol levels were only different for GDM compared to healthy individuals (Visit 1: Healthy; GDM; 13.71±6.25; 18.80±9.61, Visit 2: 12.29±5.11; 17.84±10.08 pg/mg) (p=0.02). Hemodynamic changes from week 16 to week 48 did not differ between groups. No differences between individuals with preeclampsia and healthy individuals were found for all parameters (p>0.05).
Conclusion: The study showed higher levels of chronic stress indicators in GDM compared to healthy women following childbirth. The trend found for heart rate variability (RMSSD) underpins the hormonal findings.
17:47 Uhr
Diskussion & Fragen