Efficacy and safety for preventing of venous thromboembolic complications in high-risk pregnant women: results of the «BEREG» pregnant women registry ; Эффективность и безопасность профилактики венозных тромбоэмболических осложнений у беременных высокого риска: анализ результатов регистра беременных «БЕРЕГ»

Authors: R. I. Stryuk, O. V. Krikunova, E. E. Lokshina, T. A. Gomova, E. E. Fedotova, Р. И. Стрюк, О. В. Крикунова, Э. Э. Локшина, Т. А. Гомова, Е. Е. Федотова

Contributors: The authors declare no funding. The authors express sincerely gratitude to the staff of the Department of Internal Medicine of the Russian University of Medicine, involved data collection for the «BEREG» registry, Авторы заявляют об отсутствии финансовой поддержки. Авторы выражают благодарность cотрудникам кафедры внутренних болезней ФГБОУ ВО «Российский университет медицины» Минздрава России, которые принимали участие в сборе данных в регистре «БЕРЕГ»

Source: Obstetrics, Gynecology and Reproduction; Vol 19, No 5 (2025); 705-715 ; Акушерство, Гинекология и Репродукция; Vol 19, No 5 (2025); 705-715 ; 2500-3194 ; 2313-7347

Subject Terms: АСК, VTE, major obstetric syndromes, high risk pregnancies, VTE prophylaxis, antithrombotic therapy, calcium nadroparin, acetylsalicylic acid, ASA, ВТЭО, большие акушерские синдромы, беременные высокого риска, профилактика ВТЭО, антитромботическая терапия, надропарин кальция, ацетилсалициловая кислота

File Description: application/pdf

Relation: https://www.gynecology.su/jour/article/view/2596/1394; Стрюк Р.И., Бернс С.А., Филиппова М.П. и др. Сердечно-сосудистые заболевания и ассоциированные с ними коморбидные состояния как факторы, определяющие неблагоприятные перинатальные исходы при беременности – анализ результатов регистра беременных «БЕРЕГ». Терапевтический архив. 2018;(1):9–16.; Saving Lives, Improving Mothers’ Care: Lessons learned to inform maternity care from the UK and Ireland Confidential Enquiries into Maternal Deaths and Morbidity 2014–16. Eds. K. Knight, K. Bunch, D. Tuffnell et al. National Perinatal Epidemiology Unit: University of Oxford, 2018. 104 p.; Petersen E.E., Davis N.L., Goodman D. et al. Vital signs: pregnancy-related deaths, United States, 2011–2015, and strategies for prevention, 13 States, 2013–2017. Morb Mortal Wkly Rep. 2019;68(18):423. https://doi.org/10.15585/mmwr.mm6818e1.; O'Shaughnessy F., O'Reilly D., Ní Áinle F. Current opinion and emerging trends on the treatment, diagnosis, and prevention of pregnancy-associated venous thromboembolic disease: a review. Transl Res. 2020;225:20–32. https://doi.org/10.1016/j.trsl.2020.06.004.; Здравоохранение в России: статистический сборник. Федеральная служба государственной статистики, 2023. 179 с. Режим доступа: https://youthlib.mirea.ru/ru/resource/6229. [Дата обращения: 21.05.2025].; McColl M.D., Ellison J., Greer I.A. et al. Prevalence of the post-thrombotic syndrome in young women with previous venous thromboembolism. Br J Haematol. 2000;108(2):272–4. https://doi.org/10.1046/j.1365-2141.2000.01877.x.; Клинические рекомендации – Венозные осложнения во время беременности и послеродовом периоде. Акушерская тромбоэмболия – 2022-2023-2024 (14.02.2022). М.: Министерство здравоохранения Российской Федерации, 2022. 66 с. Режим доступа: http://disuria.ru/_ld/11/1153_kr22O22MZ.pdf. [Дата обращения: 21.05.2025].; Клинические рекомендации – Нормальная беременность – 2023-2024-2025 (15.02.2024). М.: Министерство здравоохранения Российской Федерации, 2024. 58 с. Режим доступа: https://srb-48.gosuslugi.ru/netcat_files/44/136/KR_Normal_naya_beremennost_.pdf. [Дата обращения: 21.05.2025].; Say L., Chou D., Gemmill A., Tunçalp Ö. et al. Global causes of maternal death: a WHO systematic analysis. Lancet Glob Health. 2014;2(6):e323–33. https://doi.org/10.1016/S2214-109X(14)70227-X10.; Хизроева Д.Х., Бабаева Н.Н., Макацария Н.А. и др. Клиническое значение гемостазиологического скрининга на тромбофилию у беременных с тромбозами в анамнезе. Акушерство, Гинекология и Репродукция. 2022;16(5):528–40. https://doi.org/10.17749/2313-7347/ob.gyn.rep.2022.361.; Ковалев В.В., Кудрявцева Е.В. Молекулярно-генетические девиации и акушерская патология. Акушерство и гинекология. 2020;(1):26–32.; Zur R.L., Kingdom J.C., Parks W.T., Hobson S.R. The placental basis of fetal growth restriction. Obstet Gynecol Clin North Am. 2020;47(1):81–98. https://doi.org/10.1016/j.ogc.2019.10.008.; Ходжаева З.С., Холин А.М., Чулков В.С., Муминова К.Т. Ацетилсалициловая кислота в профилактике преэклампсии и ассоциированных акушерских и перинатальных осложнений. Акушерство и гинекология. 2018;(8):12–8.; Долгушина В.Ф., Сюндюкова Е.Г., Чулков В.С., Униговская К.А. Риски венозных тромбоэмболических событий при больших акушерских синдромах. Доктор.Ру. 2023;22(1):33–9. https://doi.org/10.31550/1727-2378-2023-22-1-33-39.; Клинические рекомендации – Преэклампсия. Эклампсия. Отеки, протеинурия и гипертензивные расстройства во время беременности, в родах и послеродовом периоде – 2024-2025-2026 (05.09.2024). М.: Министерство здравоохранения Российской Федерации, 2024. 53 с. Режим доступа: http://disuria.ru/_ld/15/1564_kr24O10O16MZ.pdf. [Дата обращения: 21.05.2025].; Hirsh J., Anand S.S., Halperin J.L. et al. Guide to anticoagulant therapy: heparin. A Statement for healthcare professionals from the American Heart Association. Circulation. 2001;103(24):2994–3018. https://doi.org/10.1161/01.cir.103.24.2994.; Antman E.M., Handin R. Low-molecular-weight heparins. An intriguing new twist with profound implications. Circulation. 1998;98(4):287–9. https://doi.org/10.1161/01.cir.98.4.287.; Крикунова О.В., Стрюк Р.И. Эноксапарин в алгоритме ведения пациентов с острым коронарным синдромом. Рациональная фармакотерапия в кардиологии. 2018;14(1):131–6. https://doi.org/10.20996/1819-6446-2018-14-1-131-136.; Иртюга О.Б., Шмаков Р.Г., Вавилова Т.В. и др. Дискуссионные вопросы применения антикоагулянтов в профилактике венозных тромбоэмболических осложнений у беременных с сердечно-сосудистыми и системными заболеваниями. Резолюция Совета экспертов. Российский кардиологический журнал. 2023;28(4):5421. https://doi.org/10.15829/1560-4071-2023-5421.; Bistervels I.M., Buchmuller A., Wiegers H.M.G. et al. Intermediate-dose versus low-dose low-molecular-weight heparin in pregnant and post-partum women with a history of venous thromboembolism (Highlow study): an open label, multicentre, randomised, controlled trial. Lancet. 2022;400(10365):1777–87. https://doi.org/10.1016/S0140-6736(22)02128-6.; Cruz-Lemini M., Vazquez J.C., Ullmo J., Llurba E. Low-molecular-weight heparin for prevention of preeclampsia and other placenta-mediated complications: a systematic review and meta-analysis. Am J Obstet Gynecol. 2022;226(2S):S1126–S1144.e17. https://doi.org/10.1016/j.ajog.2020.11.006.; Hamulyák E.N., Scheres L.J., Marijnen M.C. et al. Aspirin or heparin or both for improving pregnancy outcomes in women with persistent antiphospholipid antibodies and recurrent pregnancy loss. Cochrane Database Syst Rev. 2020;5(5):CD012852. https://doi.org/10.1002/14651858.CD012852.pub2.; https://www.gynecology.su/jour/article/view/2596

Availability: https://www.gynecology.su/jour/article/view/2596
https://doi.org/10.17749/2313-7347/ob.gyn.rep.2025.652

Prediction of hypertensive disorders in pregnant women in the «gray» risk zone following combined first-trimester screening ; Прогнозирование гипертензивных расстройств при беременности у пациенток в «серой» зоне риска по результатам комбинированного скрининга I триместра

Authors: N. V. Mostova, V. V. Kovalev, E. V. Kudryavtseva, Н. В. Мостова, В. В. Ковалев, Е. В. Кудрявцева

Contributors: The authors declare no funding, Авторы заявляют об отсутствии финансовой поддержки

Source: Obstetrics, Gynecology and Reproduction; Vol 18, No 2 (2024); 200-210 ; Акушерство, Гинекология и Репродукция; Vol 18, No 2 (2024); 200-210 ; 2500-3194 ; 2313-7347

Subject Terms: большие акушерские синдромы, PE, hypertensive disorders in pregnancy, HDP, gestational hypertension, great obstetrics syndromes, ПЭ, гипертензивные расстройства при беременности, ГРБ, гестационная гипертензия

File Description: application/pdf

Relation: https://www.gynecology.su/jour/article/view/2051/1208; Duley L. The global impact of pre-eclampsia and eclampsia. Semin Perinatol. 2009;33(3):130–7. doi:10.1053/j.semperi.2009.02.010.; Trends in maternal mortality 2000 to 2020: estimates by WHO, UNICEF, UNFPA, World Bank Group and UNDESA/Population Division, Overview 2023. World Health Organization, 2023. Режим доступа: www.who.int/publications/i/item/9789240068759. [Дата обращения: 02. 10. 2023].; Сидорова И.С., Никитина Н.А., Филиппов О.С. и др. Решенные и нерешенные вопросы преэклампсии по результатам анализа материнской смертности за последние 10 лет. Акушерство и гинекология. 2021;(4):64–74. doi:10.18565/aig.2021.4.64-74.; Than N.G., Romero R., Tarca A.L. et al. Integrated systems biology approach identifies novel maternal and placental pathways of preeclampsia. Front Immunol. 2018;9:1661. doi:10.3389/fimmu.2018.01661.; Romero R. Prenatal medicine: the child is the father of the man. 1996. J Matern Fetal Neonatal Med. 2009;22(8):636–9. doi:10.1080/14767050902784171.; Kessous R., Shoham-Vardi I., Pariente G. et al. Long-term maternal atherosclerotic morbidity in women with pre-eclampsia. Heart. 2015;101(6):442–6. doi:10.1136/heartjnl-2014-306571.; Brouwers L., van der Meiden-van Roest A.J., Savelkoul C. et al. Recurrence of pre-eclampsia and the risk of future hypertension and cardiovascular disease : a systematic review and meta-analysis. BJOG. 2018;125(13):1642–54. doi:10.1111/1471-0528.15394.; Sukmanee J., Liabsuetrakul T. Risk of future cardiovascular diseases in different years postpartum after hypertensive disorders of pregnancy : а systematic review and meta-analysis. Medicine. 2022;101(30):e29646. doi:10.1097/MD.0000000000029646.; Долгополова Е.Л., Ломова Н.А., Караваева А.Л. и др. Тяжелая преэклампсия и задержка роста плода: отдаленные прогнозы для матерей и потомства. Акушерство и гинекология. 2020;(12):100–7. doi:10.18565/aig.2020.12.100-107.; Yan S., Lyu J., Liu Z. et al. Association of gestational hypertension and preeclampsia with offspring adiposity : a systematic review and meta-analysis. Front Endocrinol. 2022;13:906781. doi:10.3389/fendo.2022.906781.; Huang C., Li J., Qin G. et al. Maternal hypertensive disorder of pregnancy and offspring early-onset cardiovascular disease in childhood, adolescence, and young adulthood: a national population-based cohort study. PLoS Med. 2021;18(9):e1003805. doi:10.1371/journal.pmed.1003805.; Karatza A.A., Dimitriou G. Preeclampsia emerging as a novel risk factor for cardiovascular disease in the offspring. Curr Pediatr Rev. 2020;16(3):194–9. doi:10.2174/1573396316666191224092405.; NICE Clinical Guideline. Hypertension in pregnancy: diagnosis and management. National Institute for Health and Care Excellence (NICE), 2023. 62 p. Режим доступа: https://www.nice.org.uk/guidance/ng133/resources/hypertension-in-pregnancy-diagnosis-and-management-pdf-66141717671365. [Дата обращения: 02. 10. 2023].; AGOG practice advisory: low-dose aspirin use for the prevention of preeclampsia and related morbidity and mortality. AGOG, 2021. Режим доступа: https://www.acog.org/clinical/clinical-guidance/practice-advisory/articles/2021/12/low-dose-aspirin-use-for-the-prevention-of-preeclampsia-and-related-morbidity-and-mortality. [Дата обращения: 02. 10. 2023].; Poon L.C., Kametas N.A., Maiz N. et al. First-trimester prediction of hypertensive disorders in pregnancy. Hypertension. 2009;53(5):812–8. doi:10.1161/HYPERTENSIONAHA.108.127977.; O'Gorman N., Wright D., Poon L.C. et al. Multicenter screening for pre-eclampsia by maternal factors and biomarkers at 11-13 weeks' gestation: comparison with NICE guidelines and ACOG recommendations. Ultrasound Obstet Gynecol. 2017;49(6):756–60. doi:10.1002/uog.17455.; Poon L.C., Stratieva V., Piras S. et al. Hypertensive disorders in pregnancy: combined screening by uterine artery Doppler, blood pressure and serum PAPP-A at 11-13 weeks. Prenat Diagn. 2010;30(3):216–23. doi:10.1002/pd.2440.; Wright D., Akolekar R., Syngelaki A. et al. A competing risks model in early screening for preeclampsia. Fetal Diagn Ther. 2012;32(3):171–8. doi:10.1159/000338470.; Tan M.Y., Wright D., Syngelaki A. et al. Comparison of diagnostic accuracy of early screening for pre-eclampsia by NICE guidelines and a method combining maternal factors and biomarkers: results of SPREE. Ultrasound Obstet Gynecol. 2018;51(6):743–50. doi:10.1002/uog.19039.; Poon L.C., Shennan A., Hyett J.A. et al. The International Federation of Gynecology and Obstetrics (FIGO) initiative on pre-eclampsia: a pragmatic guide for first-trimester screening and prevention. Int J Gynaecol Obstet. 2019;145 Suppl 1(Suppl 1):1–33. doi:10.1002/ijgo.12802.; Приказ Минздрава России от 20. 10. 2020 N 1130н «Об утверждении Порядка оказания медицинской помощи по профилю "акушерство и гинекология"». М.: Министерство здравоохранения Российской Федерации, 2020. 688 с. Режим доступа: http://perinatcentr.ru/files/N_1130.pdf. [Дата обращения: 02. 10. 2023].; Rolnik D.L., Wright D., Poon L.C. et al. ASPRE trial: performance of screening for preterm pre-eclampsia. Ultrasound Obstet Gynecol. 2017;50(4):492–5. doi:10.1002/uog.18816.; Wright D., Poon L.C., Rolnik D.L. et al. Aspirin for Evidence-Based Preeclampsia Prevention trial: influence of compliance on beneficial effect of aspirin in prevention of preterm preeclampsia. Am J Obstet Gynecol. 2017;217(6):685.e1–685.e5. doi:10.1016/j.ajog.2017.08.110.; Кудрявцева Е.В., Канивец И.В., Киевская Ю.К. и др. Неинвазивный пренатальный тест в России: популяционное исследование. Акушерство и гинекология. 2019;(12):28–33. doi:10.18565/aig.2019.12.30-35.; Кудрявцева Е.В., Ковалев В.В., Николаева Е.Б., Дектярев А.А. Неинвазивный пренатальный скрининг: первый опыт Свердловской области. Уральский медицинский журнал. 2019;15(183):78–81. URL: https://www.elibrary.ru/item.asp?id=41589641&ysclid=lwbzesv5a2697312447.; Morain S., Greene M.F., Mello M.M. A new era in noninvasive prenatal testing. N Engl J Med. 2013;369(6):499–501. doi:10.1056/NEJMp1304843.; Холин А.М., Муминова К.Т., Балашов И.С. и др. Прогнозирование преэклампсии в первом триместре беременности: валидация алгоритмов скрининга на российской популяции. Акушерство и гинекология. 2017;(8):74–84. doi:10.18565/aig.2017.8.74-84.; Parra-Cordero M., Rodrigo R., Barja P. et al. Prediction of early and late pre-eclampsia from maternal characteristics, uterine artery Doppler and markers of vasculogenesis during first trimester of pregnancy. Ultrasound Obstet Gynecol. 2013;41(5):538–44. doi:10.1002/uog.12264.; https://www.gynecology.su/jour/article/view/2051

Availability: https://www.gynecology.su/jour/article/view/2051
https://doi.org/10.17749/2313-7347/ob.gyn.rep.2024.454

Obstetric and perinatal pathology in women with a history of major obstetric syndromes

Source: Ukrainian Journal «Health of Woman»; No. 4(167) (2023): Ukrainian Journal Health of Woman; 15-19
Ukrainian Journal «Health of Woman»; № 4(167) (2023): Ukrainian Journal Health of Woman; 15-19
Український журнал "Здоров'я жінки"; № 4(167) (2023): Український журнал Здоров’я жінки; 15-19

Subject Terms: ускладнення пологів, осложнения беременности, великі акушерські синдроми, женщины, complications of childbirth, 3. Good health, complications of pregnancy, condition of newborns, состояние новорожденных, вагітність, большие акушерские синдромы, women, pregnancy, стан новонароджених, ускладнення вагітності, жінки, major obstetric syndromes, беременность, осложнения родов

File Description: application/pdf

Access URL: http://ujhw.med-expert.com.ua/article/view/291794

Peculiarities of the course of pregnancy in women with premature birth

Source: Ukrainian Journal of Perinatology and Pediatrics; No. 3(95) (2023): Ukrainian Journal of Perinatology and Pediatrics; 21-27
Украинский журнал Перинатология и Педиатрия; № 3(95) (2023): Ukrainian Journal of Perinatology and Pediatrics; 21-27
Український журнал Перинатологія і Педіатрія; № 3(95) (2023): Український журнал Перинатологія і Педіатрія; 21-27

Subject Terms: преэклампсия, великі акушерські синдроми, premature birth, перебіг вагітності, женщины, course of pregnancy, течение беременности, 3. Good health, preeclampsia, прееклампсія, плацентарная недостаточность, вагітність, placental insufficiency, передчасні пологи, большие акушерские синдромы, плацентарна недостатність, pregnancy, women, жінки, преждевременные роды, major obstetric syndromes, беременность

File Description: application/pdf

Access URL: http://ujpp.med-expert.com.ua/article/view/289843

Peculiarities of the course of pregnancy and childbirth in women with early and late forms of fetal growth retardation

Source: Ukrainian Journal «Health of Woman»; No. 2(165) (2023): Ukrainian Journal Health of Woman; 16-21
Ukrainian Journal «Health of Woman»; № 2(165) (2023): Ukrainian Journal Health of Woman; 16-21
Український журнал "Здоров'я жінки"; № 2(165) (2023): Український журнал Здоров’я жінки; 16-21

Subject Terms: перебіг пологів, fetal growth retardation, великі акушерські синдроми, ультразвукове дослідження, перебіг вагітності, course of pregnancy, задержка роста плода, течение беременности, 3. Good health, плацентарная недостаточность, течение родов, placental insufficiency, большие акушерские синдромы, плацентарна недостатність, ультразвуковое исследование, course of childbirth, major obstetric syndromes, ultrasound examination, затримка росту плода

File Description: application/pdf

Access URL: http://ujhw.med-expert.com.ua/article/view/285653

The course of pregnancy and childbirth in women with preeclampsia

Source: Ukrainian Journal «Health of Woman»; No. 1(164) (2023): Ukrainian Journal Health of Woman; 39-44
Ukrainian Journal «Health of Woman»; № 1(164) (2023): Ukrainian Journal Health of Woman; 39-44
Український журнал "Здоров'я жінки"; № 1(164) (2023): Український журнал Здоров’я жінки; 39-44

Subject Terms: ускладнення пологів, преэклампсия, pregnancy complications, осложнения беременности, obstetric complications, великі акушерські синдроми, женщины, 3. Good health, preeclampsia, прееклампсія, вагітність, большие акушерские синдромы, women, pregnancy, ускладнення вагітності, жінки, major obstetric syndromes, беременность, осложнения родов

File Description: application/pdf

Access URL: http://ujhw.med-expert.com.ua/article/view/277918

Fetoplacental complex and «great obstetrics syndromes»

Source: Ukrainian Journal «Health of Woman»; No. 6(163) (2022): Ukrainian Journal Health of Woman; 26-31
Ukrainian Journal «Health of Woman»; № 6(163) (2022): Ukrainian Journal Health of Woman; 26-31
Український журнал "Здоров'я жінки"; № 6(163) (2022): Український журнал Здоров’я жінки; 26-31

Subject Terms: преэклампсия, preterm birth, великі акушерські синдроми, ультразвукове дослідження, женщины, 3. Good health, preeclampsia, плацентарная недостаточность, прееклампсія, фетоплацентарный комплекс, fetoplacental complex, вагітність, placental insufficiency, большие акушерские синдромы, передчасні пологи, плацентарна недостатність, women, pregnancy, жінки, фетоплацентарний комплекс, ультразвуковое исследование, преждевременные роды, major obstetric syndromes, беременность, ultrasound examination

File Description: application/pdf

Access URL: http://ujhw.med-expert.com.ua/article/view/283590

Covid-19 и плаценто-ассоциированные осложнения беременности: есть ли связь? ; Covid-19 and placenta-associated pregnancy complications: is there any connection?

Authors: Kudryavtseva, E. V., Martirosyan, S. V., Utamuradova, S. U., Кудрявцева, Е. В., Мартиросян, С. В., Утамурадова, С. У.

Subject Terms: PREECLAMPSIA, COVID-19, SARS-COV-2, VACCINATION, PANDEMIC, GREAT OBSTETRICAL SYNDROMES, ПРЕЭКЛАМПСИЯ, ВАКЦИНАЦИЯ, ПАНДЕМИЯ, БОЛЬШИЕ АКУШЕРСКИЕ СИНДРОМЫ

File Description: application/pdf

Relation: Уральский медицинский журнал. 2022. Т. 21, № 4.; http://elib.usma.ru/handle/usma/10079

Availability: http://elib.usma.ru/handle/usma/10079

Somatic and reproductive history of pregnant, with complications from group of great obstetrical syndromes

Source: Ukrainian Journal «Health of Woman»; No. 1(158) (2022): Ukrainian Journal Health of Woman; 18-24
Ukrainian Journal «Health of Woman»; № 1(158) (2022): Ukrainian Journal Health of Woman; 18-24
Український журнал "Здоров'я жінки"; № 1(158) (2022): Український журнал Здоров’я жінки; 18-24

Subject Terms: ретроспективный анализ, somatic history, клинико-статистический анализ, великі акушерські синдроми, соматический анамнез, 3. Good health, репродуктивний анамнез, соматичний анамнез, retrospective analys, great obstetrical syndromes, clinical and statistical analyses, репродуктивный анамнез, большие акушерские синдромы, клініко-статистичний аналіз, ретроспективний аналіз, reproductive history

File Description: application/pdf

Access URL: http://ujhw.med-expert.com.ua/article/view/256465

Machine learning based on laboratory data for disease prediction ; Машинное обучение на лабораторных данных для прогнозирования заболеваний

Authors: A. V. Gusev, R. E. Novitskiy, A. A. Ivshin, A. A. Alekseev, А. В. Гусев, Р. Э. Новицкий, А. А. Ившин, А. А. Алексеев

Contributors: The research was carried out with the financial support of the Ministry of Science and Higher Education of the Russian Federation under the Agreement No. 075-15-2021-665., Исследование выполнено при финансовой поддержке Министерства науки и высшего образования Российской Федерации в рамках Соглашения № 075-15-2021-665.

Source: FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology; Vol 14, No 4 (2021); 581-592 ; ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология; Vol 14, No 4 (2021); 581-592 ; 2070-4933 ; 2070-4909

Subject Terms: факторы риска, prediction, great obstetrical syndromes, preeclampsia, machine learning, neural networks, algorithms, risk factors, прогнозирование, большие акушерские синдромы, преэклампсия, машинное обучение, нейронные сети, алгоритмы

File Description: application/pdf

Relation: https://www.pharmacoeconomics.ru/jour/article/view/607/397; ВОЗ. Информационный бюллетень. Прогресс в борьбе с неинфекционными заболеваниями. Июнь 2017. Социальные аспекты здоровья населения. 2017; 4: 1–10.; Гаврилов Д.В., Серова Л.М., Корсаков И.Н. и др. Предсказание сердечно-сосудистых событий при помощи комплексной оценки факторов риска с использованием методов машинного обучения. Врач. 2020; 31 (5): 41–6. https://doi.org/10.29296/25877305-2020-05-08.; Гусев А.В., Гаврилов Д.В., Корсаков И.Н. и др. Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний. Врач и информационные технологии. 2019; 3: 41–7.; Федеральный справочник лабораторных исследований. Справочник лабораторных тестов. URL: https://nsi.rosminzdrav.ru/#!/refbook/1.2.643.5.1.13.13.11.1080/version/3.28 (дата обращения 23.09.2021).; National Center for Biotechnology Information. URL: https://www.ncbi.nlm.nih.gov/ (дата обращения 23.09.2021).; Научная электронная библиотека «КиберЛенинка». URL: https://cyberleninka.ru/ (дата обращения 23.09.2021).; Papers With Code, free resource with all data licensed under CC-BY-SA. URL: https://paperswithcode.com/ (дата обращения 23.09.2021).; Churpek M.M., Yuen T.C., Winslow C., et al. Multicenter comparison of machine learning methods and conventional regression for predicting clinical deterioration on the wards. 2016; 44 (2): 368–74. https://doi.org/10.1097/CCM.0000000000001571.; Choi E., Schuetz A., Stewart W.F., Sun J. Medical concept representation learning from electronic health records and its application on heart failure prediction. 2016; arXiv: 1602.03686.; Razavian N., Marcus J., Sontag D. Multi-task Prediction of Disease Onsets from Longitudinal Lab Tests. 2016; arXiv: 1608.00647.; Сахибгареева М.В., Заозерский А.Ю. Разработка системы прогнозирования диагнозов заболеваний на основе искусственного интеллекта. Вестник Российского государственного медицинского университета. 2017; 6: 42–6.; Waljee A.K., Lipson R., Wiitala W.L., et al. Predicting hospitalization and outpatient corticosteroid use in inflammatory bowel disease patients using machine learning. Inflamm Bowel Dis. 2017; 24 (1): 45–53. https://doi.org/10.1093/ibd/izx007.; Ye C., Fu T., Hao S., et al. Prediction of incident hypertension within the next year: prospective study using statewide electronic health records and machine learning. J Med Internet Res. 2018; 20 (1): e22. https://doi.org/10.2196/jmir.9268.; Liu L., Shen J., Zhang M., et al. Learning the joint representation of heterogeneous temporal events for clinical endpoint prediction. 2018; arXiv: 1803.04837.; Liu J., Zhang Z., Razavian N. Deep EHR: chronic disease prediction using medical notes. 2018; arXiv: 1808.04928.; Кротова О.С., Пиянзин А.И., Хворова Л.А., Жариков А.В. Некоторые математические подходы в построении моделей прогнозирования стадий компенсации и декомпенсации сахарного диабета у детей и подростков. Известия Алтайского государственного университета. 2018; 4: 83–7. https://doi.org/10.14258/izvasu(2018)4-15.; Lin J., Jiang A., Ling M., et al. Prediction of neurologic deterioration based on support vector machine algorithms and serum osmolarity equations. Brain Behav. 2018; 8 (7), e01023. https://doi.org/10.1002/brb3.1023.; Diller G.P., Kempny A., Babu-Narayan S.V., et al. Machine learning algorithms estimating prognosis and guiding therapy in adult congenital heart disease: data from a single tertiary centre including 10 019 patients. Eur Heart J. 2019; 40 (13): 1069–77. https://doi.org/10.1093/eurheartj/ehy915.; Lin Y.W., Zhou Y., Faghri F., et al. Analysis and prediction of unplanned intensive care unit readmission using recurrent neural networks with long short-term memory. PloS One. 2019; 14 (7): e0218942. https://doi.org/10.1371/journal.pone.0218942.; Wang H.L., Hsu W.Y., Lee M.H., et al. Automatic machine-learning-based outcome prediction in patients with primary intracerebral hemorrhage. Front Neurol. 2019; 10: 910. https://doi.org/10.3389/fneur.2019.00910.; Gordon J., Lerner B. Insights into amyotrophic lateral sclerosis from a machine learning perspective. J Clin Med. 2019; 8 (10): 1578. https://doi.org/10.3390/jcm8101578.; Lai H., Huang H., Keshavjee K., et al. Predictive models for diabetes mellitus using machine learning techniques. BMC Endocr Disord. 2019; 19 (1): 101. https://doi.org/10.1186/s12902-019-0436-6.; Canadian Primary Care Sentinel Surveillance Network (CPCSSN). URL: http://cpcssn.ca/ (дата обращения 23.09.2021).; Dinh A., Miertschin S., Young A., Mohanty S.D. A data-driven approach to predicting diabetes and cardiovascular disease with machine learning. BMC Med Inform Decis Mak. 2019; 19 (1): 211. https://doi.org/10.1186/s12911-019-0918-5.; National Center for Health Statistics. URL: https://www.cdc.gov/nchs/nhanes/ (дата обращения 23.09.2021).; Zhu W., Razavian N. Graph neural network on electronic health records for predicting Alzheimer's disease. 2019; arXiv: 1912.03761.; Landi I., Glicksberg B., Lee H., et al. Deep representation learning of electronic health records to unlock patient stratification at scale. NPJ Digit Med. 2020; 3: 96. https://doi.org/10.1038/s41746-020-0301-z.; Weegar R., Sundström K. Using machine learning for predicting cervical cancer from Swedish electronic health records by mining hierarchical representations. PloS One. 2020; 15 (8): e0237911. https://doi.org/10.1371/journal.pone.0237911.; https://www.pharmacoeconomics.ru/jour/article/view/607

Availability: https://www.pharmacoeconomics.ru/jour/article/view/607
https://doi.org/10.17749/2070-4909/farmakoekonomika.2021.115

Artificial intelligence technologies in predicting preeclampsia ; Прогнозирование преэклампсии с использованием технологий искусственного интеллекта

Authors: A. A. Ivshin, T. Z. Bagaudin, A. V. Gusev, А. А. Ившин, Т. З. Багаудин, А. В. Гусев

Source: Obstetrics, Gynecology and Reproduction; Vol 15, No 5 (2021); 576-585 ; Акушерство, Гинекология и Репродукция; Vol 15, No 5 (2021); 576-585 ; 2500-3194 ; 2313-7347

Subject Terms: факторы риска, Al, prediction, great obstetrical syndromes, preeclampsia, PE, machine learning, neural networks, algorithms, risk factors, ИИ, прогнозирование, большие акушерские синдромы, преэклампсия, ПЭ, машинное обучение, нейронные сети, алгоритмы

File Description: application/pdf

Relation: https://www.gynecology.su/jour/article/view/1047/952; Di Renzo G.C. The great obstetrical syndromes. J Matern Fetal Neonatal Med. 2009;22(8):633–5. https://doi.org/10.1080/14767050902866804.; Brosens I., Pijnenborg R., Vervruysse L., Romero R. The «Great obstetrical syndromes» are associated with disorders of deep placentation. Am J Obstet Gynecol. 2011;204(3):193–201. https://doi.org/10.1016/j.ajog.2010.08.009.; Mastrolia S.A., Mazor M., Loverro G. et al. Placental vascular pathology and increased thrombin generation as mechanisms of desease in obstetrical syndromes. Perr J. 2014;18(2):e653. https://doi.org/10.7717/peerj.653.; Walker J.J. Pre-eclampsia. Lancet. 2000;356(9237):1260–5. https://doi.org/10.1016/S0140-6736(00)02800-2.; Ghulmiyyah L., Sibai B. Maternal mortality from preeclampsia/eclampsia. Semin Perinatol. 2012;36(1):56–9. https://doi.org/10.1053/j.semperi.2011.09.011.; Kuklina E.V., Ayala C., Callaghan W.M. Hypertensive disorders and severe obstetric morbidity in the United States. Obstet Gynecol. 2009;113(6):1299–306. https://doi.org/10.1097/AOG.0b013e3181a45b25.; ACOG Committee Opinion No. 743: Low-Dose Aspirin Use During Pregnancy. Obstet Gynecol. 2018;132(1):e44–e52. https://doi.org/10.1097/AOG.0000000000002708.; Rolnik D.L., Wright D., Poon L.C. et al. Aspirin versus placebo in pregnancies at high risk for preterm preeclampsia. N Engl J Med. 2017;377(7):613–22. https://doi.org/10.1056/NEJMoa1704559.; Duley L., Meher S., Hunter K.E. et al. Antiplatelet agents for preventing pre-eclampsia and its complications. Cochrane Database Syst Rev. 2019;2019(10):CD004659. https://doi.org/10.1002/14651858.CD004659.pub3.; Клинические рекомендации «Преэклампсия. Эклампсия. Отеки, протеинурия и гипертензивные расстройства во время беременности, в родах и послеродовом периоде». Минздрав России, 2021. 79 с.; Duhig K., Vandermolen B., Shennan A. Recent advances in the diagnosis and management of pre-eclampsia. F1000Res. 2018;7:242. https://doi.org/10.12688/f1000research.12249.1.; Schork N.J. Artificial intelligence and personalized medicine. Cancer Treat Res. 2019;178:265–83. https://doi.org/10.1007/978-3-030-16391-4_11.; Camacho D.M., Collins K.M., Powers R.K. et al. Next-generation machine learning for biological networks. Cell. 2018;173(7):1581–92. https://doi.org/10.1016/j.cell.2018.05.015.; Sidey-Gibbons J., Sidey-Gibbons C. Machine learning in medicine: a practical introduction. BMC Med Res Methodol. 2019;19(1):64. https://doi.org/10.1186/s12874-019-0681-4.; Ившин А.А., Гусев А.В., Новицкий Р.Э. Искусственный интеллект: предиктивная аналитика перинатального риска. Вопросы гинекологии, акушерства и перинатологии. 2020;19(6):133–44. https://doi.org/10.20953/1726-1678-2020-6-133-144.; Ившин А.А., Багаудин Т.З., Гусев А.В. Искусственный интеллект на страже репродуктивного здоровья. Акушерство и гинекология. 2021;(5):17–24. https://doi.org/10.18565/aig.2021.5.17-24.; National Collaborating Centre for Women's and Children's Health (UK). Hypertension in Pregnancy: The Management of Hypertensive Disorders During Pregnancy. London: RCOG Press, 2010.; LeFevre M.L.; U.S. Preventive Services Task Force. Low-dose aspirin use for the prevention of morbidity and mortality from preeclampsia: U.S. Preventive Services Task Force recommendation statement. Ann Intern Med. 2014;161(11):819–26. https://doi.org/10.7326/M14-1884.; Poon L.C., Shennan A., Hyett J.A. et al. The International Federation of Gynecology and Obstetrics (FIGO) initiative on pre-eclampsia: A pragmatic guide for first-trimester screening and prevention [published correction appears in Int J Gynaecol Obstet. 2019;146(3):390–1]. Int J Gynaecol Obstet. 2019;145(Suppl 1):1–33. https://doi.org/10.1002/ijgo.12802.; O’Gorman N., Wright D., Poon L.C. et al. Multicenter screening for pre-eclampsia by maternal factors and biomarkers at 11-13 weeks’ gestation: comparison with NICE guidelines and ACOG recommendations. Ultrasound Obstet Gynecol. 2017;49(6):756–60. https://doi.org/10.1002/uog.17455.; Kleinrouweler C.E., Cheong-See F.M., Collins G.S. et al. Prognostic models in obstetrics: available, but far from applicable. Am J Obstet Gynecol. 2016;214(1):79–90.e36. https://doi.org/10.1016/j.ajog.2015.06.013.; Kenny L.C., Dunn W.B., Ellis D.I. et al. Novel biomarkers for pre-eclampsia detected using metabolomics and machine learning. Metabolomics. 2005;1(3):227–34. https://doi.org/10.1007/s11306-005-0003-1.; van Kuijk S.M., Delahaije D.H., Dirksen C.D. et al. External validation of a model for periconceptional prediction of recurrent early-onset preeclampsia. Hypertens Pregnancy. 2014;33(3):265–76. https://doi.org/10.3109/10641955.2013.872253.; Villa P.M., Marttinen P., Gillberg J. et al. Cluster analysis to estimate the risk of preeclampsia in the high-risk Prediction and Prevention of Preeclampsia and Intrauterine Growth Restriction (PREDO) study. PLoS One. 2017;12(3):e0174399. https://doi.org/10.1371/journal.pone.0174399.; Tejera E., Areias J.M., Rodrigues A. et al. Artificial neural network for normal, hypertensive, and preeclamptic pregnancy classification using maternal heart rate variability indexes. J Matern Fetal Neonatal Med. 2011;24(9):1147–51. https://doi.org/10.3109/14767058.2010.545916.; Neocleous C.K., Anastasopoulos P., Nikolaides K.H. et al. Neural networks to estimate the risk for preeclampsia occurrence. International Joint Conference on Neural Networks. Atlanta, Georgia, USA, 14–19 June 2009. 2221–5. https://doi.org/10.1109/IJCNN.2009.5178820.; Marić I., Tsur A., Aghaeepour N. et al. Early prediction of preeclampsia via machine learning. Am J Obstet Gynecol MFM. 2020;2(2):100100. https://doi.org/10.1016/j.ajogmf.2020.100100.; Praciano de Souza P.C., Gurgel Alves J.A., Holanda Moura S. et al. Second trimester screening of preeclampsia using maternal characteristics and uterine and ophthalmic artery Doppler. Ultraschall Med. 2018;39(2):190–7. https://doi.org/10.1055/s-0042-104649.; Gomaa M.F., Naguib A.H., Swedan K.H., Abdellatif S.S. Serum tumor necrosis factor-α level and uterine artery Doppler indices at 11-13 weeks' gestation for preeclampsia screening in low-risk pregnancies: a prospective observational study. J Reprod Immunol. 2015;109:31–5. https://doi.org/10.1016/j.jri.2015.02.007.; Zhou J., Zhao X., Wang Z., Hu Y. Combination of lipids and uric acid in mid-second trimester can be used to predict adverse pregnancy outcomes. J Matern Fetal Neonatal Med. 2012;25(12):2633–8. https://doi.org/10.3109/14767058.2012.704447.; Jhee J.H., Lee S., Park Y. et al. Prediction model development of late-onset preeclampsia using machine learning-based methods. PLoS One. 2019;14(8):e0221202. https://doi.org/10.1371/journal.pone.0221202.; Wright D., Akolekar R., Syngelaki A. et al. A competing risks model in early screening for preeclampsia [published correction appears in Fetal Diagn Ther. 2013;34(1):18]. Fetal Diagn Ther. 2012;32(3):171–8. https://doi.org/10.1159/000338470.; Akolekar R., Syngelaki A., Poon L. et al. Competing risks model in early screening for preeclampsia by biophysical and biochemical markers [published correction appears in Fetal Diagn Ther. 2013;34(1):43]. Fetal Diagn Ther. 2013;33(1):8–15. https://doi.org/10.1159/000341264.; Wright A., Wright D., Syngelaki A. et al. Two-stage screening for preterm preeclampsia at 11–13 weeks' gestation. Am J Obstet Gynecol. 2019;220(2):197.e1–197.e11. https://doi.org/10.1016/j.ajog.2018.10.092.; Wright D., Tan M.Y., O'Gorman N. et al. Predictive performance of the competing risk model in screening for preeclampsia [published correction appears in Am J Obstet Gynecol. 2019 Apr 24]. Am J Obstet Gynecol. 2019;220(2):199.e1–199.e13. https://doi.org/10.1016/j.ajog.2018.11.1087.; Andrietti S., Silva M., Wright A. et al. Competing-risks model in screening for preeclampsia by maternal factors and biomarkers at 35-37 weeks' gestation. Ultrasound Obstet Gynecol. 2016;48(1):72–9. https://doi.org/10.1002/uog.15812.; Tan M.Y., Wright D., Syngelaki A. et al. Comparison of diagnostic accuracy of early screening for pre-eclampsia by NICE guidelines and a method combining maternal factors and biomarkers: results of SPREE. Ultrasound Obstet Gynecol. 2018;51(6):743–50. https://doi.org/10.1002/uog.19039.; Poon L.C., Rolnik D.L., Tan M.Y. et al. ASPRE trial: incidence of preterm pre-eclampsia in patients fulfilling ACOG and NICE criteria according to risk by FMF algorithm. Ultrasound Obstet Gynecol. 2018;51(6):738–42. https://doi.org/10.1002/uog.19019.; Sonek J., Krantz D., Carmichael J. et al. First-trimester screening for early and late preeclampsia using maternal characteristics, biomarkers, and estimated placental volume. Am J Obstet Gynecol. 2018;218(1):126.e1–126.e13. https://doi.org/10.1016/j.ajog.2017.10.024.; https://www.gynecology.su/jour/article/view/1047

Availability: https://www.gynecology.su/jour/article/view/1047
https://doi.org/10.17749/2313-7347/ob.gyn.rep.2021.229

Transcriptomics of placental tissue: identification of molecular mechanisms and measures for targeted therapy of grate obstetric syndromes ; Транскриптомика плацентарной ткани: идентификация молекулярных механизмов и мишеней для таргетной терапии больших акушерских синдромов

Authors: E. A. Trifonova, A. V. Markov, I. A. Stepanov, E. V. Ijoykina, V. A. Stepanov, Е. А. Трифонова, А. В. Марков, И. А. Степанов, Е. В. Ижойкина, В. А. Степанов

Source: Medical Genetics; Том 19, № 11 (2020); 73-75 ; Медицинская генетика; Том 19, № 11 (2020); 73-75 ; 2073-7998

Subject Terms: большие акушерские синдромы, placenta, master regulator, grate obstetric syndromes, плацента, мастер-регулятор

File Description: application/pdf

Relation: https://www.medgen-journal.ru/jour/article/view/1804/1437; Trifonova E.A., Gabidulina T.V., Ershov N.I., Serebrova V.N., Vorozhishcheva A.Y., Stepanov V.A. Analysis of the placental tissue transcriptome of normal and preeclampsia complicated pregnancies. Acta Naturae. 2014;6(2):71-83.

Availability: https://www.medgen-journal.ru/jour/article/view/1804
https://doi.org/10.25557/2073-7998.2020.11.73-75

Predicting the Development of Great Obstetric Syndromes Based on Multilocus Genetic Analysis: Results of a Retrospective Comparative Cohort Study ; Прогнозирование развития больших акушерских синдромов на основании мультилокусного генетического анализа: результаты ретроспективного сравнительного когортного исследования

Authors: Kudryavtseva E.V., Kovalev V.V., Baranov I.I., Ugarov I.V.

Contributors: 1

Source: Annals of the Russian academy of medical sciences; Vol 76, No 3 (2021); 244-253 ; Вестник Российской академии медицинских наук; Vol 76, No 3 (2021); 244-253 ; 2414-3545 ; 0869-6047 ; 10.15690/vramn.763

Subject Terms: great obstetric syndromes, genetic thrombophilia, preeclampsia, pregnancy complications, большие акушерские синдромы, генетическая тромбофилия, преэклампсия, осложнения беременности

File Description: application/pdf

Relation: https://vestnikramn.spr-journal.ru/jour/article/view/1513/1462; https://vestnikramn.spr-journal.ru/jour/article/view/1513/1476; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1905; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1906; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1907; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1908; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1909; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1910; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1911; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/1913; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/2244; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/2245; https://vestnikramn.spr-journal.ru/jour/article/downloadSuppFile/1513/2246

Availability: https://vestnikramn.spr-journal.ru/jour/article/view/1513
https://doi.org/10.15690/vramn1513

Оценка роли некоторых генов-кандидатов в формировании больших акушерских синдромов ; Assessment of the role of some candidate genes in the formation of great obstetrical syndromes

Authors: Terebenina, I. D., Vaganova, I. Yu., Kudryavtseva, E. V., Теребенина, И. Д., Ваганова, И. Ю., Кудрявцева, Е. В.

Source: Сборник статей

Subject Terms: FOLATE CYCLE GENES, THROMBOPHILIC GENES, ENDOTHELIAL DYSFUNCTION, GREAT OBSTETRICAL SYNDROMES, GENETIC POLYMORPHISM, ГЕНЫ ФОЛАТНОГО ЦИКЛА, ГЕНЫ ТРОМБОФИЛИИ, ДИСФУНКЦИЯ ЭНДОТЕЛИЯ, БОЛЬШИЕ АКУШЕРСКИЕ СИНДРОМЫ, ПОЛИМОРФИЗМ ГЕНОВ

File Description: application/pdf

Relation: Актуальные вопросы современной медицинской науки и здравоохранения: сборник статей IV Международной научно-практической конференции молодых учёных и студентов, IV Всероссийского форума медицинских и фармацевтических вузов «За качественное образование», (Екатеринбург, 10-12 апреля 2019): в 3-х т. - Екатеринбург: УГМУ, CD-ROM.; http://elib.usma.ru/handle/usma/3949

Availability: http://elib.usma.ru/handle/usma/3949

Клинико-анамнестические особенности пациенток при неблагополучно завершенной гестации ; Clinical and anamnestic features of patients with unsuccessfully completed gestation

Authors: Kudryavtseva, E. V., Kovalev, V. V., Kayumova, A. V., Vinokurova, D. V., Karamova, E. Z., Fomina, A. S., Кудрявцева, Е. В., Ковалев, В. В., Каюмова, А. В., Винокурова, Д. В., Карамова, Е. З., Фомина, А. С.

Subject Terms: PRETERM BIRTH, INTRAUTERINE GROWTH RETARDATION, PREECLAMPSIA, LARGE OBSTETRIC SYNDROMES, OBSTETRIC RISK, PERINATAL RISK, ПРЕЖДЕВРЕМЕННЫЕ РОДЫ, ЗАДЕРЖКА ВНУТРИУТРОБНОГО РОСТА, ПРЕЭКЛАМПСИЯ, БОЛЬШИЕ АКУШЕРСКИЕ СИНДРОМЫ, АКУШЕРСКИЙ РИСК, ПЕРИНАТАЛЬНЫЙ РИСК

File Description: application/pdf

Relation: Уральский медицинский журнал. 2019. № 15(183).; http://elib.usma.ru/handle/usma/18857

Availability: http://elib.usma.ru/handle/usma/18857

Динамика показателей гемостаза при нормальной и осложненной беременности ; Changes in hemostasis during a normal and complicated pregnancy

Authors: Kudryavtseva, E. V., Kovalev, V. V., Mhitarjan, M. G., Tiholaz, K. G., Vitebskaya, L. A., Кудрявцева, Е. В., Ковалев, В. В., Мхитарян, М. Г., Тихолаз, К. Г., Витебская, Л. А.

Subject Terms: PHYSIOLOGICAL PREGNANCY, COMPLICATED PREGNANCY, HEMOSTASIS, THROMBOPHILIA, LARGE OBSTETRIC SYNDROMES, ФИЗИОЛОГИЧЕСКАЯ БЕРЕМЕННОСТЬ, ОСЛОЖНЕННАЯ БЕРЕМЕННОСТЬ, ГЕМОСТАЗ, ТРОМБОФИЛИЯ, БОЛЬШИЕ АКУШЕРСКИЕ СИНДРОМЫ

File Description: application/pdf

Relation: Уральский медицинский журнал. 2019. № 15(183).; http://elib.usma.ru/handle/usma/18838

Availability: http://elib.usma.ru/handle/usma/18838

Факторы риска антенатальной гибели плода ; The risk factors of the antenatal fetal death

Authors: Kovalev, V. V., Kudryavtseva, E. V., Belomestnov, S. R., Milyaeva, N. M., Bezukladnova, A. A., Cherevko, I. V., Ковалев, В. В., Кудрявцева, Е. В., Беломестнов, С. Р., Миляева, Н. М., Безукладнова, А. А., Черевко, И. В.

Subject Terms: ANTENATAL FETAL DEATH, PREECLAMPSIA, IUGR, PRENATAL SCREENING, GREAT OBSTETRICAL SYNDROMES, АНТЕНАТАЛЬНАЯ ГИБЕЛЬ ПЛОДА, ПРЕЭКЛАМПСИЯ, ЗВУР, ПРЕНАТАЛЬНЫЙ СКРИНИНГ, БОЛЬШИЕ АКУШЕРСКИЕ СИНДРОМЫ

File Description: application/pdf

Relation: Уральский медицинский журнал. 2019. № 15(183).; http://elib.usma.ru/handle/usma/18827

Availability: http://elib.usma.ru/handle/usma/18827

Динамика показателей гемостаза при нормальной и осложненной беременности

Subject Terms: гемостаз, complicated pregnancy, large obstetric syndromes, physiological pregnancy, hemostasis, тромбофилия, большие акушерские синдромы, физиологическая беременность, осложненная беременность, thrombophilia

ФАКТОРЫ РИСКА АНТЕНАТАЛЬНОЙ ГИБЕЛИ ПЛОДА

Subject Terms: preeclampsia, преэклампсия, IUGR, prenatal screening, great obstetrical syndromes, большие акушерские синдромы, пренатальный скрининг, ЗВУР, antenatal fetal death, 3. Good health, антенатальная гибель плода

Клинико-анамнестические особенности пациенток при неблагополучно завершенной гестации

Subject Terms: задержка внутриутробного роста, preeclampsia, perinatal risk, large obstetric syndromes, преэклампсия, obstetric risk, Преждевременные роды, большие акушерские синдромы, Preterm birth, акушерский риск, intrauterine growth retardation, 3. Good health, перинатальный риск