评估不同早发型子痫前期风险预测模型的特征和性能，为进一步探索子痫前期预测方法提供参考。
方法（1）检索Pubmed、Embase、Medline、中国知网、万方数据库等数据库，检索早孕期预测早发型子痫前期并建立数学模型的研究，检索时间均为建库至2016年10月。（2）由2名评价者按纳入与排除标准独立筛选文献、评价偏倚风险并提取数据。（3）分类汇总不同预测模型的预测表现，分析纳入不同预测指标的模型性能；采用SAS 9.4软件，对同时报道了简单模型（基于孕妇人口统计学资料、病史及家族史等高危因素构建）和复杂模型（由简单模型结合血压、子宫动脉血流阻力及血清学指标等建立）的研究，绘制最优复杂模型与简单模型表现的森林图，分析模型之间的差异。
结果（1）共17篇文献（包括9篇前瞻性队列研究、2篇病例对照研究及6篇巢式病例对照研究）纳入本研究，这些文献对10个不同人群、共76 436例孕妇进行预测并建立了预测模型。（2）13个预测早发型子痫前期的简单模型的曲线下面积（area under the curve，AUC）为0.64~0.81，假阳性率为10%时的灵敏度为21%~60%。17个研究中，表现最优的复杂模型AUC为0.77~0.98，假阳性率为10%时的灵敏度为48.0%~95.2%。（3）同时报告简单和复杂模型表现的研究中，表现最好的复杂模型较简单模型的AUC提升[M（min~max）]为0.171（0.060~0.245），假阳性率为10%时的灵敏度提升中位数为40.8%（16.0%~52.2%）。在简单模型基础上单独增加平均动脉压（mean arterial pressure，MAP）的复杂模型，其AUC和灵敏度分别提升0.092（0.079~0.104）和28.7%（16.2%~55.0%）；单独增加子宫动脉搏动指数（uterine artery pulsatility index，UtA-PI）的复杂模型，AUC和灵敏度分别提升0.106（0~0.137）和31.8%（－1.0%~41.9%）；同时纳入MAP和UtA-PI的复杂模型，AUC和灵敏度分别提升0.157（0.094~0.218）和31.6%（12.0%~52.2%）。
结论复杂模型较简单模型预测早发型子痫前期效率有所提升，但需在不同人群中进一步验证。