基于机器学习算法构建初产妇合并巨大儿试产结局的预测模型

摘要

目的:探究妊娠合并巨大儿的初产妇经阴道试产结局的影响因素及预测模型。方法:收集2022年1月至2023年12月于安徽省妇女儿童医学中心住院并经阴道试产的巨大儿初产妇临床资料，根据分娩结局分为阴道分娩组及剖宫产组。单因素分析比较两组间资料，LASSO分析进一步筛选变量，分别采用支持向量机(SVM)、一般线性模型(GLM)、K最近邻(KNN)、随机森林(RF)建立预测模型，最后得出最佳模型。结果:阴道分娩组产妇的年龄、孕前及产前体质量指数(BMI)低于剖宫产组，阴道分娩组产妇身高、Bishop评分、胎儿股骨长高于剖宫产组，阴道分娩组自然临产比例高于剖宫产组，差异均有统计学意义。LASSO分析筛选出变量，结合机器学习算法构建预测模型，最终通过受试者工作曲线(ROC)对预测模型进行比较，GLM在4种预测模型中表现最佳，曲线下面积(AUC)达0.7699。结论:妊娠合并巨大儿的初产妇人群，可运用产妇年龄、身高、孕前及产前BMI、Bishop评分、胎儿股骨长、临产方式结合机器学习算法构建GLM预测模型，为初产妇合并巨大儿分娩方式的选择提供参考依据。

关键词

巨大儿 / 初产妇 / 试产 / 影响因素 / 机器学习 / 预测模型

基金资助

安徽省重点研究与开发计划-临床医学研究转化专项(No:202204295107020050); 安徽省首届“青年江淮名医”培养项目(No:2022-392)