分娩鎮痛における硬膜外麻酔関連の周産期発熱予測のための機械学習モデルの開発：前向き実装フレームワークを用いた複数アルゴリズム比較研究
Guoxiu Zhang1, Yihui Yang2, Rugang An2
1Department of Critical Care Medicine, Zunyi First People's Hospital (Third Affiliated Hospital of Zunyi Medical College), Zunyi, 563000, People's Republic of China.
International journal of women's health
|December 22, 2025
まとめ
新たな機械学習モデルは、一般的な分娩合併症である硬膜外麻酔関連の周産期発熱（ERMF）のリスクを正確に予測します。このツールは、周産期発熱の管理向上のため、リスクの高い患者を特定するのに役立ちます。
科学分野:
- 産科および婦人科
- 医療情報学
- ヘルスケアにおける機械学習
背景:
- 硬膜外鎮痛は分娩中に一般的です。
- 硬膜外麻酔関連の周産期発熱（ERMF）は頻繁な合併症です。
- ERMFリスクの正確な予測は、患者管理の改善に必要です。
主な方法:
- 硬膜外分娩鎮痛を受けた422人の分娩患者を対象とした前向きコホート研究。
- 11のMLアルゴリズムをトレーニングおよび検証しました。
- パフォーマンスはAUC、AUPRC、精度、適合率、再現率、F1スコアを使用して評価されました。
- SHapley Additive exPlanations（SHAP）を特徴量の重要性に使用しました。
結論:
- ERMFリスク予測のための高度に識別的なMLモデルが開発されました。
- CatBoostモデルは、リスクの高い分娩患者を効果的に特定します。
- このツールは、周産期発熱のエビデンスに基づいた管理をサポートします。
