开发和验证一个人工神经网络预测模型,用于产后出血与胎盘前期出血
Lili Xu1, Zihang Liu2, Na Ma3
1Department of Anesthesia, Women's Hospital, Zhejiang University School of Medicine, Hangzhou, China - xulili@zju.edu.cn.
Minerva anestesiologica
|June 28, 2023
概括
一个人工神经网络模型有效地预测了在经历剖腹产的胎盘前期患者的产后出血 (PPH). 这种机器学习方法在识别PPH风险方面比传统方法提供了更高的准确性.
科学领域:
- 产科和妇科 产科和妇科
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 产后出血 (PPH) 是全球主要的孕产妇发病原因之一.
- 胎盘前是PPH的一个重要风险因素.
- 临床预测PPH仍然是一个挑战.
研究的目的:
- 为PPH.开发一个理想的基于机器学习的预测模型.
- 专门针对在接受剖腹产的胎盘前期患者的PPH预测.
主要方法:
- 来自223名胎盘前期患者 (2016-2019) 的临床数据的回顾性分析.
- 开发一个人工神经网络 (ANN) 模型来预测PPH (24小时内血液损失>1000毫升).
- 将ANN模型与使用5倍交叉验证的六种传统机器学习方法进行比较.
主要成果:
- 在223名患者中,有101名患者 (45.29%) 经历了PPH.
- 该ANN模型的AUC值为0.917,准确度为0.851,精度为0.829,回忆率为0.851.
- 该ANN模型表现出比传统方法更好的预测性能.
结论:
- 人工神经网络模型显示出对PPH风险预测具有显著的区分能力.
- 在剖腹产期间,ANN模型在胎盘前期患者的PPH中优于传统的机器学习方法.
