一种新的机器学习模型,用于预测腹腔镜输卵管解后的临床怀孕

科学领域:

• 生殖医学 生殖医学
• 手术创新 在外科创新.
• 临床预测建模临床预测建模

背景情况:

• 腹腔镜输卵管解剖 (LTA) 是一种手术选择,适用于女性在输卵管绑定后寻求生育.
• 现有的方法缺乏可靠的工具来预测临床妊娠成功后LTA.
• 需要准确的预测模型来指导患者管理.

研究的目的:

• 开发和验证LTA后临床怀孕的预测模型.
• 确定影响LTA患者怀孕结果的关键因素.
• 创建一个用户友好的工具,用于个性化的怀孕概率评估.

主要方法:

• 对95名接受LTA的患者进行了回顾性分析.
• 最小绝对收缩和选择运算符 (LASSO) 回归用于特征选择.
• 开发一个包含显著预测因素和内部验证的nomogram.

主要成果:

• 年龄,子宫内多,骨盆粘附和TSH被确定为独立的预测因素.
• 诺米图表显示出良好的分辨率 (AUC 0.752) 和令人满意的校准.
• 决策曲线分析证实了预测模型的临床实用性.

结论:

• 介绍了一种新型的诺米图,将年龄,子宫内息肉,骨盆粘附和TSH整合起来.
• 这种工具有助于个性化预测LTA后的临床怀孕.
• 命名图为评估LTA候选人的生育前景提供了一种方便的方法.