一个机器学习算法使用临床和人口统计数据来预测所有原因的早产
Ghamar Bitar1, Wei Liu2, Jade Tunguhan2
1Department of Obstetrics and Gynecology, Christiana Care Health System, Newark, Delaware.
American journal of perinatology
|December 4, 2023
概括
机器学习模型可以使用临床,人口和实验室数据以中等准确度预测早产. 关键预测因素包括多重怀孕,先前的早产和紧急访问.
科学领域:
- 产科和妇科 产科和妇科
- 在医疗保健中的数据科学.
- 围产期健康研究研究
背景情况:
- 在全球范围内,早产是围产死亡的主要原因.
- 在早产率方面存在显著的种族和社会经济差异.
- 需要预测算法来早期识别有风险的怀孕.
研究的目的:
- 开发和验证用于预测所有原因过早分娩的机器学习算法.
- 利用临床,人口和实验室数据进行预测.
- 评估算法的性能和临床实用性.
主要方法:
- 对12,440例分娩进行了一项队列研究.
- 数据包括临床,人口和实验室信息.
- 开发和验证了机器学习 (XG-Boost) 和后勤回归模型.
主要成果:
- 该研究包括12,440例分娩,其中16.4%导致过早分娩.
- 在XG-Boost模型显示中等的预测性能 (AUC0.70导出,0.63验证).
- 最重要的预测因素包括多胎妊娠,先前的急诊,BMI,怀孕和先前的早产.
结论:
- 临床,人口和实验室数据可以预测所有原因的早产,准确度中等.
- 机器学习为开发这种预测模型提供了一种可行的方法.
- 进一步细化可能会提高临床决策,以预防早产.


