使用机器学习方法预测早产的临床和牙科预测因素:MOHEPI研究
Jung Soo Park1, Kwang-Sig Lee2, Ju Sun Heo3,4,5
1Department of Periodontology, Korea University Anam Hospital, Seoul, Republic of Korea.
Scientific reports
|October 21, 2024
概括
过早出生 (PTB) 的危险因素包括怀孕前的BMI,母亲的年龄和牙健康指标,如修改的牙指数. 怀孕期间综合医疗和牙科护理对于减轻这些风险至关重要.
科学领域:
- 产科和妇科 产科和妇科
- 牙周病学 牙周病学
- 在医疗保健中的数据科学.
背景情况:
- 过早出生 (PTB) 是导致婴儿死亡率和终身健康问题的主要原因.
- 孕产妇的健康状况和牙状况,特别是牙周炎,与PTB有关.
- 预测建模可以确定PTB的关键风险因素.
研究的目的:
- 通过机器学习识别早产 (PTB) 的显著临床和牙科预测因素.
- 分析已识别的预测因子与PTB/SPTB之间的关联的方向性.
主要方法:
- 对60名分娩单独分娩的妇女进行前性队列研究.
- 机器学习分析,包括随机森林 (RF) 变量重要性和沙普利增量解释 (SHAP) 值.
- 包括15个独立变量 (10个临床,5个牙科).
主要成果:
- 通过RF确定的顶级PTB预测因素包括怀孕前的BMI,修改的牙指数 (MGI),孕前,DMFT指数和母亲年龄.
- SHAP值表明PTB/SPTB与诸如皮膜过早破裂,怀孕前BMI,产妇年龄和MGI等因素之间的正相关性.
结论:
- 怀孕前的BMI,母亲的年龄和牙健康 (MGI) 是PTB的重要预测因素.
- 积极的相关性强调了在怀孕期间整合医疗和牙科护理的重要性.
- 需要进一步的研究来验证预测因素并开发用于减少PTB风险的干预措施.


