构建基于机器学习的风险预测模型,用于第二个三个月流产
Sangsang Qi1, Shi Zheng1, Mengdan Lu1
1Department of Obstetrics and Gynecology, Women and Children's Hospital of Ningbo University, No. 339 Liuting Street, Haishu District, Ningbo, 315012, Zhejiang, China.
BMC pregnancy and childbirth
|November 10, 2024
概括
一个新的视觉风险预测模型准确地预测了第二个月的流产. 这种机器学习方法识别了关键的风险因素,有助于在威胁堕胎的早期干预.
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:
- 第二个三个月流产是一种普遍存在的不良妊娠结果,给患者和家庭带来了重大负担.
- 目前关于预测模型对第二个三个月流产风险的研究是有限的.
研究的目的:
- 开发和验证基于机器学习的预测模型,用于第二个三个月流产风险.
- 确定与第二个三个月流产相关的关键临床特征.
主要方法:
- 对2006年临床数据的回顾性分析,这些数据来自有堕胎威胁的患者 (妊娠14至27周).
- 使用Boruta算法和多因素分析进行特征选择,SMOTE用于数据平衡,以及7个机器学习模型进行预测.
- XGBoost模型被选为最优的,使用SHAP分析进行特征解释性.
主要成果:
- 该研究包括2006名患者,其第二个三个月流产的发生率为19.69%.
- 与其他六种模型相比,XGBoost模型表现出卓越的预测性能.
- 宫长度被确定为最重要的预测因素,由SHAP排名的十个关键特征.
结论:
- 一个视觉风险预测模型,利用机器学习,可以准确预测第二个三个月流产的风险.
- 这个模型为早期识别和潜在干预威胁堕胎提供了有价值的工具.
