基于机器学习的预测模型,用于中国东南地区发泄性女性的烦性压力尿失禁
Qi Wang1,2,3, Xiaoxiang Jiang1,2,3, Xiaoyan Li1,2,3
1Department of Gynecology, Fujian Maternity and Child Health Hospital, 18 Dao-Shan Street, Gu-Lou District, Fuzhou, 350000, PR China.
International urogynecology journal
|November 25, 2024
概括
机器学习准确地预测了孕期妇女的烦性压力尿失禁 (BSUI) 风险. 关键因素包括BMI,年龄,阴道分娩,便秘和胎儿出生体重,使早期干预成为可能.
科学领域:
- 泌尿和妇科 泌尿和妇科
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- 尿失禁 (UI) 影响了许多女性,需要早期识别高风险个体以进行有效干预.
- 机器学习 (ML) 提供了开发UI准确风险评估工具的潜力.
- 这项研究侧重于妇女性的烦性压力尿失禁 (BSUI).
研究的目的:
- 应用ML技术来识别和预测孕妇BSUI风险.
- 为UI风险预测内部验证ML模型.
- 为临床使用开发可解释的风险评估工具.
主要方法:
- 利用了2022年女性UI的横截面流行病学调查的数据.
- 开发并验证了使用社会人口统计,产科,并发病和UI问卷数据的多种预测模型.
- 选择了表现最好的XGBoost模型,并开发了一个在线预测工具.
主要成果:
- 在研究对象的女性中,BSUI的患病率为9.6%.
- XGBoost模型显示出强大的预测性能 (训练AUC:0.796,验证AUC:0.720).
- 确定了BSUI的主要风险因素:体重指数,年龄,阴道分娩,便秘和胎儿最大出生体重.
结论:
- ML算法提供了一种可行的,尽管不完美的方法,用于预测孕妇BSUI风险.
- 开发的在线计算器可以帮助临床风险评估.
- 需要进一步的研究来验证和改进模型.
