机器学习模型的开发和验证,用于使用产前止痛临床指标预测产后发烧:一个多中心的回顾性研究

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:

• 劳动麻醉是常见的缓解疼痛,但增加产后发烧的风险.
• 目前还没有可靠的工具可以预测哪些患者在分娩麻醉前可能发烧.
• 这项研究旨在开发一个预测模型,用于产后发烧发病率在分娩前止痛.

研究的目的:

• 开发和验证产妇热的预测模型.
• 为了确定与产后发烧相关的关键临床因素.
• 能够及早识别高风险分娩妇女,以便及时干预.

主要方法:

• 从两个医院 (2021年1月至2023年6月) 追溯分析了5052名分娩者的临床数据.
• 数据随机分为培训 (80%) 和验证 (20%) 队列.
• 用于特征选择的最小绝对收缩和选择运算符 (LASSO);开发和评估了六种机器学习模型.

主要成果:

• 8.27% (418/5,052) 的分娩妇女经历了分娩热.
• 确定了关键预测因素:初级性,新生儿估计体重,子宫扩张,贫血,阴道检查和身高.
• 多层感知子 (MLP) 模型表现最好:AUC 0.707,灵敏度 0.753,特异性 0.584.

结论:

• 该MLP模型有效地使用产前止痛变量预测产后发烧.
• 该模型对现有的早期风险识别工具提供了潜在的改进.
• 早期识别可以支持及时干预,提高孕产妇和新生儿的健康.