在孕妇中构建和验证睡眠障碍预测模型
Deguang Yang1,2, Ye Li1,2, Jing Jia3
1School of Public Health, Ningxia Medical University, Yinchuan, 750004, China.
BMC pregnancy and childbirth
|March 6, 2025
概括
这项研究开发了一种预测模型,以识别有睡眠障碍风险的孕妇. 采用附加因素的模型2显示出可靠风险预测的卓越性能.
科学领域:
- 产科和妇科 产科和妇科
- 睡眠医学 睡眠医学
- 医疗信息学 医疗信息学
背景情况:
- 睡眠障碍在孕妇中很普遍,通常与不良分娩结果有关.
- 准确预测睡眠障碍风险对于母亲和胎儿的健康至关重要.
- 现有研究强调了在这个人群中需要验证的预测工具.
研究的目的:
- 开发和验证用于评估孕妇睡眠障碍风险的预测模型.
- 确定与怀孕期间睡眠障碍相关的关键风险因素.
- 为早期识别和干预提供可靠的工具.
主要方法:
- 一组2467名健康的孕妇被分为培训 (70%) 和验证 (30%) 组.
- 后勤回归模型 (皮尔森的千平方和LASSO) 是使用选择的风险因素来开发的.
- 使用ROC曲线,AUC,灵敏度,特异性和决策曲线分析来评估模型性能.
主要成果:
- 睡眠障碍在25.4% (培训) 和28.1% (验证) 的参与者中存在.
- 共同的风险因素包括年龄,焦虑,抑郁,家庭功能,怀孕反应程度和怀孕前的身体状况.
- 与模型1 (0.678) 相比,模型2 (基于LASSO) 在验证组中显示出更高的AUC (0.719).
结论:
- 模型2证明了孕妇睡眠障碍的优异预测性能.
- 开发的模型可以作为一个方便和可靠的风险评估工具.
- 早期识别有风险的个体可以促进及时管理和改善结果.
