机器学习模型的应用,以预测死产
Oguzhan Gunenc1, Sukran Dogru1, Fikriye Karanfil Yaman2
1Konya City Hospital, Konya 42020, Turkey.
Medicina (Kaunas, Lithuania)
|March 27, 2025
概括
机器学习可以准确地预测死产,使用母亲和产科数据. 随机森林模型实现了96.8%的准确性,有助于早期干预,以减少死产率.
科学领域:
- 围产儿医学 围产儿医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 死产仍然是产科护理的一个重大挑战.
- 预测模型可以改善早期检测和干预策略.
研究的目的:
- 评估产科诊所数据对于死胎检测的预测价值.
- 评估机器学习模型在预测死胎中的性能.
主要方法:
- 追溯研究951次怀孕 (452例死产,499例活产).
- 从电子健康记录中利用了母亲,胎儿和产科特征.
- 开发并比较了四种机器学习模型:逻辑回归,支持矢量机,随机森林和多层感知tron.
主要成果:
- 死胎的关键危险因素包括血缘关系,胎儿异常,先前的死胎,孕产妇血栓形成,卵巢水和胎盘断裂.
- 以前的死产 (OR:7.31) 和血栓形成 (OR:14.13) 显著增加了死产的风险.
- 随机森林模型显示了最高的准确性 (96.8%),灵敏度 (96.3%) 和特异性 (97.2%).
结论:
- 随机森林模型有效地以高准确度预测死胎.
- 将孕产妇,新生儿和产科风险因素纳入预测模型可以帮助医疗保健提供者.
- 改善死胎预测可以导致及时的产前干预和降低死胎率.


