一个基于机器学习的框架来预测产后慢性疼痛:一项回顾性研究
Fan Liu1, Ting Li1, Dongxu Zhou1
1Institution of Neuroscience and Brain Disease, Department of Anesthesiology, Xiangyang Central Hospital, Affiliated Hospital of Hubei University of Arts and Science, No 136, Jingzhou Street, Xiangcheng District, Xiangyang, Hubei, 441000, China.
BMC medical informatics and decision making
|April 17, 2025
概括
产后慢性疼痛影响了许多女性. 一种极端梯度增强模型使用五个关键风险因素准确预测这种疼痛,有助于早期干预.
科学领域:
- 产科和妇科 产科和妇科
- 数据科学数据科学数据科学
- 疼痛医学 医学 疼痛医学
背景情况:
- 产后慢性疼痛是影响许多分娩后妇女的一个重要问题.
- 机器学习 (ML) 越来越多地用于预测术后结果.
- 这项研究调查了产后慢性疼痛的患病率,风险因素,并开发了一个预测性ML模型.
研究的目的:
- 为了确定患病率,并确定慢性疼痛的危险因素,分娩后6个月.
- 开发和验证用于预测产后慢性疼痛的机器学习模型.
- 通过预测分析来增强临床决策和患者护理.
主要方法:
- 从2021年7月到2022年6月,对1398名产后妇女的队列进行了分析.
- 通过嵌套重新抽样来评估分类错误 (CE) 的六个机器学习算法进行了基准测试.
- 极端梯度增强模型的选择是因为它在预测慢性疼痛方面具有卓越的性能.
主要成果:
- 在1398名妇女中,有383名妇女 (27.4%) 在分娩后6个月出现了慢性疼痛.
- 确定了五个关键预测因素:产后3天的疼痛,分娩前的BMI,新生儿体重,多次分娩和妊娠期的背痛.
- 极端梯度增强模型实现了最高的性能,CE为0.147和F1得分为0.851.
结论:
- 极端梯度增强算法有效预测产后慢性疼痛.
- 将五个已识别的风险因素纳入模型可以提高预测准确度.
- 这种ML模型为产后慢性疼痛的早期识别和管理提供了一个有希望的工具.
