预测模型的活出生的结果在单个euploid冷胚胎转移:一个对逻辑回归和机器学习方法的比较分析方法

科学领域:

• 生殖医学 生殖医学
• 生物统计学 生物统计学
• 在体外受精过程中受精.

背景情况:

• 预测单胞胎冷胚胎移植 (seFET) 的活产 (LB) 结果对于优化生育治疗至关重要.
• 准确的预测模型可以提高患者咨询和资源分配在辅助生殖技术.

研究的目的:

• 开发和验证一个预测模型的活产 (LB) 结果在单个体冷胚胎转移 (seFET).
• 该模型结合了患者特征和胚胎参数来预测成功率.

主要方法:

• 一项回顾性队列研究分析了1979年的seFET周期.
• 后勤回归 (LR),随机森林分类器 (RFC),支持矢量机 (SVM) 和XGBoost被用来构建预测模型.
• 关键变量包括女性年龄,BMI,母细胞质量 (ICM,TE),活检日 (D5,D6,D7) 和子宫内膜制备 (NC,HRT).

主要成果:

• 身体质量指数 (BMI),较差的内细胞质量 (ICM) 和皮 (TE) 等级,以及较晚的活检日 (D6,D7) 与LB率有负相关性.
• 与RFC,SVM和XGBoost.相比,物流回归 (LR) 模型表现出优异的分类性能 (C-统计:0.626 ± 0.018).
• 开发了一个可访问的在线预测工具:https://artfertilityclinics.shinyapps.io/ABLE/.

结论:

• 后勤回归 (LR) 为预测seFET周期中的活产 (LB) 提供了稳定的验证和卓越的性能.
• 开发的预测工具可以帮助患者咨询和评估seFET的成功概率.
• 该模型支持在生育治疗中做出明智决策.