构建一个预测模型的睡眠质量在胚胎重复植入失败的患者经历辅助生殖技术基于机器学习的预测模型:一个单一中心的回顾性研究
Yanjun Zhao1, Chenying Xu1, Ningxin Qin2
1Operating Room, Shanghai Key Laboratory of Maternal Fetal Medicine, Shanghai Institute of Maternal-Fetal Medicine and Gynecologic Oncology, Shanghai First Maternity and Infant Hospital, School of Medicine, Tongji University, Shanghai, 200092, People's Republic of China.
一个机器学习模型准确地预测了重复植入失败 (RIF) 患者的睡眠质量. 诸如荷尔蒙,生活方式和心理状况等因素会影响RIF患者的睡眠.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 睡眠医学 睡眠医学
背景情况:
- 重复植入失败 (RIF) 是辅助生殖技术的一个重大挑战.
- 睡眠障碍在RIF患者中很普遍,可能会影响治疗结果.
- 了解影响RIF睡眠质量的因素对于改善患者护理至关重要.
研究的目的:
- 开发和验证RIF患者睡眠质量的预测模型.
- 确定影响这一群体睡眠障碍的关键因素.
- 在RIF中选择最佳的机器学习算法来预测睡眠质量.
主要方法:
- 从404名接受辅助生殖技术的RIF患者回顾性数据收集.
- 使用拉索回归进行变量选择,然后使用六种机器学习算法进行模型构建.
- 模型性能评估使用AUC,F1得分,精度,灵敏度和特异性; SHAP用于特征解释.
主要成果:
- 在RIF患者中睡眠障碍的发生率为48.76%.
- 随机森林 (RF) 模型表现出卓越的性能,AUC为0.941.
- 睡眠质量的关键预测因素包括E2,SDS,Fertiqol,FSH,运动时间,轮班工作,咖啡摄入量,日光浴和SAS.
结论:
- 随机森林模型是预测RIF患者睡眠质量的最佳方法.
- 睡眠质量受到生理,心理和生活方式因素的结合的影响.
- 基于已识别的风险因素的早期干预可以改善RIF患者的睡眠质量.
更多相关视频
05:13Author Spotlight: Advancing Therapeutic Strategies for Improving Pregnancy Rates by Analyzing Embryo-Endometrium Interactions
Published on: June 21, 2024
04:54Author Spotlight: IntelliSleepScorer — A High-Accuracy, Accessible GUI Software for Automated Sleep Stage Scoring in Mice and its Application in Psychiatric Research
Published on: November 8, 2024
