基于机器学习的临床模型的开发和验证,用于预测异胎妊娠中破裂的情况:基于Web的诺莫格拉姆方法
Xiongying Zhao1, Tianchen Wu2, Simin Zeng1
1Department of Ultrasound Diagnosis, Panyu Maternal and Child Care Service Centre of Guangzhou, Guangzhou, Guangdong, 511495, People's Republic of China.
Journal of multidisciplinary healthcare
|September 19, 2025
概括
这项研究开发了一种预测模型和基于网络的名谱,以识别在异胎妊娠 (EP) 中患破裂相关出血高风险的妇女. 支持早期干预,旨在减少并发症.
科学领域:
- 产科和妇科 产科和妇科
- 医疗信息学 医疗信息学
- 预测分析是一种预测分析.
背景情况:
- 宫外怀孕 (EP) 带来重大风险,包括与破裂相关的出血,需要改进早期检测方法.
- 目前对EP并发症的诊断方法可能缺乏精度,导致介入延迟.
研究的目的:
- 开发和验证异胎妊娠中与破裂相关的出血的预测模型.
- 为了创建一个用户友好的,基于网络的诺米图,用于临床应用在风险分层.
主要方法:
- 追溯分析了543名女性的临床数据.
- 使用极端梯度提升 (XGBoost) 和夏普利添加式扩展 (SHAP) 进行变量选择.
- 使用ROC曲线,校准,DCA和CIC评估模型性能;开发了一个基于Web的名录.
主要成果:
- 一个包含七个关键变量的预测模型已成功开发和验证.
- 该模型表现出高精度,AUC为0.941 (训练) 和0.970 (验证).
- 为了实际的临床实施,创建了一个动态的,基于Web的nomogram.
结论:
- 已经建立了一个临床适用和验证的EP破裂相关出血的预测模型.
- 基于网络的名字表有助于早期风险分层和及时干预.
- 这种工具有可能降低与子宫外妊娠破裂相关的严重并发症的发生率.
