在中国上海正常的阴道分娩中基于可解释机器学习的产后出血预测
Xiao Yao1, Yirong Bao1, Na Wu1
1Shanghai 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, China.
Frontiers in medicine
|October 31, 2025
概括
一个新的机器学习模型准确地预测了阴道分娩中产后出血风险. 关键因素包括助产士的经验,对分娩的恐惧,平等性,分娩时间,表皮切割和陪伴,有助于及时的临床管理.
科学领域:
- 产科和妇科 产科和妇科
- 医疗保健中的机器学习
- 孕产妇健康 孕产妇健康
背景情况:
- 产后出血 (PPH) 是阴道分娩后导致母亲死亡的主要原因.
- 目前的PPH预测工具对于阴道分娩是不够的.
- 有效的PPH管理依赖于准确的预测和风险分层.
研究的目的:
- 开发一种基于机器学习的预测模型,用于阴道分娩中产后出血.
- 在阴道分娩的背景下确定PPH的关键风险因素.
- 为助产士创造一个客观的工具来评估PPH风险.
主要方法:
- 分析了1225名经历阴道分娩的妇女的队列.
- 收集了包括人口,产前和产后因素在内的多维数据.
- 构建和评估了五个机器学习模型,用于解释性,使用了SHapley添加式扩展.
主要成果:
- 极端梯度提升模型在预测PPH方面表现出卓越的性能.
- 重要的预测因素包括助产士的服务年限,对分娩的恐惧,平价,第二阶段的分娩持续时间,表皮切割和伴侣关系.
- 助产士的经验和陪伴减轻了分娩恐惧和长期分娩对PPH风险的影响.
结论:
- 开发的PPH预测模型为临床助产士提供了一个科学和客观的工具.
- 该模型支持及时评估和管理阴道分娩中PPH的风险.
- 改进的预测可以有助于减少与PPH相关的孕产妇死亡率.


