基于深度神经网络的剖宫产术后出血临床预测模型OA
目的分析剖宫产产后出血(PPH)的影响因素,筛选PPH的最佳预测特征,建立准确预测发生PPH的临床预测模型。方法选取菏泽市牡丹人民医院收治的210例剖宫产产妇为研究对象,采用随机抽样法,将210例产妇以7∶3的比例划分为训练集147例和测试集63例。根据PPH的临床表现,将产妇分为PPH组和非PPH组。回顾性分析产妇的临床资料,利用随机森林(RF)算法,筛选出PPH的最佳预测特征,构建基于最佳预测特征的深度神经网络预测模型。采用AUC为指标,评估深度神经网络模型的预测性能。结果随机森林算法筛选的PPH的最佳预测特征是前置胎盘、妊娠高血压、血小板异常、多胎、多羊水、妊娠糖尿病、胎盘植入、胎盘早剥、骨盆软产道异常和年龄。神经网络模型在训练集和测试集上的AUC值分别为0.918和0.902。结论本研究建立的基于深度神经网络的剖宫产PPH临床预测模型,具有良好的预测性能,能够为剖宫产PPH的临床风险作出有效评估。
贾俊荣
山东省菏泽市牡丹人民医院妇产科,山东菏泽274000
临床医学
产后出血剖宫产深度神经网络临床预测模型
《中国当代医药》 2025 (1)
P.30-33,4
评论