10.3969/j.issn.1006-1959.2023.05.007
自动化机器学习在剖宫产术后尿潴留预测模型中的应用
目的 利用自动化机器学习方法,建立剖宫产术后尿潴留预测模型.方法 选取我院2018年1月-2022年1月手术室220例行剖宫产住院产妇,根据是否发生术后尿潴留结局分为尿潴留组(38例)和无尿潴留组(182例).比较两组生育史及术中术后临床资料,利用H2O平台自动化机器学习框架,建立针对术后尿潴留结局的预测模型,通过绘制ROC曲线,计算曲线下面积(AUC)以评价模型的预测能力,并对模型特征进行可视化呈现.结果 两组疼痛评分、孕前BMI、产次、剖宫产史、胎儿体重、麻醉时间、手术时间、麻醉方式、尿管拔除时间及焦虑情况比较,差异有统计学意义(P<0.05);最佳模型为梯度提升机模型(GBM),Gini值0.987,R2为0.653,LogLoss为0.168;模型中重要变量包括疼痛评分、焦虑、麻醉时间、产次、麻醉方式、拔尿管时间及孕前BMI;变量SHAP特征图呈现了变量与模型整体预测的相关性,LIME反映在具体案例中变量的角色;GBM模型的ROC下面积为0.909(95%CI:0.880~0.939),准确度0.947,特异度为0.962,敏感度0.856.结论 基于GBM算法的剖宫产后尿潴留预测模型显示出良好的区分能力,可作为潜在的产后并发症风险初筛工具.
剖宫产、尿潴留、自动化机器学习、预测模型、SHAP可视化、LIME可视化
36
R473(护理学)
苏州市科教兴卫项目KJXW2019001
2023-04-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
41-45