机器学习模型用于妊娠糖尿病发病风险预测及干预对策分析
目的 采用新型机器学习模型用于预测妊娠糖尿病(GDM)发病风险,为采取相应干预措施提供依据.方法 纳入2019年10月至2021年11月南通大学附属海安市人民医院收治的孕妇412例,依据孕妇是否并发GDM予以分组,分成GDM组(n=115)与正常组(n=297).随后,随机将整个患者队列分配至独立训练集与独立测试集.在训练集中,采用单变量分析与多变量Logistic回归分析影响孕妇并发GDM的危险因素,并采用随机森林算法建立机器学习模型和引入独立测试集,采用受试者操作特征(ROC)曲线、校准曲线、决策曲线分析交叉验证机器学习模型的准确度与稳健性.结果 机器学习模型具有较好的区分度,训练集中曲线下面积(AUC)为0.881,测试集中AUC为0.846.对模型的解释和分析表明,年龄、孕前体质量指数(BMI)、胎次、空腹血糖、糖化血红蛋白、B细胞比例、甘油三酯水平显著影响GDM的发生风险(P<0.05).结论 机器学习模型具有较好的准确度和稳健性,能够预测孕妇并发GDM的风险,辅助临床医护人员开展针对性的干预,从而降低GDM的发生率并改善预后.
妊娠糖尿病、机器学习、随机森林、B淋巴细胞
31
R743.31;R197.323;R541.4
江苏省医院管理创新项目JSYGY-3-2020-163
2023-03-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
59-63