• 《中文核心期刊要目总览》收录期刊
  • 《科技期刊世界影响力指数(WJCI)报告》入选期刊        
  • 美国《化学文摘(网络版)》收录期刊        
  • 美国《剑桥科学文摘社生命科学文摘数据库》收录期刊
  • 美国《剑桥科学文摘社ProQeust数据库》收录期刊
  • 《全球公共卫生数据库》收录期刊
  • 《日本科学技术振兴机构数据库2024》收录期刊
  • 安徽省“精品栏目”期刊(2022年)       
  • 中国高校科技期刊建设示范案例库优秀科技期刊(2022年)
  • 安徽省“十佳科技期刊” (2023年)

基于多因素Logistic回归构建剖宫产术后子宫疤痕憩室形成风险预测模型

安徽医科大学学报     字体:

基金项目: 安徽省自然科学基金(编号:2208085QH234);

作者:张梦媛;何晔;吴媛媛;王晶

关键词:子宫疤痕憩室;机器学习;LASSO交叉验证;风险预测;剖宫产术;列线图;

DOI:10.19405/j.cnki.issn1000-1492.2025.07.019

〔摘 要〕 目的 筛选剖宫产术后发生子宫疤痕憩室(CSD)的危险因素并构建风险预测模型。方法 调取行剖宫产术的491例产妇作为研究对象,并收集数据库中术后12个月对产妇进行回访的阴超数据,将数据集按照7:3随机分为训练集和测试集;使用最小绝对值收敛和选择算子(LASSO)进行变量筛选得到特征变量,对特征变量进行多因素Logistic回归分析,进一步使用R软件构建列线图联合预测模型,同时对模型进行内部评价及验证。结果 共纳入491例样本数据,其中训练集344例,测试集147例;通过LASSO交叉验证算法筛选特征变量,最终筛选出5个变量:剖宫产次数、2次剖宫产间隔年数、24 h出血量、手术时间和子宫位置(P <0.05)。利用其构建的CSD风险预测模型内部评价和内部验证的决策分析曲线准确度较高;训练集及测试集中诊断模型的AUC(95%CI)分别为0.75(0.71~0.80)和0.79(0.71~0.87)。结论 采用LASSO交叉验证算法建立的风险预测模型对产后CSD发生具有良好的预测价值,值得临床关注。