• 《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 2025, 07, v.60 1297-1304     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。