换一批基于多因素Logistic回归构建剖宫产术后子宫疤痕憩室形成风险预测模型
Construction of a predictive model for the risk of cesarean scar diverticula formation after cesarean delivery based on multifactorial Logistic regression
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.
更多相关知识
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cesarean scar diverticulamachine learningLASSO cross-validationrisk predictioncesarean sec-tionnomogram
分类号
R719.82
栏目名称
DOI
10.19405/j.cnki.issn1000-1492.2025.07.019
发布时间
2025-09-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览6
- 被引0
- 下载11
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
