换一批摘要目的:探究决策树预测模型与Logistic回归模型在二次剖宫产产妇产后大出血中的风险预测价值.方法:采用便利抽样法选择2022年10月—2024年12月医院150例二次剖宫产产妇为研究对象,用一般资料问卷对研究对象进行资料收集,按照二次剖宫产产妇产后是否发生大出血分为出血组与未出血组,采用Logistic回归分析二次剖宫产产妇产后大出血的风险因素,构建Logistic回归模型与决策树预测模型,验证两者预测性能.结果:31例发生产后大出血,发生率为20.67％.Logistic回归分析结果显示,年龄、妊娠合并症、剖宫产间隔时间、产时出血量、使用宫缩剂、上次术后并发症均为二次剖宫产产妇产后大出血的独立风险因素(P＜0.05).决策树模型的敏感度为80.8％,特异度为65.8％,曲线下面积(AUC)为0.915[95％CI(0.868,0.962)],Logistic回归模型的AUC值0.862[95％CI(0.812,0.912)],两者通过Delong检验(Z=9.148,P＜0.001),决策树模型的预测性能显著优于Logistic回归模型.结论:年龄、妊娠合并症、剖宫产间隔时间、产时出血量、使用宫缩剂、上次术后并发症均为二次剖宫产产妇产后大出血的独立风险因素.本研究构建的Logistic回归模型与决策树模型均具有良好的预测能力和临床应用价值,且决策树模型预测性能更高,能为二次剖宫产产妇产后大出血的风险评估提供有效支持.
更多相关知识
关键词
二次剖宫产产后大出血决策树预测模型影响变量风险预测secondary cesarean sectionpostpartum hemorrhagedecision tree prediction modelimpact variablesrisk prediction
栏目名称
DOI
10.12104/j.issn.1674-4748.2026.05.040
发布时间
2026-04-03（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
