换一批基于机器学习的妊娠期糖尿病早期预测模型的构建及临床应用
Construction and Clinical Application of a Machine Learning-Based Early Pre-diction Model for Gestational Diabetes Mellitus
摘要目的:为使用经济、简单、便捷的方法早期识别妊娠期糖尿病(GDM)高风险孕妇,开发并评估多种机器学习模型,筛选出最优疾病预测模型并构建此模型的临床决策支持系统(CDSS).方法:纳入2023 年1 月1 日至2024 年12 月30 日在大连医科大学附属第二医院就诊的464 例孕产妇,其中386 例用于建立预测模型(训练集231 例、测试集155 例),另外78 例作为验证集.采用点双列相关和卡方检验的方法,筛选出特征变量后构建4 种机器学习模型:逻辑回归、随机森林、支持向量机和极限梯度提升(XGBoost).初步判断最大权重模型,再进一步比较各模型的区分能力、校准能力、临床实用性以评估选择出最优模型,开发其CDSS,并验证模型的准确性.结果:①相关性分析发现,年龄、孕前体质量指数、收缩压、舒张压、白细胞计数、血红蛋白、淋巴细胞比率、空腹血糖、尿酸、直接胆红素、慢性高血压合并妊娠、辅助生殖受孕为GDM的预测因子.②XGBoost在集成模型中占主导地位;其区分能力、校准能力和临床实用性在 4 种模型中均表现最佳,AUC 值为 0.931(95%CI 0.910～0.967).③通过CDSS验证XGBoost模型的准确度78.2%,敏感度64.7%,特异度82.0%.结论:XGBoost模型早期预测GDM能力最高,开发其CDSS不仅便于医生快速评估GDM风险,还适宜推广至偏远地区,通过远程数据实现高风险人群筛查.
更多相关知识
关键词
妊娠期糖尿病极限梯度提升早期预测临床决策支持系统Gestational diabetes mellitusExtreme gradient boostingEarly predictionClinical decision sup-port system
分类号
R714.256（产科学）
栏目名称
DOI
10.3969/j.issn.1003-6946.2025.11.011
发布时间
2025-12-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82401990）
- 浏览8
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
