换一批超声联合机器学习模型在产后压力性尿失禁风险预测中的应用
Application of Ultrasound Combined with Machine Learning Models in Predicting Postpartum Stress Urinary Incontinence Risk
摘要目的:探讨超声联合机器学习模型在产后压力性尿失禁(SUI)风险预测中的应用价值.方法:纳入362例产后女性(SUI组114例,对照组248例).收集产科临床因素及产后42d盆底超声参数.采用逻辑回归、随机森林、支持向量机(SVM)和极端梯度提升四种算法构建预测模型,通过区分度、校准度和临床实用性多维评估确定最优模型,并分析主要贡献特征.结果:四种机器学习模型中,SVM算法表现最佳(区分度为0.924,校准度为0.103).特征重要性排序显示,新生儿出生体重、肛提肌厚度、妊娠期体重增加值、膀胱颈移动度和Valsalva时肛提肌裂孔面积是预测产后SUI风险的关键因素.结论:基于产后42d超声检查数据和临床特征构建的机器学习模型能有效预测产后SUI风险,为临床早期识别高风险人群并实施个体化干预策略提供了新工具.
更多相关知识
关键词
压力性尿失禁盆底超声机器学习风险预测支持向量机stress urinary incontinencepelvic floor ultrasoundmachine learningrisk predictionsupport vector machine
分类号
R445.1（诊断学）
栏目名称
DOI
10.3969/j.issn.1006-6586.2025.18.003
发布时间
2025-10-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
宁夏回族自治区卫生健康系统科研课题项目（2022-NWKY-069）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
