应用机器学习方法预测巨大儿

• 作者: 杨发宏 董蓉蓉 陈灼英
• 来源期刊: 实用妇产科杂志
• 学科: 医学
• 关键词: 巨大儿 超声测量 机器学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 论著与临床
• 页码范围: 154-157
• 页数: 4页
• 分类号: R714.5
• 字数: 3419字
• 语种: 中文

摘要

目的:应用机器学习方法,提高预测巨大儿的准确性.方法:查阅2015年1月至2016年12月我院产科巨大儿及正常体质量新生儿病历,获取新生儿出生体质量及超声测量数据.以新生儿实际出生体质量为金标准,评价并比较超声内置的Hadlock公式、多元线性回归以及k近邻、支持向量机、随机森林分类的机器学习方法对巨大儿预测的准确性.结果:内置的Hadlock公式预测巨大儿的灵敏度为40.86％,Youden指数为39.95％;多元线性回归预测巨大儿的灵敏度为60.22％,Youden指数为58.85％;机器学习法中k近邻预测巨大儿的灵敏度86.21％,Youden指数为75.10％;支持向量机预测巨大儿的灵敏度86.21％,Youden指数为73.51％;随机森林预测巨大儿的灵敏度81.03％,Youden指数为71.51％.多元线性回归模型方法的Youden指数大于超声内置公式方法,差异有统计学意义(u =3.64,P＜0.001);机器学习法中k近邻、支持向量机、随机森林分类的Youden指数大于超声内置公式的Youden指数(P ＜0.001),k近邻、支持向量机的Youden指数大于多元线性回归模型法(P＜0.05).结论:机器学习方法预测巨大儿的准确性较高,具有参考应用价值.