应用机器学习方法建立大于胎龄儿预测模型

• 作者: 何玉花 周梦林 徐建云 陈丹青
• 来源期刊: 现代妇产科进展
• 学科: 医学
• 关键词: 大于胎龄儿 风险预测模型 机器学习 XGBoost
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 短篇论著
• 页码范围: 48-50
• 页数: 3页
• 分类号: R714
• 语种: 中文
• DOI: 10.13283/j.cnki.xdfckjz.2019.01.011

摘要

目的:尝试应用机器学习方法建立大于胎龄儿的风险预测模型.方法:回顾分析2013年1月1日至2014年12月31日于在浙江大学医学院附属妇产科医院规范产检并分娩的12683例孕妇的临床资料,包括孕妇年龄、身高、孕前体质量、孕期增重和各项化验结果及新生儿体重,运用Logistic回归和XGBoost两种机器学习算法构建大于胎龄儿的预测模型,评估这两种模型对大于胎龄儿预测的准确性.结果:XGBoost模型的受试者操作曲线的曲线下面积较大(0.92),Logistic回归模型较小(0.72),两者比较差异有统计学意义(P＜0.05).XGBoost模型的约登指数(0.63)、灵敏度(0.83)、特异度(0.80)均优于Logistic回归模型(0.34、0.65、0.68)(P均＜0.05).Logistic回归模型及XGBoost模型的阳性预测值均较低,分别为0.15、0.27.结论:机器学习方法(尤其是XGBoost)构建的模型预测大于胎龄儿的综合性能较强,具有潜在应用价值,值得进一步研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丹青		60	312	11.0	16.0
2	徐建云		10	32	4.0	5.0
3	周梦林		5	6	1.0	2.0
4	何玉花		2	1	1.0	1.0