基于决策树算法的高龄产妇产褥期中重度疲乏危险因素分析及预测模型构建与验证

• 作者: 王银香 郭中红 张意
• 来源期刊: 全科护理
• 学科: 医学
• 关键词: 高龄产妇;产褥期;中重度疲乏;危险因素;决策树
• 年，卷（期）: 2025,（4）
• 所属期刊栏目: 调查研究
• 页码范围: 139-143
• 页数: 5页
• 语种: 中文

摘要

目的：探究高龄产妇产褥期中重度疲乏的危险因素，构建决策树预测模型并验证。方法：选取2022年8月—2024年1月医院收治的145例高龄产妇作为训练集，采用产后疲乏量表评估产妇产褥期疲乏情况，并根据评分结果分为中重度疲乏组和非中重度疲乏组。采用单因素分析和二元Logistic回归分析筛选高龄产妇产褥期中重度疲乏的危险因素，并构建决策树模型；另选取2024年2月—2024年7月医院收治的55例高龄产妇作为验证集，对模型进行验证。结果：145例高龄产妇中88例（60.69%）发生产褥期中重度疲乏。Logistic回归分析结果显示，年龄、体质指数、妊娠并发症、产后出血量、喂养方式、睡眠障碍及爱丁堡产后抑郁量表（EPDS）得分是高龄产妇产褥期中重度疲乏的独立危险因素（均P<0.05）。据此构建的决策树预测模型节点数为13，终端节点数为7，深度为5；共包括5个特征，分别为年龄、体质指数、妊娠并发症、睡眠障碍、EPDS得分。模型的受试者工作特征（ROC）曲线下面积（AUC）为0.915[95%CI(0.868,0.962)]，敏感度为86.4%，特异度为84.2%；验证集ROC曲线结果显示AUC为0.942[95%CI(0.886,0.997)]，敏感度为81.3%，特异度为95.7%。结论：构建的决策树预测模型可有效评估高龄产妇产褥期中重度疲乏的发生风险，帮助临床对高风险产妇进行早期干预，以降低高龄产妇产褥期疲乏程度。