论文部分内容阅读
目的:随着我国“二孩政策”全面放开,再次剖宫产产妇逐年增加。与初次剖宫产相比,再次剖宫产由于前置胎盘、胎盘粘连、子宫瘢痕等合并症较多,发生术中出血及输血的概率明显增加。因此,研究通过回顾性的大样本临床病例数据分析,探讨围术期患者因素及麻醉方式对再次剖宫产术中出血风险的影响;并利用相关临床数据构建术中输血的预测模型,分析比较人工神经网络(artificial neural network,ANN)、极端梯度提升(extreme gradient boosting,XGB)和Logistic回归3种机器学习算法对术中输血的预测效果。方法:1.通过检索医院电子病历系统,搜集我院2015年10月至2017年10月再次剖宫产产妇2442例的临床病历资料,年龄20~45岁,BMI18~40kg/m~2,ASAⅠ~Ⅳ级。剖宫产常规采用椎管内麻醉,全麻仅用于患者强烈要求、椎管内麻醉禁忌或失败等情况。根据术中出血标准分为明显出血组(MH组,n=494)和非明显出血组(NMH组,n=1948)。分析比较两组产妇的术前、术中和术后各项指标。然后以是否发生明显出血为因变量,将单因素分析中P<0.05的因素作为自变量纳入Logistic回归分析,筛选术中出血的危险因素。2.为明确麻醉方式对产妇和胎儿的影响,将所有产妇分为全麻组和非全麻组,采用倾向性匹配排除混杂因素后,分析比较全麻组(GA组,n=141)与非全麻组(NGA组,n=141)术中明显出血发生率、新生儿窒息率和住院时间。3.为进一步对术中输血进行预测,将符合标准的再次剖宫产病例和可能有临床意义的变量纳入预测模型的构建,分别采用Logistic回归、XGB和ANN3种机器学习算法构建术中输血预测模型。计算并比较3个模型的ROC曲线下面积(AUROC)、精确度、召回率和F1值四个指标。结果:1.Logistic回归分析结果显示再次剖宫产术中出血的危险因素包括:前置胎盘(OR=38.269,95%CI 15.970~91.706,P<0.001),宫缩乏力(OR=10.047,95%CI 6.155~16.399,P<0.001),胎盘粘连(OR=5.045,95%CI 3.146~8.089,P<0.001),产前贫血(OR=4.082,95%CI 2.485~6.707,P<0.001),全麻(OR=2.922,95%CI 1.521~5.614,参考组:非全麻,P<0.001),ASAⅢ~Ⅳ级(OR=2.699,95%CI 1.539~4.735,参考组:ASAⅠ~Ⅱ级,P<0.001),流产史(OR=2.420,95%CI 1.034~5.661,P=0.042),盆腹腔粘连(OR=2.124,95%CI 1.478~3.052,P<0.001)。2.倾向性匹配纳入流产史、产前贫血、ASA分级、前置胎盘、胎盘粘连、盆腹腔粘连和宫缩乏力7项影响因素进行匹配,匹配出141对全麻和非全麻产妇。倾向性匹配后,GA组术中明显出血发生率明显高于NGA组(46.1%vs 31.9%,P=0.015),1min新生儿窒息率明显高于NGA组(9.9%vs 2.1%,P=0.012),住院时间明显长于NGA组(4.1±3.2d vs 3.3±2.9d,P=0.039)。3.输血预测模型的有效样本共2525例,其中332例(13.1%)进行了术中输血。最终的模型得到5个最重要的预测因素为:术前Hb、手术时间、宫缩乏力、前置胎盘和ASA分级。为比较预测效果,进一步在训练样本和测试样本上进行预测验证,发现XGB的AUROC为0.904和0.886,高于Logistic回归的0.868和0.878,以及ANN的0.882和0.884,同时XGB的精确度、召回率和F1值三个指标均略高于Logistic回归和ANN。结论:1.再次剖宫产术中出血的危险因素包括前置胎盘、宫缩乏力、胎盘粘连、产前贫血、全麻、ASAⅢ~Ⅳ级、流产史和盆腹腔粘连8个因素。2.与非全麻相比,全麻可增加术中出血风险和新生儿窒息发生率,延长住院时间。3.术前Hb、预计手术时间、宫缩乏力、前置胎盘和ASA分级五个指标可用于有效预测再次剖宫产术中输血。通过Logistic回归、XGB和ANN这3种机器学习算法对再次剖宫产术中输血进行预测,发现XGB的预测效果比Logistic回归和ANN更准确.