前置胎盘产前出血风险预测模型及其构建方法技术

本发明专利技术公开了一种前置胎盘产前出血风险预测模型及其构建方法，涉及生物信息学领域。其中，所述前置胎盘产前出血风险预测模型的构建方法包括以下步骤：获取孕产妇数据，并将所述孕产妇数据分为未出血组数据和出血组数据；计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标；根据所述潜在指标计算出与前置胎盘产前出血相关的独立指标；根据所述独立指标构建前置胎盘产前出血风险预测模型和可视化的列线图模型。通过本发明专利技术的构建方法所获得的前置胎盘产前出血风险预测模型准确度高，区分度强，具有很好的实用性。有很好的实用性。有很好的实用性。

【技术实现步骤摘要】
前置胎盘产前出血风险预测模型及其构建方法


[0001]本专利技术涉及生物信息学领域，特别涉及一种前置胎盘产前出血风险预测模型及其构建方法。

技术介绍

[0002]前置胎盘是指妊娠28周后，胎盘附着于子宫下段，其下缘达到或覆盖宫颈内口，位置低于胎先露部。前置胎盘是妊娠晚期的严重并发症之一，最常表现为妊娠期无痛性产前出血，可导致孕妇及新生儿失血性休克，与围产期母儿不良妊娠结局的发病率和死亡率密切相关。申请人前期通过循证医学方法研究发现，有超过一半(51.6％)的前置胎盘孕妇会出现产前出血的现象。前置胎盘不仅产前出血发生率高，同时还具有出血量大、病情进展快、控制困难、病情危重等特点，更容易造成包括母婴死亡在内的严重不良妊娠结局，对孕产妇及胎儿的生命安全造成巨大威胁。
[0003]当前，综合评估前置胎盘产前出血的风险因素并预测其发生概率既是临床关注的热点，同时也是难点。因此，明确前置胎盘产前出血发生的高危因素，构建可视化临床可应用的风险预测模型来及时准确掌握前置胎盘产前出血的发生概率及程度，从而进行及时有效的干预，对保证前置胎盘孕产妇和新生儿的生命安全具有重要的临床应用意义和公共卫生价值。

技术实现思路

[0004]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种前置胎盘产前出血风险预测模型及其构建方法，旨在解决现有技术中难以判断前置胎盘产前出血风险的技术问题。
[0005]为了达到上述目的，本专利技术采取了以下技术方案：
[0006]本专利技术第一方面提供了一种前置胎盘产前出血风险预测模型的构建方法，包括以下步骤：获取孕产妇数据，并将所述孕产妇数据分为未出血组数据和出血组数据；计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标；根据所述潜在指标计算出与前置胎盘产前出血相关的独立指标；根据所述独立指标构建前置胎盘产前出血风险预测模型和可视化的列线图模型。
[0007]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述孕产妇数据包括孕妇基本指标、妊娠相关指标、胎盘相关指标、羊水相关指标、脐带相关指标、胎儿相关指标、孕中期凝血指标、孕中期血常规中炎症指标。
[0008]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述获取孕产妇数据，并将所述孕产妇数据分为未出血组数据和出血组数据，具体包括：获取孕产妇数据，根据是否有产前出血将所述孕产妇数据分为未出血组数据和出血组数据；所述产前出血的判断标准为：孕28周后出现一次或多次的阴道流血，每次出血量大于20ml，或累计出血量大于20ml。
[0009]所述的前置胎盘产前出血风险预测模型的构建方法，其中，计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标，具体包括：采用单因素分析方法计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标。
[0010]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述单因素分析方法包括t检验和卡方检验。
[0011]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述根据所述潜在指标计算出与前置胎盘产前出血相关的独立指标，具体包括：采用Logistic回归分析处理所述潜在指标，计算出与胎盘产前出血相关的独立指标。
[0012]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述根据所述独立指标构建前置胎盘产前出血风险预测模型，具体还包括：采用逐步回归验证所述独立指标，验证通过后，以所述独立指标为自变量，以前置胎盘产前出血作为因变量，构建训练数据集；采用所述训练数据集对初始构建的机器学习回归模型进行训练，构建前置胎盘产前出血的预测模型。
[0013]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述机器学习回归模型为Logistic回归模型。
[0014]所述的前置胎盘产前出血风险预测模型的构建方法，其中，所述孕妇基本指标包括：孕妇年龄、身高、婚姻状况、居住地、户籍所在地、文化程度、家庭收入、孕前体重、分娩时体重；所述妊娠相关指标包括：孕次、产次、流产次数、生育间隔、剖宫产次数、前次分娩方式、前次分娩医院级别、早产史、产前出血史、产后出血史、前置胎盘史、家族难产史、子宫肌瘤剔除史、宫腔操作史、本次受孕方式、本次产检次数、妊娠合并症、孕期发烧次数、孕期感染次数、孕早或中期是否出现阴道出血、分娩孕周；所述胎盘相关指标包括：胎盘类型、胎盘位置、胎盘重量、是否伴有胎盘粘连或植入；所述羊水相关指标包括：羊水量、羊水性状；脐带相关指标包括：脐带长度；胎儿相关指标包括：胎儿数目、胎儿性别、胎儿体重、胎方位、是否合并胎儿畸形；孕中期凝血指标包括：凝血酶原时间、凝血酶原国际标准化比值、部分凝血活酶时间、凝血酶时间；孕中期血常规中炎症指标包括：白细胞计数、中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞、嗜碱性粒细胞及红细胞、血红蛋白和血小板。
[0015]本专利技术第二方面提供了一种前置胎盘产前出血风险预测模型，采用如上所述的前置胎盘产前出血风险预测模型的构建方法构建，所述前置胎盘产前出血风险预测模型的方程为：
[0016]P＝e
w
/(1+e
w
)
[0017]W＝0.3122
‑
0.0305X1‑
0.5315X2+0.2343X3+1.6722X4+0.5722X5[0018]其中，P为前置胎盘产前出血发生率；X1为孕妇年龄，单位为岁；X2为是否结婚，若已婚，X2为1，若未婚，X2为0；X3为产次，单位为次；X4为本次妊娠是否有先兆流产，若本次妊娠有先兆流产，X4为1，若本次妊娠没有先兆流产，X4为0；X5为前置胎盘类型，若为中央性前置胎盘，X5为1，若为其它非中央性前置胎盘，X5为0。
[0019]有益效果：
[0020]本专利技术第一方面提供了一种前置胎盘产前出血风险预测模型的构建方法，所述构建方法通过先筛选出与前置胎盘产前出血相关的潜在指标，并进一步计算出与前置胎盘产
前出血相关的独立指标，根据所述独立指标所构建的前置胎盘产前血风险预测模型。通过所述构建方法所获得的风险预测模型，准确性高，临床实用性强。
[0021]本专利技术第二方面提供了一种前置胎盘产前出血风险预测模型，所述前置胎盘产前出血风险预测模型以孕妇年龄、是否结婚、产次、本次妊娠是否有先兆流产、前置胎盘类型作为影响因素进行构建，经检验，其准确性高，可以给前置胎盘产前出血发生的概率和程度提供参考，为临床早期干预和预防前置胎盘产前出血提供数据支撑，从而降低前置胎盘围产期母儿不良妊娠结局及母儿死亡的发生风险。
附图说明
[0022]图1为列线图模型。
[0023]图2为校准曲线。
[0024]图3为受试者工作特征曲线。
[0025]图4为临床决策曲线。
具体实施方式
[0026]本专利技术提供一种前置胎盘产前出血风险预测模型及其构建方法，为使本专利技术的目的、技术方案及效果更加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前置胎盘产前出血风险预测模型的构建方法，其特征在于，包括以下步骤：获取孕产妇数据，并将所述孕产妇数据分为未出血组数据和出血组数据；计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标；根据所述潜在指标计算出与前置胎盘产前出血相关的独立指标；根据所述独立指标构建前置胎盘产前出血风险预测模型和可视化的列线图模型。2.根据权利要求1所述的前置胎盘产前出血风险预测模型的构建方法，其特征在于，所述孕产妇数据包括孕妇基本指标、妊娠相关指标、胎盘相关指标、羊水相关指标、脐带相关指标、胎儿相关指标、孕中期凝血指标、孕中期血常规中炎症指标。3.根据权利要求1所述的前置胎盘产前出血风险预测模型的构建方法，其特征在于，所述获取孕产妇数据，并将所述孕产妇数据分为未出血组数据和出血组数据，具体包括：获取孕产妇数据，根据是否有产前出血将所述孕产妇数据分为未出血组数据和出血组数据；所述产前出血的判断标准为：孕28周后出现一次或多次的阴道流血，每次出血量大于20ml，或累计出血量大于20ml。4.根据权利要求1所述的前置胎盘产前出血风险预测模型的构建方法，其特征在于，计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标，具体包括：采用单因素分析方法计算所述未出血组数据和出血组数据的差异指标，筛选出与前置胎盘产前出血相关的潜在指标。5.根据权利要求4所述的前置胎盘产前出血风险预测模型的构建方法，其特征在于，所述单因素分析方法包括t检验和卡方检验。6.根据权利要求1所述的前置胎盘产前出血风险预测模型的构建方法，其特征在于，所述根据所述潜在指标计算出与前置胎盘产前出血相关的独立指标，具体包括：采用Logistic回归分析处理所述潜在指标，计算出与胎盘产前出血相关的独立指标。7.根据权利要求1所述的前置胎盘产前出血风险预测模型的构建方法，其特征在于，所述根据所述独立指标构建前置胎盘产前出血风险预测模型，具体还包括：采用逐步回归验证所述独立指标，验证通过后，以所述独立指标为自变量，以前置胎盘产前出血作为因变量，构建训练数据集；采用所述训练数据集对初始构建的机器学习回归模型进行...

【专利技术属性】
技术研发人员：范大志，饶珈铭，张慧珊，林东鑫，唐海，高洁，刘正平，
申请(专利权)人：佛山市妇幼保健院，
类型：发明
国别省市：