人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析

目的 通过大样本临床数据构建再次剖宫产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种机器学习算法的预测效果.方法 通过医院病历系统,收集我院2015年10月至2017年10月符合纳入标准的再次剖宫产产妇2525例,详细录入产妇术前、术中各项指标.将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ANN 3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4个指标.结果 研究的有效样本共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.Logistic回归、XGB和ANN 3种算法的AUROC依次为0.960、0.959、0.956,同时通过F1值、精确度、召回率3个指标的比较发现3种算法差别很小.为进一步比较预测效果,再次在训练样本和测试样本上进行预测验证,发现XGB的AUROC为O.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 3个指标均略高于Logistic回归和ANN.结论 术前 Hb、手术时间、前置胎盘等指标可用于预测再次剖宫产术中输血.Logistic回归、XGB和ANN这3种机器学习算法均可用于剖宫产术中输血的预测,但XGB的预测效果比Logistic回归和ANN更准确.