基于机器学习运用分类与回归树决策树算法构建早产儿宫外生长迟缓的风险预测模型  

作　　者：何素健 雷烨铭 朱霞霞 邱舒曼 胡凤姣 卢稳婷 

机构地区：[1]广州市花都区人民医院儿童保健科,广东广州510800

出　　处：《大医生》2025年第8期102-106,共5页Doctor

基　　金：广州市花都区医疗卫生一般科研专项项目(编号:22HDWS-009);广州市花都区人民医院院内科研基金项目(编号:2020B02)。

摘　　要：目的探讨影响早产儿宫外生长迟缓(EUGR)的独立危险因素,并基于机器学习运用分类与回归树(CART)决策树算法构建早产儿EUGR风险预测模型。方法选取2021年1月至2023年12月广州市花都区人民医院收治的209例早产儿的临床资料,进行回顾性分析。根据是否发生EUGR分为非EUGR组(181例)和EUGR组(28例)。比较两组早产儿临床资料,采用多因素Logistic回归模型分析影响早产儿EUGR的独立危险因素,采用SPSS Modeler软件运用CART决策树算法构建早产儿EUGR风险预测模型,绘制受试者操作特征(ROC)曲线分析预测模型的诊断效能。结果两组早产儿性别、出生时胎龄、出生时体质量、分娩方式、胎数、出生1min后Apgar评分、出生时身长、孕期用药、受孕方式、妊娠高血压、妊娠糖尿病、妊娠甲状腺疾病、肠内营养开始时间、总住院时间、呼吸窘迫综合征(NRDS)、动脉导管未闭(hsPDA)、喂养不耐受、新生儿贫血比较,差异均无统计学意义(均P>0.05)。EUGR组早产儿小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在支气管肺发育不良(BPD)、发生败血症、发生坏死性小肠结肠炎(NEC)占比均高于非EUGR组(均P<0.05)。多因素Logistic回归分析结果显示:小于胎龄儿、累计禁食时间>3d、进行有创机械通气、存在BPD、发生败血症均为影响早产儿EUGR的独立危险因素(均P<0.05)。ROC曲线分析结果显示:早产儿EUGR的CART决策树算法风险预测模型的曲线下面积(AUC)为0.834,高于Logistic回归风险预测模型的0.803,CART决策树算法风险预测模型的预测效能更优(Z值=4.864,P<0.05)。结论小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在BPD、发生败血症均为影响早产儿EUGR的独立危险因素。早产儿EUGR的CART决策树算法风险预测模型具有较高的临床实用性,可详细分析某预测变量在不同亚群中的影响,为预测早产儿EUGR提供一定

关 键 词：机器学习 分类与回归树决策树算法 早产儿宫外生长迟缓 风险预测模型 

分 类 号：R722.6[医药卫生—儿科]