军事护理

作者：李夏楠，刘玲，刘冬梅，王美

单位：安徽省临泉县人民医院 妇产科，安徽 临泉 236400,安徽省临泉县人民医院 护理部,安徽省临泉县人民医院 护理部,安徽省临泉县人民医院 护理部

关键词：产后;创伤后应激障碍;机器学习;预测模型

基金：安徽省妇幼健康科研课题(2020FY14)

目的 基于机器学习分析产妇自然阴道分娩后创伤后应激障碍(posttraumatic stress disorder，PTSD)的危险因素并构建预测模型，探讨预测模型的预测价值。方法 采用便利抽样法选取2023年12月至2024年8月安徽省某院的产妇400例为研究对象，根据其是否发生PTSD分为未发生PTSD组（n=346）和发生PTSD组（n=54）。基于随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、K-最近邻（K-nearest neighbor,KNN）、逻辑回归（Logistic regression,LR）4个机器学习模型构建产妇分娩后PTSD预测模型。采用准确度、精确度、接受者操作特性曲线（receiver operating characteristic curve，ROC）曲线下面积 (area under the curve，AUC) 等评价模型的稳健型及临床实用性。另纳入同期安徽省另一所医院的200例产妇进行外部验证。结果 产妇产后PTSD的发生率为13.50%。年龄、喂养方式、计划怀孕、母婴皮肤接触、急产、妊娠糖尿病等均是产后是否发生PTSD的独立影响因素（均P＜0.05）。RF模型对产妇PTSD的发生率的预测效果最好(AUC=0.882)、综合预测效能最佳。在外部验证中，RF、SVM、KNN和LR模型的AUC值分别为0.842、0.734、0.725、0.767。结论 基于RF算法构建的预测模型具有较优质的预测性能，可以更加简单、快速、有效地识别产后PTSD。

来源：2025年第10期

《军事护理》期刊编辑部

查看军事护理杂志2025年第10期