应用机器学习建立产后女性压力性尿失禁风险预测模型
杨晴晴
朱珏
汪期明
杨名洁
钱苗红
张晶
宁波大学附属妇女儿童医院,浙江宁波 315000
摘要：目的 探讨应用机器学习构建产后女性压力性尿失禁(SUI)风险预测模型并内部验证,为早期防治提供依据.方法 纳入2022年10月至2023年6月宁波大学附属妇女儿童医院516例产后42d盆底筛查产妇(SUI病例组82例,对照组434例),提取年龄、分娩方式、产次、盆底肌电生理数据、盆底超声指标等影响因素,采用随机森林、支持向量机等5种机器学习算法建模,通过十折交叉验证比较模型效能.结果 产后SUI发生率15.89％(82/516).随机森林模型表现最优,训练集F1值1.000、AUC 1.000,验证集F1值0.776、AUC 0.837.关键影响因素包括盆底肌电生理参数(紧张收缩、耐力收缩等阶段)、年龄、产次、会阴损伤、体重指数(BMI)等,其中盆底肌电参数对分类贡献最高.结论 随机森林模型预测效能最佳,盆底肌电生理参数与产后SUI强相关.该模型可辅助医务人员精准评估风险,指导早期个性化康复干预,如凯格尔运动、生物反馈治疗等,为产后SUI防治提供新工具.
关键词：产后女性压力性尿失禁机器学习随机森林模型
分类号：R714.14+2(产科学)
论文发表日期：2025-07-02
在线出版日期：2025-08-19（本平台首次上网日期，不代表文献的发表时间）
页数：5( 734-737,741 )
英文信息