科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 系统评价基于机器学习方法构建的小于胎龄儿预测模型，为模型的构建和优化提供参考。方法 计算机检索PubMed、EMbase、Web of Science、CBM、WanFang Data、VIP和CNKI数据库，搜集关于小于胎龄儿预测模型的研究，检索时限均从建库至2022年8月10日。由2位评价员独立筛选文献、提取资料并评价纳入研究的偏倚风险后进行系统评价。结果 共纳入14个研究，样本量范围347～215 865例。使用逻辑回归、随机森林等19种方法构建了40个预测模型，13个研究的偏倚风险评价结果为高风险，预测模型的曲线下面积（AUC）为0.561～0.953。结论 小于胎龄儿预测模型的整体偏倚风险较高，预测性能一般，XGBoost方法构建的模型在不同研究中都获得了最好的预测性能，stacking方法将不同模型融合可以提升预测性能。母亲血压、胎儿腹围、头围与估计胎儿体重是小于胎龄儿的重要预测因子。
-
单位川北医学院附属医院; 重庆医科大学; 公共卫生学院
