机器学习在产后出血预测模型中的研究进展

韩 张琴1, 王 芳*2
1、浙江大学医学院附属妇产科医院分娩室
2、浙江大学医学院附属妇产科护理部

摘要


总结了机器学习算法分类，以及机器学习在产后出血预测模型中的研究现状。通过对不同算法所建立预测模型的比较，分析其差异特点及对临床实践的启示。产后出血预测模型的构建有助于甄别高危孕产妇，为护理人员实施早期干预和制定针对性防控措施提供重要参考。

关键词


产后出血；机器学习；研究进展

全文:

PDF


参考


[1]刘兴会，张力，张静.《产后出血预防与处理指南（草案）》（2009）及《产后出血预防与处理指南（2014年版）》解读[J].中华妇幼临床医学杂志（电子版），2015，11（04）：433-447.

[2]齐凡.产后大出血医学预测系统的设计与开发[D].东南大学，2019.

[3]AKAZAWA M, HASHIMOTO K, KATSUHIKO N, et al. Machine learning approach for the prediction of postpartum hemorrhage in vaginal birth [J]. Sci Rep, 2021, 11(1): 22620.

[4]周彤彤，俞凯，袁贞明，等.基于LSTM与XGBOOST混合模型的孕妇产后出血预测[J].计算机系统应用，2020，29（03）：148-154.

[5]DUNKERTON S E, JEVE Y B, WALKINSHAW N, et al. Predicting Postpartum Hemorrhage (PPH) during Cesarean Delivery Using the Leicester PPH Predict Tool: A Retrospective Cohort Study [J]. Am J Perinatol, 2018, 35(2): 163-9.


Refbacks

  • 当前没有refback。