咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >子宫内膜异位症患者新鲜胚胎移植临床妊娠率预测模型的建立与验证 收藏

子宫内膜异位症患者新鲜胚胎移植临床妊娠率预测模型的建立与验证

Establishment of a predictive nomogram for clinical pregnancy rate in patients with endometriosis undergoing fresh embryo transfer

作     者:潘甚豪 李炎坤 伍哲维 毛玉玲 王春艳 PAN Shenhao;LI Yankun;WU Zhewei;MAO Yuling;WANG Chunyan

作者机构:广州医科大学附属第三医院妇产科//生殖医学中心//广东省产科重大疾病重点实验室//广东省妇产疾病临床医学研究中心//粤港澳母胎医学高校联合实验室广东广州510150 广州医科大学临床医学系广东广州511436 

出 版 物:《南方医科大学学报》 (Journal of Southern Medical University)

年 卷 期:2024年第44卷第7期

页      面:1407-1415页

核心收录:

学科分类:1002[医学-临床医学] 100211[医学-妇产科学] 10[医学] 

基  金:国家自然科学基金(82101672,82371650) 广州市科技局基础研究计划(2023A04J0578,2023A04J0579,2024A03J0180) 广州医科大学科研提升计划(2024SRP114) 

主  题:子宫内膜异位症 不孕 临床妊娠率 预测模型 列线图 

摘      要:目的构建并验证子宫内膜异位症(EMs)患者辅助生殖治疗(ART)中新鲜胚胎移植的临床妊娠率预测模型。方法选取2017年5月~2023年11月在本院生殖医学中心进行ART治疗的464例子宫内膜异位症不孕患者,并将其分为建模人群(60%)和验证人群(40%)。采用单因素分析、多因素Logistic回归分析、LASSO回归分析EMs患者新鲜胚胎移植妊娠率的相关因素,并建立预测EMs患者新鲜胚胎移植临床妊娠率的列线图模型。采用ROC的曲线下面积(AUC)、校准曲线和决策曲线分别在建模人群和验证人群对预测模型进行验证。为提高模型性能,本研究采用Stacking集成学习方法集成GBM、XGBOOST、MLP 3种机器学习方法,利用它们各自优势相互补充以提高模型预测性能。结果女性年龄、Gn启动用量、ART次数、移植胚胎数是影响新鲜胚胎移植临床妊娠率的独立因素(P0.05)。通过LASSO模型筛选纳入变量:女性年龄、FSH、Gn时间、Gn启动用量、ART次数、获卵数、移植胚胎数、HCG日内膜厚度、HCG日P。训练集中,模型准确性为0.642(95%CI:0.605-0.679),测试集中,模型准确性为0.652(95%CI:0.600-0.704)。集成学习方法可以提高模型的性能:训练集中,模型准确性为0.725(95%CI:0.680-0.770),测试集中,模型准确性为0.718(95%CI:0.675-0.761)。结论本研究所建立预测模型有助于预测子宫内膜异位症患者新鲜胚胎移植的临床妊娠率,为子宫内膜异位症ART治疗提供指导意见。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分