決策樹模型與Logistic回歸模型在產(chǎn)后尿潴留發(fā)生影響因素分析中的作用

郭學(xué)齊 閆貴貞 張彩霞 陳景娟

[摘要] 目的 探討決策樹模型與Logistic回歸模型在產(chǎn)后尿潴留（PUR）發(fā)生影響因素分析中的作用。 方法 收集2014年1月1日～2017年12月31日在浙江省麗水市人民醫(yī)院（以下簡稱“我院”）經(jīng)陰道分娩后發(fā)生PUR的180例產(chǎn)婦作為病例組，隨機(jī)選取同期于我院經(jīng)陰道分娩且未發(fā)生PUR的200例產(chǎn)婦作為對(duì)照組。采用決策樹模型與Logistic回歸模型回顧性分析PUR發(fā)生的相關(guān)影響因素。 結(jié)果 決策樹模型和多因素Logistic回歸模型分析均顯示分娩鎮(zhèn)痛（P = 0.047）、產(chǎn)鉗助產(chǎn)（P = 0.001）以及會(huì)陰側(cè)切（P < 0.001）是發(fā)生PUR的獨(dú)立危險(xiǎn)因素。此外，Logistic回歸模型分析結(jié)果還提示巨大兒（P = 0.023）是PUR的影響因素，而決策樹模型中未提示其對(duì)PUR的發(fā)生有影響。 結(jié)論 PUR的影響因素眾多，決策樹模型和Logistic回歸模型互為補(bǔ)充，可從不同方面描述PUR發(fā)生的影響因素，為進(jìn)一步制訂預(yù)防措施提供參考依據(jù)。

[關(guān)鍵詞] 決策樹模型;產(chǎn)后尿潴留;影響因素;Logistic回歸模型

[中圖分類號(hào)] R714.64? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? ? [文章編號(hào)] 1673-7210（2019）09（b）-0085-04

The role of decision tree model and Logistic regression model in postpartum urinary retention influencing factors analysis

GUO Xueqi? ?YAN Guizhen? ?ZHANG Caixia? ?CHEN Jingjuan

Department of Obstetrics， Lishui People′s Hospital， Zhejiang Province， Lishui? ?323000， China

[Abstract] 0bjective To investigate the role of decision tree model and Logistic regression model in postpartum urinary retention （PUR） influencing factors analysis. Methods From January 1， 2014 to December 31， 2017， 180 puerpera with PUR after vaginal delivery in Lishui People′s Hospital of Zhejiang Province （"our hospital" for short） were selected as case group， and 200 puerpera who without PUR in our hospital at the same period were selected randomly as control group. Decision tree model and Logistic regression model were used to determine influential factors for PUR. Results Decision tree model and Logistic regression model indicated that delivery analgesia （P = 0.047）， forceps delivery （P = 0.001） and episiotomy （P < 0.001） were independent risk factors of PUR， and fetal macrosomia （P = 0.023） was also the influencing factor in the Logistic regression model， but the decision tree model did not indicate its influence. Conclusion There are many factors influencing PUR. Decision tree model and Logistic regression model are complementary to each other， which can describe the factors from different aspects， and provide basis and reference for the further formulation of preventive measures.

[Key words] Decision tree model; Postpartum urinary retention; Influencing factors; Logistic regression model

產(chǎn)后尿潴留（postpartum urinary retention，PUR）指產(chǎn)婦經(jīng)陰道分娩后6 h無法自行排尿，或自行排尿后超聲監(jiān)測或?qū)蚬軐?dǎo)出膀胱內(nèi)殘余尿量（PVRV）>150 mL，或自行排尿后膀胱內(nèi)殘余尿量>150 mL[1]。PUR是產(chǎn)科常見的一種并發(fā)癥，不僅使產(chǎn)婦膀胱長期處于過度充盈的狀態(tài)，影響產(chǎn)后子宮恢復(fù);還可能因子宮收縮欠佳而造成產(chǎn)后大出血[2-3]，危害不容忽視[4]。PUR可導(dǎo)致嚴(yán)重的后果，故發(fā)現(xiàn)與闡明PUR的高危因素，指導(dǎo)臨床采取針對(duì)性措施，對(duì)避免PUR的發(fā)生至關(guān)重要。目前，國內(nèi)外多采用Logistic回歸模型分析發(fā)生PUR的影響因素[5]。該分析方法雖能有效地展現(xiàn)因變量和自變量之間的數(shù)量依存關(guān)系，但尚不足以處理某些非線性、高度交互作用及含大量缺失值等特征的資料，同時(shí)也無法直觀地顯示各因素對(duì)結(jié)果變量的重要程度[6-7]。決策樹法（decision tree）作為數(shù)據(jù)挖掘領(lǐng)域的重要方法，已被廣泛應(yīng)用于醫(yī)藥生物領(lǐng)域，在很大程度上彌補(bǔ)了傳統(tǒng)Logistic回歸模型的缺陷和不足[8]。

筆者分析已發(fā)表的文章，目前尚缺乏決策樹模型在PUR數(shù)據(jù)分析中的應(yīng)用。因此，本文將決策樹模型應(yīng)用于研究PUR的影響因素，比較并結(jié)合Logistic回歸模型的結(jié)果，以期更好地對(duì)高危人群實(shí)施干預(yù)，減少PUR的發(fā)生。

1 對(duì)象與方法

1.1 研究對(duì)象

收集2014年1月1日～2017年12月31日在浙江省麗水市人民醫(yī)院（以下簡稱為“我院”）經(jīng)陰道分娩后發(fā)生尿潴留的180例產(chǎn)婦作為病例組;隨機(jī)選取同期于我院經(jīng)陰道分娩且未發(fā)生尿潴留的200例產(chǎn)婦作為對(duì)照組。本研究經(jīng)我院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)。

1.2 研究設(shè)計(jì)

研究采用病例對(duì)照法。排除標(biāo)準(zhǔn)：①產(chǎn)婦年齡<18歲;②數(shù)據(jù)不全。

1.3 調(diào)查方法及內(nèi)容

調(diào)查表經(jīng)過統(tǒng)一設(shè)計(jì)后，對(duì)資料進(jìn)行回顧性調(diào)查。資料收集包括年齡、分娩時(shí)間、分娩前體重、糖尿病、高血壓、第一產(chǎn)程時(shí)間、第二產(chǎn)程時(shí)間、人工破膜、分娩鎮(zhèn)痛、阿片類鎮(zhèn)痛藥、產(chǎn)鉗助產(chǎn)、會(huì)陰側(cè)切及巨大兒[9]等。將因變量設(shè)定為是否發(fā)生PUR，自變量為可能導(dǎo)致PUR發(fā)生的因素，并對(duì)相關(guān)因素進(jìn)行賦值。見表1。

表1? ?PUR的影響因素及賦值說明

注：PUR：產(chǎn)后尿潴留

1.4 決策樹模型

采用CHAID算法對(duì)PUR的影響因素進(jìn)行分析。分割顯著性水準(zhǔn)αmerge = αsplit = 0.05;決策樹生長層數(shù)為4層，停止規(guī)則為α = 0.05;母節(jié)點(diǎn)最小樣本量為50，子節(jié)點(diǎn)為最小樣本量為10。

1.5 Logistic回歸模型

采用Forward Stepwise方法對(duì)PUR的影響因素進(jìn)行分析。

1.6 統(tǒng)計(jì)學(xué)方法

采用SPSS 23.0統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析，符合正態(tài)分布計(jì)量資料采用均數(shù)±標(biāo)準(zhǔn)差表示，兩組間比較采用t檢驗(yàn);不符合正態(tài)分布的改用中位數(shù)（M）或四分位數(shù)（P25，P75）表示，兩組間比較采用非參數(shù)檢驗(yàn)（秩和檢驗(yàn)）。計(jì)數(shù)資料用率表示，組間比較采用χ2檢驗(yàn)或Fisher確切概率法。以P < 0.05為差異有統(tǒng)計(jì)學(xué)意義。單因素Logistic回歸分析以P < 0.10為差異有統(tǒng)計(jì)學(xué)意義，多因素Logistic回歸分析以P < 0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 單因素Logistic回歸模型分析結(jié)果

單因素Logistic回歸模型分析結(jié)果顯示，第一產(chǎn)程時(shí)間、第二產(chǎn)程時(shí)間、分娩鎮(zhèn)痛、產(chǎn)鉗助產(chǎn)、會(huì)陰側(cè)切及巨大兒可能是PUR的影響因素（P < 0.05）。見表2。

表2? ?單因素Logistic回歸分析結(jié)果

2.2 多因素Logistic回歸模型分析結(jié)果

校正其他混雜因素后，分娩鎮(zhèn)痛（OR = 1.688， 95%CI：1.007～2.830，P = 0.047）、產(chǎn)鉗助產(chǎn)（OR = 4.454， 95%CI：1.825～10.873，P = 0.001）、會(huì)陰側(cè)切（OR = 3.056， 95%CI：1.782～5.244，P < 0.001）以及巨大兒（OR = 4.592，95%CI：1.239～17.016，P = 0.023）是發(fā)生PUR的獨(dú)立危險(xiǎn)因素。見表3。

表3? ?多因素Logistic回歸分析結(jié)果

2.3 決策樹模型分析結(jié)果

分娩鎮(zhèn)痛、產(chǎn)鉗助產(chǎn)、會(huì)陰側(cè)切是發(fā)生PUR的獨(dú)立影響因素，其中產(chǎn)鉗助產(chǎn)的影響最為顯著。見圖1。

PUR：產(chǎn)后尿潴留

圖1? ?決策樹模型分析發(fā)生PUR影響因素的樹型圖

3 討論

PUR發(fā)生率較高，若未能及時(shí)診斷及干預(yù)，可增加產(chǎn)婦的身心痛苦及經(jīng)濟(jì)負(fù)擔(dān)，因此確定PUR的主要影響因素具有重要的臨床意義[10-12]。決策樹模型和Logistic回歸模型分析結(jié)果顯示分娩鎮(zhèn)痛、產(chǎn)鉗助產(chǎn)以及會(huì)陰側(cè)切是發(fā)生PUR的獨(dú)立影響因素。此外，Logistic回歸模型分析結(jié)果提示巨大兒也是PUR的影響因素，而決策樹模型中并未提示其對(duì)PUR有影響。這可能是由于決策樹模型與Logistic回歸模型變量篩選的方式不同導(dǎo)致。

近年來，分娩鎮(zhèn)痛在臨床應(yīng)用中普及，雖然能夠降低產(chǎn)婦分娩的疼痛、提高分娩質(zhì)量，但同時(shí)也會(huì)促進(jìn)PUR的發(fā)生[12-13]。Mulder等[14]研究提示，分娩鎮(zhèn)痛會(huì)增加PUR的發(fā)生率。石翠霞等[15]通過研究也發(fā)現(xiàn)分娩鎮(zhèn)痛患者的PUR發(fā)生率（51.5%）明顯高于未使用分娩鎮(zhèn)痛的產(chǎn)婦（36.5%），差異有統(tǒng)計(jì)學(xué)意義。機(jī)制研究結(jié)果表明，麻醉藥物可以阻斷脊髓與腦橋間的信號(hào)傳導(dǎo)，抑制正常的排尿反射;同時(shí)麻醉藥物也可減弱尿道內(nèi)括約肌和膀胱逼尿肌的收縮力及敏感性，導(dǎo)致PUR的發(fā)生風(fēng)險(xiǎn)增加[15-16]。因此，充分了解麻醉藥物對(duì)排尿中樞、膀胱功能的影響，掌握分娩鎮(zhèn)痛的用藥時(shí)機(jī)[17]，積極協(xié)助分娩鎮(zhèn)痛產(chǎn)婦排空膀胱對(duì)于預(yù)防PUR十分重要。

本研究結(jié)果提示產(chǎn)鉗助產(chǎn)是PUR的獨(dú)立危險(xiǎn)因素之一，這與Kekre等[18]報(bào)道結(jié)果一致。產(chǎn)鉗助產(chǎn)的過程中，產(chǎn)鉗壓迫和摩擦盆底組織，容易造成周圍神經(jīng)肌肉損傷，破壞反射弧的完整性，導(dǎo)致排尿反射失效，從而發(fā)生PUR[11]。因此，產(chǎn)鉗助產(chǎn)應(yīng)由經(jīng)過專業(yè)訓(xùn)練的高年資醫(yī)師進(jìn)行，且產(chǎn)鉗助產(chǎn)術(shù)前要充分評(píng)估患者的病情，術(shù)中嚴(yán)格依據(jù)操作要點(diǎn)進(jìn)行，術(shù)后細(xì)致檢查軟產(chǎn)道的情況。

常規(guī)會(huì)陰側(cè)切術(shù)可以避免產(chǎn)婦會(huì)陰裂傷嚴(yán)重，但Oh等[1]研究發(fā)現(xiàn)會(huì)陰側(cè)切與PUR存在關(guān)聯(lián)，會(huì)陰側(cè)切患者的PUR發(fā)病率較高，與本研究一致。原因有兩方面：一方面，初產(chǎn)婦容易對(duì)會(huì)陰部切口過度焦慮，心理上對(duì)排尿行為產(chǎn)生恐懼，從而對(duì)膀胱括約肌舒張功能及逼尿肌的收縮功能產(chǎn)生影響，導(dǎo)致PUR;另一方面，會(huì)陰側(cè)切的產(chǎn)婦往往產(chǎn)程時(shí)間較長，盆底組織長時(shí)間受到壓迫，易造成盆骨神經(jīng)功能麻痹，增加PUR的發(fā)生風(fēng)險(xiǎn)[14-15]。因此，臨床醫(yī)生應(yīng)嚴(yán)格把握會(huì)陰側(cè)切的指征和條件，避免預(yù)防性的常規(guī)應(yīng)用。此外，Logistic回歸模型分析也發(fā)現(xiàn)出生體重≥4 kg的新生兒產(chǎn)婦PUR的發(fā)生風(fēng)險(xiǎn)較正常出生體重的新生兒產(chǎn)婦高，其原因可能是胎兒過大導(dǎo)致會(huì)陰側(cè)切或產(chǎn)鉗助產(chǎn)后壓迫膀胱及盆腔神經(jīng)[19]。

Logistic回歸模型和決策樹模型各有優(yōu)勢，兩者結(jié)合可從不同角度反映所研究的影響因素[20-21]。對(duì)于本研究，決策樹模型的優(yōu)勢體現(xiàn)在以下三方面[22]：①?zèng)Q策樹模型可以揭示不同因素對(duì)結(jié)果變量的重要程度，其表現(xiàn)形式也更加清楚直觀。本研究的根節(jié)點(diǎn)為產(chǎn)鉗助產(chǎn)，顯示產(chǎn)鉗助產(chǎn)是發(fā)生PUR的最重要影響因素，并且以樹型圖的形式清晰準(zhǔn)確的表現(xiàn)出來。②臨床工作者能夠依據(jù)決策樹模型的亞組情況，簡單高效地識(shí)別高危人群。本研究結(jié)果提示，醫(yī)護(hù)人員應(yīng)重點(diǎn)關(guān)注產(chǎn)鉗助產(chǎn)的產(chǎn)婦，這類人群PUR的發(fā)生率高達(dá)77.1%;而無產(chǎn)鉗助產(chǎn)、無會(huì)陰側(cè)切且無分娩鎮(zhèn)痛的患者PUR的發(fā)生風(fēng)險(xiǎn)較小。③決策樹模型能夠清楚地顯示各因素間相互作用的關(guān)系。本研究可從樹型圖發(fā)現(xiàn)分娩鎮(zhèn)痛、會(huì)陰側(cè)切僅對(duì)無產(chǎn)鉗助產(chǎn)的產(chǎn)婦有影響，而對(duì)產(chǎn)鉗助產(chǎn)的產(chǎn)婦則無意義。

綜上所述，PUR的影響因素眾多，決策樹模型與Logistic回歸模型可互為補(bǔ)充，從不同方面描述PUR發(fā)生的影響因素及作用，為制訂預(yù)防措施提供參考依據(jù)。

[參考文獻(xiàn)]

[1]? Oh J，Kim S，Shin J，et al. Risk factors for acute postpartum urinary retention after vaginal delivery：focus on episiotomy direction [J]. J Matern Fetal Neonatal Med，2016， 29（3）：408-411.

[2]? 石翠霞，馬樂.產(chǎn)后尿潴留高危因素及防治進(jìn)展[J].中國生育健康雜志，2017，28（3）：296-298，301.

[3]? Stanley A，Conner B. Implementing a clinical practice guideline to manage postpartum urinary retention [J]. J Nurs Care Qual，2015，30（2）：175-180.

[4]? Mulder F，Hakvoort R，De Bruin J，et al. Long-term micturition problems of asymptomatic postpartum urinary retention：a prospective case-control study [J]. Int Urogynecol J，2018，29（4）：481-488.

[5]? Polat M，■entürk MB，Pulato■lu ？覶，et al. Postpartum urinary retention：Evaluation of risk factors [J]. Tur J Obstet Gynecol，2018，15（2）：70-74.

[6]? 帥健，李麗萍，陳業(yè)群.決策樹模型與Logistic回歸模型在傷害發(fā)生影響因素分析中的作用[J].中華疾病控制雜志，2015，19（2）：185-189.

[7]? 郭慧敏，杜軍，黃路非，等.決策樹和logistic回歸評(píng)價(jià)非重癥社區(qū)獲得性肺炎患者住院費(fèi)用[J].中國病案，2017， 18（7）：50-52.

[8]? Amini P，Maroufizadeh S，Samani RO，et al. Prevalence and Determinants of Preterm Birth in Tehran，Iran：A Comparison between Logistic Regression and Decision Tree Methods [J]. Osong Public Health Res Perspect，2017，8（3）：195-200.

[9]? Mallouli M，Derbel M，Ingrid A，et al. Associated outcomes to fetal macrosomia：effect of maternal diabetes [J]. Tunis Med，2017，95（2）：120-125.

[10]? Neron M，Allègre L，Huberlant S，et al. Impact of systematic urinary catheterization protocol in delivery room on covert postpartum urinary retention：a before-after study [J]. Sci Rep，2017，7（1）：17 720.

[11]? 陳紅珍.產(chǎn)后尿潴留的發(fā)生原因及護(hù)理研究進(jìn)展[J].護(hù)理研究，2016，30（16）：1924-1927.

[12]? 仇春波，陳潔.分娩鎮(zhèn)痛產(chǎn)后尿潴留的臨床觀察[J].現(xiàn)代實(shí)用醫(yī)學(xué)，2013，25（3）：352-353.

[13]? 殷素華.陰道分娩后尿潴留的相關(guān)因素分析及盆底康復(fù)干預(yù)的效果研究[J].中國婦幼保健，2017，32（10）：2093-2095.

[14]? Mulder FE，Hakvoort RA，Schoffelmeer MA，et al. Postpartum urinary retention：a systematic review of adverse effects and management [J]. Int Urogynecol J，2014，25（12）：1605-1612.

[15]? 石翠霞.產(chǎn)后尿潴留的危險(xiǎn)因素分析[D].北京：首都醫(yī)科大學(xué)，2017.

[16]? Tiberon A，Carbonnel M，Vidart A，et al. Risk factors and management of persistent postpartum urinary retention [J]. J Gynecol Obstet Hum Reprod，2018，47（9）：437-441.

[17]? 楊同文，熊巍，任自剛，等.系統(tǒng)評(píng)價(jià)硬膜外分娩鎮(zhèn)痛時(shí)機(jī)對(duì)初產(chǎn)婦分娩過程的影響：Meta分析[J].臨床和實(shí)驗(yàn)醫(yī)學(xué)雜志，2018，17（11）：1206-1212.

[18]? Kekre AN，Vijayanand S，Dasgupta R，et al. Postpartum urinary retention after vaginal delivery [J]. Int J Gynaecol Obstet，2011，112（2）：115.

[19]? Cavkaytar S，Kokanal？覦 M，Baylas A，et al. Postpartum urinary retention after vaginal delivery：Assessment of risk factors in a case-control study [J]. J Turk Ger Gynecol Assoc，2014，15（3）：140-143.

[20]? Chen W，Xie X，Wang J，et al. A comparative study of logistic model tree，random forest，and classification and regression tree models for spatial prediction of landslide susceptibility [J]. Catena，2017，151：147-160.

[21]? Pak K，Kim K，Kim MH，et al. A decision tree model for predicting mediastinal lymph node metastasis in non-small cell lung cancer with F-18 FDG PET/CT [J]. PLoS One，2018，13（2）：e0193403.

[22]? 劉兵，李蘋，朱玫燁，等.決策樹模型與logistic回歸模型在胃癌高危人群干預(yù)效果影響因素分析中的應(yīng)用[J].中國衛(wèi)生統(tǒng)計(jì)，2018，35（1）：70-73.

（收稿日期：2018-12-19? 本文編輯：任? ?念）