運(yùn)用3種統(tǒng)計(jì)學(xué)方法構(gòu)建的頑固性產(chǎn)后尿潴留的風(fēng)險(xiǎn)預(yù)測(cè)模型的分析比較*

鄧連方，梁 潔，盧 丹，黃秋杰，何 水

（欽州市第一人民醫(yī)院產(chǎn)科，欽州 535000）

陰道分娩產(chǎn)后尿潴留（PUR）是產(chǎn)科常見(jiàn)并發(fā)癥，發(fā)生率為1.5%～47%[1]，部分產(chǎn)婦會(huì)因癥狀漸性加重而發(fā)展為頑固性PUR，威脅產(chǎn)婦生命健康。早期識(shí)別和準(zhǔn)確預(yù)測(cè)產(chǎn)婦產(chǎn)后PUR 風(fēng)險(xiǎn)對(duì)臨床采取針對(duì)性預(yù)防措施具有重要的意義。然而，目前臨床多采用Logistic 回歸模型分析發(fā)生PUR 的影響因素[2]，其雖有訓(xùn)練速度快、簡(jiǎn)單易懂等特點(diǎn)，但無(wú)法直接呈現(xiàn)各因素對(duì)結(jié)果變量的重要程度。列線(xiàn)圖是整合多個(gè)相關(guān)因素預(yù)測(cè)某事件發(fā)生概率的模型圖，具有直觀、可視化特點(diǎn)，在醫(yī)學(xué)領(lǐng)域常用于疾病影響因素的風(fēng)險(xiǎn)預(yù)測(cè)；數(shù)據(jù)挖掘技術(shù)是一種較為新興的統(tǒng)計(jì)學(xué)方式，如決策樹(shù)、隨機(jī)森林等均被證明可用于預(yù)測(cè)疾病發(fā)生[3-4]。目前這3種預(yù)測(cè)模型在頑固性PUR 的應(yīng)用報(bào)道較少，且缺乏關(guān)于這3 種統(tǒng)計(jì)學(xué)方法預(yù)測(cè)頑固性PUR 的分析研究。本研究旨在對(duì)比列線(xiàn)圖、決策樹(shù)及隨機(jī)森林模型對(duì)頑固性PUR的預(yù)測(cè)效能。

1 對(duì)象與方法

1.1 研究對(duì)象 回顧性分析2020 年1 月至2021 年12月在欽州市第一人民醫(yī)院經(jīng)陰道分娩的380例產(chǎn)婦的臨床資料。納入標(biāo)準(zhǔn)：（1）初產(chǎn)婦、足月、單胎；（2）頭位妊娠，經(jīng)陰道自然分娩；（3）產(chǎn)后6～8 h 內(nèi)出現(xiàn)尿潴留，產(chǎn)后2 d 后有尿但無(wú)法自行排出。排除標(biāo)準(zhǔn)：（1）產(chǎn)前合并泌尿系統(tǒng)感染疾病者；（2）產(chǎn)前合并妊娠期高血壓、糖尿病、甲亢者；（3）其它原因引發(fā)尿潴留（如產(chǎn)婦膀胱腫物、受外傷等）者；（4）嚴(yán)重精神系統(tǒng)疾病者；（5）合并嚴(yán)重肝、腎功能異常者。

PUR判斷標(biāo)準(zhǔn)[5]：陰道分娩后6 h內(nèi)無(wú)法自行排尿，或在自行排尿后經(jīng)超聲測(cè)定膀胱內(nèi)殘余尿量＞150 mL；頑固性PUR 是產(chǎn)后2 d 有尿但不能自行排出，需借助其他手段進(jìn)行排尿。根據(jù)產(chǎn)后有無(wú)頑固性PUR分為頑固性PUR組和對(duì)照組。

1.2 資料收集 收集產(chǎn)婦的臨床資料，包括年齡、孕周、分娩前體質(zhì)量、妊娠糖尿病、妊娠高血壓、總產(chǎn)程時(shí)間、第一產(chǎn)程時(shí)間、第二產(chǎn)程時(shí)間、人工破膜、分娩鎮(zhèn)痛時(shí)間、產(chǎn)鉗助產(chǎn)、會(huì)陰側(cè)切伴裂傷及巨大兒（新生兒出生1 h內(nèi)體重超過(guò)4 kg）等[6]。

1.3 數(shù)據(jù)預(yù)處理 列線(xiàn)圖和決策樹(shù)按照機(jī)器學(xué)習(xí)設(shè)置，將產(chǎn)婦按7:3的比例分為訓(xùn)練集（266例）和測(cè)試集（114例）；隨機(jī)森林按照隨機(jī)樣本的分割節(jié)點(diǎn)，按照機(jī)器學(xué)習(xí)設(shè)置，將患者分為訓(xùn)練集為2/3（254例）與測(cè)試集為1/3（126例）。

1.4 列線(xiàn)圖模型 在訓(xùn)練集數(shù)據(jù)上，采用R Studio軟件中的lrm函數(shù)建立初始Logistic回歸模型，基于已識(shí)別的相關(guān)因素，將顯著性P＜0.05 的變量構(gòu)建列線(xiàn)圖模型。

1.5 決策樹(shù)模型 本研究使用R 語(yǔ)言中的rpart 函數(shù)構(gòu)建決策樹(shù)模型，“因變量”為發(fā)生頑固性PUR，“自變量”為具統(tǒng)計(jì)學(xué)意義的特征變量，指定最小代價(jià)復(fù)雜度剪枝中的復(fù)雜度參數(shù)CP 設(shè)置為0.012 5，并運(yùn)算生成決策樹(shù)分析模型。

1.6 隨機(jī)森林模型 在Rstudio 軟件中，采用randomforest 程序包對(duì)隨機(jī)森林分類(lèi)識(shí)別并構(gòu)建模型。randomforest 函數(shù)在進(jìn)行模型構(gòu)建過(guò)程中主要包含2個(gè)模型參數(shù)，分別是ntree和mtry。ntree參數(shù)設(shè)置為500，即隨機(jī)森林中默認(rèn)存在500 顆樹(shù)，mtry默認(rèn)設(shè)置為在每次拆分時(shí)隨機(jī)抽樣候選的變量數(shù)。根據(jù)上述參數(shù)，構(gòu)建隨機(jī)森林初始模型。

1.7 統(tǒng)計(jì)學(xué)方法 采用SPSS 23.0統(tǒng)計(jì)軟件分析數(shù)據(jù)，計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（）表示，兩組間比較采用t檢驗(yàn)；計(jì)數(shù)資料以百分率（%）表示，率的比較采用χ2檢驗(yàn)。將單因素分析中差異具有統(tǒng)計(jì)學(xué)意義的變量作為輸入變量，將是否發(fā)生頑固性PUR作為結(jié)局變量，在訓(xùn)練集中分別建立列線(xiàn)圖、決策樹(shù)模型及隨機(jī)森林模型，通過(guò)計(jì)算預(yù)測(cè)模型的準(zhǔn)確度、靈敏度、特異度、召回率、精確度及受試者工作特征（ROC）曲線(xiàn)下面積（AUC）評(píng)價(jià)3種統(tǒng)計(jì)學(xué)模型的預(yù)測(cè)效能。以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 3 組臨床資料比較 380 例陰道分娩產(chǎn)婦中，180 例發(fā)生頑固性PUR（頑固性PUR 組），發(fā)生率47.37%，未發(fā)生頑固性PUR 200 例（52.63%），作為對(duì)照組。單因素分析顯示，頑固性產(chǎn)后PUR與總產(chǎn)程時(shí)間、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)切伴裂傷及巨大兒有關(guān)（P＜0.05），見(jiàn)表1。

表1 影響頑固性PUR的單因素分析結(jié)果

2.2 陰道分娩產(chǎn)婦發(fā)生頑固性PUR 的3 種風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建 以產(chǎn)婦是否發(fā)生頑固性PUR（是=1、否=0）作為因變量，將單因素分析中差異有統(tǒng)計(jì)學(xué)意義的變量分別納入列線(xiàn)圖、決策樹(shù)和隨機(jī)森林模型。對(duì)分類(lèi)資料進(jìn)行賦值[產(chǎn)鉗助產(chǎn)（是=1、否=0），會(huì)陰側(cè)切伴裂傷（是=1、否=0），巨大兒（是=1、否=0）]，連續(xù)變量：產(chǎn)程時(shí)間、第一產(chǎn)程時(shí)間、第二產(chǎn)程時(shí)間、分娩鎮(zhèn)痛時(shí)間，以實(shí)際值錄入。

2.3 列線(xiàn)圖模型 基于多因素Logistic回歸分析中篩選出的危險(xiǎn)變量，用70%樣本量構(gòu)建產(chǎn)婦發(fā)生頑固性PUR 的列線(xiàn)圖預(yù)測(cè)模型，見(jiàn)圖1。預(yù)測(cè)模型的臨床應(yīng)用示例：1 位陰道分娩產(chǎn)婦，總產(chǎn)程時(shí)間為13.5 h（32 分），第一產(chǎn)程時(shí)間560 min（86 分），第二產(chǎn)程80 min（50 分），分娩鎮(zhèn)痛使用時(shí)間350 min（30分），有使用產(chǎn)鉗助產(chǎn)（22 分），有會(huì)陰側(cè)切伴裂傷（28分），巨大兒（16分），總分264分，對(duì)應(yīng)發(fā)生頑固性PUR風(fēng)險(xiǎn)為72%。

圖1 陰道分娩產(chǎn)婦發(fā)生頑固性PUR風(fēng)險(xiǎn)的列線(xiàn)圖預(yù)測(cè)模型

2.4 決策樹(shù)模型 模型結(jié)果顯示，第二產(chǎn)程時(shí)間≥77 min的頑固性PUR發(fā)生率為30%，分娩鎮(zhèn)痛時(shí)間≥327 min、第一產(chǎn)程時(shí)間≥526 min的頑固性PUR發(fā)生率為25%，第一產(chǎn)程時(shí)間≥568 min的頑固性PUR發(fā)生率為3%，總產(chǎn)程時(shí)間≥14 h的頑固性PUR發(fā)生率為6%，巨大兒的頑固性PUR發(fā)生率為11%，見(jiàn)圖2。

圖2 陰道分娩產(chǎn)婦發(fā)生頑固性PUR風(fēng)險(xiǎn)的決策樹(shù)預(yù)測(cè)模型

2.5 隨機(jī)森林模型 根據(jù)構(gòu)建的最佳模型總體預(yù)測(cè)準(zhǔn)確度變化，影響產(chǎn)婦發(fā)生頑固性PUR的變量排序分別是第二產(chǎn)程時(shí)間、第一產(chǎn)程時(shí)間、總產(chǎn)程時(shí)間、分娩鎮(zhèn)痛時(shí)間、會(huì)陰側(cè)切伴裂傷、巨大兒、產(chǎn)鉗助產(chǎn)，見(jiàn)圖3。

圖3 陰道分娩產(chǎn)婦發(fā)生頑固性PUR 風(fēng)險(xiǎn)的隨機(jī)森林預(yù)測(cè)模型：輸入變量重要性測(cè)度

2.6 3種模型性能比較 使用驗(yàn)證集對(duì)3種模型進(jìn)行效能驗(yàn)證，結(jié)果顯示，列線(xiàn)圖模型在實(shí)際患者識(shí)別發(fā)生頑固性PUR 效能方面優(yōu)于決策樹(shù)和隨機(jī)森林模型，列線(xiàn)圖模型的準(zhǔn)確度為0.833，靈敏度為0.933，特異度為0.759，召回率為0.900，精確率為0.806，AUC為0.902，均高于決策樹(shù)模型和隨機(jī)森林模型，見(jiàn)表2。

表2 列線(xiàn)圖、決策樹(shù)與隨機(jī)森林模型預(yù)測(cè)效能比較

3 討論

隨著臨床醫(yī)學(xué)研究信息不斷膨脹，數(shù)據(jù)呈現(xiàn)多樣化發(fā)展，傳統(tǒng)的數(shù)據(jù)分析方法和工具難以滿(mǎn)足當(dāng)前臨床需求，對(duì)于繁雜、大規(guī)模的醫(yī)學(xué)數(shù)據(jù)信息，機(jī)器學(xué)習(xí)算法更具優(yōu)勢(shì)。本研究利用本院醫(yī)院信息系統(tǒng)病歷數(shù)據(jù)，分別構(gòu)建列線(xiàn)圖、決策樹(shù)和隨機(jī)森林用于預(yù)測(cè)陰道分娩產(chǎn)婦發(fā)生頑固性PUR 風(fēng)險(xiǎn)識(shí)別模型，在一定精準(zhǔn)度上選擇最優(yōu)的預(yù)測(cè)模型，以更好地服務(wù)臨床。

陰道分娩過(guò)程中，若產(chǎn)程時(shí)間過(guò)長(zhǎng)，胎兒對(duì)陰道造成的壓迫時(shí)間也有所增加，致使盆底肌肉和神經(jīng)在不斷拉伸下?lián)p傷，逼尿肌未能正常舒張、收縮而發(fā)生PUR[7]。隨著總產(chǎn)程時(shí)間的推移，陰道分娩產(chǎn)婦發(fā)生頑固性PUR 的風(fēng)險(xiǎn)顯著增加[8]；而第一產(chǎn)程時(shí)間的延長(zhǎng)會(huì)使陰道持續(xù)受壓，對(duì)膀胱和尿道造成持續(xù)性壓迫，產(chǎn)婦盆骨神經(jīng)功能被抑制而增加了頑固性PUR 的發(fā)生風(fēng)險(xiǎn)[9]。第二產(chǎn)程時(shí)間超過(guò)1 h也是引發(fā)PUR 的危險(xiǎn)因素，會(huì)時(shí)膀胱、尿道黏膜及尿道口充血、水腫，最終致使產(chǎn)婦頑固性PUR 發(fā)生。分娩鎮(zhèn)痛雖然能夠有效減輕產(chǎn)婦分娩過(guò)程中的疼痛感、提高分娩質(zhì)量，但該法會(huì)延遲神經(jīng)組織和盆底局部組織受到壓迫的時(shí)間，致使產(chǎn)婦排尿信號(hào)受影響[10]，而鎮(zhèn)痛劑量的加大會(huì)導(dǎo)致分娩鎮(zhèn)痛時(shí)間和排尿傳導(dǎo)信號(hào)的影響時(shí)間延長(zhǎng)，影響正常排尿，導(dǎo)致頑固性PUR 發(fā)生[11]。既往研究證實(shí)，會(huì)陰側(cè)切和會(huì)陰裂傷與PUR發(fā)生呈正相關(guān)關(guān)系[12-13]。本研究結(jié)果顯示，會(huì)陰側(cè)切伴裂傷程度越重，頑固性PUR 風(fēng)險(xiǎn)越高。會(huì)陰側(cè)切伴裂傷引起的疼痛和水腫程度也影響反射性尿道痙攣，并間接反映了陰道分娩的困難程度。Polat等[14]研究表明，產(chǎn)鉗助產(chǎn)過(guò)程中可能會(huì)損傷盆腔神經(jīng)、肛門(mén)括約肌等，延長(zhǎng)膀胱受刺激時(shí)間，造成產(chǎn)婦自主排尿反射障礙。產(chǎn)鉗助產(chǎn)具侵入性，會(huì)致使生殖道機(jī)械性阻塞、膀胱創(chuàng)傷而引起頑固性PUR[15]。巨大兒可能會(huì)延長(zhǎng)產(chǎn)程時(shí)間、提高會(huì)陰側(cè)切及產(chǎn)鉗助產(chǎn)率，巨大兒對(duì)于膀胱以及盆腔神經(jīng)的壓迫更劇烈，產(chǎn)婦產(chǎn)后發(fā)生嚴(yán)重的組織水腫而導(dǎo)致排尿困難或無(wú)法自主排尿[16]，本研究提示巨大兒是發(fā)生頑固性PUR的獨(dú)立危險(xiǎn)因素。

隨著計(jì)算機(jī)軟件和人工智能的發(fā)展，機(jī)器學(xué)習(xí)已成為醫(yī)學(xué)界研究的新方向，能夠從大樣本數(shù)據(jù)集中篩選出更有效數(shù)據(jù)，并做出準(zhǔn)確預(yù)測(cè)或決策，為患者帶來(lái)更為準(zhǔn)確和個(gè)性化的診療。研究顯示，采用機(jī)器學(xué)習(xí)算法預(yù)測(cè)模型預(yù)測(cè)鋼鐵工人頸動(dòng)脈粥樣硬化發(fā)生情況[17]。通過(guò)機(jī)器學(xué)習(xí)可預(yù)測(cè)軟骨肉瘤患者的肺轉(zhuǎn)移風(fēng)險(xiǎn)[18]。本研究將差異有統(tǒng)計(jì)學(xué)意義的7 項(xiàng)指標(biāo)分別納入列線(xiàn)圖、決策樹(shù)和隨機(jī)森林算法并建立預(yù)測(cè)模型，經(jīng)驗(yàn)證，列線(xiàn)圖模型在實(shí)際患者識(shí)別發(fā)生頑固性PUR 效能方面優(yōu)于決策樹(shù)和隨機(jī)森林模型，列線(xiàn)圖模型的準(zhǔn)確度、靈敏度、特異度、精確率和AUC均高于決策樹(shù)模型和隨機(jī)森林模型。此外，在測(cè)試集中發(fā)現(xiàn)，隨機(jī)森林模型的預(yù)測(cè)性能均低于訓(xùn)練集，說(shuō)明隨機(jī)森林模型存在過(guò)擬合現(xiàn)象，也可能是訓(xùn)練集數(shù)據(jù)不足而出現(xiàn)泛化效果較差。可見(jiàn)，列線(xiàn)圖模型的預(yù)測(cè)效果更為理想，其診斷價(jià)值均優(yōu)于決策樹(shù)模型與隨機(jī)森林模型，且列線(xiàn)圖可將Logistic回歸或Cox回歸可視化，臨床醫(yī)師可以簡(jiǎn)單、便捷的估算出產(chǎn)婦發(fā)生頑固性PUR 的風(fēng)險(xiǎn)。

本研究局限性在于：本研究為單中心回顧性研究，受時(shí)間及樣本量限制，可能存在一定的偏倚；本研究沒(méi)有分析更多的頑固性PUR 發(fā)生風(fēng)險(xiǎn)特征與危險(xiǎn)因素。在未來(lái)的研究中將使用更大、更全面的樣本集，并采用多中心研究對(duì)本研究中的模型進(jìn)行改進(jìn)與驗(yàn)證，以進(jìn)一步構(gòu)建更為完善的預(yù)測(cè)模型。

綜上所述，列線(xiàn)圖模型在陰道分娩產(chǎn)婦發(fā)生頑固性PUR中具有較好的預(yù)測(cè)效果和穩(wěn)定性，其預(yù)測(cè)效能優(yōu)于決策樹(shù)預(yù)測(cè)模型和隨機(jī)森林模型，具有較好的臨床應(yīng)用價(jià)值。