پیش بینی زایمان زودرس و بیماری قلبی مادر: تجزیه و تحلیل یادگیری ماشینی

مقدمه: بیماری قلبی مادر بر ممکن است بر زایمان زودرس تاثیر بگذارد. با این حال، مطالعات معتبر در مورد ارتباط بین بیماری قلبی مادر و زایمان زودرس هنوز محدود است. این مطالعه با هدف ایجاد یک مدل پیش بینی زایمان زودرس با استفاده از تجزیه و تحلیل یادگیری ماشین و داده های جمعیت در سراسر کشور و بررسی ارتباط بین بیماری های مختلف قلب مادر و زایمان زودرس انجام شد. روش ها: یک مطالعه کوهورت گذشته نگر مبتنی بر جمعیت، با استفاده از داده های به دست آمده از پایگاه داده بیمه سلامت ملی انجام شد. که شامل ۱۲۳۴ ۶ زن نخستزای ۱۵ تا ۴۴ ساله بود که در سال ۲۰۲۲ زایمان کردند. اهمیت متغیر تصادفی تجمعی برای شناسایی عوامل اصلی تعیین کننده استفاده شد. زایمان زودرس و ارتباط آن را با بیماری های قلبی مادر، به عنوان مثال، آریتمی، بیماری ایسکمیک قلب (IHD)، کاردیومیوپاتی، نارسایی احتقانی قلب، و بیماری مادرزادی قلب که برای اولین بار قبل یا در طول بارداری تشخیص داده شده است. نتایج: در میان جمعیت مورد مطالعه، ۱۲۷۰۱ زن مبتلا به زایمان زودرس و ۳۴۵ زن حداقل یک بیماری قلبی داشتند. نواحی زیر منحنی های مشخصه گیرنده-عملیاتی تجمعی تصادفی با داده های نمونه برداری بیش از حد بین ۵۳/۸۴ تا ۲۳/۸۹ بود. محدوده دقت ۴۵/۸۹ تا ۹۵/۹۲ بود. بحرانی ترین متغیر برای زایمان زورس، وضعیت اجتماعی-اقتصادی و سن بود. اهمیت متغیر تجمعی تصادفی نشان دهنده ارتباط قوی زایمان زورس با آریتمی و IHD در بین بیماری های قلبی مادر است. در گروه آریتمی، فیبریالسیون/فالتر دهلیزی مهم ترین عامل خطر برای زایمان زورس بر اساس ارزش توضیحی شاپرلی بود. نتیجه گیری: مدیریت دقیق بیماری قلبی مادر در دوران بارداری می تواند، به کاهش زایمان زورس کمک کند. یادگیری ماشینی یک مدل پیش بینی موثر برای پیش بینی زایمان زورس است و پیش بینی کننده های اصلی زایمان زورس نیز، بیماری های قلبی مادر مانند آریتمی و IHD است.

کلیدواژه ها:

زایمان زودرس ، بیماری قلبی ، مادر ، تجزیه و تحلیل یادگیری ، مدل ماشینی