자간전증 위험 예측 모델

연구 대상:

이것은 전향적 연구입니다. 북경대학교 제3병원 산부인과에서 정기 산전 검사를 받을 약 2000명의 임산부. 임신 6-8주 동안 산과 기록을 수립하기 전에 간 기능과 같은 일상적인 실험실 검사가 필요했습니다. 일상적인 실험실 테스트에서 남은 혈청은 분만 후 생물학적 마커 검출을 위해 수집되어 -80℃에서 동결됩니다.

16-18GW, 26-28GW, 30-34GW에서 산전 검사와 함께 일부 일상적인 실험실 테스트가 수행됩니다. 참가자의 나머지 혈청은 일상적인 검사가 완료되면 수집됩니다.

참가자로부터 추가 혈액 샘플을 채취하지 않습니다.

품질 보증 계획:

1. 정확한 사례를 얻기 위해 환자 정보와 재태 연령을 주의 깊게 확인하십시오.
2. 용혈, 지질 혼탁 및 황달의 샘플은 실험 결과에 방해가 되지 않도록 제거해야 합니다.
3. 혈청을 동결보존 튜브에 넣고 즉시 -70℃에 보관하였다.
4. 교정 및 품질 관리는 테스트의 각 배치에 대해 수행되어야 합니다. 품질 관리 결과를 기록하고 관리 후 테스트를 시작하십시오.

데이터 사전:

(1) 연구 대상의 일반 정보: 임신 6~8주에 자간전증의 위험인자에 대한 자료를 수집하였으며, 연령, 초산 또는 다산, 다태아, 임신 전 체질량지수, 자간전증 이력, 기저 수축기 혈압, 기초 확장기 혈압, 고혈압 병력, 신장 병력, 당뇨병 병력, 자가 면역 병력 등 위의 기록은 의료 기록 시스템에서 얻을 수 있습니다.

(3) 일상적인 실험실 테스트의 테스트 결과: 총 콜레스테롤, 중성 지방, 고밀도 지단백 콜레스테롤, 저밀도 지단백 콜레스테롤 및 지단백 a 및 C 반응성 단백질, 알라닌 아미노 전이 효소, 아스파르트산 아미노 전이 효소, 젖산 탈수소 효소, 요소, 요산, 크레아티닌 및 시스타틴 C, D-dimer, 호중구 및 림프구 비율, 혈소판 및 림프구 비율 등, 위의 테스트 결과는 전자 의료 기록 시스템에서 조회할 수 있습니다.

(4) 생물학적 표지자 검출: 전달 후 보체 인자 B, 보체 인자 H, C3, 보체 C4, 매트릭스 메탈로프로테이나제 7, 태반 단백질 13과 같은 2000명의 참가자의 6-8GW 샘플로 생체 표지자를 테스트합니다. , 가용성 혈관 내피 성장 인자 수용체 1, 태반 성장 인자, 피브로넥틴 등

(5) 데이터베이스 구축 : 위의 원본 데이터를 데이터베이스에 입력한다.

샘플 크기: 자간전증 발생률이 3%에서 8%인 2000명의 참가자 중 약 100명에서 160명의 자간전증 환자를 수집합니다.

누락된 데이터는 실제 조건에 따라 데이터 불일치 또는 범위를 벗어난 결과로 인해 누락, 사용 불가능, 보고되지 않음, 해석 불가능 또는 누락된 것으로 보고됩니다.

통계 분석 계획:

단변량 로지스틱 회귀 모델을 사용하여 산모의 임상 데이터, 일상적인 실험실 검사 및 임신 초기의 생물학적 지표를 "중요 지표" 및 "일반 지표"의 두 가지 범주로 나누었습니다.

데이터 세트는 자간전증 위험 예측 모델의 훈련과 테스트를 위해 각각 3:1 비율로 훈련 세트와 테스트 세트로 나누었습니다.

훈련 세트에서 자간전증이 없는 임산부의 샘플을 세 개의 하위 집합 A, B 및 C로 고르게 나누고 훈련 세트에서 자간전증 환자의 샘플 세트를 세트 D라고 합니다. 두 세트 A와 D로 딥 러닝 모델을 구축하고, 두 세트 B와 D로 딥러닝 모델을 만들고 C와 D 두 세트로 A 딥러닝 모델을 만듭니다. 이 세 모델을 차례로 모델 1, 모델 2, 모델 3이라고 합니다.

모델 테스트 방법:

테스트 세트의 각 샘플의 데이터를 위의 3가지 딥러닝 모델에 대입하여 각 샘플의 출력값 3개를 구한 후 세 수의 평균값을 기반으로 각 샘플의 종류에 대한 예측을 구한다. 그런 다음 예측 결과를 샘플 레이블과 비교하여 모델을 평가합니다.