一种用于辅助生殖技术的妊娠风险影响因素的预测模型及其构建方法
本发明涉及生物医学,具体涉及一种用于辅助生殖技术的妊娠风险影响因素的预测模型及其构建方法。
背景技术:
1、辅助生殖技术(assisted reproduction, art)是一种能提供更多可选生育方式的常用技术。目前,随着高龄妊娠及产妇增加的趋势,以辅助生殖技术代替自然受孕的趋势也逐渐增加。然而,随着男性、女性年龄的增加,其体质量指数(bmi)也逐渐增加,art受孕率会逐渐降低,流产风险增高。同时,根据是否具有继发性疾病,女性可分为原发性不孕及继发性不孕;根据男性不育时间是否超过一年,男性可分为原发性不育及继发性不育,不同的不孕不育类型在art中的助孕方式不同,结局差异较大,因此,探究多维度因素在art结局中的影响机制与预测研究具有重要意义。
2、虽然有研究发现,临床妊娠率、活产率可能与夫妻双方年龄、bmi、继发疾病状况等因素相关,但目前仍缺乏有效的、可根据不同不孕不育类型对妊娠风险的影响因素进行的预测模型,从而准确预测妊娠风险的正向及负向影响因素,减轻art受孕患者的心理负担,也使临床干预更有针对性,更为合理的分配临床资源。
技术实现思路
1、本发明的目的在于提供一种用于辅助生殖技术的妊娠风险影响因素的预测模型及其构建方法。
2、为了实现上述发明目的,本发明提供了一种用于辅助生殖技术的妊娠风险影响因素的预测模型的构建方法,包括以下步骤:
3、s1、获取样本的临床资料数据,对样本的临床资料数据进行统计学分析处理,得到样本的统计学数据;将样本数量的60-80%作为训练集,余量作为测试集;所述统计学分析处理包括:连续数据以平均值(标准差)表示,分类变量以频率(百分比)表示;
4、s2、基于样本的统计学数据中各个因素对妊娠风险的相关性进行单因素分析,筛选出其中对妊娠风险的相关性达到预设值的因素,作为单因素分析结果(影响妊娠风险的主要因素);其中,连续数据的因素采用非参数检验(mann-whitney u检验)进行相关性分析;分类变量的因素采用卡方检验进行相关性分析;
5、s3、基于单因素分析结果分别构建广义线性逻辑回归模型和xgboost模型,分别得到广义线性逻辑回归预测模型和xgboost预测模型;
6、s4、基于测试集分别对广义线性逻辑回归预测模型和xgboost预测模型的性能进行评估,并根据评估结果,分别对广义线性逻辑回归预测模型和xgboost预测模型进行优化,得到用于辅助生殖技术的妊娠风险影响因素的预测模型(包括优化后的广义线性逻辑回归预测模型和xgboost预测模型)。
7、本发明一种用于辅助生殖技术的妊娠风险影响因素的预测模型的构建方法,基于育龄女性行辅助生殖技术的临床资料数据,依次利用matlab(非参数检验、卡方检验)进行单因素分析,并基于单因素分析结果,构建广义线性逻辑回归预测模型和xgboost预测模型模型进行妊娠风险影响相关性的多因素分析,预测妊娠风险影响因素;该模型能准确预测妊娠风险的正向影响因素,有效减轻一部分有art受孕患者的心理负担,从而使临床干预更有针对性,更有利于合理分配临床资源,适合大规模推广应用。
8、其中,步骤s1中,优选的,所述临床资料数据包括:年龄、bmi、教育水平、取卵周期(orc)、不孕年限(di)、女内分泌抗缪勒管激素(amh)、女内分泌促卵泡生成激素(fsh)、女内分泌黄体生成素(lh)、女内分泌催乳素(prl)、女bmi、卵泡数(afc)、男内分泌黄体生成素(lh)、精液常规活率(sm)、精液常规a(sa)、第一次前向运动精子率(pr)、卵子总数(toc)、可利用胚胎数(ue)、本周期囊胚形成率(bfr)、优质囊胚数(gb)、优良胚胎数(gqe)、优质胚胎率(gqer)、受精卵子总数(tfo)、成熟卵子总数(tmo)、正常受精卵子总数(tnfo)、卵裂卵子总数(tco)、移植优质胚胎数(tgqe)、孕周数(gw)、着床胚胎(ie)、女内分泌指标如雌二醇(e2)、女内分泌促黄体生成素(lh)、女内分泌孕酮(p)、女内分泌睾酮(t)、男内分泌促卵泡生成激素(fsh)、男内分泌睾酮(t)以及精液常规量(sv)、精液常规b(sb)、精液常规浓度(sc)、男bmi、合计受精率(tfr)、合计正常受精率(tnfr)、移植胚胎总数(tte)、合计正常卵裂率(tcncr)、合计卵裂率(tcr)、移植胚胎个数(tqe)、孕周数(gw)和着床胚胎(ie)、女内分泌雌二醇(e2)、女内分泌睾酮(t)、男内分泌促卵泡生成激素(fsh)、男内分泌睾酮(t)、精液常规量(sv)、精液常规b(sb)、合计受精率(tfr)、合计正常受精率(tnfr)、移植胚胎总数(tte)、合计正常卵裂率(tcncr)和移植胚胎个数(tqe)。
9、优选的,所述样本的排除标准包括:无法判断男性和女性不孕不育情况的样本,超出人类生理范围的异常值的样本(如:体重、身高、bmi、afc、可利用胚胎数、优质胚胎率、囊胚形成率、内分泌lh女、内分泌p女、精液常规活率、精液常规量、精液常规浓度和第一次pr等超出人类生理范围的样本)或临床资料数据缺失的样本。
10、优选的,采用r软件4.4.1版本对样本的临床资料数据进行统计学分析处理。
11、优选的,连续数据使用student 's t检验;分类变量以频率(百分比)表示,使用χ2检验或fisher精确检验比较组间的差异;通过检验排除误差数据。
12、优选的,所述样本中,女性样本根据不孕情况分为原发不孕和继发不孕;男性样本根据不育情况(未避孕未育超过一年)分为原发不育和继发不育。
13、优选的,根据样本的不孕不育类型,将样本分为:原发不孕原发不育组、继发不孕继发不育组、原发不孕继发不育组和继发不孕原发不育组;然后对每组样本采用上述方法分别构建用于辅助生殖技术的妊娠风险影响因素的预测模型。
14、优选的,每组样本的数量不低于400。
15、其中,步骤s2中,所述预设值为:h=1且p<0.05。
16、其中,步骤s4中,优选的,所述评估的方法包括:(1)对广义线性逻辑回归预测模型的比值比or、置信区间和p值,并通过受试者工作特征曲线、局部加权的校正曲线、决策曲线对预测模型的区分度、校准度、临床有效性和净获益进行评估;(2)通过受试者工作特征曲线、局部加权的校正曲线、决策曲线对预测模型的区分度、校准度、临床有效性和净获益对xgboost预测模型进行评估。
17、优选的,采用roc曲线对广义线性逻辑回归预测模型和xgboost预测模型的性能进行评估。
18、优选的,预测模型评估符合要求的标准为:广义线性逻辑回归预测模型roc曲线的auc大于等于0.6;xgboost预测模型roc曲线的auc大于等于0.6。
19、优选的,所述预测模型的优化方法包括但不限于:增加样本数量。
20、为了实现上述发明目的,进一步的,本发明还提供了一种用于辅助生殖技术的妊娠风险影响因素的预测模型,所述预测模型是通过上述方法构建得到的。
21、为了实现上述发明目的,更进一步的,本发明还提供了一种用于辅助生殖技术的妊娠风险影响因素的预测模型的应用,用于预测辅助生殖技术中影响妊娠风险的因素。
22、优选的,应用方法包括:将xgboost预测模型进行shap分析。shap(shapleyadditive explanations)用于解释xgboost模型的特征重要性和每个特征对预测结果的影响,其中特征按对模型输出影响的平均绝对值从上到下排序;水平轴表示特征对模型预测的影响,值为正时,表示该特征推动最终预测值更高;值为负时,表示特征推动最终预测值更低。
23、一种用于辅助生殖技术的妊娠风险影响因素的预测装置,所述预测装置能够运行上述预测模型;该预测装置可以用于预测影响辅助生殖技术妊娠风险的因素。
24、本发明有益效果
25、1、本发明用于辅助生殖技术的妊娠风险影响因素的预测模型的构建方法,依次利用matlab(非参数检验、卡方检验)进行单因素分析,并基于单因素分析结果,构建广义线性逻辑回归预测模型和xgboost预测模型模型进行妊娠风险影响相关性的多因素分析,预测妊娠风险影响因素。
26、2、本发明用于辅助生殖技术的妊娠风险影响因素的预测模型能准确预测妊娠风险的正向影响因素,有效减轻一部分有art受孕患者的心理负担,从而使临床干预更有针对性,更有利于合理分配临床资源,适合大规模推广应用。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com