[发明专利]一种用损失函数揭示孕期疾病和出生结局风险因素的方法

权利要求书

1.一种对预测变量的重要性进行研究的方法，其特征在于，所有预测变量均为分类变量，将其中某一预测变量移除后，采用损失增加百分比来描述该预测变量的重要性；

具体步骤包括：

(1)建立机器学习模型，利用所有预测变量对结局变量进行预测；

(2)运行模型，计算包含所有预测变量的模型损失值loss_j；

(3)去掉其中一个预测变量，计算去掉该预测变量的模型损失值loss_j-1；

(4)根据公式计算得到去掉该预测变量的损失增加百分比；

(5)重复步骤(3)和(4)，计算出去掉每一个预测变量所对应的损失增加百分比，并进行从大到小排序，得到所有预测变量的重要性排序。

2.如权利要求1所述的一种对预测变量的重要性进行研究的方法，其特征在于，当所述结局变量为二分类结局变量时，包含所有预测变量的模型损失值loss_j计算公式为，

去掉一个预测变量，模型损失值loss_j-1计算公式为，

其中对数计算是以2为底，y_i是结局变量，p_i是根据所述机器学习模型计算得到的结局变量的预测概率,n是样本数量,j是预测变量的个数。

3.如权利要求1所述的一种对预测变量的重要性进行研究的方法，其特征在于，当结局变量为多分类结局变量时，包含所有预测变量的模型损失值loss_j计算公式为：

去掉一个预测变量，模型损失值loss_j-1计算公式为：

其中，对数计算是以2为底，y_i,c是结局变量，p_i,c是预测结局发生的概率,n是样本数量,c是结局变量的种类数，j是预测变量的个数。

4.如权利要求2或3所述的一种对预测变量的重要性进行研究的方法，其特征在于，

所述结局变量为出生结局变量，包括三种，分别是：(1)早产与足月，(2)新生儿Apgar得分低于7，Apgar评分大于或等于7，(3)新生儿出生体重，小于2500g为低出生体重，正常体重在2500g-4000g之间，大于4000g为巨大儿；

所有上述预测变量均为分类变量，具体包括以下几种：

(1)连续型整数变量：孕产妇年龄、孕次、孕次、胎儿数量均为连续型整数变量；

(2)三分类变量：职业为三分类变量，分别为公司职员、其他职业以及失业；

(3)二分类变量：

(A)民族：二分类变量，分为汉族和其他；

(B)引产、疤痕子宫、子宫切除、前置胎盘、胎盘早剥：分为有和没有；

(C)妊娠糖尿病、妊娠期高血压、先兆子痫、严重先兆子痫、发热、HELLP综合征、肾脏疾病：分为患病与不患病；

(D)胎儿性别：分为男性和女性；

(E)两次TSH联合诊断生化指标CTB:二分类变量，对CTB进行如下定义，如果孕前促甲状腺素TSH或者孕早期TSH水平有一次小于0.1mIU/L，则认为是低CTB，如果两次TSH水平均＝0.1mIU/L，则视为正常。

5.一种用于预测出生结局的方法，其特征在于，预测变量包括两次TSH联合诊断生化指标CTB，CTB为二分类变量，如果孕妇在孕前TSH或者孕早期TSH水平有一次小于0.1mIU/L，则认为是低CTB，如果两次TSH水平均＝0.1mIU/L，则视为正常。