[发明专利]产后出血预测方法、装置、终端及存储介质

说明书

本申请适用于临床预测技术领域，提供一种产后出血预测方法、装置、终端及存储介质，其中方法包括：根据预定标准，采集孕产妇临床数据；获取产前变量、产时变量和产后变量；基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量构建第一模型；基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量和产时变量构建第二模型；基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量和产时变量构建第三模型；基于人工神经网络和极端梯度推进算法，结合产前变量、产时变量和产后变量构建第四模型。本申请能够准确、高效预测产后是否会引发出血，以及出血的严重程度。

技术领域

本申请属于预测技术领域，尤其涉及一种产后出血预测方法、装置、终端及存储介质。

背景技术

产后出血(postpartum hemorrhage，PPH)可导致多种并发症，例如，围产期子宫切除、多器官衰竭、弥散性血管内凝血障碍和席汉氏综合征等，严重者甚至死亡。可见，降低产后出血率对于降低孕产妇死亡率和保障母婴健康及安全具有重要意义。研究表明，如果及时采取恰当的早期临床干预措施，大多数与产后出血相关的死亡可以避免，其中，早期干预措施包括：充分的围分娩前准备、精准备血、合适的分娩时机和方式、及时的救治等。

同时，现有技术中针对普通人群孕妇经阴道分娩或剖宫产分娩、或疤痕子宫、或前置胎盘、或子痫前期的孕妇开发了几个产后出血临床预测模型。然而，由于数据质量差或缺乏外部验证以及样本量不足等，这些模型被认为具有较高的偏倚风险。此外，这些模型只能分别识别处于某一种产后出血高风险的妇女，且不能准确预测产后出血的严重程度，从而导致延误诊治，甚至导致严重的围产期风险。

发明内容

鉴于此，本申请实施例提供一种产后出血预测方法、装置、终端及存储介质，以解决上述技术问题。

本申请实施例的第一方面提供了一种产后出血预测方法，包括：

根据预定标准，采集孕产妇临床数据；

对临床数据进行高级筛选，以获取若干候选独立变量，并对独立变量进行分类，以获取产前变量、产时变量和产后变量；

基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量构建第一模型，以在分娩前不考虑分娩方式的前提下，通过第一模型预测是否会发生产后出血，以及：

基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量和产时变量构建第二模型，以在分娩方式为剖宫产时，通过第二模型预测是否会发生产后出血，以及：

基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量和产时变量构建第三模型，以在分娩方式为阴道分娩时，通过第三模型预测是否会发生产后出血，以及：

基于人工神经网络和极端梯度推进算法，结合产前变量、产时变量和产后变量构建第四模型，以在分娩方式为剖宫产或阴道分娩时，通过第四模型预测产后出血严重程度。

本申请实施例的第二方面提供了一种产后出血预测装置，包括：

采集模块，用于根据预定标准，采集孕产妇临床数据；

筛选模块，用于对临床数据进行高级筛选，以获取若干候选独立变量，并对独立变量进行分类，以获取产前变量、产时变量和产后变量；

构建模块，用于基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量构建第一模型，以在分娩前不考虑分娩方式的前提下，通过第一模型预测是否会发生产后出血，以及：

基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量和产时变量构建第二模型，以在分娩方式为剖宫产时，通过第二模型预测是否会发生产后出血，以及：

基于人工神经网络、支持向量机、极端梯度推进算法，结合产前变量和产时变量构建第三模型，以在分娩方式为阴道分娩时，通过第三模型预测是否会发生产后出血，以及：