论文部分内容阅读
目的了解广州地区产妇在产后4-6周的抑郁状态并分析原因;分析不同人口特征、社会心理学资料及产科资料对产妇产后抑郁的影响;联合多个影响因素,通过机器学习算法进行产后抑郁预测模型构建,为产后抑郁发病风险的早期预测提供简易灵敏、方便可行的工具,并为后期产后抑郁的预防和干预提供参考依据。方法本研究通过对2017年8月到2018年7月在广州某三级甲等妇幼专科医院分娩并且符合纳入标准的2396例产妇进行产后4-6周问卷随访。采用自制的产妇产后4-6周随访问卷调查研究对象人口、社会心理学资料及部分围产期检查资料;通过爱丁堡产后抑郁量表了解研究人群抑郁发病情况;通过医院电子病案系统采集产科资料。使用EpiData 3.1软件对数据进行录入;用SPSS 22.0对产后抑郁的可能因素进行探究分析,认定P<0.05时差异有统计学意义;运用Weka 3.9软件的7种经典机器学习算法进行预测模型的构建。结果1.产后抑郁的发生状况及影响因素分析在本研究2396例产后4-6周产妇中,981例(40.9%)产妇发生产后抑郁;产妇及配偶的年龄、文化程度、收入水平、产妇是否独生子女、出院后做月子场所、家庭关系、产次及此次分娩方式等21个特征指标与产妇产后抑郁有关(p<0.05);Logistics回归分析显示产妇配偶平均月收入>10000元(OR=0.471,95%CI:0.227~0.974),产妇与丈夫父母关系很好(OR=0.359,95%CI:0.144~0.892)是抑郁的保护因子;产妇是独生子女(OR=1.429,95%CI:1.043~1.957),近一年有过生活压力事件(OR=2.531,95%CI:1.500~4.270),宝宝混合喂养(OR=1.979,95%CI:1.095~3.578)及人工喂养(OR=1.598,95%CI:1.210~2.112)均是产后抑郁的危害因子(P<0.05)。2.产后抑郁预测模型构建的几种算法比较基于上述有统计学意义的21个特征指标构成数据集,进行数据预处理,运用Weka软件工具中贝叶斯网络等7种经典机器学习算法进行预测模型构建及性能比较,结果显示在F1度量、ROC曲线下面积上,贝叶斯网络模型都取得较好的预测效能,分别为71.4%、76.3%;在运行速度上,贝叶斯网络效率最高为0.01秒,最后总结得出贝叶斯网络是产后抑郁最好的预测模型算法这一结果。结论1.广州地区产后4-6周PPD发生率较高,与筛查时间、筛查工具及人群特征有关;2.产后抑郁的影响因素多种多样,产妇配偶的收入高、产妇与丈夫父母的关系很好都有利于PPD风险降低;独生子女、经历生活压力事件、非母乳喂养的产妇均是产后抑郁的高风险人群;3.贝叶斯网络算法是产后抑郁预测模型最优算法,未来可进一步将模型实体化投入使用,帮助临床做决策。