Prediction of pregnancy outcomes in women with systemic lupus erythematosus before pregnancy: Application of machine learning models
Notice bibliographique
Résumé
Introduction: Fetal loss is possible during pregnancy in women with systemic lupus erythematosus (SLE). Predicting pregnancy outcomes for women with SLE can be an effective aid in providing consultation and treatment services. Therefore, this study aimed to develop a machine-learning model that could predict pregnancy outcomes before pregnancy in women with SLE. Methods: The data of all pregnant women referred to the rheumatology center of Shariati Hospital and a specialized rheumatology clinic since 1980 were retrospectively collected from their medical records. Data collection was done by gathering 26 variables that affect pregnancy outcomes. Then, we used standard algorithms to select important features that affect pregnancy outcomes before pregnancy (11 different feature sets). A variety of machine learning algorithms were trained using both imbalanced and balanced datasets in Clementine and Weka software. Finally, the model with a higher area under the receiver operating characteristic curve (AUC) and F-score was selected to predict pregnancy outcomes. Results: Out of 149 pregnancies, 46 pregnancies resulted in spontaneous abortion, while 103 pregnancies resulted in live birth. Compared with other models, the Chi-square automatic interaction detection (CHAID) decision tree was selected as the best-performing model with higher accuracy (93.5 %), specificity (92.9 %), sensitivity (93.8 %), precision (97 %), F-score (0.95), and AUC (0.96). Conclusion: By using the CHAID decision tree to predict the outcome of pregnancy in women with SLE and extracted rules, it is possible to use appropriate methods that prevent spontaneous abortion and also provide timely consultation to women with SLE for making decisions to become pregnant.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».