2026-10-11T22:51:33Z https://www.scidb.cn/oai

10.57760/sciencedb.07781 2024-05-10T11:06:24Z

2024-05-10 Application of Early Pregnancy Plasma AEA Levels Combined with Clinical and Laboratory Indicators in Predicting the Risk of Preeclampsia Based on Machine Learning: A Retrospective Study doi:10.57760/sciencedb.07781 en 目的：安非他命（AEA）与子痫前期的早期不良事件密切相关。本研究旨在调查妊娠早期孕妇血浆中AEA的水平，并分析其在预测先兆子痫风险方面的价值。方法：共纳入200例子痫前期孕妇和200例正常孕妇。收集妊娠早期（6-12周）的外周血样本。通过灵敏度、特异性、阳性预测值、阴性预测值计算和受试者工作特征 （ROC） 曲线分析来评估机器学习模型的预测性能。结果：子痫前期孕妇外周血AEA水平为4.09±1.66 pmol/ml，低于正常组的5.67±1.30 pmol/ml（P<0.001）。相关性分析表明，AEA与子痫前期呈负相关（R=-0.47，P<0.001）。包含 AEA 的预测模型显示最佳曲线下面积 （AUC） 为 0.95，优于没有 AEA 的模型，后者的最佳 AUC 为 0.923。结论：利用血浆AEA水平和临床指标建立的预测模型可作为预测子痫前期的有效工具。它可以区分最早可能在怀孕三个月后发生子痫前期的患者。关键词：机器学习;安非他命;内源性大麻素;先兆子痫;预测模型 Keywords: Machine Learning; Anandamide; Endocannabinoids; Preeclampsia; Predictive Model Yuxiu Wang PUBLIC https://creativecommons.org/publicdomain/zero/1.0/ dataset Science Data Bank