Logistic回歸及決策樹模型在高齡剖宮產產婦產后出血影響因素分析中的應用

陳寧靜， 陳春榕，劉江英

(1. 泉州醫學高等專科學校護理學院，福建 泉州 362011；2. 福建醫科大學附屬泉州第一醫院產科，福建 泉州 362000)

高齡孕產婦是年齡在35周歲及以上的孕產婦[1]。近年來，我國高齡產婦的比例逐年增加，2016年上半年高齡孕產婦的比例已達到19.9%[2]。產后出血的定義是胎兒娩出24 h內，順產產婦的出血量>500 ml，剖宮產產婦的出血量>1000 ml[3]。目前對于產后出血影響因素的探討，多采用Logistic回歸。Logistic回歸是研究影響因素、建立模型的有效方法，可以充分說明自變量與因變量之間的數量依存關系。然而，當自變量個數較多時，回歸模型中自變量的交互效應不易體現[4]。決策樹模型可彌補Logistic回歸的不足，現已被廣泛應用于醫療衛生領域，如藥物性精神障礙[5]、術后子宮粘連[6]、心臟驟停風險等[7]早期預警。關于決策樹模型在產后出血影響因素分析中的應用，目前尚未見相關的報道。本研究通過描述高齡剖宮產產婦的一般情況，通過Logistic回歸及決策樹模型探討高齡剖宮產產婦產后出血的影響因素，比較兩種模型在產后出血應用的優缺點，對于早期識別高齡剖宮產產婦產后出血，加強預防與救治，實現對高齡剖宮產產婦的分級管理，降低高齡剖宮產產婦死亡率具有重要意義。

1 對象與方法

1.1 對象 本研究選擇泉州市某三級甲等醫院2016年7月—2017年12月的高齡剖宮產產婦共1479例有效病歷進行回顧性分析。納入標準：①年齡≥35周歲；②剖宮產分娩。排除標準：①年齡<35周歲；②順產分娩；③病歷信息嚴重缺失，影響分析者。本研究收集高齡剖宮產產婦的住院號、姓名、年齡、住院天數、凝血功能、宮縮情況、是否前置胎盤、是否胎盤早剝、是否胎盤植入、是否胎盤粘連情況、是否合并高血壓、是否合并糖尿病、是否產前貧血、是否發生子宮肌瘤、是否多胎妊娠、是否巨大兒、生育次數、流產次數、產程是否延長、是否發生產后出血等情況。

1.2 統計學方法 使用Epidata 3.1 錄入數據，并進行雙錄入檢驗、糾錯，保證數據準確無誤。使用SPSS 25.0進行統計分析，采用χ2檢驗做單因素分析，篩選有統計學意義的自變量后，采用LR向前法做Logistic回歸分析，并產生Logistic回歸模型的產后出血預測概率1。對產后出血有統計學意義的變量卡方自動交互檢測(chi-squared automatic interaction detector，CHAID)決策樹分析，相關設置如下：分割顯著性水準α設置為0.05，樹的生長層數為3層，停止規則α為0.05，母、子母節點最小樣本量分別設為50、10，并產生CHAID決策樹分析模型的產后出血預測概率2。在SPSS ROC 曲線分析中，選擇Logistic回歸模型的產后出血預測概率1，CHAID決策樹分析模型的產后出血預測概率2為測試變量，將實際是否發生產后出血為狀態變量，計算兩種模型的ROC曲線下面積(AUC)。以P<0.05為差異有統計學意義。

2 結果

2.1 高齡剖宮產產婦的基本情況 共有1479例高齡剖宮產產婦，平均年齡為(38.74±2.44)周歲，年齡在40周歲的有108例，占7.30%，5.27%(78例)的產婦有凝血功能障礙，2.50%(37例)的產婦發生宮縮乏力。分別有3.18%(47例)、4.73%(70例)、2.30%(34例)、3.58%(53例)的產婦合并前置胎盤、胎盤早期剝離、胎盤植入和粘連。妊娠合并高血壓和糖尿病的發生率分別為7.37%(109例)和3.18%(47例)。3.72%(55例)的孕產婦合并產前貧血以及26例(1.76%)孕產婦發生產后出血。

2.2 高齡剖宮產產婦產后出血的單因素分析 以是否發生產后出血為因變量，年齡、凝血功能、宮縮情況、是否前置胎盤、是否胎盤早剝、是否胎盤植入、是否胎盤粘連情況、是否合并高血壓、是否合并糖尿病、產程延長情況、是否產前貧血、是否發生子宮肌瘤、是否多胎妊娠、是否巨大兒、生育次數、流產次數等為自變量做χ2檢驗。χ2檢驗結果表明，凝血功能、宮縮情況、是否胎盤粘連、年齡、是否前置胎盤、是否產前貧血等因素有統計學意義(P<0.05)。見表1。

2.3 高齡剖宮產產婦產后出血的Logistic回歸模型 將χ2檢驗中有意義的變量，做二分類非條件Logistic回歸分析。結果顯示，相較于凝血功能正常的產婦，凝血功能障礙的產婦產后出血的風險增加(OR=10.842，P<0.001)；相比于宮縮正常的產婦，宮縮乏力的產婦越有可能發生產后出血(OR=9.997，P<0.001)；相比于不發生胎盤粘連的產婦，胎盤粘連產婦產后出血的風險增加(OR=9.457，P<0.001)；相比于年齡≤40周歲的產婦，年齡>40周歲的產婦越可能出現產后出血(OR=6.593，P<0.001)；相比于不發生前置胎盤的產婦，前置胎盤產婦產后出血的風險增加(OR=5.881，P=0.003)，見表2。Hosmer & Lemeshow Test結果顯示，χ2=2.701，P>0.05，表明模型擬合優度良好。根據Logistic多因素分析的結果，Logist(P)=2.383×凝血功能+2.302×宮縮情況+2.247×是否胎盤粘連+1.886×年齡+1.772×是否前置胎盤-5.260。

表1 1479例高齡剖宮產產婦產后出血的單因素分析

表2 多因素Logistic回歸分析結果

2.4 高齡剖宮產產婦產后出血的CHAID決策樹模型 決策樹共分為3層，分類結果見圖1。模型的分類準確率為80.2%，決策樹的第一層為是否發生凝血功能障礙，說明產婦的凝血功能與是否發生產后出血的關聯性最強，凝血功能障礙的產婦越有可能發生產后出血。在未發生凝血功能障礙的產婦中，與產后出血關系最密切的是胎盤是否發生粘連，胎盤粘連的產婦發生產后出血的風險越高。在未發生胎盤粘連的產婦中，宮縮情況對其發生產后出血的影響最大，宮縮乏力加大產婦產后出血風險。

圖1 高齡剖宮產產婦產后出血的CHAID決策樹模型

2.5 Logistic回歸模型及CHAID決策樹模型的AUC Logistic回歸模型的AUC及其95%CI為0.853(0.769～0.937)，靈敏度為0.846，特異度為0.818。CHAID決策樹模型的AUC及其95%CI為0.743(0.626～0.859)，靈敏度為0.577，特異度為0.904。從AUC來看，Logistic回歸模型及CHAID決策樹模型的AUC均>0.5，表明兩個模型對高齡剖宮產產婦發生產后出血的結局均具有一定的預警作用。CHAID決策樹模型的特異度較Logistic 回歸模型高，但靈敏度相對較低，具體見表3。

表3 Logistic回歸模型及CHAID決策樹模型的比較

3 討論

本研究Logistic多因素回歸模型結果表明，宮縮乏力、前置胎盤是高齡剖宮產產婦產后出血的危險因素。泉州市高齡剖宮產產婦產后出血率為1.76%，低于鞍山市的研究結果(10.90%)[8]，其可能的原因是，該研究中產婦宮縮乏力的發生率為24.29%高于本研究(2.50%)。泉州市高齡剖宮產產婦產后出血率也低于百色市的研究結果(12.98%)[9]，可能的原因是該研究中產婦前置胎盤的發生率為9.54%，高于本研究產婦前置胎盤的發生率3.18%，因而增大了產后出血的發生率。

本研究通過兩種模型研究發現，凝血功能障礙、宮縮乏力、胎盤粘連是高齡剖宮產產婦產后出血的危險因素，這與相關研究有相似的結論[10-11]。與未發生凝血功能障礙的孕產婦相比，發生凝血功能障礙的孕產婦，產后出血的風險加大，這與凝血酶原時間(PT)、活化部分凝血活酶時間(APTT)、纖維蛋白原(FIB)、國際標準化比值(INR)四項凝血指標發生改變，出血傾向加大有關。宮縮乏力常表現為子宮無法良好收縮或縮復，胎盤與子宮的附著面缺乏外力壓迫，血管的斷端無法閉合，因此導致產后出血的發生。胎盤粘連常于第三產程導致胎盤無法完全剝離，相應血管不能完全閉合，引起產后出血[11]。

本文首次將CHAID決策樹模型運用于高齡孕產婦產后出血的影響因素分析，故無法將本研究的決策樹模型結果與其他研究做比較。妊娠期子宮體積增大，壓力增加，子宮肌纖維水腫，如合并高血壓將引起血管痙攣、缺氧，導致子宮肌纖維斷裂，加重宮縮乏力，導致出血。然而，本研究通過Logistic多因素回歸模型可知，妊娠合并高血壓并未進入方程，這與王芳[12]的研究結果不一致。可能的原因為，本研究中妊娠合并高血壓的產婦，有82.8%者的血壓為收縮壓18.62～19.55 kPa和(或)舒張壓11.83～12.77 kPa。因此，妊娠合并高血壓對產后出血的影響無統計學意義。以往研究指出，胎兒體重過大，將導致子宮肌纖維過度伸長，可導致子宮肌層斷裂，引起子宮平滑肌收縮功能減弱，胎兒分娩后，對血竇壓迫作用減弱，導致出血[11]。但本研究發現，分娩巨大兒不是產婦產后出血的危險因素，其可能的原因為，剖宮產術對手術切口及肌層縫合，同時可能對未能及時閉合的血竇壓迫止血，因而胎兒過大導致血竇壓迫不良對產后出血的影響無統計學意義。曾義等[13]研究指出，產前貧血是產婦產后出血的危險因素。然而，本研究結果卻顯示，產前貧血在單因素分析中有統計學意義，但在多因素Logistic 回歸中無統計學意義，這可能與本研究中合并產前貧血的產婦，有78.7%者，其血紅蛋白濃度為93～98 g/L有關。

處于失血性休克代償期的高齡孕產婦，病情容易惡化，易轉入失血性休克失代償期。因此，對高齡剖宮產產婦的早期識別和干預，就顯得尤其重要[14]。產后出血的高危因素可作為孕產婦產后出血風險管理的參考指標，臨床上可強調對高危孕產婦的界定，并可根據孕產婦的實際情況采取不同的預防出血措施。在入院評估時，及時采集患者的信息，明確其可能發生產后出血的危險因素，將具有較高出血風險的患者作為干預的重點對象，加大對發生凝血功能障礙、宮縮乏力、胎盤粘連產婦的重視，根據其產后出血的風險情況，制定相應的工作計劃，采取具有針對性的防控措施。既能降低高齡剖宮產產婦產后出血的發生，降低高齡剖宮產產婦的死亡率，也有利于合理配置衛生和人力資源。

Logistic回歸模型展示了自變量與因變量的數量依存關系，本研究中凝血功能障礙、宮縮乏力、胎盤粘連、年齡、前置胎盤作為影響產后出血的影響因素(OR=10.842，P<0.001；OR=9.997，P<0.001；OR=9.457，P<0.001；OR=6.593，P<0.001；OR=5.881，P=0.003)。然而，各自變量間的交互作用在Logistic回歸模型中無法很好地體現。而決策樹模型在篩選自變量時不受變量是否具有相關關系的影響，各自變量之間的交互作用因而能被體現出來[15]。例如，在本研究的決策樹模型中，是否胎盤粘連是未發生凝血功能障礙的產婦中發生產后出血的影響因素，而是否胎盤粘連在已發生凝血功能障礙的產婦中沒有意義。決策樹模型還可以清晰顯示，各自變量對因變量作用的重要程度。例如，是否發生凝血功能障礙是產后出血的第一層因素，由此可以說明，凝血功能是影響產后出血的最重要因素。但與Logistic回歸模型相比，CHAID決策樹模型無法輸出OR值，不利于比較某種因素發生產后出血風險的相對情況。同時，由于決策樹的分析結果，常常受實際數據控制，因葉子節點的數量而異，相對不穩定[16]。

本研究旨在為高齡剖宮產產婦產后出血影響因素的分析提供思路和方法，Logistic回歸模型及CHAID決策樹模型在產后出血的影響因素分析中各有優缺點。因此，在今后的研究中，建議將兩種模型結合使用，更好地識別高危人群，做好預防及救治工作。