目的建立基于阴囊超声参数及机器学习的中重度生精功能障碍风险评分系统并探讨其价值。方法回顾性队列分析2021年6月至2022年12月期间在滨州医学院附属医院生殖医学科确诊无精子症、中重度少、弱精子症患者112例及同期在本院因不孕而就...目的建立基于阴囊超声参数及机器学习的中重度生精功能障碍风险评分系统并探讨其价值。方法回顾性队列分析2021年6月至2022年12月期间在滨州医学院附属医院生殖医学科确诊无精子症、中重度少、弱精子症患者112例及同期在本院因不孕而就诊的116例生精功能正常男性的阴囊超声参数。分别使用随机森林、支持向量机、逻辑回归、K-最近邻算法、XGBoost构建模型。综合各模型各参数的平均沙普利可加性模型解释方法值构建风险评分系统。通过受试者工作特征曲线评估模型的预测效能,临床决策曲线评估模型的临床应用价值。结果评分系统包括双侧睾丸总体积、睾丸回声是否均匀,右侧精索静脉内径及精索静脉曲张血液反流时间。风险评分系统训练集的曲线下面积(area under the curve,AUC)为0.757,测试集AUC为0.718,决策曲线显示该评分系统具有较高的临床价值。结论基于阴囊超声参数及机器学习建立风险评分系统可有效预测中重度生精功能障碍,对此类患者的早发现有着积极意义。展开更多
文摘目的建立基于阴囊超声参数及机器学习的中重度生精功能障碍风险评分系统并探讨其价值。方法回顾性队列分析2021年6月至2022年12月期间在滨州医学院附属医院生殖医学科确诊无精子症、中重度少、弱精子症患者112例及同期在本院因不孕而就诊的116例生精功能正常男性的阴囊超声参数。分别使用随机森林、支持向量机、逻辑回归、K-最近邻算法、XGBoost构建模型。综合各模型各参数的平均沙普利可加性模型解释方法值构建风险评分系统。通过受试者工作特征曲线评估模型的预测效能,临床决策曲线评估模型的临床应用价值。结果评分系统包括双侧睾丸总体积、睾丸回声是否均匀,右侧精索静脉内径及精索静脉曲张血液反流时间。风险评分系统训练集的曲线下面积(area under the curve,AUC)为0.757,测试集AUC为0.718,决策曲线显示该评分系统具有较高的临床价值。结论基于阴囊超声参数及机器学习建立风险评分系统可有效预测中重度生精功能障碍,对此类患者的早发现有着积极意义。
