河南農(nóng)村育齡婦女妊娠等待時(shí)間影響因素分析及生育能力預(yù)測(cè)模型比較研究.pdf

1、流行病學(xué)調(diào)查顯示，近年來(lái)育齡婦女生育能力呈下降趨勢(shì)，計(jì)劃受孕人群生育能力已經(jīng)成為當(dāng)前女性生殖健康研究的熱點(diǎn)之一。生育能力評(píng)價(jià)的直接評(píng)價(jià)指標(biāo)則是妊娠等待時(shí)間（Waiting Time to Pregnancy,TTP），即夫婦雙方在未避孕且規(guī)律性生活開(kāi)始到達(dá)到妊娠所經(jīng)歷的時(shí)間。目前，TTP相關(guān)研究主要集中的歐美地區(qū)，而國(guó)內(nèi)的相關(guān)研究非常少。此外，大部分妊娠等待時(shí)間影響因素的相關(guān)研究均為回顧性研究。目前，在信息技術(shù)迅猛發(fā)展，數(shù)據(jù)量高速膨脹、

2、數(shù)據(jù)類型日益豐富、數(shù)據(jù)管理和分析需求不斷提升的當(dāng)前社會(huì)，面對(duì)具有復(fù)雜數(shù)據(jù)結(jié)構(gòu)和非線性關(guān)系的大數(shù)據(jù)，傳統(tǒng)的統(tǒng)計(jì)學(xué)理論在理論研究和應(yīng)用實(shí)踐方面面臨著諸多挑戰(zhàn)，而為了能夠有效利用大數(shù)據(jù)中存在的關(guān)系和規(guī)則，利用大數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)，必須利用數(shù)據(jù)挖掘的方法，通過(guò)機(jī)器學(xué)習(xí)的方式來(lái)模擬人類的學(xué)習(xí)方式，通過(guò)對(duì)數(shù)據(jù)對(duì)象之間關(guān)系的分析，提取出隱含在數(shù)據(jù)中的模式。數(shù)據(jù)挖掘技術(shù)在社會(huì)科學(xué)以及自然科學(xué)多個(gè)領(lǐng)域的研究已日益成熟，但在生殖健康領(lǐng)域的應(yīng)用仍然較少

3、，如何能夠?qū)?shù)據(jù)挖掘方法應(yīng)用到生育能力預(yù)測(cè)，選擇合適的算法，通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)生育能力進(jìn)行預(yù)測(cè)，將成為生殖流行病學(xué)研究中的一個(gè)重要研究方向。
　　研究目的:
　　本研究主要對(duì)河南農(nóng)村地區(qū)女性妊娠等待時(shí)間的影響因素進(jìn)行了分析，探索并建立基于數(shù)據(jù)挖掘技術(shù)的生育能力預(yù)測(cè)模型，并對(duì)模型的預(yù)測(cè)能力進(jìn)行比較。具體目的為：(1)研究參檢人群生育能力的基本情況，通過(guò)分析參加孕前檢查的農(nóng)村育齡婦女的中位受孕時(shí)間以及累積受孕概率來(lái)對(duì)妊娠等待時(shí)間

4、進(jìn)行評(píng)價(jià);(2)采用多種統(tǒng)計(jì)模型，探索現(xiàn)有數(shù)據(jù)中對(duì)妊娠等待時(shí)間的影響因素，并分析影響因素對(duì)于妊娠等待時(shí)間的影響程度大小及趨勢(shì)。(3)采用Logistic回歸、決策樹(shù)及隨機(jī)森林算法分別建立參檢人群生育能力預(yù)測(cè)模型，并對(duì)三種模型的預(yù)測(cè)能力以及泛化能力進(jìn)行比較。
　　研究方法:
　　數(shù)據(jù)來(lái)源于2014年河南省國(guó)家免費(fèi)孕前健康檢查項(xiàng)目數(shù)據(jù)。入選標(biāo)準(zhǔn)為女性年齡在15-49歲，目前未受孕，且在六個(gè)月內(nèi)準(zhǔn)備懷孕的人群。參檢人群在基線調(diào)查后

5、，研究人員將對(duì)其開(kāi)展為期1年的早孕隨訪以及1年的妊娠結(jié)局隨訪，所有信息均通過(guò)電子化的數(shù)據(jù)采集系統(tǒng)進(jìn)入中心數(shù)據(jù)庫(kù)。本研究排除了自報(bào)不孕不育者以及調(diào)查中回答未做好懷孕準(zhǔn)備者，最終確定研究人群為568850例。
　　在第一部分研究中，首先對(duì)數(shù)據(jù)進(jìn)行了清洗及預(yù)處理，之后對(duì)數(shù)據(jù)進(jìn)行了基本統(tǒng)計(jì)描述。對(duì)于妊娠等待時(shí)間的評(píng)價(jià)，本研究采用中位受孕時(shí)間以及累積受孕概率及基于生存分析Kaplan-Meier法的累積受孕概率曲線來(lái)進(jìn)行評(píng)價(jià)及比較。對(duì)于妊娠

6、等待時(shí)間的影響因素分析，本研究主要采用Cox比例風(fēng)險(xiǎn)回歸模型，并計(jì)算受孕概率比值及其95％可信區(qū)間。同時(shí)，對(duì)于月經(jīng)初潮年齡等定量變量，本研究采用了限制性立方樣條回歸模型，通過(guò)繪制樣條回歸曲線以直觀的分析定量暴露因素和應(yīng)變量之間的關(guān)系。在第二部分研究中，首先對(duì)數(shù)據(jù)進(jìn)行了清洗、缺失值填補(bǔ)以及其他預(yù)處理，其次采用逐步回歸以及共線性診斷的方法進(jìn)行了變量篩選以進(jìn)一步簡(jiǎn)化模型。分別利用Logistic回歸模型、決策樹(shù)（CART樹(shù)）模型以及隨機(jī)森林模

7、型建立預(yù)測(cè)模型，并通過(guò)交叉驗(yàn)證的方法進(jìn)行參數(shù)調(diào)整以選擇最優(yōu)模型。采用準(zhǔn)確率、混淆矩陣以及ROC曲線下面積對(duì)模型的預(yù)測(cè)判別能力進(jìn)行了比較，并隨機(jī)抽取了150，000例2012-2013年參檢人群的數(shù)據(jù)，通過(guò)數(shù)據(jù)預(yù)處理后，作為測(cè)試集，將2014年經(jīng)預(yù)處理后的全部數(shù)據(jù)作為訓(xùn)練集，測(cè)試模型的泛化能力。
　　研究結(jié)果:
　　1、妊娠等待時(shí)間流行病學(xué)影響因素分析
　　研究結(jié)果顯示，低年齡組、教育程度較低以及農(nóng)民人群的妊娠等待時(shí)間與

8、高年齡、教育程度較高或非農(nóng)民人群相比較短，累積妊娠概率較高。曾避孕女性、初潮年齡高于14歲、月經(jīng)經(jīng)期短于5天或長(zhǎng)于6天、月經(jīng)周期長(zhǎng)于29天、月經(jīng)量較少或較多、自報(bào)痛經(jīng)的人群其妊娠等待時(shí)間均高于對(duì)照組。限制性立方樣條分析結(jié)果顯示，初潮年齡低于13歲的女性，其受孕概率比值較低;隨著初潮年齡的上升，受孕概率比值逐漸增加;與對(duì)照組（28天）相比，月經(jīng)周期短于27天的女性，其受孕概率比值較低;隨著月經(jīng)周期天數(shù)的上升，受孕概率比值逐漸增加。與對(duì)照組

9、（4.5天）相比，月經(jīng)經(jīng)期短于4天的女性，其受孕概率比值較低;隨著月經(jīng)周期天數(shù)的上升，受孕概率比值逐漸增加。非吸煙者、無(wú)被動(dòng)或偶爾被動(dòng)吸煙、不飲酒者、BMI在18.5-24.9之間以及未接觸過(guò)毒害物質(zhì)的丈夫及妻子其累積妊娠概率明顯高于其他暴露組。對(duì)丈夫BMI與累積受孕概率擬合限制性立方樣條回歸模型，BMI高于19且低于22.86的男性，其妻子受孕概率比值較高。對(duì)妻子BMI與TTP擬合限制性立方樣條回歸模型，分析結(jié)果顯示與對(duì)照組相比，BM

10、I高于18.5且低于21.45的女性，其受孕概率比值較高。工作壓力及經(jīng)濟(jì)壓力較大的人群其累積妊娠概率明顯低于其他暴露組。以上結(jié)果在單因素回歸分析及多因素回歸分析模型中的結(jié)果均一致。
　　2、農(nóng)村育齡婦女生育能力預(yù)測(cè)模型應(yīng)用比較研究
　　分別構(gòu)建了Logistic回歸模型、決策樹(shù)(CART)模型以及隨機(jī)森林模型，分別選取80％，70％以及60％的樣本作為訓(xùn)練集，其余樣本作為測(cè)試集，Logistic回歸模型的ROC曲線下面積為0

11、.69392，0.69347，0.69453，CART樹(shù)模型的ROC曲線下面積分別為0.70009，0.69831，0.69839，隨機(jī)森林模型的ROC曲線下面積分別為0.75384，0.75251，0.75068。
　　選擇80％的樣本作為訓(xùn)練集，20％的樣本作為測(cè)試集，分別繪制了Logistic回歸模型、CART樹(shù)模型以及隨機(jī)森林模型的ROC曲線，隨機(jī)森林模型的ROC曲線相比Logistic回歸模型與CART模型的更靠近左上角

12、，且完全在Logistic回歸模型及CART模型的ROC曲線外側(cè)，說(shuō)明隨機(jī)森林模型的預(yù)測(cè)判別能力要好于Logistic回歸模型及CART模型。Logistic模型，CART模型以及隨機(jī)森林模型的靈敏度分別為0.86，0.87以及0.88;特異度分別為0.36，0.38以及0.44;假陽(yáng)性率分別為0.64，0.62以及0.56;假陰性率分別為0.14，0.13以及0.12。隨機(jī)森林的各項(xiàng)指標(biāo)要好于其他兩種模型。
　　將隨機(jī)選取的15

13、0，000例2012-2013年參檢人群數(shù)據(jù)作為測(cè)試集，將2014年經(jīng)預(yù)處理后的全部數(shù)據(jù)作為訓(xùn)練集，對(duì)三種模型的泛化能力比較結(jié)果顯示：三種模型的各項(xiàng)指標(biāo)與原數(shù)據(jù)集分析指標(biāo)基本一致。此外，表中可見(jiàn)隨機(jī)森林模型的靈敏度及特異度均高于Logistic回歸模型，而假陽(yáng)性率和假陰性率均低于Logistic回歸模型，說(shuō)明在測(cè)試數(shù)據(jù)集中隨機(jī)森林模型的預(yù)測(cè)判別能力仍高于Logistic回歸模型的判別能力。測(cè)試后發(fā)現(xiàn)，三種模型的泛化能力都較好，Logis

14、tic回歸模型，CART模型以及隨機(jī)森林模型均稍高于建模數(shù)據(jù)集所得的AUC。
　　研究結(jié)論:
　　通過(guò)本研究的分析結(jié)果可見(jiàn)，對(duì)于農(nóng)村育齡婦女來(lái)說(shuō)，妊娠等待時(shí)間的影響因素較多且較復(fù)雜，社會(huì)人口學(xué)特征、月經(jīng)、生育史、生活方式以及社會(huì)心理壓力等都對(duì)妊娠等待時(shí)間具有程度不等的影響，這些關(guān)系在調(diào)整了協(xié)變量后仍然存在。研究認(rèn)為，通過(guò)宣傳教育等手段對(duì)吸煙、飲酒、被動(dòng)吸煙、BMI以及心理壓力等與妊娠等待時(shí)間存在著密切關(guān)系的因素進(jìn)行預(yù)防，鼓勵(lì)

15、計(jì)劃妊娠人群在備孕期減少吸煙、被動(dòng)吸煙以及飲酒，采用健康的生活方式，保持正常體重，從而提高人群的生育能力。此外，通過(guò)數(shù)據(jù)挖掘，對(duì)本研究的大樣本數(shù)據(jù)建立預(yù)測(cè)模型并比較后，可見(jiàn)隨機(jī)森林算法要明顯好于傳統(tǒng)的Logistic回歸模型以及CART樹(shù)模型。這種算法在生育能力預(yù)測(cè)方面的應(yīng)用將具有較好的實(shí)際應(yīng)用價(jià)值，通過(guò)建立生育能力預(yù)測(cè)模型，可以對(duì)參加孕前優(yōu)生健康檢查的參檢家庭進(jìn)行一年內(nèi)是否能夠受孕進(jìn)行預(yù)測(cè)，通過(guò)模型得到在一年內(nèi)懷孕可能性較小的人群，并