先天性心髒病婦女具有較高的不良事件高風險。近日，心血管疾病領域權威雜誌JAHA上發表了一篇研究文章，研究人員旨在明確兩種預測模型在預測先天性心髒病孕婦發生不良事件的風險的效果。

        該研究共納入了318名先天性心髒病孕婦，213名婦女被劃分為開發隊列，而105名婦女被分為驗證隊列。最小絕對收縮和選擇算子用於預測變量選擇。驗證後，研究人員使用多元Logistic回歸分析開發模型。機器學習算法(支持向量機、隨機森林、AdaBoost、決策樹等)用於進一步驗證模型的預測能力。

        41名(12.9%)婦女經曆了不良孕婦事件，而93名(29.2%)新生兒經曆了不良的新生兒事件。在孕婦模型中發現了七個高風險因素，包括紐約心功能分級、艾森曼格綜合征、肺動脈高壓、左心室射血分數、竇性心動過速、動脈血氧飽和度和妊娠持續時間。基於機器學習的算法表明，在開發隊列中，孕婦模型的準確度為0.76至0.86(受試者工作特征曲線下麵積=0.74-0.87)，在驗證隊列中為0.72至0.86(受試者工作特征曲線下麵積=0.68–0.80)。在新生兒模型中發現了三個高風險因素，包括艾森曼格綜合征、先兆子癇和動脈血氧飽和度。基於機器學習的算法顯示，新生兒模型在開發隊列中的準確度為0.75至0.80(受試者工作特征曲線下麵=0.71–0.77)，驗證隊列為0.72至0.79(受試者工作特征曲線下麵積=0.69–0.76)。

        由此可見，兩個針對孕婦和新生兒不良事件的產前風險評估模型可以幫助臨床醫生針對患有先天性心髒病的孕婦進行精確的治療。