基于临床与盆底超声数据的Logistic回归与C5.0决策树预测女性压力性尿失禁风险的模型构建与验证研究

《BMC Women's Health》：Logistic regression versus C5.0 decision tree in predicting female stress urinary incontinence risk using clinical and pelvic floor ultrasound data: a model development and validation study

本研究针对女性压力性尿失禁(SUI)早期识别难题，通过整合临床特征与盆底超声(PFU)参数，开发并验证了多元逻辑回归(MLR)和C5.0决策树(DTC5.0)预测模型。研究发现两种模型均识别出阴道分娩、子宫切除术、膀胱颈移动度(BNM)、尿道漏斗形成(UFF)和会阴体过度移动(VM-PBHM)五个关键预测因子，训练队列中模型AUC达0.873，验证队列中MLR模型展现更优泛化能力(AUC=0.775)。该研究为SUI高危人群筛查提供了可临床推广的量化工具。

　　

当咳嗽、大笑或打喷嚏时出现不自主漏尿，你可能正在经历压力性尿失禁(SUI)的困扰。这种疾病全球影响10%-40%的女性，不仅降低生活质量，还带来沉重经济负担——美国年耗资约120亿美元，欧洲达42亿欧元。更严峻的是，45-59岁女性SUI患病率高达30%-50%，但仅四分之一患者就医。现有预测模型多依赖传统统计方法，难以捕捉SUI这种多因素疾病的复杂相互作用，且缺乏不同建模方法的比较研究。

为突破这些局限，黄俊龙团队在《BMC Women's Health》发表研究，首次并行开发多元逻辑回归(MLR)与C5.0决策树(DTC5.0)模型，整合临床数据与盆底超声(PFU)参数预测SUI风险。研究纳入两家医院291例训练队列和115例外部验证队列，通过单因素分析与多因素建模识别关键风险因子，并系统评估模型性能。

研究采用回顾性队列设计与前瞻性验证相结合的方法。训练队列来自2022-2023年两家三级医院泌尿科就诊女性，验证队列通过电话随访获取2019-2020年数据实现时间外部验证。关键技术创新点包括：①采用标准化PFU检查协议，由经验丰富的超声医师统一操作；②通过方差膨胀因子(VIF)检验变量共线性；③运用SPSS 26.0进行MLR后退法回归和DTC5.0建模（最大深度4层，父节点最小样本50）；④使用R 4.3.3绘制列线图和决策树，并通过校准曲线、决策曲线分析(DCA)和受试者工作特征(ROC)曲线全面验证模型。

模型构建与风险因子识别

单因素分析显示，SUI组与非SUI组在年龄、BMI、产次、阴道分娩(VD)、会阴切开/裂伤(VA/VL)、子宫切除术及所有PFU参数上存在显著差异(P<0.05)。多因素分析中，MLR模型确定5个独立预测因子：VD(OR=3.671)、子宫切除术(OR=13.790)、BNM(OR=1.071)、VM-UFF(OR=8.524)和VM-PBHM(OR=2.237)。DTC5.0模型同样筛选出这5个变量，但以VM-UFF作为根节点，形成4层决策树结构。

模型性能比较

训练队列中，MLR与DTC5.0的AUC均为0.873，准确度达80.4%。MLR灵敏度更高(90.6% vs 84.9%)，而DTC5.0特异性更优(76.3% vs 71.1%)。验证队列中MLR表现更稳定(AUC=0.775 vs 0.719)，其校准曲线更接近理想曲线，决策曲线显示在0.16-0.89概率阈值范围内均有净收益。

临床意义与机制探讨

研究首次系统比较MLR与DTC5.0在SUI预测中的表现。MLR模型因更好的泛化能力更适合临床筛查，而DTC5.0的"if-then"规则更易临床解读。值得注意的是，子宫切除术被证实为最强风险因子(OR=13.790)，可能因切除子宫破坏盆底支撑结构。PFU参数中，VM-UFF作为决策树根节点，体现其在SUI病理中的核心地位——腹压增加时膀胱颈下移形成漏斗状结构，缩短功能尿道导致控尿机制失效。

局限与展望

研究存在样本量有限、回顾性验证可能引入回忆偏倚等局限。未来需扩大样本量并纳入更多社会行为变量，通过前瞻性研究验证模型普适性。

该研究成功构建了结合PFU与临床特征的SUI预测模型，为高危人群筛查提供量化工具。MLR模型凭借更优的泛化性能成为临床实践优选，而DTC5.0的透明决策规则为个体化风险评估提供新思路。这项研究不仅推进了SUI早期识别技术，更为妇科泌尿疾病预测模型开发树立了方法学标杆。