基于梯度提升決策樹(shù)的經(jīng)產(chǎn)婦產(chǎn)后宮縮痛程度的分類(lèi)研究.pdf

1、分類(lèi)號(hào)：密級(jí)：UDC：學(xué)號(hào)：416534415875南昌大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文基于梯度提升決策樹(shù)的經(jīng)產(chǎn)婦產(chǎn)后宮縮痛程度的基于梯度提升決策樹(shù)的經(jīng)產(chǎn)婦產(chǎn)后宮縮痛程度的分類(lèi)研究分類(lèi)研究Theclassificationofmultiparaafterpainsbasedonxgboostalgithm金圓圓培養(yǎng)單位（院、系）：南昌大學(xué)護(hù)理學(xué)院指導(dǎo)教師姓名、職稱(chēng)：程莉主任護(hù)師指導(dǎo)教師姓名、職稱(chēng)：施雁主任護(hù)師專(zhuān)業(yè)學(xué)位種類(lèi)：護(hù)理碩士論文答辯

2、日期：2018年5月答辯委員會(huì)主席：評(píng)閱人：2018年5月摘要II摘要目的目的本研究引入機(jī)器學(xué)習(xí)極端梯度提升樹(shù)（eXtremeGradientBoostingXGBoost）算法，將可能影響產(chǎn)后宮縮痛的每一個(gè)因素作為產(chǎn)后宮縮痛患者的特征表現(xiàn)，對(duì)該患者的疼痛程度進(jìn)行分類(lèi)識(shí)別，以客觀的視角出發(fā)，研制疼痛評(píng)估的新方法，為臨床醫(yī)護(hù)工作者提供一套完整的疼痛評(píng)估體系，改善以往不重視產(chǎn)后宮縮痛的局面，為產(chǎn)后宮縮痛的治療提供證據(jù)指標(biāo)。方法方法1、采用現(xiàn)

3、況調(diào)查的研究方法選取江西省某三級(jí)甲等專(zhuān)科醫(yī)院2017年6月12月在產(chǎn)科分娩住院的經(jīng)產(chǎn)婦作為調(diào)查對(duì)象，對(duì)經(jīng)產(chǎn)婦的基本信息、分娩信息、產(chǎn)后宮縮痛疼痛程度等方面進(jìn)行調(diào)查，并對(duì)調(diào)查表進(jìn)行探索性因子分析，得出內(nèi)容效度。共選取805人，獲得有效數(shù)據(jù)600份，運(yùn)用SPSS20.0統(tǒng)計(jì)軟件對(duì)收集的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。2、運(yùn)用機(jī)器學(xué)習(xí)XGBoost的方法，將每一位經(jīng)產(chǎn)婦視為一個(gè)樣本量，其相應(yīng)的數(shù)據(jù)作為該樣本量的屬性值，將600例樣本前70%作為訓(xùn)練組輸入X

4、GBoost計(jì)算機(jī)算法程序中進(jìn)行黑箱操作，形成機(jī)器評(píng)估模型，將后30%的樣本作為測(cè)試組以驗(yàn)證該模型的準(zhǔn)確度，最終得出機(jī)器學(xué)習(xí)產(chǎn)后宮縮痛程度的評(píng)估結(jié)果。3、將人為主觀疼痛評(píng)估的結(jié)果與機(jī)器客觀疼痛評(píng)估的結(jié)果進(jìn)行比對(duì)，以Kappa系數(shù)和ROC曲線及AUC值表示兩種評(píng)估方法的效果。結(jié)果結(jié)果1、本研究通過(guò)自制經(jīng)產(chǎn)婦產(chǎn)后宮縮痛一般信息調(diào)查表，調(diào)查了包括經(jīng)產(chǎn)婦的基本信息15個(gè)條目，自然分娩信息7個(gè)條目以及剖宮產(chǎn)手術(shù)信息5個(gè)條目，另外設(shè)計(jì)分娩信息補(bǔ)充信