摘要
目的 针刺治疗冻融胚胎移植（FrozenEmbryoTransfer，FET）患者安全有效，但其疗效因人而异。本研究旨在通过回顾性研究，收集针刺治疗介入FET患者相关临床特征，筛选出最具预测价值的临床特征，建立针刺辅助FET临床妊娠预测模型，并通过真实世界前瞻性队列研究对模型进行外部验证以评估模型的外部泛化能力，为针刺治疗FET适宜人群的筛选提供客观依据和临床指导。 方法 本研究共分为两个部分 第一部分：基于回顾性研究建立针刺辅助FET临床妊娠预测模型 该部分研究回顾性收集了2019年9月至2021年3月进行针刺的FET患者的临床特征，包括基线特征、子宫内膜容受性特征、移植胚胎特征和针刺次数等。以针刺治疗后是否获得临床妊娠作为疗效评价指标和标签。对纳入特征进行数据预处理，运用Spearman相关性检验和递归特征消除方法筛选出最具预测价值的特征建立数据集，将数据集按照7:3的比例随机分为训练集和内部验证集。然后，采用机器学习中的支持向量分类器（SupportVectorClassifier，SVC）算法和随机森林（RandomForest，RF）算法建立模型并对模型进行交叉验证。最后对纳入的特征变量按照特征权重进行排序。 第二部分：针刺辅助FET临床妊娠预测模型的外部验证 该部分研究基于真实世界的前瞻性队列研究，按照第一部分的纳入和排除标准纳入受试者。根据第一部分筛选出的最具预测价值的特征收集受试者临床特征变量并建立外部验证数据集对针刺辅助FET临床妊娠预测模型进行外部验证。最后，综合比较SVC模型和RF模型及其外部验证的各项性能评估指标，选择最合适的算法模型。 结果 1.受试者基本信息比较 第一部分回顾性研究纳入了2019年9月至2021年3月行针刺的FET患者共315例。其中，临床妊娠组和未临床妊娠组的FET患者在女性年龄、抗缪勒管激素（Anti-mullerianHormone，AMH）、血管化血流指数（VascularizedFlowIndex，VFI）、血管化指数（VascularizedIndex，VI）、本院周期数、既往移植周期史、女性不孕类型、移植 针刺辅助冻融胚胎移植患者临床妊娠预测模型的建立及验证 胚胎数和移植胚胎类型中均有统计学差异（P＜0.05）。 第二部分真实世界前瞻性队列研究纳入了2023年5月至2023年12月在四川锦欣西囡妇女儿童医院行针刺治疗的201例FET患者。受试者基本信息显示两组FET患者在女性年龄、AMH、VI和本院周期数中存在统计学意义（P＜0.05）。 2.特征筛选及针刺辅助FET临床妊娠预测模型的建立 第一部分中，对75个预测特征变量进行Spearman相关性检验和递归特征消除方法剔除了62个预测特征变量，最后纳入建模的特征共13个，包括AMH、VFI、VI、女性年龄、本院周期数、女性不孕年限、既往移植周期史、子宫内膜厚度、女性不孕类型、FET方案、女性教育程度、移植胚胎类型、移植胚胎数量。根据特征权重（SVs‘_coef）筛选出最重要的三个预测因子是本院周期数、VFI和移植胚胎数。运用SVC算法建立的针刺辅助FET临床妊娠预测模型的准确率为0.778，精确度为0.821，召回率为0.807，f1分数为0.814。AUC值为0.778；运用RF算法建立的临床妊娠预测模型准确率为0.73，精确度为0.72，召回率为0.81，f1分数为0.76。AUC值为0.73。 3.针刺辅助FET临床妊娠预测模型的外部验证 在第二部分中，运用SVC算法对针刺辅助FET临床妊娠预测模型进行外部验证的准确率为0.74，精确度为0.71，召回率为0.86，f1分数为0.77。AUC值为0.74；运用RF算法进行外部验证的准确率为0.71，精确度为0.70，召回率为0.81，f1分数为0.75。AUC值为0.71。最后，通过对SVC模型和RF模型性能的评估，最终采用SVC模型用于预测针刺辅助FET临床妊娠的结果。 结论 1.针刺辅助FET临床妊娠预测模型的预测因子包括本院周期数、VFI、移植胚胎数量等13个重要特征。 2.针刺辅助FET临床妊娠预测模型采用SVC算法，其AUC值为0.778。外部验证的AUC值为0.74。该模型具有良好的准确性，对筛选行针刺的FET适宜人群有一定的预测能力，有较好的临床实用性和应用前景，可以为针刺辅助FET患者提供客观依据和临床指导。
NETL