CN108109701A - 一种胎儿体重估算模型的建立方法及系统 - Google Patents

Abstract

本发明涉及一种胎儿体重估算模型的建立方法及系统，其方法如下：采集样本胎儿的体重信息和与胎儿体重相关的产前参数信息，根据样本胎儿体重信息将样本胎儿的产前参数信息分两组进行显著性检验，得到P值，根据P值得到样本统计参数信息；对样本统计参数信息进行受试者工作特征曲线分析分析，得到样本敏感参数信息；根据样本胎儿的体重信息和敏感参数信息进行回归分析，构建胎儿体重估算方程式得到胎儿体重估算模型。本发明的估算模型的建立方法，基于中国城市孕妇个体人体测量学指标与胎儿出生体质量的关系，通过该公式进行围分娩期管理及指导分娩方式的选择，可降低不良妊娠结局。

Description

一种胎儿体重估算模型的建立方法及系统

技术领域

本发明涉及医疗领域，尤其涉及一种胎儿体重估算模型的建立方法及系统

背景技术

胎儿体重是反映胎儿生长发育的重要指标，在胎儿出生前对胎儿体重进行估算可以及早发现胎儿发育存在的问题，也可以帮助医疗人员为孕妇选择正确分娩方式。胎儿体重与多种因素有关，但是国内现有胎儿估算方法采用的测量参数较少，准确度不高，得到的胎儿体重估算值与胎儿实际体重相差较大，从而导致医疗人员不能正确为孕妇选择正确分娩方式，造成不良妊娠结局。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种胎儿体重估算模型的建立方法及系统。

本发明解决上述技术问题的技术方案如下：一种胎儿体重估算模型的建立方法，包括如下步骤：

步骤1：采集样本胎儿的体重信息，以及与胎儿体重相关的产前参数信息；

步骤2：根据样本胎儿体重信息将样本胎儿的产前参数样本信息划分为异常样本参数信息和正常样本参数信息，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值；

步骤3：根据P值从产前参数信息中提取样本统计参数信息，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息；

步骤4：根据样本胎儿体重信息和样本敏感参数信息进行回归分析，构建胎儿体重估算公式，得到胎儿体重估算模型。

本发明的有益效果是：本发明的胎儿体重估算模型的建立方法，通过显著性检验从产前参数信息中筛选出样本统计参数信息，进一步通过受试者工作特征曲线分析，从样本统计参数信息中筛选对胎儿体重有较高预测价值的样本敏感参数信息，并对样本胎儿体重信息和样本敏感参数信息进行回归分析，建立胎儿体重估算公式，本发明的建立方法，基于中国城市孕妇个体人体测量学指标与胎儿出生体质量的关系，提高了中国孕妇胎儿体重预测的精确性，通过该公式进行围分娩期管理及指导分娩方式的选择，可降低不良妊娠结局。

在上述技术方案的基础上，本发明还可以做如下改进：

进一步：步骤2中，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值具体包括：

步骤21：分别提取异常样本参数信息和正常样本参数信息中的计量资料，对计量资料中每种参数样本信息分别进行t检验,并计算得到第一P值；

步骤22：分别提取异常样本参数信息和正常样本参数信息中的计数资料，对计数资料中每种参数信息分别进行卡方检验，并计算得到第二P值；

其中，P值包括第一P值和第二P值。

上述进一步方案的有益效果是：根据产前参数信息的不同类别选取不同的显著性检验方式对异常样本参数信息和和正常样本参数信息进行对比分析,其中对计数资料采用卡方检验,对计量资料采用t检验，得到统计参数P值，并根据P值从产前参数信息筛选出对胎儿体重有统计意义的样本统计参数信息。

进一步：步骤3中，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息具体包括：

根据样本统计参数信息绘制受试者工作特征曲线图，将受试者工作特征曲线图的约登指数最高点时作为诊断界点,得到诊断界点对应的敏感度和特异度,根据敏感度和特异度从样本统计参数信息中提取样本敏感参数参数。

上述进一步方案的有益效果为：通过对样本统计参数信息进行受试者工作特征曲线分析，从样本统计参数信息中筛选出胎儿体重有较高预测价值的样本敏感参数信息。

本发明还提供了一种胎儿体重估算准确率的验证方法，其采用上述胎儿体重估算模型，包括如下步骤：

步骤1：采集待测胎儿的体重信息和敏感参数信息；

步骤2：根据待测胎儿体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率。

本发明的有益效果为：通过本发明的胎儿体重估算准确率的验证方法，可计算胎儿体重估算模型的估算准确率，以与国内现有胎儿体重估算公式进行比较。

进一步：步骤2中，根据待测胎儿体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率具体包括：

根据待测胎儿的敏感参数信息和胎儿体重估算方程式计算胎儿的估算体重信息，当估算体重信息与待测胎儿的体重信息之差的绝对值不大于预设误差阈值时,判定胎儿的估算体重信息符合标准,并根据估算体重信息计算胎儿体重的估算准确率；

其中，估算准确率为达到符合标准的胎儿个数与总的待测胎儿个数的比值。

上述进一步方案的有益效果为：通过待测胎儿的敏感参数信息和胎儿体重估算方程式估算胎儿体重，得到待测胎儿的估算体重信息，并根据估算体重信息和待测胎儿体重计算胎儿体重模型的估算准确率，有助于医疗人员对孕妇进行产期指导。

本发明还提供了一种胎儿体重估算模型的的建立系统，包括：

第一采集模块，用于采集样本胎儿的体重信息及与胎儿体重相关的产前参数信息；

检验模块，用于根据样本胎儿体重信息将样本胎儿的产前参数信息分为样本异常参数信息和正常样本参数信息，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值；

分析模块，用于根据P值从样本胎儿的产前参数信息中提取样本统计参数信息，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息；

模型建立模块，用于根据样本胎儿体重信息及样本敏感参数信息进行回归分析，构建胎儿体重估算方程式，得到胎儿体重估算模型。

本发明的有益效果为：本发明的胎儿体重估算模型的建立系统，通过第一采集模块得到样本胎儿的体重信息和产前参数信息,通过显著性检验和受试者工作特征曲线分析，对样本胎儿的产前参数信息进行两次筛选，最终得到对胎儿体重有较高预测价值的样本敏感参数信息，并对样本胎儿的体重信息和多种敏感参数信息进行回归分析，建立胎儿体重估算公式。本发明的建立系统基于中国城市孕妇个体人体测量学指标与胎儿出生体质量的关系，提高了中国孕妇胎儿体重预测的精确性，通过该公式进行分娩期管理及指导分娩方式的选择，可降低不良妊娠结局。

进一步：检验模块，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值具体包括：

分别提取异常样本参数信息和正常样本参数信息中的计量资料，对计量资料中的每种参数信息分别进行t检验,并计算得到第一P值；

分别提取异常样本参数信息和正常样本参数信息中的计数资料，对计数资料中的每种参数信息分别进行卡方检验，并计算得到第二P值。

其中，P值包括第一P值和第二P值。

上述进一步方案的有益效果为：根据产前参数信息的不同类别选取不同的显著性检验方式对异常样本参数信息和和正常样本参数信息进行对比分析,其中对计数资料采用卡方检验,对计量资料采用t检验，得到统计参数P值，并根据P值从产前参数信息筛选出对胎儿体重有统计意义的样本统计参数信息。

进一步：分析模块，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息具体包括：

根据样本统计参数信息绘制受试者工作特征曲线图，将受试者工作特征曲线图的约登指数最高点时作为诊断界点,得到诊断界点对应的敏感度和特异度,根据敏感度和特异度从样本统计参数信息中提取样本敏感参数信息。

上述进一步方案的有益效果为：通过对样本统计参数信息进行受试者工作特征曲线分析，从样本统计参数信息中筛选出胎儿体重有较高预测价值的样本敏感参数信息，以建立胎儿体重估算模型。

本发明还提供一种胎儿体重估算准确率的验证系统，采用上述胎儿体重估算模型，包括：

第二采集模块，用于采集待测胎儿的体重信息和敏感参数信息；

验证模块，用于根据待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率。

本发明的有益效果为：通过本发明的胎儿体重估算准确率的验证系统，可计算胎儿体重估算模型的估算准确率，以与国内现有胎儿体重估算公式进行比较。

进一步：验证模块，根据待测胎儿的体重测试信息、敏感参数信息和胎儿体重估算方程式计算估算准确率具体包括：

根据待测胎儿的敏感参数信息和胎儿体重估算方程式计算胎儿的估算体重信息，当估算体重信息与待测胎儿的体重信息之差的绝对值不大于预设误差阈值时,判定胎儿的估算体重信息符合标准,并根据估算体重信息计算胎儿体重的估算准确率；

其中，估算准确率为达到符合标准的胎儿个数与总的待测胎儿个数的比值。

上述进一步方案的有益效果为：通过待测胎儿的敏感参数信息和胎儿体重估算方程式估算胎儿体重值，得到待测胎儿的估算体重信息，并根据估算体重信息和待测胎儿的体重信息计算胎儿体重模型的估算准确率，可以验证本发明的胎儿估算模型的准确率，有助于医疗人员对孕妇进行产期指导。

附图说明

图1为本发明的胎儿体重估算模型的建立方法流程图；

图2为本发明的胎儿体重估算准确率的验证方法流程图；

图3为本发明的胎儿体重估算模型的建立系统结构示意图；

图4为本发明的胎儿体重估算准确率的验证结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种胎儿体重估算模型的建立方法，包括如下步骤：

步骤1：采集样本胎儿的体重信息，以及与胎儿体重相关的产前参数信息。

具体地，随机抽取445名符合条件的孕妇资料，记录胎儿体重和与胎儿体重相关的产前参数信息，其中，产前参数信息包括孕妇体重、孕妇身高、孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围、羊水指数、胎儿性别、妊娠次数和分娩次数。

步骤2：根据样本胎儿体重信息将样本胎儿的产前参数信息划分为异常样本参数信息和正常样本参数信息，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值。

步骤2中，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值具体包括：

步骤21：分别提取异常样本参数信息和正常样本参数信息中的计量资料，对异常样本计量资料和正常样本计量资料中每种参数样本信息分别进行t检验,并计算得到第一P值；

步骤22：分别提取异常样本参数信息和正常样本参数信息中的计数资料，对异常样本计数资料和正常样本计数资料中每种参数信息分别进行卡方检验，并计算得到第二P值；

其中，P值包括第一P值和第二P值。

具体地，胎儿体重异常主要指胎儿体重过重，即胎儿为巨大儿的情况，计数资料包括:孕妇体重、孕妇身高、孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围和羊水指数，计量资料包括妊娠次数和分娩次数。提取异常样本参数信息和正常样本参数信息中的计量资料，对计量资料中每种参数信息分别进行t检验，得到第一P值,结果如下表1；提取异常样本参数信息和正常样本参数信息中的计数资料，对计数资料中每种参数信息分别进行卡方检验，得到第二P值,结果如下表2。

表1对计量资料进行t检验的结果

表2对计数资料进行卡方检验的结果

本发明的实施例中,P值包括第一P值和第二P值,P值为结果可信程度的一个递减指标，P值越大，产前参数信息与胎儿体重的关联性越小，即产前参数信息对于胎儿体重没有统计学意义，其中第一P值代表计量资料中各个参数信息与胎儿体重的关联性，第二P值代表计数资料中各个参数信息与胎儿体重的关联性。由于当P值小于等于0.05时，产前参数具有统计意义，但是产前参数信息的P值都小于0.05，因此选取P值较为低的产前参数信息作为统计参数信息。因此孕妇体重、孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围、羊水指数和胎儿性别对胎儿体重有统计学意义，其中，由于孕妇体重可孕期控制，具有波动性，因此孕妇体重该参数不纳入统计参数信息中。

步骤3：根据P值从产前参数信息中提取样本统计参数信息，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息；

步骤3中，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息的具体实现为：

根据样本统计参数信息绘制受试者工作特征曲线图，将受试者工作特征曲线图的约登指数最高点时作为诊断界点,获得诊断界点对应的敏感度和特异度,根据敏感度和特异度,从样本统计参数信息中提取样本敏感参数信息。

具体的，样本统计参数信息包括：孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围、羊水指数、胎儿性别、妊娠次数和分娩次数。将上述样本统计参数信息导入到SPSS软件中，利用SPSS软件对其进行受试者工作特征曲线分析，结果如表3。

表3多种统计参数的受试者工作特征曲线分析结果

当敏感度和特异度越高，对应参数信息对巨大儿的预测价值就更高。因此根据敏感度和特异度可得出，孕妇宫高、孕妇腹围、产次、胎儿双顶径、股骨长、胎儿腹围、羊水指数对胎儿体重的预测价值较高，但孕妇腹围受产前体重、体质指数等多种因素影响，波动性较大，因此孕妇腹围不纳入敏感参数信息中。

步骤4：根据样本胎儿体重信息和样本敏感参数信息进行回归分析，构建胎儿体重估算公式，得到胎儿体重估算模型。

具体的，样本敏感参数为孕妇宫高、双顶径、股骨长、胎儿腹围、羊水指数和产次。提取样本胎儿的体重信息及敏感参数信息进行多参数回归分析，得到敏感参数信息与胎儿体重的相关系数，根据这些相关系数最终确定胎儿体重估算方程式：

G＝97.819H+123.580R+100.417L+92.631C+3.508M+106.497N-4955.670；

其中，G代表胎儿体重，H代表孕妇宫高，R代表双顶径，L代表股骨长，C代表胎儿腹围，M代表羊水指数，N代表产次。

本发明的胎儿体重估算模型的建立方法，采集样本胎儿的体重信息和产前参数信息，通过显著性检验从样本胎儿的产前参数信息中筛选出样本统计参数信息，进一步通过受试者工作特征曲线分析，从样本统计参数信息中筛选对胎儿体重有较高预测价值的样本敏感参数信息，并对样本胎儿体重信息和样本敏感参数信息进行回归分析，建立胎儿体重估算公式，得到了胎儿体重估算模型。本发明的方法基于中国城市孕妇个体人体测量学指标与胎儿出生体质量的关系，提高了中国孕妇胎儿体重预测的精确性，并通过该公式进行分娩期管理及指导分娩方式的选择，降低了不良妊娠结局。

如图2所示，一种胎儿体重估算准确率的验证方法，其采用上述胎儿体重估算模型，包括如下步骤：

步骤1：采集待测胎儿的体重信息和敏感参数信息；

随机抽取416名单胎妊娠产妇资料，记录对应的胎儿体重和敏感参数信息，其中敏感参数信息包括孕妇宫高、双顶径、股骨长、胎儿腹围、羊水指数和产次。

步骤2：根据待测胎儿体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率。

本实施例中,步骤2中，根据待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率具体包括：

根据待测胎儿的敏感参数信息和胎儿体重估算方程式计算胎儿的估算体重信息，当估算体重信息与待测胎儿的体重信息之差的绝对值不大于预设误差阈值时,判定胎儿的估算体重信息符合标准,并根据估算体重信息计算胎儿体重的估算准确率；

其中，估算准确率为达到符合标准的胎儿个数与总的待测胎儿个数的比值。

在实际中，国内现有的胎儿体重估算公式有：宫高腹围法、袁冬生法、卓晶如法、凌罗达法和曾蔚越法。本实施中，预设误差阈值为250g，当估算体重信息与待测胎儿的体重信息之差的绝对值不大于250g时,判定胎儿的估算体重信息符合标准,根据上述符合标准计算胎儿体重估算方程式和国内现有多种胎儿体重估算方程式的估算准确率，结果如表4。

表4本发明公式及国内现有公式的估算准确率计算结果

国内现有胎儿体重估算公式的估算准确率越在50％左右，而通过本发明的胎儿体重估算模型的建立方法得出的胎儿体重估算公式，估算准确率约为67％，明显高于国内现有的胎儿体重估算公式，有更高的巨大儿预测价值。

本发明的胎儿体重估算准确率的验证方法，采集待测胎儿的体重信息和敏感参数信息，根据待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率，同时根据待测胎儿的体重测试信息、敏感参数信息和国内现有的胎儿体重估算方程式分别计算国内现有胎儿体重公式的估算准确率，在验证本发明的胎儿体重估算模型的估算准确率的同时，与国内现有的胎儿体重估算公式进行对比。

如图3所示，本发明还提供一种胎儿体重估算模型的建立系统，包括：

第一采集模块，用于存储样本胎儿的体重信息及与胎儿体重相关的产前参数信息；

具体地，随机抽取445名符合条件的孕妇资料，得到样本胎儿的体重和与胎儿体重相关的产前参数信息，其中，与胎儿体重相关的产前参数信息包括孕妇体重、孕妇身高、孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围、羊水指数、胎儿性别、妊娠次数和分娩次数。

检验模块，用于根据样本胎儿体重信息将样本胎儿的产前参数信息分为样本异常参数信息和正常样本参数信息，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值；

本实施例中，检验模块中，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值具体包括：

分别提取异常样本参数信息和正常样本参数信息中的计量资料，对计量资料中的每种参数信息分别进行t检验,并计算得到第一P值；

分别提取异常样本参数信息和正常样本参数信息中的计数资料，对计数资料中的每种参数信息分别进行卡方检验，并计算得到第二P值。

其中，P值包括第一P值和第二P值。

具体地，胎儿体重异常主要指胎儿体重过重，即胎儿为巨大儿的情况，计数资料包括:孕妇体重、孕妇身高、孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围和羊水指数，计量资料包括妊娠次数和分娩次数。检验模块根据样本胎儿的体重信息将样本胎儿的产前参数信息分为样本异常参数信息和正常样本参数信息，提取异常样本参数信息和正常样本参数信息中的计量资料，并对计量资料中每种参数信息分别进行t检验，得到第一P值，结果如表1，提取异常样本参数信息和正常样本参数信息中的计数资料，并对计数资料中每种参数信息分别进行卡方检验，得到第二P值，结果如表2。

本发明的实施例中,P值包括第一P值和第二P值,P值为结果可信程度的一个递减指标，P值越大，产前参数信息与胎儿体重的关联性越小，即产前参数信息对于胎儿体重没有统计学意义，其中第一P值代表计量资料中各个参数信息与胎儿体重的关联性，第二P值代表计数资料中各个参数信息与胎儿体重的关联性。由于当P值小于等于0.05时，产前参数具有统计意义，但是样本胎儿的产前参数信息的P值都小于0.05，因此选取P值较为低的样本产前参数信息作为样本统计参数信息。因此孕妇体重、孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围、羊水指数和胎儿性别对胎儿体重有统计学意义，其中，由于孕妇体重可孕期控制，具有波动性，因此孕妇体重该参数不纳入样本统计参数信息中。

分析模块，用于根据P值从样本胎儿的产前参数信息中提取样本统计参数信息，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息；

本实施例中，分析模块中，对样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息具体包括：

根据样本统计参数信息绘制受试者工作特征曲线图，将受试者工作特征曲线图的约登指数最高点时作为诊断界点,得到诊断界点对应的敏感度和特异度,根据敏感度和特异度,从样本统计参数信息中提取样本敏感参数信息。

具体地，样本统计参数信息包括孕妇宫高、孕妇腹围、双顶径、股骨长、胎儿腹围、羊水指数和胎儿性别。从样本胎儿的产前参数信息中提取样本统计参数信息，并根据样本统计参数信息进行受试者工作特征曲线分析，结果如表3。

当敏感度和特异度越高，对应的敏感参数信息对巨大儿的预测价值就更高。因此根据敏感度和特异度可得出，孕妇宫高、孕妇腹围、产次、胎儿双顶径、股骨长、胎儿腹围、羊水指数对胎儿体重的预测价值较高，但孕妇腹围受产前体重、体质指数等多种因素影响，波动性较大，因此孕妇腹围不纳入样本敏感参数信息中。

模型建立模块，用于根据样本胎儿体重信息及样本敏感参数信息进行回归分析，构建胎儿体重估算方程式，得到胎儿体重估算模型。

具体的，样本敏感参数信息为孕妇宫高、双顶径、股骨长、胎儿腹围、羊水指数和产次。提取样本胎儿的体重信息及敏感参数信息进行多参数回归分析，得到敏感参数信息与胎儿体重的相关系数，根据这些相关系数最终确定胎儿体重估算方程式：

G＝97.819H+123.580R+100.417L+92.631C+3.508M+106.497N-4955.670；

其中，G代表胎儿体重，H代表孕妇宫高，R代表双顶径，L代表股骨长，C代表胎儿腹围，M代表羊水指数，N代表产次。

本发明的胎儿体重估算模型的建立系统，从医院近期孕妇资料中得到样本胎儿的体重信息和产前参数信息，通过检验模块从样本胎儿的产前参数信息中提取出样本统计参数信息，并通过分析模块，从样本统计参数信息中筛选对胎儿体重有较高预测价值的样本敏感参数信息，通过模型建立模块对样本胎儿体重信息和样本敏感参数信息进行回归分析，建立胎儿体重估算公式，得到了胎儿体重估算模型。本发明的模型建立系统基于中国城市孕妇个体人体测量学指标与胎儿出生体质量的关系，提高了中国孕妇胎儿体重预测的精确性，并通过该公式进行围分娩期管理及指导分娩方式的选择，降低了不良妊娠结局。

如图4所示，一种胎儿体重估算准确率的验证系统，采用上述胎儿体重估算模型，包括：

第二采集模块，用于存储待测胎儿的体重信息和敏感参数信息；

随机抽取416名单胎妊娠产妇，记录待测胎儿的体重信息和敏感参数信息，其中，待测胎儿的敏感参数信息包括孕妇宫高、双顶径、股骨长、胎儿腹围、羊水指数和分娩次数。

验证模块，用于根据待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率。

本实施例中，验证模块中，根据待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率具体包括：

根据待测胎儿的敏感参数信息和胎儿体重估算方程式计算胎儿的估算体重信息，当估算体重信息与待测胎儿的体重信息之差的绝对值不大于预设误差阈值时,判定胎儿的估算体重信息符合标准,并根据估算体重信息计算胎儿体重的估算准确率；

其中，估算准确率为达到符合标准的胎儿个数与总的待测胎儿个数的比值。

国内现有的胎儿体重估算公式有：宫高腹围法、袁冬生法、卓晶如法、凌罗达法和曾蔚越法。本实施中，预设误差阈值为250g，当估算体重信息与待测胎儿的体重信息之差的绝对值不大于250g时,判定胎儿的估算体重信息符合标准,并根据估算体重信息计算胎儿体重估算方程式和国内现有多种胎儿体重估算方程式的估算准确率，结果如表4。

由表4可得出，国内现有胎儿体重估算公式的估算准确率率越在50％左右，而通过本发明的胎儿体重估算模型的建立方法得出的胎儿体重估算公式，估算准确率约为67％，明显高于国内现有的胎儿体重估算公式。

本发明的验证系统，通过第一采集模块得到待测胎儿的体重信息和敏感参数信息，验证模块根据待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率，同时根据待测胎儿的体重信息、敏感参数信息和国内现有的胎儿体重估算方程式计算国内现有胎儿体重公式的估算准确率，在验证本发明的胎儿体重估算模型的估算准确率的同时，与国内现有的胎儿体重估算公式进行对比。

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种胎儿体重估算模型的建立方法，其特征在于，包括如下步骤：

步骤1：采集样本胎儿的体重信息，以及与胎儿体重相关的产前参数信息；

步骤2：根据所述样本胎儿体重信息将所述样本胎儿的产前参数信息划分为异常样本参数信息和正常样本参数信息，对所述异常样本参数信息和正常样本参数信息进行显著性检验，得到P值；

步骤3：根据所述P值从所述产前参数信息中提取样本统计参数信息，对所述样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息；

步骤4：根据所述样本胎儿的体重信息及样本敏感参数信息进行回归分析，构建胎儿体重估算方程式，得到胎儿体重估算模型。

2.根据权利要求1所述的胎儿体重估算模型的建立方法，其特征在于，所述步骤2中，对所述异常样本参数信息和正常样本参数信息进行显著性检验，得到P值具体包括：

步骤21：分别提取所述异常样本参数信息信息和正常样本参数信息中的计量资料，对所述计量资料中每种参数信息分别进行t检验,并计算得到第一P值；

步骤22：分别提取所述异常样本参数信息和正常样本参数信息中的计数资料，对所述计数资料中的每种参数信息分别进行卡方检验，并计算得到第二P值；

其中，所述P值包括所述第一P值和第二P值。

3.根据权利要求1或2所述的胎儿体重估算模型的建立方法，其特征在于，所述步骤3中，对所述样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息具体包括：

根据所述样本统计参数信息绘制受试者工作特征曲线图，将所述受试者工作特征曲线图的约登指数最高点作为诊断界点,得到所述诊断界点对应的敏感度和特异度,根据所述敏感度和特异度从所述样本统计参数信息中提取所述样本敏感参数信息。

4.一种胎儿体重估算准确率的验证方法，其特征在于，其采用权利要求1至3任一项所述的胎儿体重估算模型，包括如下步骤：

步骤1：采集待测胎儿的体重信息和敏感参数信息；

步骤2：根据所述待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率。

5.根据权利要求4所述的胎儿体重估算准确率的验证方法，其特征在于，所述步骤2，根据所述待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率具体包括：

根据所述待测胎儿的敏感参数信息和胎儿体重估算方程式计算胎儿的估算体重信息，当所述估算体重信息与所述待测胎儿的体重信息之差的绝对值不大于预设误差阈值时,判定胎儿的估算体重信息符合标准,并根据所述估算体重信息计算胎儿体重的估算准确率；

其中，所述估算准确率为达到符合标准的胎儿个数与总的待测胎儿个数的比值。

6.一种胎儿体重估算模型的的建立系统，其特征在于，包括：

第一采集模块，用于采集样本胎儿的体重信息及与胎儿体重相关的产前参数信息；

检验模块，用于根据所述样本胎儿体重信息将所述样本胎儿的产前参数信息分为异常样本参数信息和正常样本参数信息，对所述异常样本参数信息和正常样本参数信息进行显著性检验，得到P值；

分析模块，用于根据所述P值从所述样本胎儿的产前参数信息中提取样本统计参数信息，对所述样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息；

模型建立模块，用于根据所述样本胎儿的体重信息及样本敏感参数样本信息进行回归分析，构建胎儿体重估算方程式,得到胎儿体重估算模型。

7.根据权利要求6所述的胎儿体重估算模型的建立系统，其特征在于，所述检验模块，对异常样本参数信息和正常样本参数信息进行显著性检验，得到P值具体包括：

分别提取所述异常样本参数信息和正常样本参数信息中的计量资料，对所述计量资料中的每种参数信息分别进行t检验,并计算得到第一P值；

分别提取所述异常样本参数信息和正常样本参数信息中的计数资料，对所述计数资料中的每种参数信息分别进行卡方检验，并计算得到第二P值；

其中，所述P值包括所述第一P值和第二P值。

8.根据权利要求6或7所述的胎儿体重估算模型的建立系统，其特征在于，所述分析模块，对所述样本统计参数信息进行受试者工作特征曲线分析，得到样本敏感参数信息具体包括：

根据所述样本统计参数信息绘制受试者工作特征曲线图，将所述受试者工作特征曲线图的约登指数最高点时作为诊断界点,得到所述诊断界点对应的敏感度和特异度,根据所述敏感度和特异度从所述样本统计参数信息中提取所述样本敏感参数信息。

9.一种胎儿体重估算准确率的验证系统，其特征在于，其采用权利要求6至8任一项所述的胎儿体重估算模型,包括：

第二采集模块，用于采集待测胎儿的体重信息和敏感参数信息；

验证模块，用于根据所述待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率。

10.根据权利要求9所述的胎儿体重估算准确率的验证系统，其特征在于，所述验证模块，根据所述待测胎儿的体重信息、敏感参数信息和胎儿体重估算方程式计算估算准确率具体包括：

根据所述待测胎儿的敏感参数信息和胎儿体重估算方程式计算胎儿的估算体重信息，当所述估算体重信息与所述待测胎儿的体重信息之差的绝对值不大于预设误差阈值时,判定胎儿的估算体重信息符合标准,并根据所述估算体重信息计算胎儿体重的估算准确率；

其中，所述估算准确率为达到符合标准的胎儿个数与总的待测胎儿个数的比值。