Risk prediction models for postpartum stress urinary incontinence：a Meta-analysis

KANG Jing JIANG Yunlan LI Tao SONG Shuang YI Xiaodong DU Qiufeng

1.School of Nursing，Chengdu University of Traditional Chinese Medicine，Sichuan 610032 China；2.Affiliated Hospital of Chengdu University of Traditional Chinese Medicine

Corresponding Author "JIANG Yunlan，E-mail：jylana@163.com

Abstract Objective：To systematically evaluate the risk prediction model of postpartum stress urinary incontinence，and to provide the basis for building a higher performance risk prediction model of postpartum stress urinary incontinence.Methods：The literature on risk prediction models of postpartum stress urinary incontinence were retrieved from CNKI，WanFang Database，VIP，CBM，PubMed，Web of Science，EMbase and the Cochrane Library.The retrieval time was from the inception to January 4，2024.Two researchers independently screened the literature，extracted data，and evaluated the quality of the included literature using the Risk of Bias and Suitability Assessment Tool for predictive model studies.Meta-analysis of high frequency predictors were performed using RevMan 5.4 software.Results：A total of 22 articles involving 27 prediction models were included;the area under the receiver operating characteristic curve ranged from 0.68 to 0.97.The results of the Meta-analysis showed that the vaginal deliveries（OR=3.54，95%CI 2.73-4.59），age（OR=1.17，95%CI 1.08-1.26），≥2 pregnancies（OR=2.91，95%CI 1.72-4.91） bladder neck funneling（OR=6.56，95%CI 2.21-19.54），stress urinary incontinence during pregnancy（OR=3.63，95%CI 3.05-4.31），bladder neck position（OR=3.03，95%CI 1.19-7.72） were influential factors of the occurrence of stress urinary incontinence in the postpartum period（Plt;0.05）.Conclusion：Existing evidence shows that risk prediction model for postpartum stress urinary incontinence still needs to be further improved，and aspects of study design，sample size，treatment of missing data，and calibration and validation of the model should be considered in future construction.Future risk predictors may focus on the aspects of mode of delivery（vaginal delivery），maternal age，number of pregnancies，stress urinary incontinence during pregnancy，and bladder neck funnel formation and location.

Keywords "postpartum stress urinary incontinence，PSUI; risk prediction; Meta-analysis; evidence-based nursing

摘要""目的：系統(tǒng)評價產(chǎn)后壓力性尿失禁風險預測模型，為構(gòu)建更高性能的產(chǎn)后壓力性尿失禁風險預測模型提供依據(jù)。方法：檢索中國知網(wǎng)、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫、中國生物醫(yī)學文獻數(shù)據(jù)庫、PubMed、Web of Science、EMbase、the Cochrane Library中發(fā)表的有關產(chǎn)后壓力性尿失禁風險預測模型的文獻，檢索時限為建庫至2024年1月4日。由2名研究者通過自主篩選、獲取文獻并使用預測模型研究的偏倚風險與適用性評估方法對文獻內(nèi)容進行評估，并使用RevMan 5.4軟件對高頻率的預測因子進行Meta分析。結(jié)果：共納入22篇文獻，涉及27個預測模型；受試者工作特征曲線下面積為0.68～0.97。Meta分析結(jié)果顯示，陰道分娩［OR=3.54，95%CI（2.73，4.59）］、年齡［OR=1.17，95%CI（1.08，1.26）］、妊娠≥2次［OR=2.91，95%CI（1.72，4.91）］、膀胱頸漏斗形成［OR=6.56，95%CI（2.21，19.54）］、孕期壓力性尿失禁［OR=3.63，95%CI（3.05，4.31）］、膀胱頸位置［OR=3.03，95%CI（1.19，7.72）］是產(chǎn)后發(fā)生壓力性尿失禁的影響因素（Plt;0.05）等。結(jié)論：現(xiàn)有證據(jù)表明，產(chǎn)后壓力性尿失禁風險預測模型仍需進一步完善，未來構(gòu)建時應考慮研究設計、樣本量、數(shù)據(jù)缺失處理及模型的校準與驗證方面。未來風險預測因子可重點關注分娩方式（陰道分娩）、產(chǎn)婦年齡、妊娠次數(shù)、孕期壓力性尿失禁、膀胱頸漏斗形成及位置方面。

關鍵詞""產(chǎn)后壓力性尿失禁；風險預測；Meta分析；循證護理

doi：10.12102/j.issn.2095-8668.2025.07.005

壓力性尿失禁（stress urinary incontinence，SUI）是指機體因大笑、咳嗽、打噴嚏、劇烈運動等引起腹壓增高出現(xiàn)不自主的尿液流出^［1］。SUI是一種臨床多發(fā)病，常見于孕產(chǎn)損傷、尿道陰道手術(shù)、圍絕經(jīng)期后、肥胖癥、激素水平和吸煙等^［2］。產(chǎn)后壓力性尿失禁（postpartum stress urinary incontinence，PSUI）是育齡女性產(chǎn)后的常見病之一，由妊娠及分娩后而誘發(fā)。隨著三孩政策的開放，PSUI的發(fā)病率不斷增加。有研究顯示，PSUI 6～8周患病率為25.06%^［3］。反復漏尿、活動受限、接觸尿墊產(chǎn)生的氣味及增加下尿路感染發(fā)生率等情況降低了病人的生活質(zhì)量^［4］，病人常伴有抑郁、焦慮等情緒^［5］。由于我國傳統(tǒng)觀念的影響，失禁常被視為一個尷尬話題，病人因羞恥感而不自主尋求專業(yè)幫助。因此，預防出現(xiàn)PSUI的管理措施已成為婦科、產(chǎn)科等多學科共同關注的焦點。目前，已有眾多研究者構(gòu)建并驗證了PSUI風險預測模型，但各模型間在預測能力、模型普適性及準確性等方面存在差異。本研究系統(tǒng)檢索并針對PSUI風險預測模型進行了系統(tǒng)評價，評估模型偏倚風險及對預期人群和環(huán)境的適用性，以期為臨床醫(yī)護人員選擇合適的模型早篩查、早預防、早治療該類病人提供選擇，指導未來研究者開發(fā)性能更高、適用性更廣的風險預測模型提供依據(jù)。

1 資料與方法

1.1 文獻檢索策略

計算機檢索中國知網(wǎng)、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫、中國生物醫(yī)學文獻數(shù)據(jù)庫、PubMed、Web of Science、EMbase、the Cochrane Library。以主題詞＋自由詞的檢索策略，結(jié)合滾雪球的方式，中文檢索詞為：產(chǎn)后、產(chǎn)褥期、分娩后、產(chǎn)婦；壓力性尿失禁、張力性尿失禁、應激性尿失禁、漏尿；風險預測、風險評估、預測模型、預測因素、列線圖；英文檢索詞為：postpartum period/postpartum/ after birth/after delivery/postnatal/puerperium/urinary incontinence，stress/stress incontinence/ stress urinary incontinence/SUI/leakage of urine/forecasting/risk assessment/risk prediction/risk score/prediction model/nomograms，檢索時限為建庫至2024年1月4日。以PubMed為例，英文檢索策略如下。

#1 "（\"postpartum period\"［MeSH］"OR \"postpartum\"［Title/Abstract］"OR \"after birth\"［Title/Abstract］"OR \"after delivery\"［Title/Abstract］"OR \"postnatal\"［Title/Abstract］"OR \"puerperium\"［Title/Abstract］）

#2 "（\"urinary incontinence，stress\"［MeSH］"OR \"stress incontinence\"［Title/Abstract］"OR \"stress urinary incontinence\"［Title/Abstract］"OR \"SUI\"［Title/Abstract］"OR \"leakage of urine\"［Title/Abstract］）

#3""（\"forecasting\"［MeSH］"OR \"prediction model\"［Title/Abstract］"OR \"risk prediction\"［Title/Abstract］"OR \"risk score\"［Title/Abstract］"OR \"risk assessment\"［Title/Abstract］"OR \"nomograms\"［Title/Abstract］）

#4""#1 AND #2 AND #3

1.2 文獻納入和排除標準

1.2.1 納入標準

1）研究對象：確診PSUI的病人；2）研究設計：觀察性研究（隊列研究、病例對照研究、橫斷面研究）；3）研究內(nèi)容：PSUI風險預測模型的構(gòu)建、驗證內(nèi)容；4）預測變量：≥2個。

1.2.2 排除標準

1）僅研究了影響因素未構(gòu)建模型；2）無法獲取原文或數(shù)據(jù)；3）研究對象除了PSUI，還包含其他尿失禁的人群；4）重復發(fā)表的文獻；5）僅對模型進行驗證的文獻；6）中、英文以外的文獻。

1.3 文獻篩選和資料提取

由2名研究者熟悉并掌握研究目的，根據(jù)納入和排除標準分別獨立完成對文獻的篩選，所得結(jié)果再進行交叉核對，如遇分歧，交由第三方判定。參照預測模型研究系統(tǒng)審查的關鍵評估和數(shù)據(jù)提取清單（Critical Appraisal and Data Extraction for Systematic Reviews of Prediction Modelling Studies，CHARMS）^［6］制定詳細的資料提取表，內(nèi)容包括第一作者、發(fā)表年份、地區(qū)、研究設計類型、研究對象、來源、樣本量、變量選取、數(shù)據(jù)缺失、建模方法、預測因子等。

1.4 文獻質(zhì)量評價

由2名研究者采用評估偏差風險和預測模型研究適用性工具（PROBAST）^［7］獨立完成對納入文獻的質(zhì)量評價，如遇分歧，由第三方鑒定。

1.4.1 偏倚風險評價

研究者采用PROBAST工具，從研究對象、預測因子、結(jié)局、統(tǒng)計分析4個領域、16個方面、共20個問題開展對文獻偏倚的判斷，結(jié)果包括“是（低風險）”“可能是”“否（高風險）”“可能不是”“未提供信息”。4個領域分別按照“短板理論”進行偏倚風險評估，即：該領域所有問題都回答“是”或“可能是”視為“低風險”；若只要有1個問題回答“否”或“可能不是”視為“高風險”；出現(xiàn)某個問題回答“未提供信息”，而其他都為“是”或“可能是”時，則該領域視為“不清楚”。同理，4個領域都評為“低風險”才將整體視為“低風險”，只要1個領域被評為“高風險”就視為“高風險”；若某個領域被評為“不清楚”而同時其他領域都為“低風險”時，則整體歸為“不清楚”。而且，若模型未經(jīng)外部驗證則仍評為“高風險”^［8］。

1.4.2 適用性評價

研究者采用PROBAST工具，從研究對象、預測因子、結(jié)局3個領域?qū){入研究進行評價，結(jié)果包括“低風險”“高風險”“不清楚”。同偏倚風險評價方式，當3個領域都為“低風險”時，整體評為“低風險”；若有1個或多個領域評為“高風險”，則整體視為“高風險”；若某個領域判斷為“不清楚”且其他領域均為“低風險”時，則整體視為“不清楚”。

1.5 統(tǒng)計學方法

采用RevMan 5.4軟件對納入研究超過2個的預測因子進行Meta分析，合并效應值采用比值比（OR）和95%置信區(qū)間（CI）表示。若I²≥50%且P≤0.05，則認為研究間異質(zhì)性較大，通過逐一剔除法觀察敏感性，若異質(zhì)性減小，則選用固定效應模型進行Meta分析，若未發(fā)生明顯變化，則選用隨機效應模型進行Meta分析；相反，若I²lt;50%且Pgt;0.05，則認為研究間異質(zhì)性可接受，采用固定效應模型進行Meta分析。以Plt;0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 文獻檢索結(jié)果

初步檢索獲得相關文獻397篇，經(jīng)去重、閱讀摘要和題目初篩文獻、閱讀全文復篩文獻后，最終納入22篇文獻^［9?30］，其中英文文獻10篇^{［9?10，15?17，20，22，27，29?30］}，中文文獻12篇^{［11?14，18?19，21，23?26，28］}。文獻檢索流程及結(jié)果見圖1。

2.2 納入研究的基本特征

本研究納入22項研究，發(fā)表年份為2012—2023年，涉及預測模型27個，建模樣本量為115～2 441例，候選變量為10～38個，結(jié)果事件數(shù)為32～431例；5項研究^{［10，15?16，22，29］}為前瞻性研究，8項研究^{［11?12，18，20，24?27］}為病例對照研究，8項研究^{［10，13?14，17，19，21，28，30］}為橫斷面研究，6項研究^{［9，15?16，22?23，29］}為隊列研究；4項研究^{［17，21?22，26］}為多中心研究，其余均為單中心研究。8項研究^{［16，19，21，23?24，26，28，30］}報道了缺失數(shù)據(jù)情況，其余研究未提及；3項研究^{［19，28，30］}建模方法采用了分類、決策樹與Logistic回歸分析，2項研究^{［12，22］}采用了R語言程序包，其余研究均采用Logistic回歸分析。納入研究的基本特征見表1。

2.3 模型預測性能及預測因子

19項研究^{［10?26，29?30］}均報道了模型區(qū)分度，除焦子珊等^［19］和Jelovsek等^［29］構(gòu)建的Logistic回歸模型外，其余模型驗證的受試者工作特征曲線下面積（AUC）均gt;0.70，提示模型預測性能較好。13項研究^{［9?16，20?22，26，29］}對模型進行了校準，主要方式為校準圖和Hosmer?Lemeshow，其中有5項研究^{［10，12，16，22，26］}還合并了決策曲線分析（DCA）。3項研究^{［11?12，15］}對模型進行了內(nèi)、外部驗證，Liu等^［16］僅涉及外部驗證，10項研究^{［13，17?18，21，23?25，27?28，30］}未報道模型驗證情況，其余模型均進行了內(nèi)部驗證。模型呈現(xiàn)方式分為回歸方程、預測因子列線圖風險評分和決策樹模型。各模型預測因子為4～13個。見表2。

2.4 模型偏倚風險和適用性評價

2.4.1 偏倚風險評價

本研究納入研究的偏倚風險評價均為高風險。1）研究對象領域：16項研究^{［9，11?14，17?21，23?24，26?28，30］}被評為高風險，主要由于回顧性、病例對照和橫斷面研究類型數(shù)據(jù)收集時間與預測結(jié)局出現(xiàn)時間間隔過長，預測結(jié)果的準確性與完整性存在偏倚。其中，2項研究^{［9，19］}的納入和排除標準不合適，剔除了邏輯錯誤、不完整的問卷及病例；6項研究^{［11?12，18，20，25?26］}所采用的數(shù)據(jù)來源于現(xiàn)有數(shù)據(jù)，測量過程就容易受到已發(fā)生結(jié)局的干擾，偏倚風險較大。2）預測因子領域：7項研究^{［11?12，18，20，24，26?27］}被評為高風險，原因是多中心研究未具體闡明預測因素評估方法上可能存在的差異，且病例對照研究中預測因子的測量可能與結(jié)局的產(chǎn)生有關。其中，2項研究^{［12，18］}可能沒有通過一致的方法來定義和測評預測因子。3）結(jié)局領域：3項研究^{［9，13，26］}被評為高風險，2項研究^{［11，24］}不清楚。原因是Xu等^［9］沒有使用客觀的方法測量結(jié)局；2項研究^{［13，26］}研究預測因子與結(jié)局指標測量的時間間隔不合適，間隔時間太短容易導致結(jié)果事件發(fā)生率偏低；沈丹萍^［24］未報告二者測量時間間隔；張偉娜等^［11］未報告結(jié)局定義。4）統(tǒng)計分析領域：除3項研究^{［9，15，22］}不清楚外，其余研究均為高風險。其主要原因為：EPVlt;10，構(gòu)建的模型說服力不強；5項研究^{［14，17，22，26?27］}在分析階段將部分連續(xù)性變量轉(zhuǎn)變?yōu)榉诸愖兞?，除Cheng等^［17］研究外，其余研究未事先明確分組依據(jù)；3項研究^{［16，19，26］}報告了數(shù)據(jù)缺失且缺失數(shù)據(jù)處理方法不當（直接剔除缺失數(shù)據(jù)，未采用多重插補法處理缺失數(shù)據(jù)），剩余研究均未報道數(shù)據(jù)缺失情況；僅2項研究^{［10，25］}變量篩選時結(jié)合了臨床專業(yè)知識；在模型評價方面，4項研究^{［17?19，25］}未報道模型校準方式，2項研究^{［9，14］}具有不含數(shù)值的校準曲線。在驗證模型準確性和可靠性方面，10項研究^{［13，17?18，21，23?25，27?28，30］}未進行模型驗證，Liu等^［16］僅進行了外部驗證，3項研究^{［11?12，15］}對模型同時進行了內(nèi)、外部驗證；其余模型均進行了內(nèi)部驗證，包括Bootstrap重抽樣、交叉驗證、隨機拆分驗證、時間序列拆分4種方式。見表3。

2.4.2 適用性評價

本研究納入研究的預測模型除彭春萍^［13］的研究對象僅針對gt;35歲的高齡經(jīng)產(chǎn)婦外，其余模型適用性較好，研究對象常見，預測因子在評估時易獲得，臨床使用效果明顯。見表3。

2.5 Meta分析結(jié)果

排除焦子珊等^［19］研究數(shù)據(jù)無法提取外，對頻率較高的預測因子進行數(shù)據(jù)分析。除流產(chǎn)史和孕期SUI合并后異質(zhì)性較小，采用固定效應模型進行分析外，其余因素合并后異質(zhì)性明顯，且分別采取逐一剔除法進行敏感性分析后，結(jié)果無明顯改變，遂采用隨機效應模型進行分析。Meta分析結(jié)果顯示，陰道分娩、妊娠≥2次、年齡、膀胱頸漏斗形成、孕期SUI、膀胱頸位置是PSUI發(fā)生的影響因素（Plt;0.05），見表4。

3 討論

3.1 現(xiàn)有模型預測性能良好且能有效識別高風險人群

評估現(xiàn)有預測模型有效性最常用的方法是Hosmer?Lemeshow檢驗、校準圖和AUC。本研究涉及預測模型27個，除焦子珊等^［19］和Jelovsek等^［29］構(gòu)建的Logistic回歸模型AUClt;0.70外，其余模型的AUC均gt;0.70，具有較好的判別性。這意味著這些模型是有用的，可以確定最容易發(fā)生SUI的產(chǎn)后病人。Hosmer?Lemeshow對8個模型進行了驗證，其中5個模型的P為0.05或更高，這意味著模型的預測和實際數(shù)據(jù)相當吻合。雖然這些模型在驗證階段表現(xiàn)令人滿意，但在臨床應用前評估其穩(wěn)定性和適用性至關重要。值得注意的是，這些模型的預測效果可能會因分娩次數(shù)、分娩年齡、分娩方式和產(chǎn)后恢復階段等因素而發(fā)生變化。本研究中只有18.2%（4/22）的模型進行了外部驗證，此外，大多數(shù)研究人口由不明類型的產(chǎn)婦組成，這將限制模型預測結(jié)果的能力，并限制其推廣性和普適性。未來的研究應側(cè)重于建立特定分娩類型、分娩年齡和產(chǎn)后恢復階段的預測模型，并對不同的產(chǎn)婦群體進行外部驗證。此外，81.8%（18/22）的模型采用了Logistic回歸分析方法建模，這類方法經(jīng)常出現(xiàn)擬合不足，難以處理復雜的非線性邊界，并且需要對數(shù)據(jù)進行預處理以適應數(shù)據(jù)集中的缺失值。通過在多因子風險因素篩選和分析中越來越多地使用機器學習技術(shù)，如隨機森林和支持向量機，預測精度正在穩(wěn)步提升?？傊?，風險預測模型作為調(diào)查的一部分，總體上表現(xiàn)令人滿意。然而，未來的研究中應盡量避免小樣本量的研究，有針對性地對不同分娩方式、不同分娩年齡及分娩次數(shù)的PSUI風險進行探索，為了提高準確性和靈活性，應改進外部驗證，并考慮利用各種建模方法，包括決策樹、人工神經(jīng)網(wǎng)絡等機器學習方法。

3.2 預測因子欠缺臨床干預性及可獲得性

本研究納入的22項研究中，各預測模型有4～13個預測因子。對重復率較高的預測因子進行合并，結(jié)果顯示，陰道分娩、年齡、妊娠≥2次、膀胱頸漏斗形成、孕期SUI、膀胱頸位置是PSUI發(fā)生的影響因素（Plt;0.05）。陰道分娩與PSUI發(fā)生有關^［31］，與剖宮產(chǎn)比較，單純陰道分娩方式1年PSUI發(fā)生風險幾乎增加1倍^［32］，6年PSUI發(fā)生率明顯高于剖宮產(chǎn)后^［33］。有研究顯示，與其他陰道分娩方式比較，產(chǎn)鉗分娩PSUI的長期風險更加明顯，且在高齡女性中，SUI與分娩方式無關^［34］。隨著年齡的增長，SUI變得越來越普遍^［3］，年齡≥35歲會增加分娩后1年SUI的風險^［35］。產(chǎn)婦陰道分娩次數(shù)越多對盆底肌功能的損傷越嚴重，進而增加了發(fā)生SUI的風險^［36］。膀胱頸位置、膀胱頸漏斗形成的改變成為臨床早期通過盆底超聲診斷PSUI的一個主要特征^［37］，但測量生物學標志需要專業(yè)設備和技術(shù)支持，并對護理人員的專業(yè)能力有更高要求，這增加了模型在臨床應用中的復雜性。孕期SUI是PSUI的獨立危險因素^［38］。不可干預性的危險因素，如分娩方式、年齡、初/經(jīng)產(chǎn)婦、膀胱頸漏斗形成等是本研究預測模型的主要預測因素，這些因素在臨床護理中缺乏可實施的操作性，不利于臨床護理評估、干預工作的開展。為了確保預測模型在未來的研究和實踐中能夠方便試用，建議模型開發(fā)人員和臨床護理人員將重點放在可控因素上，努力簡化模型，這將使預測SUI更容易。

3.3 模型建立及驗證的科學性需進一步提高

臨床風險預測模型作為一種風險量化工具，根據(jù)個體的一系列表現(xiàn)來估計發(fā)生某種疾病的可能性，可為病人、醫(yī)護人員提供直觀、理性的信息。本研究納入22項研究的研究對象隨訪時間短且均來源于某一所醫(yī)院，所構(gòu)建的PSUI風險預測模型可能缺乏可推廣性，且研究數(shù)據(jù)僅4項研究基于多中心，模型的可復制性不強；共27個預測模型，AUC為0.680～0.974，且全部屬于高風險偏倚。未來建模過程應注意：1）對于橫斷面及病例對照研究，可能存在回顧性偏倚；預測模型首選前瞻性隊列研究，研究對象應排除孕前已患SUI的病人，避免因數(shù)據(jù)缺失、失訪等因素主觀制定納入和排除標準。2）本研究預測時間由產(chǎn)后3 d至產(chǎn)后7個月不等，所得到的陽性事件發(fā)生率及影響因素可能會對預測模型的建立產(chǎn)生影響。預測因素測量時間點及與結(jié)局出現(xiàn)時間間隔應參考相應指南或結(jié)合專業(yè)臨床知識制定，時間太長結(jié)局可能發(fā)生變化，太短結(jié)局事件發(fā)生陽性率低。3）由于PSUI的潛在預測因子較多，不同研究中測量的方式未完全交代清楚，可能對結(jié)果產(chǎn)生偏倚。對預測因子及臨床結(jié)局采取專業(yè)、一致的方法進行定義與測量，且測量過程中需注意如采用彩超聲等對盆底測量時，應對測量人員進行設盲，排除預測因素與結(jié)局之間相互干擾的可能性，避免不同測量人員對結(jié)果判斷標準的偏倚。4）超過半數(shù)的研究EPV未達到標準值。保持樣本量充足可提高測量結(jié)果的準確性，EPVlt;10容易造成預測模型的過度擬合。5）部分研究未事先明確分組依據(jù)。連續(xù)變量處理方式應恰當，謹慎對待連續(xù)性變量轉(zhuǎn)變?yōu)槎诸愖兞康那闆r，必要時進行內(nèi)部驗證和回歸分析調(diào)整。6）大多數(shù)研究在因素篩選方面，均在單因素分析的基礎上篩選因素，可能導致重要的風險因素被忽略。因此，應結(jié)合專業(yè)知識和臨床分析選擇易獲得、可信、一致和可推廣的預測因素，避免依靠傳統(tǒng)單因素分析確定預測因子。7）對缺失數(shù)據(jù)處理，PROBAST推薦使用精度較高的單一或多重插補法。未來可開展多中心、大樣本的前瞻性隊列研究來進行驗證。在建模方法上，Logistic回歸模型對多分類問題的處理較為困難，非線性關系的預測效果可能不佳，可考慮多使用決策樹、人工神經(jīng)網(wǎng)絡、樸素貝葉斯等機器學習方法，提高模型性能^［39?40］。模型呈現(xiàn)方式可減少使用列線圖或評分表格形式，結(jié)合臨床操作，降低醫(yī)務工作者使用時產(chǎn)生的誤差，降低工作量的煩瑣，提高模型推廣性。

4 小結(jié)

本研究共納入22項研究，涉及PSUI的風險預測模型27個，結(jié)合PROBAST質(zhì)量評價表對模型的基本特征與性能進行了系統(tǒng)評價。我國相關預測模型研究起步晚，尚處于發(fā)展階段，但近些年的相關研究較多，表明學者已經(jīng)開始關注該領域的發(fā)展，構(gòu)建模型的適用性良好，但偏倚風險較高，部分模型缺乏內(nèi)、外部驗證，模型受樣本量的限制。PSUI預測因子主要包括陰道分娩、年齡、妊娠≥2次、膀胱頸漏斗形成、孕期SUI、膀胱頸位置，醫(yī)護人員應給予重點關注。本研究因納入和排除標準還存在一定的局限性，未來可開展多中心、大樣本、前瞻性隊列研究，結(jié)合機器學習與醫(yī)學領域的發(fā)展，構(gòu)建預測性能好、推廣性強、臨床使用率高的預測模型，為早期篩查、預防、治療PSUI病人提供專業(yè)臨床決策依據(jù)。

參考文獻：

［1］ ABRAMS P，CARDOZO L，F(xiàn)ALL M，et al.The standardisation of terminology of lower urinary tract function：report from the standardisation sub-committee of the International Continence Society[J].American Journal of Obstetrics and Gynecology，2002，187（1）：116-126.

［2］ PANG H，LV J，XU T，et al.Incidence and risk factors of female urinary incontinence：a 4-year longitudinal study among 24 985 adult women in China[J].BJOG，2022，129（4）：580-589.

［3］ CHANG X X，LING L，GAO H J，et al.Postpartum stress urinary incontinence：a clinical study of 6，302 cases in Jiangsu province[J].Ginekologia Polska，2023.DOI：10.5603/GP.a2023.0042.

［4］ 孫春燕，侯丹，李巨，等.中、老年壓力性尿失禁婦女普適性和特異性生活質(zhì)量問卷調(diào)查[J].中國醫(yī)藥導刊，2013，15（6）：1096-1097.

［5］ SARKAR D，TANDON M，PAL D K.Comprehensive study of anxiety and depression in females with urinary incontinence[J].Urologia，2023，90（4）：757-762.

［6］ MOONS K G，DE GROOT J A，BOUWMEESTER W，et al.Critical appraisal and data extraction for systematic reviews of prediction modelling studies：the CHARMS checklist[J].PLoS Medicine，2014，11（10）：e1001744.

［7］ MOONS K G M，WOLFF R F，RILEY R D，et al.PROBAST：a tool to assess risk of bias and applicability of prediction model studies：explanation and elaboration[J].Annals of Internal Medicine，2019，170（1）：w1-w33.

［8］ 陳茹，王勝鋒，周家琛，等.預測模型研究的偏倚風險和適用性評估工具解讀[J].中華流行病學雜志，2020，41（5）：776-781.

［9］ XU C C，GUO Y，CHI X L，et al.Establishment and validation of a simple nomogram for predicting early postpartum stress urinary incontinence among women with vaginal delivery：a retrospective study[J].BMC Women's Health，2023，23（1）：8.

［10］ XIAO T，CAO Y Q，ZHEN C J，et al.Nomogram analysis based on clinical and sonographic characteristics for the assessment of postpartum stress urinary incontinence[J].Journal of Ultrasound in Medicine，2023，42（11）：2591-2601.

［11］ 張偉娜，林淑嬌，廖建梅，等.三維盆底超聲聯(lián)合剪切波彈性成像構(gòu)建產(chǎn)后壓力性尿失禁風險預測模型[J].交通醫(yī)學，2023，37（1）：9-13.

［12］ 蘇潔，趙紅敏，王春麗，等.基于盆底超聲及臨床數(shù)據(jù)預測產(chǎn)后發(fā)生壓力性尿失禁風險的列線圖模型[J].現(xiàn)代泌尿外科雜志，2023，28（11）：928-932.

［13］ 彭春萍.高齡經(jīng)產(chǎn)婦產(chǎn)后壓力性尿失禁風險預測模型的構(gòu)建[J].當代護士（下旬刊），2023，30（10）：112-116.

［14］ 陳彤，胡潔，師文.產(chǎn)后壓力性尿失禁發(fā)生風險的列線圖預測模型建立與驗證[J].中國計劃生育學雜志，2023，31（4）：848-852.

［15］ WANG X J，JIN Y，XU X F，et al.Development and validation of a predictive model for urinary incontinence postpartum：a prospective longitudinal study[J].International Urogynecology Journal，2022，33（6）：1609-1615.

［16］ LIU W，QIAN L X.Establishment and validation of a risk prediction model for postpartum stress urinary incontinence based on pelvic floor ultrasound and clinical data[J].International Urogynecology Journal，2022，33（12）：3491-3497.

［17］ CHENG H，GONG F Y，SHEN Y M，et al.A nomogram model predicting the risk of postpartum stress urinary incontinence in primiparas：a multicenter study[J].Taiwanese Journal of Obstetrics amp; Gynecology，2022，61（4）：580-584.

［18］ 于津，謝軍.產(chǎn)后壓力性尿失禁危險因素的探討及其預測模型的構(gòu)建[J].同濟大學學報（醫(yī)學版），2022，43（3）：421-426.

［19］ 焦子珊，張新月，沙凱輝.決策樹C5.0與Logistic回歸對產(chǎn)后壓力性尿失禁預測性能的比較[J].護理學報，2022，29（3）：12-18.

［20］ LOU Y，HU Y，ZHOU Y，et al. Establishment and validation of nomogram for postpartum stress urinary incontinence [J]. Chinese Journal of Urology， 2021，42（8）：627-632.

［21］ 陳玉.經(jīng)產(chǎn)婦妊娠足月期、產(chǎn)后早期尿失禁的發(fā)生現(xiàn)狀及影響因素分析[D].廣州：廣東醫(yī)科大學，2021.

［22］ CHEN L，LUO D，CHEN X M，et al.Development of predictive risk models of postpartum stress urinary incontinence for primiparous and multiparous women[J].Urologia Internationalis，2020，104（9/10）：824-832.

［23］ 向吉翠.產(chǎn)后壓力性尿失禁的影響因素及預測模型[J].醫(yī)學理論與實踐，2020，33（24）：4166-4168.

［24］ 沈丹萍.基于盆底超聲參數(shù)的Nomogram模型對產(chǎn)后壓力性尿失禁的預測價值研究[D].蘇州：蘇州大學，2020.

［25］ 王秋靜.靜、動態(tài)MRI對經(jīng)陰道分娩后壓力性尿失禁的研究[D].天津：天津醫(yī)科大學，2019.

［26］ 陳玲.孕期及產(chǎn)后壓力性尿失禁風險預測模型的構(gòu)建、驗證及應用[D].廣州：南方醫(yī)科大學，2018.

［27］ DAS L L，LúCIO A，LOPES M H.Risk factors for postpartum urinary incontinence[J].Revista da Escola de Enfermagem da U S P，2016，50（2）：200-207.

［28］ 黃潔貞，葉明，黃柳，等.盆底肌力強度對產(chǎn)后壓力性尿失禁發(fā)生的預測作用研究[J].現(xiàn)代生物醫(yī)學進展，2015，15（24）：4754-4756.

［29］ JELOVSEK J E，PICCORELLI A，BARBER M D，et al.Prediction models for postpartum urinary and fecal incontinence in primiparous women[J].Female Pelvic Medicine amp; Reconstructive Surgery，2013，19（2）：110-118.

［30］ BARACHO S M，BARBOSA DA SILVA L，BARACHO E，et al.Pelvic floor muscle strength predicts stress urinary incontinence in primiparous women after vaginal delivery[J].International Urogynecology Journal，2012，23（7）：899-906.

［31］ TSUI W L，DENG G H，HSIEH T C，et al.Association between vaginal or cesarean delivery and later development of stress urinary incontinence or pelvic organ prolapse：a retrospective population-based cohort study[J].International Urogynecology Journal，2023，34（9）：2041-2047.

［32］ T?HTINEN R M，CARTWRIGHT R，TSUI J F，et al.Long-term impact of mode of delivery on stress urinary incontinence and urgency urinary incontinence：a systematic review and Meta-analysis[J].European Urology，2016，70（1）：148-158.

［33］ BAUD D，SICHITIU J，LOMBARDI V，et al.Comparison of pelvic floor dysfunction 6 years after uncomplicated vaginal versus elective cesarean deliveries：a cross-sectional study[J].Scientific Reports，2020，10（1）：21509.

［34］ T?HTINEN R M，CARTWRIGHT R，VERNOOIJ R W M，et al.Long-term risks of stress and urgency urinary incontinence after different vaginal delivery modes[J].American Journal of Obstetrics and Gynecology，2019，220（2）：181.e1-181.e8.

［35］ ZHONG R X，ZENG L，WANG X Y，et al.A retrospective study of risk factors for stress urinary incontinence 1 year after delivery in multiparous women[J].International Urogynecology Journal，2022，33（8）：2275-2281.

［36］ 熊巖硯.經(jīng)產(chǎn)婦產(chǎn)后早期壓力性尿失禁的危險因素分析[J].中國民康醫(yī)學，2021，33（18）：7-8.

［37］ YOU C，ZHAO Y J，ZHANG C，et al.Pelvic floor parameters predict postpartum stress urinary incontinence：a prospective MRI study[J].Insights into Imaging，2023，14（1）：160.

［38］ 孫洪瓊，姚倩，蔣勝鳳，等.產(chǎn)后壓力性尿失禁影響因素的Meta分析[J].護理實踐與研究，2023，20（18）：2753-2761.

［39］ KIMURA N，TAKAHASHI K，SETSU T，et al.Development and validation of machine learning model for predicting treatment responders in patients with primary biliary cholangitis[J].Hepatology Research，2024，54（1）：67-77.

［40］ GONZALEZ R，NEJAT P，SAHA A，et al.Performance of externally validated machine learning models based on histopathology images for the diagnosis，classification，prognosis，or treatment outcome prediction in female breast cancer：a systematic review[J].Journal of Pathology Informatics，2024，15：100348.

（收稿日期：2024-07-16；修回日期：2025-03-05）

（本文編輯"薛佳）