VBAC预测模型的验证与改进

这些模型在其他国家和地区的适用性需要进一步验证和调整，以确保其有效性和可靠性。关于研究方法，这些模型主要采用了各种统计技术，包括逻辑回归、LASSO 回归和机器学习算法。逻辑回归是一种常用统计方法，通过估计自变量与二元因变量之间的关系来建立模型。它适用于处理二元结果数据，并能提供概率估计。LASSO 回归是一种正则化线性回归方法，通过引入惩罚项来约束回归系数，从而实现特征选择。这种方法可以有效解决多重共线性问题，增强模型的可解释性和预测能力。此外，一些研究采用了随机森林和支持向量机（SVM）等机器学习算法，这些算法能够处理复杂的非线性关系，并在大规模数据集上表现良好。 现有模型尚未完全验证，且方法学质量较低。 在这篇综述中，我们总结了 26 个 VBAC 预测模型的特性。其中 15 个模型 [5, 8, 10, 17, 18, 20, 23–26, 29, 33, 35, 41, 42] 是在中国开发的。主要原因是在 2016 年实施“二孩政策”后，大量女性选择生育第二个孩子，包括那些之前进行过剖宫产手术的女性。由于这一特殊原因，中国对剖宫产后阴道分娩预测模型的研究较多。在模型验证方面，除了一项研究 [12] 未报告区分度（AUROC）外，所有其他研究均报告了区分度（AUROC = 0.336 ~ 0.927），大多数模型表现出良好的区分度（AUROC > 0.7）。只有 9 个模型 [19, 20, 23, 25–27, 32, 35, 41] 报告了校准情况。模型性能报告不完整，可能影响模型的使用。我们的研究还发现，绝大多数研究缺乏外部验证。这表明现有的 VBAC 预测模型研究在模型验证方面仍存在不足。外部验证是评估模型泛化能力的重要步骤，有助于确定其在不同人群和环境中的适用性。缺乏外部验证可能导致模型在新数据集上的性能较差，限制其实际应用价值。因此，后续研究需要在模型验证方面进行改进。从方法学角度来看，26 项研究中有 23 项存在方法学局限性。仅有 3 项研究 [14, 15, 27] 的方法学风险较低。