对用于预测体外受精/卵胞浆内单精子注射后活产的机器学习模型的系统性回顾和荟萃分析发现,尽管报告的性能差异很大,但与更简单的逻辑回归模型相比,实际收益微乎其微。该回顾搜索了截至 2026 年 10 月的数据库,共纳入 48 项研究,但发现大多数研究存在高度偏倚风险,模型校准评估有限,且没有临床影响的证据。研究人员认为,预测能力的提高更多地源于预测分期和局部校准,而非复杂的模型架构。 AI
影响 表明复杂的机器学习模型在体外受精活产预测方面,与更简单的方法相比,优势甚微,并强调了验证和临床影响方面的问题。
排序理由 该条目是一篇研究论文,详细介绍了对现有模型的系统性回顾和荟萃分析。[lever_c_demoted from research: ic=1 ai=1.0]
- Abdul Raheem Shahzad
- Hugging Face
- Intracytoplasmic sperm injection
- in vitro fertilization
- logistic regression model
- machine learning
- OpenAlex
- PROBAST+AI
- Scopus
- TRIPOD+AI
- Web of Science
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →