宫腔镜下妊娠物清除术应用于稽留流产患者中的效果

目的:探究宫腔镜下妊娠物清除术应用于稽留流产患者中的效果。方法:选取2019年6月-2021年6月涟水县人民医院确诊为稽留流产的62例患者,根据随机数字表法分为常规组和研究组,各31例,常规组采用常规清宫术,研究组采用宫腔镜下妊娠物清除术。对比分析两组术后恢复情况、手术后3周子宫内膜厚度及宫腔粘连情况。结果:术后研究组月经恢复时间早于常规组,术后流血时间短于常规组,差异有统计学意义(P<0.05)。手术后3周研究组子宫内膜厚度小于常规组,差异有统计学意义(P<0.05)。手术后3周研究组宫腔粘连发生率低于常规组,差异有统计学意义(P<0.05)。结论:宫腔镜下妊娠物清除术应用于稽留流产患者中,有利于加速术后恢复,促进子宫内膜修复,降低宫腔粘连发生率。

宫腔镜下妊娠物残留清除术治疗药物流产后宫腔残留的疗效

目的:探讨宫腔镜下妊娠物残留清除术在药物流产后宫腔残留中的应用效果。方法:选取2018年5至12月茂名市茂南区人民医院收治的药物流产术后宫腔残留患者50例,按手术方式分为对照组(n=25)和观察组(n=25)。对照组行清宫术,观察组行宫腔镜下妊娠物残留清除术。统计两组手术效果、术中阴道流血量、术后阴道流血持续时间、并发症等,采用SF-36评分对手术前后生活质量进行比较。结果:观察组手术有效率为92%,高于对照组的68%(P<0.05)。与对照组比较,观察组术中阴道流血量较少,术后阴道流血持续时间较短(均P<0.05)。观察组和对照组并发症发生率分别为4%和20%,组间比较差异无统计学意义(P>0.05)。与对照组比较,观察组术后SF-36评分较高(P<0.05)。结论:宫腔镜下妊娠物残留清除术应用于药物流产术后宫腔残留的疗效较好。

基于深度神经网络原理构建宫腔镜下瘢痕部位妊娠物清除术时大出血风险预测模型

目的 探索基于深度神经网络原理构建宫腔镜下剖宫产瘢痕部位妊娠物清除术时大出血发生风险的预测模型,为预测大出血发生风险提供参考。方法 选取南宁市第一人民医院、南宁市第二人民医院2016年1月至2019年7月收治的200例剖宫产瘢痕妊娠(cesarean scar pregnancy, CSP)患者为数据集,收集所有入选患者的临床资料,随机选取数据集的60%为训练集,40%为测试集,对训练集和测试集中的出血组与对照组进行参数比较;根据模糊数学理论对数据集中的临床指标进行量化处理,采用R语言neuralnet包构建深度神经网络训练平台,预测行宫腔镜下瘢痕部位妊娠物清除术时大出血发生风险,并验证模型正确率和准确度。结果 训练集中出血组和对照组患者在住院次数、年龄、停经时间、术前凝血酶原时间(prothrombin time, PT)、活化部分凝血活酶时间(activated partial thromboplastin time, APTT)、凝血酶时间(thrombin time, TT)、纤维蛋白原(fibrinogen, Fib)、术前β-人绒毛膜促性腺激素(beta human chorionic gonadotropin, β-hCG)水平、B超孕囊最大径线、B超子宫瘢痕处肌层厚度、B超临床分型、手术时间的比较上,差异均有统计学意义(P<0.05);测试集中出血组和对照组患者在住院次数、术前PT、术前APTT、术前TT、术前Fib、B超孕囊最大径线、B超子宫瘢痕肌层厚度、B超临床分型及术前β-hCG水平的比较上,差异均有统计学意义(P<0.05)。利用深度神经网络构建的宫腔镜下瘢痕妊娠物清除术时大出血发生风险的预测模型中训练样集本120例,测试集样本80例,深度神经网络模型对数据分类的准确率均达到100.00%。在保证模型的稳定性和泛化性的前提下,通过模型混淆矩阵分析得出:训练集的准确度为0.925,敏感度为0.918,特异度为0.932,召回率为0.918,精确率为0.933。为保证模型预测的一致性和准确性,采用测试集进行验证,最终确定模型的准确度为0.915,敏感度为0.895,特异度为0.928,召回率为0.895,精确率为0.919。结论 本研究构建的深度神经网络模型对宫腔镜下瘢痕部位妊娠物清除术时大出血发生风险的预测准确率很高,分类性能优良,验证了B超子宫瘢痕肌层厚度≤0.2 cm、B超临床分型Ⅱ~Ⅲ型、剖宫产次数≥2次、术前Fib<3 g/L及停经时间>60 d是影响CSP患者行宫腔镜下瘢痕部位妊娠物清除术时大出血发生风险的危险因素。