| 摘要 | 第3-6页 |
| abstract | 第6-8页 |
| 第1章 引言 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 机器学习国内外研究现状 | 第13-14页 |
| 1.2.2 机器学习运用于医学领域的研究现状 | 第14页 |
| 1.2.3 产后宫缩痛国内外研究现状 | 第14-15页 |
| 1.3 主要相关概念的界定 | 第15-16页 |
| 1.3.1 疼痛 | 第15页 |
| 1.3.2 机器学习 | 第15页 |
| 1.3.3 梯度提升决策树 | 第15页 |
| 1.3.4 XGBoost | 第15-16页 |
| 1.4 研究意义 | 第16-17页 |
| 第2章 对象与方法 | 第17-25页 |
| 2.1 研究对象 | 第17-18页 |
| 2.1.1 纳入标准 | 第17页 |
| 2.1.2 排除标准 | 第17页 |
| 2.1.3 剔除标准 | 第17页 |
| 2.1.4 样本量的计算 | 第17-18页 |
| 2.2 研究工具 | 第18-23页 |
| 2.2.1 一般人口学信息调查表 | 第18页 |
| 2.2.2 分娩信息调查表 | 第18页 |
| 2.2.3 补充信息调查表 | 第18页 |
| 2.2.4 产后宫缩痛疼痛评估表 | 第18-19页 |
| 2.2.5 XGBoost算法程序的介绍与运用 | 第19-23页 |
| 2.3 资料的收集和质量控制 | 第23页 |
| 2.4 统计学分析 | 第23-25页 |
| 第3章 结果 | 第25-48页 |
| 3.1 一般人口学信息调查结果 | 第25-26页 |
| 3.2 分娩信息调查结果 | 第26-30页 |
| 3.2.1 自然分娩信息调查结果 | 第27-29页 |
| 3.2.2 剖宫产信息调查结果 | 第29-30页 |
| 3.3 产后宫缩痛主观评估结果 | 第30-33页 |
| 3.3.1 自然分娩产妇产后宫缩痛主观评估结果 | 第31-32页 |
| 3.3.2 剖宫产手术产妇产后宫缩痛主观评估结果 | 第32-33页 |
| 3.4 探索性因子分析结果 | 第33-35页 |
| 3.5 单因素分析结果 | 第35-39页 |
| 3.6 影响产后宫缩痛程度的线性回归分析 | 第39-45页 |
| 3.6.1 一般人口学特征影响疼痛评分的线性回归分析 | 第40-42页 |
| 3.6.2 自然分娩信息影响疼痛评分的线性回归分析 | 第42-43页 |
| 3.6.3 剖宫产手术信息影响疼痛评分的线性回归分析 | 第43-45页 |
| 3.7 7个特定情境的产后宫缩痛相关性分析 | 第45-46页 |
| 3.8 产后宫缩痛XGBoost的分类结果 | 第46-47页 |
| 3.9 主客观评估结果的比较 | 第47-48页 |
| 第4章 讨论 | 第48-55页 |
| 4.1 调查经产妇产后宫缩痛现状的必要性 | 第48页 |
| 4.2 经产妇产后宫缩痛相关调查表内容分析 | 第48-52页 |
| 4.2.1 一般人口学信息调查表内容分析 | 第48-49页 |
| 4.2.2 自然分娩信息调查表内容分析 | 第49-50页 |
| 4.2.3 剖宫产手术信息调查表内容分析 | 第50-51页 |
| 4.2.4 疼痛评估调查表内容分析 | 第51-52页 |
| 4.3 经产妇产后宫缩痛相关因素对临床护理的影响 | 第52-53页 |
| 4.3.1 护士对产妇文化程度的关注度有待提高 | 第52-53页 |
| 4.3.2 产妇对无痛分娩的接受度有待提高 | 第53页 |
| 4.4 引入XGBoost算法对疼痛程度进行分类研究的优劣势分析 | 第53-55页 |
| 4.4.1 优势分析 | 第53-54页 |
| 4.4.2 劣势分析 | 第54-55页 |
| 第5章 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55页 |
| 5.2 创新性 | 第55-56页 |
| 5.3 局限性 | 第56页 |
| 5.4 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-69页 |
| 附录A 经产妇产后宫缩痛信息调查表 | 第62-65页 |
| 附录B 产后宫缩痛疼痛评估表 | 第65-66页 |
| 附录C 补充信息表 | 第66-67页 |
| 附录D XGBoost程序编码 | 第67-69页 |
| 攻读学位期间的研究成果 | 第69-70页 |
| 综述 | 第70-79页 |
| 参考文献 | 第77-79页 |
