产后出血是产科常见的严重并发症,是目前我国孕妇死亡的主要原因。产后出血会给产妇带来一系列的生理危害,甚至可能危及产妇生命。探寻产后出血的危险因素,积极采取有效手段预防和治疗产后出血,控制产后出血的发病率,已成为当前产后出血研究的主要方向。论文以北京妇产医院妊娠产妇数据为研究对象,从妊娠妇女的流行病学、生化、胎盘三方面的产前数据来分析产后出血的危险因素。对数据总体情况进行描述性分析了解各因素下产后出血发病情况,得到不同孕前体重指数的产后出血的患病率存在显著差异,不同年龄段下产后出血的患病率也存在显著差异。对数据进行预处理,利用560例产妇数据和23个变量构建分类模型。首先利用自适应Lasso和SCAD方法进行变量选择,利用筛选得到的变量进行Logistic回归得到回归模型。确定随机森林模型的最佳参数,构建随机森林模型并得到变量重要性排序。最后通过确定神经网络的隐含层数和神经元个数,建立基于神经网络的产后出血预测模型。通过分析Logistic回归和随机森林模型得到影响产后出血的危险因素为孕妇年龄、孕前BMI、产次、血红蛋白异常、血小板异常、多胎、腹部手术史、巨大儿、子宫卵巢肌瘤、骨盆软产道异常、妊娠期糖尿病、妊娠期高血压、前置胎盘和多羊水。并根据敏感度、特异度、F₁值和AUC值作为评价指标分析三个分类模型的优劣。在敏感度、F₁值和AUC为评价指标时,神经网络模型的拟合效果最佳。在以特异度为评价指标时,基于随机森林的产后出血预测模型精度最高。根据分析得到的影响产后出血危险因素,建议临床上从产前宣传、产时指导和产后监护三个方面来控制产后出血的发生,从而降低产后出血的发病率和死亡率。