要旨

PPHの原因は、その約7割が子宮弛緩（uterine atony）です（70.6%）。 リスク因子のオッズ比（前回PPH 3.17倍、生殖補助医療 2.40倍など）は「関連の強さ」であって、個人を予測する精度ではありません。 機械学習でさえ——内部の検証でC統計量0.93という高い識別能を示したモデルが、外部の検証では大きく低下します。 だから、個人の出血リスクを精度よく予測しようとするより、全分娩を起点に備える方が理に適います。

本論の要点

記事本文（数値解析・原典精読・国内実装の論点）は theLetter「産科の羅針盤」で全文無料で配信しています。本ページでは、論点の構造と図表アーカイブを公開しています。

本稿の要点

図表アーカイブ

*図1 内部の高い識別能は、外部の検証では再現されない。
*図1 内部の高い識別能は、外部の検証では再現されない。

本文を全文無料で読む

本連載は theLetter「産科の羅針盤」で全文無料で配信しています（メールアドレスのみで購読可・配信はいつでも解除できます）。

theLetter で読む（無料）

主要参考文献

  1. Yunas I, Islam MA, Sindhu KN, et al. Causes of and risk factors for postpartum haemorrhage: a systematic review and meta-analysis. *Lancet* 2025;405:1468–1480. PMID: 40188841
  2. Neary C, Naheed S, McLernon DJ, Black M. Predicting risk of postpartum haemorrhage: a systematic review. *BJOG* 2021;128:46–53. PMID: 32575159
  3. Carr BL, Jahangirifar M, Nicholson AE, et al. Predicting postpartum haemorrhage: a systematic review of prognostic models. *Aust N Z J Obstet Gynaecol* 2022;62:813–825. PMID: 35918188
  4. Venkatesh KK, Strauss RA, Grotegut CA, et al. Machine learning and statistical models to predict postpartum hemorrhage. *Obstet Gynecol* 2020;135:935–944. PMID: 32168227
  5. Meyer SR, Carver A, Joo H, et al. External validation of postpartum hemorrhage prediction models using electronic health record data. *Am J Perinatol* 2024;41:598–605. PMID: 35045573
  6. Westcott JM, Hughes F, Liu W, et al. Prediction of maternal hemorrhage using machine learning: retrospective cohort study. *J Med Internet Res* 2022;24:e34108. PMID: 35849436
  7. Mathewlynn SJ, Soltaninejad M, Collins SL. Artificial Intelligence and Postpartum Hemorrhage. *Maternal-Fetal Medicine* 2025;7(1):22–28. PMID: 40620613
  8. 日本産科婦人科学会・日本産婦人科医会. 産婦人科診療ガイドライン産科編2026. CQ416-1（分娩後異常出血の予防ならびに対応）. 2026:268–272.