機械学習に基づく乳児の急性乳炎の予測モデル構築

科学分野:

• 医療情報学
• 女性 の 健康
• 感染症

背景:

• 乳児の急性乳房炎は,乳児の女性に影響を与える一般的な合併症で,複雑な病因と非特異的な初期症状があります.
• 診断が遅れた場合,重度の感染と回復が遅れる可能性があり,よりよいリスクの特定が必要であることを強調しています.
• 哺乳期の乳房炎の危険因子に関する既存の研究は不完全である.

研究 の 目的:

• 機械学習を用いた乳児の急性乳房炎リスクの予測モデルを開発し,検証する.
• 乳児の急性乳房炎の発生に影響を与える主要な危険因子を特定する.
• 早期の臨床介入と正確な診断のためのツールを提供すること.

主な方法:

• 急性乳腺炎の369人の患者と447人の健康な対照群を対象とした遡及的症例対照試験.
• 収集されたデータには,年齢,対数,C反応性タンパク質 (CRP) などの患者の人口統計と臨床指標が含まれています.
• 機械学習アルゴリズム (Logistic Regression,Naive Bayes,XGBoost,Multilayer Perceptron) を用いて予測モデルを構築し,テストした.

主要な成果:

• 多層感知器 (MLP) モデルは,AUROC 0. 898,精度 0. 840,感度 0. 820,特異性 0. 863で優れた性能を示した.
• 5つの指標が急性乳児乳炎と有意に関連していることが判明しました:年齢,乳首の裂け目,CRP,中性細胞 (NE),白血球 (WBC).
• 決定曲線分析は,様々な値範囲におけるMLPモデルの臨床的有用性を確認した.

結論:

• 機械学習を用いて 乳児の急性乳炎を予測する 強力なモデルが開発されました
• 年齢,乳首の裂け目,CRP,NE,およびWBCのレベルを含む主要なリスク要因は,乳房炎の発生を予測するために重要である.
• 開発されたモデルと特定された要因は,乳児乳房炎の早期発見と標的型管理のための貴重な洞察を提供します.