死産を防ぐための機械学習: データを生命を救う洞察に変換することは可能でしょうか?

科学分野:

• 母親 の 健康
• 機械学習
• 公衆衛生

背景:

• 胎児死亡の予測は 母親と子供の健康にとって極めて重要です
• 社会統計学と健康史のデータを活用することで 予測の精度が向上します

研究 の 目的:

• 胎児死亡の予測のための機械学習モデルの性能を評価する.
• 計算手法とバランスシナリオを比較する.
• ブラジルの人口における胎児死亡の主要な予測要因を特定する.

主な方法:

• ブラジルのペルナムブコの社会プログラム (2008年−2022年) のデータセットを利用した.
• ランダムアンダーサンプリング (RU) とハイブリッドアンダーサンプリング2x (H2X) のバランステクニックを使用.
• 4つのツリーベースの機械学習モデル (例えば,XGBoost,ランダムフォレスト) を性能と機能の重要性で評価した.

主要な成果:

• XGBoostは81.06%の特異性,Random Forestは67.73%の感度を達成した.
• 最初の産前ケア,母親の年齢,教育,妊娠間隔は重要な予測要因でした.
• モデルの性能は,異なるバランスシナリオと割り算技術によって異なる.

結論:

• 機械学習は公衆衛生上の取り組みにおいて 胎児死亡の予測に有用なツールとなります
• このアプローチはブラジルの社会プログラムを支援し,持続可能な開発目標に貢献することができます.
• 医療にテクノロジーを組み込むことで 重要な社会的効果が得られます