低ヘモグロビンによる遅れた献血の予測方法に関する研究:中国・杭州における献血データに基づく証拠

科学分野:

• 血液学 ヘマトロジ
• バイオメディカル・インフォマティクス
• データサイエンス データサイエンス

背景:

• 低ヘモグロビン (Hb) による献血の延期は,血液供給管理における重要な課題です.
• 既存のHb延期予測モデルは,しばしば正確性が欠け,主に欧州のデータに基づいており,中国人人口に関する研究は限られている.

研究 の 目的:

• 中国の献血者データに対して,現在の低Hb延期予測方法の適用性を評価する.
• 中国のドナーにおける低Hb延期を予測するための新しい機械学習モデルを開発し,最適化します.

主な方法:

• 中国の杭州から26,796件の全血献血記録を活用した.
• 7つの機械学習アルゴリズム (例えば,Logistic Regression,LightGBM) を評価し,データ不均衡のためのSMOTEとハイパーパラメータチューニングのためのHyperbandを使用しました.
• 主要な予測特性を特定するために,ロジスティック回帰とSHAP分析を使用しました.

主要な成果:

• LightGBMモデルは,90%の特異性で,低Hb延期に対する最も高い予測精度を達成しました.
• 歴史的な平均Hbレベル,性別,職業,ドナーのタイプが重要な予測要因でした.
• 民族集団は,杭州地域における予測の精度に大きな影響を与えました.

結論:

• 献血前のHb検査データと個人献血者情報は,低Hbの延期を確実に予測することを可能にします.
• 特徴の重要性の調査結果は,以前の研究と一致しており,地域間でのモデル移転の可能性を示唆しています.
• ハイパーパラメータ最適化は,予測モデルのパフォーマンスを向上させるのに有効です.