人工神经网络方法用于识别使用Peridata.Net的母婴风险和资产因素:WI-MIOS研究

科学领域:

• 围产期健康 围产期健康
• 预测分析是一种预测分析.
• 医疗信息学 医疗信息学

背景情况:

• 像PeriData.Net这样的临床注册表提供了有价值的母婴数据.
• 预测分析可以提高围产期婴儿风险评估.
• 了解出生结果的社会经济差异至关重要.

研究的目的:

• 分析PeriData.Net数据,以预测婴儿周产期风险的预测分析方法.
• 确定婴儿出生结果集群和关键的母亲风险因素.
• 研究社会经济地位 (SES) 与婴儿出生结果之间的关系.

主要方法:

• 无监督学习 (自我组织的地图) 集群婴儿出生结果.
• 监督学习用于风险传播建模以识别孕产妇因素.
• 通过SES记录邮政编码来分析差异.

主要成果:

• 确定了三个不同的婴儿出生结果集群.
• 集群3显示风险更高,与较低的阿帕尔分数,较短的长度和早产有关.
• 风险最高的群体中的婴儿主要来自较低的SES背景.

结论:

• 结合社会和行为因素的预测建模改善了风险评估.
• 根据SES观察到婴儿出生结果的显著不平等.
• 识别婴儿风险概况可以指导未来的研究和干预.