使用计算建模框架进行自动化毒性预测
Priyanka Chaurasia1, Sally I McClean2, Abbas Ali Mahdi3
1School of Computing, Engineering & Intelligent Systems, Ulster University, Derry, Londonderry, BT487JL UK.
Health information science and systems
|November 29, 2023
概括
这项研究开发了一种计算模型,使用社会人口统计数据预测母亲血液中的含量,以帮助早期检测和预防婴儿的暴露. 该模型为医疗保健提供者提供了一个具有成本效益的查工具.
科学领域:
- 环境健康 环境健康
- 计算毒理学计算毒理学
- 母婴健康 母婴健康
背景情况:
- 暴露对全球健康造成重大负担,特别是在发展中国家.
- 孕产妇血液中含量 (BLL) 是胎儿暴露的主要途径.
- 目前的BLL监测是昂贵的,耗时的,无法获得的,需要使用替代选方法.
研究的目的:
- 利用社会人口统计学特征开发一种计算模型,用于预测母亲血液中的含量.
- 建立一个具有成本效益和可访问的查工具来检测孕妇的毒性.
- 确定影响母亲暴露的关键社会人口统计因素.
主要方法:
- 一个计算模型框架被设计用于预测毒性.
- 收集和分析了母亲数据,包括社会人口统计学特征和血液样本.
- 使用机器学习算法 (kNN,DT,NN),使用Boruta算法进行特征选择.
主要成果:
- 由Boruta算法识别的12个特征集产生了最佳的预测结果.
- 开发的模型证明了预测准确度,kNN达到76.84%,DT达到74.70%,NN达到73.99%.
- 该模型有效地利用基于问卷的社会人口统计信息进行初始领导水平评估.
结论:
- 预测模型可以提高护理点诊断,降低与毒性相关的成本和风险.
- 该方法有可能被纳入孕妇的常规查过程中.
- 早期识别和干预可以减轻母亲的暴露,从而减少胎儿和婴儿的负担.
更多相关视频
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
2.7K
06:25Author Spotlight: High-Throughput Toxicity Screening Using Zebrafish Embryo Startle Response Assay
Published on: January 12, 2024
1.5K
