可解释的机器学习分类来识别育儿母亲中的弱势群体:基于Web的横截面问卷研究
Akiko Hanai1,2,3, Tetsuo Ishikawa1,2,3,4, Shoko Sugao5
1Medical Data Mathematical Reasoning Team, Advanced Data Science Project, RIKEN Information R&D and Strategy Headquarters, RIKEN, Yokohama, Japan.
育儿弹性有所不同,影响到母亲的心理社会福祉. 一个机器学习分类器发现脆弱的母亲经历了更高的抑郁情绪,结合问题和睡眠质量差的比率.
科学领域:
- 母亲心理健康 母亲心理健康
- 心理社会适应能力
- 机器学习在医疗保健中的应用
背景情况:
- 育儿是一个重要的生命事件,需要性和适应性.
- 母亲在抚养孩子期间的性和感知到的支持是可变的,创造了一个不清楚的现实世界的画面.
- 产后检查可能无法完全捕捉到母亲面临的各种挑战.
研究的目的:
- 探索从新生儿到幼儿阶段的母亲的心理社会地位.
- 开发一种机器学习分类器,识别母亲的性和适应性特征.
- 确定在育儿期间脆弱的孕产妇人群.
主要方法:
- 进行了一项基于网络的横截面调查.
- 使用可解释的k-means集群来构建适应性和适应性的分类器.
- 该分类器应用于新生儿,婴儿和幼儿队列,以评估心理社会状态 (EPDS,PBQ,PSQI).
主要成果:
- 一个分类器将1559名参与者分为5组,根据性和适应性进行分层.
- 在性和适应方面遇到最大困难的母亲表现出更高的抑郁情绪,结合问题和睡眠质量差的发病率.
- 婴儿和幼儿队伍中的脆弱群体与没有困难的群体相比,心理社会问题的相对流行率显著更高.
结论:
- 一个整合性,适应性和感知支持的分类器有效地确定了心理社会脆弱的母亲.
- 在新生儿,婴儿和幼儿阶段确定了脆弱群体,具有不同的个人资料.
- 婴儿队列的脆弱群体表现出特别高的抑郁情绪和睡眠质量差的相对流行率.
更多相关视频
05:04A Common Marmoset Model of Mother-Infant Intervention for Breastfeeding Disorders in the Presence of Paternal Inhibition and Maternal Neglect
Published on: September 22, 2023
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
相关概念视频
Regression Toward the Mean
Classification of Systems-I
Homogeneity dictates that if an input x(t) is multiplied by a constant c, the output y(t) is multiplied by the same constant. Mathematically, this is expressed as:
Classification of Systems-II
Survival Tree
Building a Survival Tree
Constructing a...
Attachment
Stereotype Content Model
