一种机器学习方法用于预测肯尼亚的HIV病毒载荷热点,使用现实世界的数据
1Kenya Medical Research Institute, Nairobi, Kenya.
Health data science
|March 15, 2024
概括
机器学习预测了肯尼亚的艾滋病毒病毒载量热点. 这种早期预警系统有助于优化艾滋病毒治疗和资源配置,以改善患者的治疗结果.
科学领域:
- 公共卫生 公共卫生
- 机器学习 机器学习
- 流行病学 流行病学
背景情况:
- 机器学习并不经常用于预测艾滋病毒状况.
- 该研究的重点是开发一种机器学习模型,以预测肯尼亚的艾滋病毒病毒载量 (VL) 热点.
- 根据世卫组织的建议,热点被定义为≥20%的艾滋病毒感染者 (PLHIV) 无法实现病毒抑制的卫生设施.
研究的目的:
- 开发一种机器学习模型,用于预测艾滋病毒病毒载荷热点.
- 为肯尼亚的卫生管理人员建立一个早期预警系统.
- 优化抗逆转录病毒疗法 (ART) 计划的治疗和资源分配.
主要方法:
- 随机森林模型是使用从卫生部附属机构定期收集的数据来开发的.
- 在清理和异常值/多线性检查后,患者级数据 (400万个测试,4,265个设施) 被汇总到设施级.
- 设施级数据集分为培训 (75%) 和测试 (25%) 的模型开发数据集.
主要成果:
- 该模型在区分热点和非热点方面实现了78%的准确性.
- 该模型报告F1得分为69%和Brier得分为0.139.
- 在2019年12月,该模型准确地预测了434个额外的VL热点,超出观察到的446.
结论:
- 开发的热点映射模型对于抗逆转录病毒疗法计划至关重要.
- 它支持决策者主动识别VL热点.
- 该模型利用具有成本效益的,经常收集的数据来及时进行干预.
