使用机器学习算法开发创伤性脊髓损伤发生率的区域性预测模型
Seyed Behnam Jazayeri1,2, Seyed Farzad Maroufi2,3, Shaya Akbarinejad4
1Sina Trauma and Surgery Research Center, Tehran University of Medical Sciences, Tehran, Iran.
World neurosurgery: X
|March 18, 2024
概括
一个新的机器学习模型准确地预测了创伤性脊髓损伤 (TSCI) 的发生率. 关键预测因素包括车辆使用和道路基础设施,帮助决策者分配资源以预防伤害.
科学领域:
- 流行病学 流行病学
- 公共卫生 公共卫生
- 机器学习 机器学习
背景情况:
- 创伤性脊髓损伤 (TSCI) 构成了重大的公共卫生挑战.
- 准确预测TSCI发生率对于有效的预防策略和资源分配至关重要.
研究的目的:
- 开发和评估创伤性脊髓损伤 (TSCI) 发生率的预测模型.
- 确定导致与运输相关的TSCI (TRTSCI) 的关键因素.
主要方法:
- 利用系统审查和国际公路联合会的数据进行发病率和共变量数据.
- 实施了特征选择技术,包括缺失值值和皮尔森相关性,以减轻过度拟合.
- 比较了简单的线性回归,支向量回归和多层感知子模型.
- 使用平均绝对误差,根平均平方误差和R2.2评估模型性能.
主要成果:
- 开发了一种机器学习模型,预测TSCI发生率,平均绝对误差为4.66.
- 确定了"正在使用的车辆,道路总车辆/公里"",受伤事故/100万车公里"",正在使用的车辆,货车,皮卡,卡车,公路拖拉机"",内陆表面乘客运输 (Mio乘客-Km),铁路"和"%铺路"作为顶级预测指标.
- 该模型的准确性很高,特别是在道路交通伤害是TSCI的主要原因的国家.
结论:
- 开发的机器学习模型提供了一个非常准确的方法来预测TSCI发生率.
- 这种预测能力可以大大帮助决策者优化资源配置,并评估道路交通伤害预防措施的有效性.
- 该模型对于交通相关的TSCI患病率高的国家尤其有价值.
