通过机器学习算法探索幼儿,营养不良和贫血之间的关联
K Fasna1, Saima Yunus Khan1, Ayesha Ahmad2
1Department of Pediatric and Preventive Dentistry, Dr. Ziauddin Ahmad Dental College, A. M. U, Aligarh, Uttar Pradesh, India.
概括
这项研究发现,年龄是严重急性营养不良 (SAM) 儿童早期虫 (ECC) 的主要预测因素. 贫血和营养不良显著促进了ECC的发展,强调了对综合儿科和牙科护理的需要.
科学领域:
- 儿科牙科 儿科牙科
- 公共卫生 公共卫生
- 医疗保健中的机器学习
背景情况:
- 幼儿 (ECC) 是一个重要的公共卫生问题,特别是在弱势群体中.
- 严重急性营养不良 (SAM) 与许多健康并发症有关,可能包括口腔健康问题.
- 了解SAM儿童ECC的多因素性质对于有效的干预至关重要.
研究的目的:
- 确定严重急性营养不良 (SAM) 的儿童中ECC的患病率.
- 使用机器学习识别ECC,营养不良,贫血和其他风险因素之间的关联等级.
- 为儿科医生和儿科牙医提供综合护理策略的信息.
主要方法:
- 一项基于医院的预防和干预研究对2至6岁以下的SAM儿童进行.
- 使用熟练指数进行ECC口腔检查,并记录人体测量和血液检查数据.
- 三种机器学习算法 (随机树,CART,神经网络) 用来分析ECC和风险因素之间的关系.
主要成果:
- 随机树模型确定年龄 (98.75%) 是ECC最重要的预测因素.
- 母亲教育 (29.20%) 和血红蛋白水平 (16.67%) 也是重要的预测因素.
- 其他因素,如零食摄入频率,母乳养和SAM状态,与ECC有不同程度的关联.
结论:
- 贫血和营养不良是预测和导致ECC的重要因素.
- 儿科医生必须认识到贫血和营养不良对儿童牙健康的负面影响.
- 儿科医生和儿牙医之间的合作努力对于管理SAM儿童的ECC至关重要.
