探索COVID-19后的健康影响和特征,使用先进的机器学习技术
Muhammad Nazrul Islam1, Md Shofiqul Islam2, Nahid Hasan Shourav2
1Department of Computer Science and Engineering, Military Institute of Science and Technology, Mirpur Cantonment, Dhaka, 1216, Bangladesh. nazrul@cse.mist.ac.bd.
Scientific reports
|April 30, 2024
概括
后COVID-19恢复受到人口统计和健康因素的影响,如睡眠和记忆力. 机器学习,特别是决策树,有效地识别了COVID-19感染后长期健康问题的关键预测因素.
科学领域:
- 医学研究 医学研究
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
背景情况:
- 作为一种传染性呼吸道疾病的COVID-19带来了各种各样的健康结果,包括长期的后果.
- 许多康复的个人经历了由人口,生理和神经因素影响的持续健康问题.
研究的目的:
- 调查影响后COVID-19患者不同人口特征的健康因素.
- 在COVID-19后的状态下,确定生理和神经因素之间的相关性.
- 确定最有效的机器学习模型来预测COVID-19后的健康影响.
主要方法:
- 在孟加拉国从康复的COVID患者中收集的调查数据.
- 应用各种机器学习算法来预测COVID-19后的因素.
- 使用奇平方和皮尔森系数进行统计验证.
- 使用基尼指数,特征系数,信息获取和SHAP价值评估进行特征重要性分析.
主要成果:
- 在COVID-19后的健康因素中确定了重要的关系.
- 皮尔森系数表明了生理和神经因素之间的关联.
- 决策树模型在确定COVID-19后影响的关键预测特征方面表现卓越.
结论:
- 人口和健康因素显著影响COVID-19后的恢复和长期健康.
- 机器学习模型,特别是决策树,是了解和预测COVID-19后后果的有效工具.
- 识别关键特征有助于针对性干预,以改善患者的治疗结果.


