使用人口数据进行机器学习分析,用于预孕和围产期神经发育迟缓后代的神经发育迟缓的风险因素
Seung-Woo Yang1,2, Kwang-Sig Lee3, Ju Sun Heo4,5
1Research Institute of Medical Science, Konkuk University School of Medicine, Seoul, Republic of Korea.
Scientific reports
|June 17, 2024
概括
这项研究确定了后代神经发育障碍 (NDD) 的关键风险因素. 低社会经济地位,母亲年龄,男性性别和胎儿生长限制与NDD发展有显著的关联.
科学领域:
- 儿科 儿科 儿科
- 遗传学 是一个遗传学.
- 公共卫生 公共卫生
背景情况:
- 神经发育障碍 (NDD) 由复杂的产前和产后因素引起.
- 确定特定的风险因素对于早期干预和预防策略至关重要.
研究的目的:
- 使用机器学习评估妊娠前/产前风险因素和后代NDD之间的关联.
- 用先进的计算方法分析这些关联的方向性.
主要方法:
- 利用来自韩国国家健康保险服务的基于人口的回顾性队列数据 (209,424对单身母亲).
- 运用随机森林变量重要性和SHAP值用于预测建模和关联分析.
- 与逻辑回归模型比较随机森林的性能.
主要成果:
- 随机森林模型在预测运动发育障碍 (MDD),认知发育障碍 (CDD) 和整体NDD方面显著超过了后勤回归.
- 较低的社会经济地位和母亲出生时的年龄被确定为高度排名的风险因素.
- 胎儿的男性性别和生长限制与NDD发展有积极的关联.
结论:
- 机器学习模型有效地识别了NDD的显著产前和产周风险因素.
- 研究结果强调了社会经济地位,母亲的年龄,胎儿的性别和后代神经发育的增长的重要性.


