整合机器学习框架,用于预测怀孕期间母亲健康风险.
Alaa O Khadidos1,2, Farrukh Saleem3, Shitharth Selvarajan4,5
1Department of Information Systems, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia.
Scientific reports
|September 14, 2024
概括
这项研究引入了一种机器学习框架,用于预测孕产妇的健康风险,确定高血压和血糖是关键因素. 早期发现高风险怀孕可以改善结果并挽救生命.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 公共卫生 公共卫生
背景情况:
- 孕产妇的健康风险,包括高血压和葡萄糖问题,有助于妊娠并发症.
- 早期识别和监测这些风险对于减少不良结果至关重要.
- 现有的方法可能缺乏及时有效干预所需的精度.
研究的目的:
- 开发和实施一种机器学习框架,用于预测孕产妇健康风险 (MHR) 因素.
- 使用现实数据集识别和分类孕产妇健康风险.
- 为了提高预测高风险怀孕的准确性.
主要方法:
- 开发了四元组机器学习框架 (QEML-MHRC).
- 集成多个机器学习 (ML) 模型与四个整体ML技术.
- 在分娩医院和诊所的数据上进行了19次培训和测试实验.
主要成果:
- 探索性数据分析确定了高血压,低血压和高血糖作为显著的危险因素.
- 在所有风险类别中,QEML-MHRC框架展示了出色的预测性能.
- "HR" (高风险) 类实现了90%的预测准确度;带有整体堆叠的梯度提升树 (GBT) 在所有类中显示了0.86的性能.
结论:
- 拟议的QEML-MHRC方法有效评估母亲健康风险,使高风险怀孕的早期检测成为可能.
- 按类衡量绩效可以提高对风险区分 (高,低,中) 的理解.
- 这种预测模型可以帮助医疗专家及时进行干预,可能挽救生命并减少并发症.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K