在埃塞俄比亚阿姆哈拉地区使用机器学习技术预测急性呼吸道感染
Abdulaziz Kebede Kassaw1, Gashaw Bekele2, Ahmed Kebede Kassaw3
1Department of Health Informatics, School of Public Health, College of Medicine and Health Sciences, Wollo University, Dessie, Ethiopia. abduleaziz1951@gmail.com.
Scientific reports
|November 14, 2024
概括
机器学习确定了埃塞俄比亚儿童急性呼吸道感染 (ARI) 的关键因素. 贫困的财富,更多的孩子和木材燃料的使用增加了ARI风险,而良好的健康和更少的孩子是保护性的.
科学领域:
- 公共卫生 公共卫生
- 机器学习 机器学习
- 流行病学 流行病学
背景情况:
- 在全球范围内,传染病是导致5岁以下儿童死亡的原因.
- 急性呼吸道感染 (ARI) 是发展中国家,特别是埃塞俄比亚的主要死亡原因.
- 确定ARI决定因素对于有针对性的干预至关重要.
研究的目的:
- 预测导致埃塞俄比亚阿姆哈拉地区五岁以下儿童急性呼吸道感染 (ARI) 的因素.
- 为了比较七个机器学习模型在识别ARI风险因素方面的有效性.
- 确定ARI的重要社会经济和环境决定因素.
主要方法:
- 利用了2016年埃塞俄比亚人口与健康调查的数据.
- 采用了七种机器学习模型:逻辑回归,随机森林,决策树,梯度提升,支持向量机器,天真贝叶斯和K-最近邻居.
- 使用接收器操作特征曲线和各种指标评估模型性能,包括因子重要性的沙普利增量扩展 (SHAP).
主要成果:
- 随机森林算法在预测ARI方面取得了最高的准确性 (90.35%).
- 确定的重大风险因素包括较差的财富状况,较大的家庭规模,母亲的职业,较低的母亲教育,农村居住和木燃料.
- 保护因素包括没有腹史和孩子年龄较小 (不到六个月).
结论:
- 机器学习,特别是随机森林,有效地预测ARI,并确定阿姆哈拉地区的关键风险因素.
- 社会经济地位,家庭结构,母亲因素和环境暴露与儿童的ARI密切相关.
- 解决贫困,计划生育,孕产妇教育和清洁燃料的干预措施对于减少ARI负担至关重要.
