使用机器学习技术预测卢旺达的不良妊娠结果
Theogene Kubahoniyesu1,2, Ignace Habimana Kabano1
1African Centre of Excellence in Data Science, University of Rwanda, Kigali, Rwanda.
PloS one
|December 5, 2024
概括
机器学习准确地预测了卢旺达的不良妊娠结果,识别了高风险因素,如母亲的晚年和多重结合. 这使得能够及时进行干预,以改善母亲和新生儿健康.
科学领域:
- 公共卫生 公共卫生
- 生物统计学 生物统计学
- 医疗保健中的机器学习
背景情况:
- 怀孕不良后果对母亲和新生儿健康构成重大风险,导致发病率,死亡率和发育问题.
- 预测这些结果对于及时干预和改善医疗保健策略至关重要.
研究的目的:
- 用监督机器学习算法预测卢旺达的不良妊娠结果.
- 确定与卢旺达人口不良妊娠结果相关的关键风险因素.
主要方法:
- 这是一项采用卢旺达人口与健康调查 (2019-2020) 中14634名妇女数据的横截面研究.
- 采用K折交叉验证和合成少数超标采样技术 (SMOTE) 来进行数据分区和类失衡.
- 评估了七个基于准确性,精度,回忆,F1分数和AUC的机器学习算法.
主要成果:
- 不良结果的发生率:流产4.5%,死产2.1%.
- 确定了风险因素:母亲的晚年 (>30岁),多个工会,缺乏医疗保健提供者的访问.
- 保护因素:已婚,参加至少两次产前护理访问.
- K-最近邻居 (KNN) 模型表现出卓越的性能,精度为86%,回忆率为97%,AUC为0.842.
结论:
- 机器学习,特别是KNN算法,有效地预测不良妊娠结果.
- 这些预测模型可以促进早期干预战略,以改善卢旺达的孕产妇和新生儿护理.


