使用机器学习模型预测阴阳性和阴阳性先天性心脏病
Sana Shahid1, Haris Khurram2,3, Apiradee Lim2
1Department of Statistics, Bahauddin Zakariya University, Multan 60000, Punjab, Pakistan.
World journal of clinical pediatrics
|December 10, 2024
概括
一个人工神经网络模型有效地预测了儿童的先天性心脏病. 早期识别风险因素,如母亲的饮食和家庭病史,对于更好的结果至关重要.
科学领域:
- 儿童心脏病学 儿童心脏病学
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 先天性心脏病 (CHD) 是新生儿和儿童疾病和死亡的一个重要原因.
- 早期发现和预测心血管疾病对于改善儿科健康结果至关重要.
研究的目的:
- 开发和确定最优的预测模型,用于怀孕期间儿童的阴阳性和阴阳性先天性心脏病.
- 确定与先天性心脏病相关的潜在风险因素.
主要方法:
- 分析了3900名被诊断患有心血管疾病的母亲和儿童的数据集.
- 使用多变量异常值检测.
- 评估了各种机器学习模型,根据AUC,灵敏度和特异性选择了最好的模型.
主要成果:
- 阳性心脏病比阳性心脏病 (30.5%) 更普遍 (69.5%).
- 男人表现出较高的乙酸和酸CHD的比率.
- 孕妇在怀孕期间经常食用快餐会使蓝色心血管疾病的几率增加1.28倍.
结论:
- 积极的家族病史,男性性别和母亲的饮食是心血管疾病的重要风险因素.
- 人工神经网络 (ANN) 模型显示出优异的预测性能 (AUC=0.9012).
- 这种预测模型和研究结果可以帮助临床医生和公共卫生官员在巴基斯坦早期诊断和管理儿科心血管疾病.
