中国妇女母乳养的发展轨迹和基于机器学习的风险预测模型:一个队列研究
Yi Liu1,2, Jie Xiang3,4, Ping Yan1,2
1Department of Obstetric Nursing, West China Second University Hospital, Sichuan University, No. 1416, Chenglonglu Avenue, Chengdu, Sichuan, Jinjiang District, 610066, China.
BMC pregnancy and childbirth
|December 24, 2024
概括
产后母乳养率有所下降,但机器学习模型可以准确地预测模式. 诸如出生体重和母亲体重等因素会影响长期母乳养的成功,为干预措施提供信息.
科学领域:
- 孕产妇和儿童的健康
- 儿科 儿科 儿科
- 公共卫生 公共卫生
背景情况:
- 哺乳对于婴儿的营养和发育至关重要.
- 现有的队列研究在跟踪母乳养至产后六个月的过程中存在差距.
- 这限制了护理人员及时干预的机会.
研究的目的:
- 分析产后前六个月内母亲的母乳养轨迹.
- 通过机器学习开发母乳养风险预测模型.
- 确定影响母乳养持续时间和成功的关键因素.
主要方法:
- 在中国进行了一项三波前性队列研究.
- 通过调查和电子健康记录从3175名母亲收集的数据 (2021年10月至2022年6月).
- 使用了五个机器学习算法,随机森林显示出优异的预测准确性.
主要成果:
- 哺乳率从出院时的100%下降到产后6个月后的83%.
- 在同一时期,纯母乳养率从91%下降到58%.
- 随机森林模型在预测3个月和6个月的母乳养模式方面取得了很高的准确性 (AUC高达0.98).
结论:
- 哺乳率略有下降,但全球仍保持乐观.
- 新生儿出生体重,母亲体重和母乳养的自我效能是关键预测因素.
- 结果为改善母乳养结果的有针对性的干预提供了洞察力.
