使用机器学习技术预测早期停止纯母乳养
Freja Marie Nejsum1, Rikke Wiingreen1,2, Andreas Kryger Jensen3,4
1Department of Pediatrics, Copenhagen University Hospital-North Zealand, Hillerød, Denmark.
PloS one
|January 9, 2025
概括
开发了机器学习模型,以预测早期停止母乳养. 然而,这些模型的准确性有限,这表明目前的预测因素不足以确定需要支持的母亲.
科学领域:
- 公共卫生 公共卫生
- 孕产妇和儿童的健康
- 生物统计学 生物统计学
背景情况:
- 早期停止纯母乳养会影响婴儿的健康,需要有针对性的支持.
- 机器学习 (ML) 提供了开发透明,临床适用的预测模型的潜力.
- 识别有早期停止母乳养的风险的母亲对于及时干预至关重要.
研究的目的:
- 开发和验证两个ML模型,预测产后一个月内停止纯母乳养.
- 评估包括额外的怀孕和分娩并发症因素对预测准确性的影响.
主要方法:
- 随机森林ML算法应用于全国性的丹麦出生队列 (2014-2015).
- 模型1: 11个已确定的因素; 模型2: 模型1的因素+21个额外的并发症因素.
- 用于识别关键预测因素的特征重要性分析.
主要成果:
- 数据集包括110,206名婴儿和106,835名母亲.
- 模型1 AUC: 62.0%;准确率: 60.4%. 模型2 AUC: 62.2%;准确率: 60.0% .
- 关键预测因素包括出生地,母亲的教育,分娩方式和母亲的BMI.
结论:
- 开发的ML模型在预测早期停止母乳养方面显示出有限的准确性.
- 将模型扩展到额外的怀孕和分娩因素并没有显著改善预测性能.
- 需要进一步的研究来确定早期停止母乳养的更强有力的预测因素.
