机器学习算法的应用来预测艾滋病毒检测在南非成年人群重复调查中的应用:多波横截面分析协议
Musa Jaiteh1, Edith Phalane1, Yegnanew A Shiferaw2
1South African Medical Research Council/University of Johannesburg Pan African Centre for Epidemics Research Extramural Unit, Faculty of Health Sciences, University of Johannesburg, Johannesburg, South Africa.
JMIR research protocols
|January 27, 2025
概括
这项研究使用机器学习来确定影响南非艾滋病毒检测的关键因素. 研究结果将有助于制定有针对性的公共卫生战略,以提高检测率和打击艾滋病毒.
科学领域:
- 公共卫生 公共卫生
- 流行病学 流行病学
- 机器学习应用 机器学习应用
背景情况:
- 艾滋病毒检测对于预防艾滋病毒和实现联合国艾滋病规划署2030年目标至关重要.
- 在应用机器学习来预测南非成年人艾滋病毒检测方面存在研究缺口.
- 需要进一步分析,以告知有效的艾滋病毒检测干预措施.
研究的目的:
- 通过监督机器学习,确定南非艾滋病毒检测的一致预测因素.
- 分析基于成年人口的重复调查数据.
主要方法:
- 对南非国家艾滋病毒流行,发病率,行为和沟通调查 (SABSSM) 数据 (2002-2017) 五个周期的回顾性分析.
- 监督机器学习算法的应用,包括后勤回归,支持矢量机器,随机森林和决策树.
- 模型性能评估使用准确性,精度,回忆,F1得分,AUC-ROC和混矩阵.
主要成果:
- 该研究将在20年内确定一致的变量,预测南非的艾滋病毒检测采用率.
- 将对四种机器学习算法的性能指标进行评估和比较.
- 性能最好的模型将用于开发HIV检测预测工具.
结论:
- 这项研究将提高对超越传统方法的艾滋病毒检测预测因子的理解.
- 调查结果将为针对性公共卫生干预提供基于证据的政策建议.
- 该研究旨在加强南非的艾滋病毒检测策略.


