使用机器学习方法预测母亲和新生儿的皮肤接触

科学领域:

• 孕产妇和新生儿健康
• 医疗保健中的机器学习
• 预测分析在产科中的预测分析.

背景情况:

• 皮肤与皮肤接触 (SSC) 对新生儿和母亲有着众所周知的好处.
• 关于影响SSC实施的因素的数据有限.
• 机器学习 (ML) 可以确定改善SSC实践的预测因素.

研究的目的:

• 使用机器学习识别皮肤与皮肤接触 (SSC) 的关键预测因素.
• 开发和评估用于预测SSC实施的ML模型.

主要方法:

• 利用了伊朗母亲和新生儿网络 (IMaN Net) (2020年1月至2022年1月) 的数据.
• 实施了九种统计学习模型,包括深度学习和线性回归.
• 使用AUROC,准确性,精度,回忆和F_1评分来评估模型性能.

主要成果:

• 深度学习 (AUROC:0.81) 和线性回归 (AUROC:0.80) 在预测SSC方面表现最高.
• 确定了关键预测因素:杜拉支持,新生儿体重,妊娠年龄,分娩课程和母亲年龄.
• 在8031名母亲中,46.8%的母亲经历过SSC.

结论:

• 机器学习模型在预测SSC方面表现强.
• 建议进行进一步的研究,以巩固关于ML模型对SSC预测功效的结论.