在撒哈拉以南非洲使用监督机器学习算法预测生育年龄妇女的妊娠损失及其决定因素
Tirualem Zeleke Yehuala1, Sara Beyene Mengesha1, Nebebe Demis Baykemagn1
1Department Health Informatics, Institute of Public Health, College of Medicine and Health Sciences, University of Gondar, Gondar, Ethiopia.
Frontiers in global women's health
|February 25, 2025
概括
流产是撒哈拉以南非洲的一个主要问题. 机器学习,特别是随机森林,有效地预测妊娠流产,识别未婚状态,以及较低的产前和计划生育服务作为关键风险因素.
科学领域:
- 公共卫生 公共卫生
- 生殖健康 生殖健康
- 医疗保健中的机器学习
背景情况:
- 流产仍然是撒哈拉以南非洲 (SSA) 的一个关键的公共卫生问题.
- 在SSA中,孕产妇的健康结果受到妊娠流产,包括流产,死产和诱导堕胎的重大影响.
- 这些损失影响着妇女的健康,社会福祉和经济稳定.
研究的目的:
- 在SSA中确定生育年龄妇女怀孕损失的关键预测因素.
- 使用机器学习技术开发有效的怀孕流产预测模型.
主要方法:
- 这是一项横截面研究,使用了来自SSA的人口和健康调查的数据.
- 机器学习算法的应用:随机森林,决策树,物流回归,极端梯度增强和高斯式.
- 使用ROC曲线,准确性,精度,回忆和F测量的模型性能评估.
主要成果:
- 随机森林模型以98%的准确性,98%的精度,83%的F测量,94%的ROC和77%的回忆率表现出卓越的性能.
- 未婚状态,较低的收入和减少获得产前和计划生育服务的机会被确定为重要的风险因素.
- 高等教育水平与提高认识和更好地获得医疗保健相关,降低了流产风险.
结论:
- 机器学习,特别是随机森林模型,为妊娠损失风险因素提供了强大的预测能力.
- 机器学习可以促进对高风险女性的早期预测和干预.
- 政策建议对于减少撒哈拉以南非洲国家的妊娠流产至关重要.
