人工智能模型预测COVID-19疫苗接种后异常子宫出血
Yunjeong Choi1, Jaeyu Park2, Hyejun Kim2,3
1Department of Biomedical Engineering, Kyung Hee University, 1732, Deogyeong-daero, Giheung-gu, Yongin-si, Gyeonggi-do, 17104, South Korea.
Scientific reports
|February 27, 2025
概括
一个机器学习模型可以预测50岁以下的女性在接种COVID-19疫苗后出现异常子宫出血 (AUB). 关键预测因素包括接种频率,Novavax疫苗数量和血红蛋白水平,有助于风险评估.
科学领域:
- 疫苗学 疫苗学 疫苗学
- 数据科学数据科学数据科学
- 生殖健康 生殖健康
背景情况:
- COVID-19疫苗监测发现异常子宫出血 (AUB) 是一个令人担忧的问题.
- 需要对疫苗接种后AUB进行预测模型来进行风险评估.
研究的目的:
- 开发一种机器学习 (ML) 模型,在COVID-19疫苗接种后预测50岁以下女性的AUB.
- 确定疫苗接种后的关键预测因素 AUB.
主要方法:
- 利用了超过700万参与者的韩国全国队列 (K-COV-N).
- 使用集体ML模型 (梯度提升机,后勤回归) 与合成少数人过量采样技术 (SMOTE) 进行数据平衡.
- 对一群超过200万接种疫苗的人进行特征重要性分析.
主要成果:
- 开发了第一个ML模型来预测疫苗接种后AUB.
- 确定了COVID-19疫苗接种频率,NVX-CoV2373 (Novavax) 疫苗接种数量和血红蛋白水平作为主要预测特征.
- 功能重要性分析为风险因素提供了洞察力.
结论:
- 开发的ML模型为预测COVID-19疫苗接种后AUB风险提供了一种新的方法.
- 这些发现可以为加强疫苗接种后监测策略和风险分层提供信息.
- 强调疫苗接种史和生理因素在预测AUB方面的重要性.


