机器学习有助于预测青少年吸烟的情况
Hamidreza Roohafza1, Elahe Mousavi2, Razieh Omidi3
1Isfahan Cardiovascular Research Centre, Cardiovascular Research Institute, Isfahan University of Medical Sciences, Isfahan, Iran.
这项研究开发了一种机器学习 (ML) 模型,以识别吸烟风险高的青少年. 该模型准确地预测了易感性,有助于针对性预防青少年吸烟的努力.
科学领域:
- 公共卫生 公共卫生
- 计算流行病学计算流行病学
- 青少年健康 青少年健康
背景情况:
- 青少年吸烟率正在上升.
- 区分容易吸烟的青少年和不承认吸烟的青少年对于干预至关重要.
研究的目的:
- 提出和评估一种机器学习 (ML) 方法,根据吸烟风险对青少年进行分类.
- 确定影响青少年开始吸烟的关键因素.
主要方法:
- 利用两项横截面研究 (7940人) 的数据进行培训和测试.
- 采用随机最小绝对收缩和选择器操作器 (LASSO) 进行特征选择.
- 应用各种ML模型用于吸烟者/非吸烟者和风险级别分类.
主要成果:
- 确定了15个影响因素,包括同龄人的影响,风险行为,态度,学校政策,家庭因素,抑郁症和性.
- ML模型实现了高性能:AUC高达0.92,灵敏度高达0.88,特异性高达0.98.
- 优异的负预测值 (NPV) 高达0.99用于识别非吸烟者.
结论:
- ML方法有效地区分青少年吸烟者和非吸烟者.
- 该模型作为一个有价值的查工具,用于预测吸烟易感性.
- 能够为处于危险的青少年提供更精确,更有针对性的预防干预措施.
更多相关视频
14:21Creating Dynamic Images of Short-lived Dopamine Fluctuations with lp-ntPET: Dopamine Movies of Cigarette Smoking
Published on: August 6, 2013
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Statistical Methods for Analyzing Epidemiological Data
Mechanistic Models: Compartment Models in Individual and Population Analysis
Longitudinal Research
Lung Capacity
