机器学习技术的范围审查和质量评估,用于识别产周阶段对儿童发展不利的孕产妇风险因素
Hsing-Fen Tu1,2,3, Larissa Zierow4,5, Mattias Lennartsson6
1Department of Women's and Children's Health, Uppsala University, Uppsala, Sweden.
PloS one
|May 28, 2025
概括
机器学习在识别影响儿童发育的周产期风险因素方面表现有前途. 然而,目前的研究往往缺乏可靠的验证,限制了模型的概括性和现实世界的应用.
科学领域:
- 围产期健康 围产期健康
- 儿童发展 儿童发展
- 计算流行病学计算流行病学
背景情况:
- 孕产妇周围暴露 (环境或心理健康) 会对儿童发育产生负面影响.
- 早期识别风险因素对于干预至关重要.
- 机器学习 (ML) 为分析复杂的围产期数据提供了潜力.
研究的目的:
- 审查ML在预测儿童发育周边产妇风险因素方面的应用.
- 批判性地评估这一领域的ML研究的质量.
主要方法:
- 对ML研究的系统范围审查.
- 在PubMed,科学网,Scopus和谷歌学者中进行了搜索.
- 包括60项查后的研究10,336.6.
- 对研究质量的批判性评价.
主要成果:
- 大多数研究 (60) 使用ML进行模式识别 (关联).
- 较少的研究 (16) 专注于预测 (26.7%).
- 质量评估揭示了所有研究中未满足的标准,影响了解释性和通用性.
结论:
- ML是围产期风险因素分析的一个有前途的工具.
- 目前的ML研究需要改进的方法来进行可靠的预测.
- 未来的研究必须解决临床适用性的质量限制.


