预测撒哈拉以南非洲地区的乳腺自我检查意识,使用机器学习
Nebebe Demis Baykemagn1, Meron Asmamaw Alemayehu2, Tirualem Zeleke Yehuala3
1Department of Health Informatics, Institute of Public Health, College of Medicine and Health Sciences, University of Gondar, Gondar, Ethiopia. nebebe2@gmail.com.
Scientific reports
|June 4, 2025
概括
乳房自我检查 (BSE) 是一个具有成本效益的健康战略. 一个决策树模型准确地确定了BSE的预测因素,强调了它对低收入环境中的公共卫生的重要性.
科学领域:
- 公共卫生 公共卫生
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 乳房自我检查 (BSE) 在医疗保健中可以显著降低成本.
- 在低收入和中等收入国家,BSE提高了医疗服务的可访问性,并防止传染病的传播.
研究的目的:
- 确定乳腺自我检查 (BSE) 实践的关键预测因素.
- 评估用于预测BSE行为的机器学习模型.
主要方法:
- 利用来自人口与健康调查的大量数据集 (133,425名参与者).
- 应用数据缩放,递归特征消除和组合技术 (托梅克链接,随机过量采样) 来进行模型开发.
- 使用包括AUC,准确性,F1得分,回忆和精度在内的指标评估模型性能.
主要成果:
- 决策树模型以82%的准确度和0.87 AUC.实现了最高的性能.
- 确定的主要预测因素包括女性的年龄,智能手机的可用性,婚姻状况和医疗保健的准入.
- 该模型的优势在于能够捕捉到数据中的复杂,非线性关系.
结论:
- 决策树模型对于预测乳腺自我检查行为是有效的,因为它们能够处理非线性关系.
- 建议包括社区领导人参与,移动卫生计划,培训卫生工作者,并利用大众媒体开展BSE宣传活动.
更多相关视频
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
8.4K
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.6K
