加纳的幼儿贫血:使用机器学习技术的流行率和预测因素

科学领域:

• 公共卫生 公共卫生
• 儿科 儿科 儿科
• 计算生物学 计算生物学

背景情况:

• 幼儿贫血是一个重要的全球卫生问题,特别是在发展中国家.
• 它是全球最常见的血液疾病,影响弱势群体.
• 了解其在特定环境中的决定因素,如加纳,对于有效的公共卫生战略至关重要.

研究的目的:

• 调查加纳儿童贫血的多方面的决定因素.
• 确定导致贫血患病率的关键社会,家长和儿童特定因素.
• 评估机器学习模型在预测儿童贫血方面的有效性.

主要方法:

• 利用了2022年加纳人口和健康调查 (GDHS-2022) 的数据,涉及9353名儿童.
• 使用后勤回归,决策树,K-最近邻居 (KNN) 和随机森林 (RF) 算法进行分析.
• 使用歧视和校准参数评估机器学习模型的性能.

主要成果:

• 儿童贫血的重要预测因素包括父亲的教育,社会经济地位,怀孕期间母亲的铁摄入量,母亲的教育和产后检查.
• 随机森林模型显示出优异的预测性能,准确度为94.74%,AUC为86.62%.
• 后勤回归显示了适度的预测能力,准确度为67.35%,AUC为72.47%.

结论:

• 机器学习模型可以使用儿童和父亲的特征准确地预测儿童贫血.
• 针对母亲健康,父母教育和社会经济地位的干预措施对于减少贫血至关重要.
• 机理学习技术可以促进早期识别高风险儿童,促进更健康的后代.