分析儿童疫苗接种缺失风险预测者的特征表示:对低资源环境中的研究进行范围审查
Eliezer Ofori Odei-Lartey1,2, Stephaney Gyaase2, Solomon Nyame2
1Department of Computer Science, Kwame Nkrumah University of Science and Technology, Kumasi, Ashanti Region, Ghana.
预测低收入国家的儿童接种疫苗违约者需要了解人口和社区因素. 本综述强调了关键特征和数据表示方法,以改善疫苗可预防疾病的风险预测模型.
科学领域:
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
- 机器学习 机器学习
背景情况:
- 儿童接种疫苗每年可以预防数百万人的死亡,但低收入和中等收入国家 (LMICs) 的100多万儿童仍然死于疫苗可以预防的疾病.
- 准确预测儿童接种疫苗的违规者对于在LMIC中进行有针对性的干预至关重要.
- 分析模型需要对人口,社区和环境因素进行强有力的表现,以获得有效的输入数据.
研究的目的:
- 审查和分析用于预测儿童疫苗接种违约风险的特征.
- 专注于与LMIC相关的特征编码,工程和表示技术.
- 为功能构建提供参考,以增强在疫苗接种风险预测中的机器学习应用.
主要方法:
- 从2018年到2025年1月在PubMed,Google Scholar和ACM数字图书馆进行系统的文献搜索,重点关注LMIC,特别是非洲国家.
- 包括使用统计或机器学习方法进行儿童疫苗接种违规风险分析的研究.
- 在选定的研究中使用的特征编码,工程和表示策略的分析.
主要成果:
- 确定了诸如孕产妇教育和卫生服务利用等跨界特征.
- 突出了包括社区贫困率,孕产妇教育和孕产妇失业等新奇特征.
- 观察到编码策略的边际变化; 分类数据主要使用二进制编码,而社会经济地位等高维度特征使用主要组件分析进行了缩小.
结论:
- 对特征表示的全面审查可以指导用于儿童疫苗接种违规风险预测的改进机器学习模型的开发.
- 现有的特征表示方法虽然有效,但为进一步的创新提供了空间.
- 未来的研究应该探索替代编码策略,如频率编码,以纳入对多类特征的加权,并提高预测准确度.
更多相关视频
06:26Author Spotlight: Optimizing CFU Determination for Efficient Assessment of TB Vaccine Efficacy and Antigen Presentation Analysis
Published on: July 28, 2023
07:44Author Spotlight: Implementation of BIVA for Analyzing Disease Risk Factors in Patients with Low Body Cell Mass
Published on: July 14, 2023
相关概念视频
Vaccinations
Factors Affecting the Risk of Infection
The integrity and count of the white blood cells help the body resist pathogens and fight infection. When impaired, it reduces the body's resistance to pathogens. The acidic pH levels of the gastrointestinal, genitourinary tracts, and skin...
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Relative Risk
Bias in Epidemiological Studies
Principles of Disease Surveillance
