机器学习算法的应用,用于预测三个东非国家的24-59个月龄儿童的早期儿童发展
Tsion Mulat Tebeje1, Solomon Hailemariam Tesfaye1, Gizaw Sisay1
1School of Public Health, College of Health Science and Medicine, Dilla University, Dilla, Ethiopia.
PloS one
|September 12, 2025
概括
在东非,只有57.4%的24-59个月的儿童在发育方面处于正轨. 儿童早期发展 (ECD) 的关键预测因素包括儿童年龄,媒体曝光和母亲教育.
科学领域:
- 全球健康 全球健康
- 发育儿科 发育儿科
- 机器学习在健康中的应用
背景情况:
- 儿童早期发展 (ECD) 对终身结果至关重要.
- 儿童早期发展指数2030 (ECDI2030) 监测儿童的发展.
- 研究了东非ECD的预测因素.
研究的目的:
- 确定东非早期儿童发展 (ECD) 的关键预测因素.
- 使用机器学习算法来预测ECD.
- 分析来自肯尼亚,莫桑比克和坦桑尼亚的数据.
主要方法:
- 采用了七个监督机器学习算法和一个整体模型.
- 利用了来自肯尼亚,莫桑比克和坦桑尼亚的人口和健康调查数据.
- 应用夏普利添加式解释 (SHAP) 来解释特征.
主要成果:
- 57.4%的儿童在发育方面处于正轨.
- 一个整体模型 (梯度增强和随机森林) 实现了66%的准确性和71%的AUC.
- 最重要的预测因素:儿童年龄,媒体曝光和母亲的教育水平.
结论:
- 政策建议包括优先考虑学前教育和妇女教育.
- 促进适当的媒体使用和限制母亲的屏幕时间可以改善心脏病.
- 这些发现与东非和类似的社会经济背景有关.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.4K
11:29Measuring the Functional Abilities of Children Aged 3-6 Years Old with Observational Methods and Computer Tools
Published on: June 20, 2020
9.7K
