在东非孕妇中预测延迟产前护理启动:使用机器学习算法

科学领域:

• 公共卫生 公共卫生
• 孕产妇健康 孕产妇健康
• 医疗保健中的机器学习

背景情况:

• 撒哈拉以南非洲面临着全球最高的孕产妇死亡率,而延迟产前护理 (ANC) 启动是一个显著的贡献因素.
• 及时启动ANC对于孕妇及其胎儿的福祉至关重要.
• 了解延迟ANC的预测因素对于东非有效的政策制定至关重要.

研究的目的:

• 确定在东非延迟产前护理 (ANC) 启动的关键预测因素.
• 为决策者提供数据驱动的见解,以改善孕产妇健康服务.
• 为了利用机器学习来预测延迟的ANC启动.

主要方法:

• 利用来自东非10个国家的人口健康调查 (2016-2023) 的二次数据.
• 应用数据预处理,递归特征消除和合成少数人过量采样技术 (SMOTE) 来解决类不平衡.
• 开发和评估了七个监督学习算法,其中LGBM分类器表现出卓越的性能.

主要成果:

• 确定了家庭分娩,低收入,大家庭规模,失业,年轻的孕产妇年龄,不使用计划生育,低教育和农村居住作为延迟ANC的重要预测因素.
• 该LGBM模型实现了75%的准确性,81%的AUC,78%的F1得分,79%的回忆和77%的精度.
• 协会规则挖掘进一步分析了预测因素和延迟ANC启动之间的关系.

结论:

• 在研究区域观察到的延迟产前护理 (ANC) 的高患病率 (65%).
• 建议包括促进计划生育,有针对性的健康素养,以年轻人为中心的计划,移动诊所和熟练的分娩服务员.
• 干预措施应侧重于解决社会经济和人口因素,以改善及时采用ANC.