使用基于树的机器学习算法预测女大学生的月经素养:孟加拉国的横截面研究
Md Mahadi Hassan1, Noushin Nohor1, Anika Bushra Boitchi1
1Department of Public Health and Informatics, Jahangirnagar University, Dhaka, Bangladesh.
Women's health (London, England)
|December 24, 2025
概括
机器学习模型有效地预测孟加拉国女大学生的月经素养. 影响知识的关键因素包括月经持续时间和早期教育,指导未来的健康干预.
科学领域:
- 公共卫生 公共卫生
- 机器学习 机器学习
- 妇女健康 妇女健康
背景情况:
- 月经素养对于妇女的健康和权利至关重要,但在低收入和中等收入国家 (LMICs) 经常被忽视.
- 孟加拉国女大学生在月经知识和卫生习惯方面面临着持续的差距,尽管教育进步.
研究的目的:
- 预测孟加拉国女大学生的月经素养水平.
- 使用机器学习模型识别影响月经知识的关键因素.
主要方法:
- 一项横截面研究调查了孟加拉国576名女大学生.
- 五种基于树的机器学习模型 (随机森林,决策树,额外树,LightGBM,XGBoost) 用于预测和分析.
主要成果:
- 76%的学生有良好的月经知识;24%的知识很差.
- 随机森林模型获得了最高的准确性 (81%).
- 重要的预测因素包括月经持续时间,卫生材料的使用,居住和早期的月经教育.
结论:
- 基于树的机器学习模型准确地预测月经素养,并确定关键的影响因素.
- 结果支持有针对性的干预措施,以加强孟加拉国等LMICs的月经健康教育.
