机器学习模型用于识别青少年的牙痛
Luiz Alexandre Chisini1, Luana Carla Salvi2, Francine Dos Santos Costa3
1Graduate Program in Dentistry, Federal University of Pelotas, Rio Grande do Sul, Pelotas, Brazil; Radboud University Medical Center, Department of Dentistry, Nijmegen, The Netherlands.
International dental journal
|March 14, 2026
概括
机器学习 (ML) 显示了在巴西青少年中识别牙痛的潜力,用于公共卫生查. 然而,适度的性能和公平性问题需要在广泛使用之前进一步开发.
科学领域:
- 公共卫生 公共卫生
- 机器学习 机器学习
- 青少年健康 青少年健康
背景情况:
- 牙疼痛是青少年的重大公共卫生问题.
- 需要查工具来识别风险人群,以便进行早期干预.
研究的目的:
- 评估机器学习 (ML) 算法的有效性,以识别巴西青少年的牙痛.
- 评估ML对牙痛公共卫生查的潜力.
主要方法:
- 利用了2015年和2019年的巴西国家学校健康调查 (PeNSE) 的数据,其中包括259,833名11-18岁的青少年.
- 在2015年的数据集上训练并测试了9个ML模型,并使用2019年的数据集进行了外部验证.
- 通过使用曲线下的面积 (AUC) 和回忆等指标评估模型性能,以及公平性评估.
主要成果:
- 额外树木 (ET) 模型表现最好,在测试组中AUC为0.64和回忆为0.57.
- 该模型在外部验证组中实现了0.57的回忆,这表明识别患有牙痛的青少年的能力不高.
- 公平性分析揭示了不同人口群体 (性别,种族) 的准确性和回忆力差异,性别,酒精消费和家庭暴力被确定为关键预测变量.
结论:
- 机器学习有望在青少年群体中识别牙痛.
- 目前的预测性能和公平性限制需要进一步的研究和模型改进,以便在实际公共卫生应用中使用.


