Прогнозирование неблагоприятных исходов родов у женщин детородного возраста в странах Африки к югу от Сахары с использованием инновационных методов машинного обучения

Predicting adverse birth outcome among childbearing women in Sub-Saharan Africa: employing innovative machine learning techniques
Habtamu Setegn Ngusie, Shegaw Anagaw Mengiste, Alemu Birara Zemariam, Bogale Molla, Getanew Aschalew Tesfa, Binyam Tariku Seboka, Tilahun Dessie Alene, Jing Sun
2024-07-29

анализ SHAPАфрика к югу от Сахарынеблагоприятные исходы родовмашинное обучениеслучайный лес
ВВЕДЕНИЕ: Неблагоприятные исходы родов, включая преждевременные роды, низкую массу тела при рождении и мертворождение, остаются одной из основных глобальных проблем здравоохранения, особенно в развивающихся регионах. Понимание потенциальных факторов риска имеет решающее значение для разработки эффективных мер по улучшению исходов родов. В связи с этим целью данного исследования была разработка прогностической модели неблагоприятных исходов родов у женщин детородного возраста в странах Африки к югу от Сахары с использованием передовых методов машинного обучения. Кроме того, исследование было направлено на применение новых методов интерпретируемости анализа данных для выявления ключевых факторов риска и количественной оценки влияния каждого признака на прогноз модели. МЕТОДЫ: В исследование были включены женщины детородного возраста из 26 стран Африки к югу от Сахары, родившие в течение пяти лет до сбора данных; общее число участниц составило 139 659. Источником данных было недавнее демографическое и медицинское обследование (DHS). Были использованы различные методы балансировки данных. Применялись десять передовых алгоритмов машинного обучения, а набор данных был разделен на обучающую выборку (80%) и тестовую выборку (20%). Оценку моделей проводили с использованием различных метрик эффективности и оптимизации гиперпараметров. Для повышения интерпретируемости моделей применялись поиск ассоциативных правил и SHAP-анализ. РЕЗУЛЬТАТЫ: Согласно полученным данным, примерно у 28,59% (95% ДИ: 28,36–28,83) женщин детородного возраста в странах Африки к югу от Сахары наблюдались неблагоприятные исходы родов. После многократного экспериментирования и оценки модель случайного леса продемонстрировала наилучшие результаты среди алгоритмов машинного обучения: AUC составила 0,95, а точность — 88,0%. Были выявлены следующие ключевые факторы риска: роды на дому, отсутствие приема препаратов железа во время беременности, менее четырех посещений службы дородового наблюдения (ANC), короткий и длинный межродовой интервал, нежелательная беременность, первые роды и проживание в регионе Западной Африки. ЗАКЛЮЧЕНИЕ: В регионе сохраняется высокая частота неблагоприятных исходов родов, что подчеркивает настоятельную необходимость усиления внимания и принятия соответствующих мер.
1
Случайный лес показал лучшие результаты среди десяти алгоритмов, достигнув AUC 0,95 и точности 88,0%.
2
Среди 139 659 женщин из 26 стран Африки к югу от Сахары неблагоприятные исходы родов наблюдались у 28,59%.
3
К ключевым факторам риска относились роды на дому, отсутствие профилактического приёма железа, менее четырёх посещений дородовой помощи и короткие или длительные интервалы между родами.
4
Для повышения точности прогнозирования и интерпретируемости использовались балансировка данных, оптимизация гиперпараметров, поиск ассоциативных правил и анализ SHAP.
5
Нежелательная беременность, первородство и проживание в регионе Западной Африки также были важными предикторами неблагоприятных исходов родов.

Неблагоприятные исходы родов у женщин детородного возраста в 26 странах Африки к югу от Сахары

Прогностическая эффективность и ключевые факторы риска неблагоприятных исходов родов

Publication Details
Publication Date
2024-07-29
Journal
Publisher
ISSN
Cited by
17
Access Type
Author Information
Authors
Habtamu Setegn Ngusie
Shegaw Anagaw Mengiste
Alemu Birara Zemariam
Bogale Molla
Getanew Aschalew Tesfa
Binyam Tariku Seboka
Tilahun Dessie Alene
Jing Sun
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%