Identificación de las Primeras Señales de Parto Prematuro a partir de Registros de Nacimientos en EE. UU. Utilizando Técnicas de Aprendizaje Automático
Autores: Ebrahimvandi, Alireza; Hosseinichimeh, Niyousha; Kong, Zhenyu James
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Identificación de las Primeras Señales de Parto Prematuro a partir de Registros de Nacimientos en EE. UU. Utilizando Técnicas de Aprendizaje Automático
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Nacimiento prematuro
Factores de riesgo
Aprendizaje automático
Regresión logística
Máquinas de refuerzo de gradiente
Educación parental
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El nacimiento prematuro (PTB) es la principal causa de mortalidad infantil en los EE. UU. y a nivel mundial. El objetivo de este estudio es aumentar la comprensión de los factores de riesgo de PTB que están presentes al inicio del embarazo aprovechando técnicas estadísticas y de aprendizaje automático (ML) en grandes datos. Se obtuvieron los registros de nacimientos de EE. UU. de 2016 y se combinaron con otros dos conjuntos de datos a nivel de área, el Archivo de Recursos de Salud del Área y el Ranking de Salud del Condado. Luego, aplicamos regresión logística con regularización de red elástica, bosques aleatorios y máquinas de impulso de gradiente para estudiar una cohorte de 3.6 millones de partos únicos para identificar factores de riesgo de PTB generalizables. La variable de respuesta es el nacimiento prematuro, que incluye PTB espontáneo e indicado, y realizamos una clasificación binaria. Nuestros resultados muestran que los predictores más importantes del nacimiento prematuro son la hipertensión gestacional y crónica, el intervalo desde el último parto vivo y la historia de un nacimiento prematuro previo, que explican el 10.92, 5.98 y 5.63% del poder predictivo, respectivamente. La educación de los padres es una de las variables influyentes en la predicción de PTB, explicando el 7.89% del poder predictivo. La importancia relativa de la raza disminuye cuando los padres están más educados o han recibido atención prenatal adecuada. Las máquinas de impulso de gradiente superaron con un AUC de 0.75 (sensibilidad: 0.64, especificidad: 0.73) para el conjunto de datos de validación. En este estudio, comparamos nuestros resultados con estudios seminales y los más relacionados para demostrar la superioridad de nuestros resultados. La aplicación de técnicas de ML mejoró las medidas de rendimiento en la predicción del nacimiento prematuro. Los resultados enfatizan la importancia de factores socioeconómicos como la educación parental como uno de los indicadores más importantes del nacimiento prematuro. Se necesita más investigación sobre estos mecanismos a través de los cuales los factores socioeconómicos afectan las respuestas biológicas.
Descripción
El nacimiento prematuro (PTB) es la principal causa de mortalidad infantil en los EE. UU. y a nivel mundial. El objetivo de este estudio es aumentar la comprensión de los factores de riesgo de PTB que están presentes al inicio del embarazo aprovechando técnicas estadísticas y de aprendizaje automático (ML) en grandes datos. Se obtuvieron los registros de nacimientos de EE. UU. de 2016 y se combinaron con otros dos conjuntos de datos a nivel de área, el Archivo de Recursos de Salud del Área y el Ranking de Salud del Condado. Luego, aplicamos regresión logística con regularización de red elástica, bosques aleatorios y máquinas de impulso de gradiente para estudiar una cohorte de 3.6 millones de partos únicos para identificar factores de riesgo de PTB generalizables. La variable de respuesta es el nacimiento prematuro, que incluye PTB espontáneo e indicado, y realizamos una clasificación binaria. Nuestros resultados muestran que los predictores más importantes del nacimiento prematuro son la hipertensión gestacional y crónica, el intervalo desde el último parto vivo y la historia de un nacimiento prematuro previo, que explican el 10.92, 5.98 y 5.63% del poder predictivo, respectivamente. La educación de los padres es una de las variables influyentes en la predicción de PTB, explicando el 7.89% del poder predictivo. La importancia relativa de la raza disminuye cuando los padres están más educados o han recibido atención prenatal adecuada. Las máquinas de impulso de gradiente superaron con un AUC de 0.75 (sensibilidad: 0.64, especificidad: 0.73) para el conjunto de datos de validación. En este estudio, comparamos nuestros resultados con estudios seminales y los más relacionados para demostrar la superioridad de nuestros resultados. La aplicación de técnicas de ML mejoró las medidas de rendimiento en la predicción del nacimiento prematuro. Los resultados enfatizan la importancia de factores socioeconómicos como la educación parental como uno de los indicadores más importantes del nacimiento prematuro. Se necesita más investigación sobre estos mecanismos a través de los cuales los factores socioeconómicos afectan las respuestas biológicas.