应用机器学习算法预测东非孕妇产前保健延迟启动：关键预测因子与政策启示

本刊推荐：本研究基于十国人口健康调查（DHS）大数据，运用递归特征消除（RFE）和合成少数类过采样技术（SMOTE）处理数据后，采用七种机器学习算法构建预测模型。LightGBM分类器以准确率75%、AUC值81%的优异性能脱颖而出，首次通过关联规则挖掘（Apriori算法）揭示家庭分娩、低收入、多子女等关键预测因子，为降低孕产妇死亡率提供精准干预靶点。

　　

研究背景

撒哈拉以南非洲地区承载着全球最高的孕产妇死亡率，其中产前保健（Antenatal Care, ANC）启动延迟是导致妊娠相关并发症死亡的重要基础因素。孕妇及胎儿的整体健康水平高度依赖于ANC服务的及时启动。世界卫生组织（WHO）报告显示，发展中国家与发达国家的孕产妇死亡率存在惊人差异——每10万活产中分别为430例与13例。全球约26万孕产妇死亡案例中92%本可预防，其中18万例集中在低收入国家，女性终身风险高达1/49。

延迟ANC引发的健康危害包括早产、低出生体重（占新生儿死亡75%）、贫血及母婴艾滋病病毒（HIV）垂直传播风险增加。WHO推荐妊娠期至少8次ANC接触，首次检查需在孕12周内完成，该标准可使孕产妇死亡率降低20%。然而现实情况严峻：非洲19国研究显示仅37.15%孕妇在孕14周前启动ANC，埃塞俄比亚64%孕妇存在延迟现象，各国早期ANC启动率存在显著地域差异（坦桑尼亚76% vs 新西兰17%）。

研究方法

研究团队提取2016-2023年间东非十国（布隆迪、埃塞俄比亚、肯尼亚、津巴布韦、马达加斯加、马拉维、莫桑比克、卢旺达、坦桑尼亚和乌干达）的人口健康调查（Demographic Health Surveys, DHS）数据，经加权处理获得77,865名孕妇样本。采用两阶段分层整群抽样设计，首先按规模比例随机选择枚举区域（EAs），随后系统随机抽样选定家庭中15-49岁女性。

延迟ANC启动定义为：首次产检时间>妊娠16周或4个月。预测变量涵盖三大维度：

1. 1.
   社会人口特征：年龄、居住地类型、教育水平、家庭成员数、户主性别、婚姻状况等
2. 2.
   社会经济因素：手机拥有率、识字率、职业状况、互联网使用、财富指数
3. 3.
   健康服务利用：避孕措施使用、生育史、分娩地点、剖宫产（CS）情况

数据处理采用STATA 17与Python 3.9平台，运用pandas、scikit-learn等工具包进行数据清洗、特征编码（独热编码、序数编码）和标准化处理。针对27,507例"延迟"与50,587例"未延迟"的类别失衡问题，采用合成少数类过采样技术（SMOTE）将两类样本平衡至各40,451例。

模型构建选择七种监督学习算法：AdaBoost、决策树（DT）、梯度提升（GB）、K近邻（KNN）、轻量梯度提升机（LightGBM）、随机森林（RF）和极限梯度提升（XGBoost）。通过十折交叉验证比较性能后，最终选定LightGBM在平衡数据上训练预测模型。特征选择采用递归特征消除（RFE）与SHAP值分析，另通过Apriori算法进行关联规则挖掘。

研究结果

样本社会特征显示：25-29岁孕妇占比24.9%（19,412/77,865），77%居住于农村地区，82.2%处于已婚状态，51%仅接受初等教育。社会经济方面：87.4%无互联网接入，43.6%拥有手机，23.1%属于最贫困阶层，69.8%有职业收入。健康服务利用特征：49%使用避孕措施，78.8%在医疗机构分娩，91.8%非剖宫产分娩，60.4%生育1-3个子女。

整体ANC启动情况令人担忧：仅35%（27,261例）孕妇实现早期启动，而延迟率高达65%（50,603例）。LightGBM模型表现最优：准确率75%，AUC值81%，F1分数78%，召回率79%，精确率77%。SHAP值分析确定关键预测因子包括：分娩地点（家庭分娩权重0.14）、财富指数（0.14）、家庭成员数、职业状态等。

关联规则挖掘发现9条强规则：

规则1：家庭分娩+无互联网接入→延迟概率71.8%（提升度2.8）

规则2：家庭分娩+无互联网+非剖宫产→延迟概率71.8%（提升度2.5）

规则3：家庭成员>7人+非剖宫产+无互联网→延迟概率70%（提升度2.03）

规则7：家庭成员>7人→延迟概率69%（提升度2.02）

规则8：无职业状态→延迟概率69%（提升度2.01）

结论与建议

研究证实东非地区ANC延迟启动率达65%，主要预测因子包括：家庭分娩、低收入、多子女家庭、失业状态、年轻孕龄、未使用避孕措施、低教育水平及农村居住。建议采取针对性措施：加强计划生育服务推广，实施精准健康素养教育，开发青年友好型医疗项目，扩展移动诊所覆盖范围，提升专业助产服务可及性，从而有效提高ANC及时启动率。

本研究存在DHS二手数据固有局限（缺乏行为变量、无法推断因果关系），但创新性地结合监督学习与无监督学习算法，增强了模型预测的准确性与政策指导价值，为降低东非地区孕产妇死亡率提供了基于机器学习证据的干预路径。