《PLOS Global Public Health》:Unveiling socio-demographic determinants of low birth weight using machine learning techniques
编辑推荐:
低出生体重(LBW)对儿童生存构成重大挑战,导致死亡率和发病率上升,并对整体健康产生长期不利影响。在包括孟加拉国在内的低收入和中等收入国家,LBW的持续高患病率反映了潜在的健康不平等。尽管近期有所改善,孟加拉国仍报告显著LBW率为14.5%,表明孕产妇和儿童健
低出生体重(LBW)对儿童生存构成重大挑战,导致死亡率和发病率上升,并对整体健康产生长期不利影响。在包括孟加拉国在内的低收入和中等收入国家,LBW的持续高患病率反映了潜在的健康不平等。尽管近期有所改善,孟加拉国仍报告显著LBW率为14.5%,表明孕产妇和儿童健康问题持续存在。各种社会人口学因素影响出生体重,有必要对其贡献进行全面调查。本研究旨在识别LBW的关键决定因素,并开发基于机器学习的预测模型,以根据与出生体重相关的风险因素评估易产LBW婴儿的脆弱母亲。研究数据来自孟加拉国人口与健康调查(BDHS)2022,涵盖2,621名妇女(排除缺失案例)和8,784名妇女(包含缺失案例)。采用多种机器学习算法,包括逻辑回归、朴素贝叶斯、k近邻(KNN)、随机森林、支持向量机(SVM)、Lasso回归、回归树、神经网络、XGBoost、AdaBoost和决策树分类器,分析风险因素。模型性能通过训练-测试分割方法和10折交叉验证进行评估,评价指标包括准确率、精确率、召回率、F1分数、R2分数(仅用于回归模型)和均方误差(MSE)。研究发现,“初次生育年龄”和“教育水平”是LBW最具影响力的预测因子,而AdaBoost在所用模型中表现出最高的预测准确率。这项研究的发现可能有助于识别产下LBW婴儿的脆弱母亲,并制定强调LBW风险因素的政策,以降低LBW的发生频率。
以下是根据论文原文浓缩的解读文章:
**研究背景与问题**
低出生体重(LBW)是全球营养监测框架和世界卫生组织核心健康指标中的关键结果指标,对推进可持续发展目标中的生殖健康具有重要作用。2020年全球约2000万新生儿(占当年出生总数的14.7%)为LBW,而2010年为16.6%。尽管2012年全球营养目标旨在到2025年将LBW患病率从15%降至10.5%(后延至2030年),但进展缓慢:2012至2020年全球年均LBW减少率仅0.30%,远低于目标所需的1.96%/年,到2030年需增加11倍至3.30%/年。在南亚,LBW患病率从2000年的29.4%降至2020年的24.9%,但2012至2020年年均减少率仅0.85%,仍低于目标。孟加拉国作为可持续发展目标签署国,旨在2030年将新生儿死亡率降至每千活产12例,目前为20例/千活产。LBW婴儿死亡率(约5.5%)显著高于正常出生体重婴儿(约2%)。多种社会人口学因素(如年龄、初次生育年龄、教育、财富水平、居住地、职业、子女数、BMI)已被证明与LBW相关,但以往研究多依赖聚合数据,缺乏对模型适用性和可解释性的关键评估。因此,有必要在孟加拉国全面调查LBW的潜在社会人口学因素,并基于这些因素开发预测模型以识别未来可能产下LBW婴儿的脆弱母亲。
**研究内容与结论**
研究人员从孟加拉国人口与健康调查(BDHS)2022中提取数据,最终分析包括完整案例数据集(N=2,621)和包含缺失值填充的全数据集(N=8,784)。采用多种机器学习算法,包括逻辑回归(LR)、朴素贝叶斯(NB)、k近邻(KNN)、随机森林(RF)、支持向量机(SVM)、Lasso回归(LaR)、回归树(RT)、神经网络(MLP)、XGBoost、AdaBoost和决策树(DT),评估LBW风险因素并进行预测。使用80/20训练-测试分割和10折交叉验证进行评估,指标包括准确率、精确率、召回率、F1分数、R2分数和均方误差(MSE)。研究发现,“年龄”(初次生育年龄)和“教育水平”是最具影响力的预测因子;AdaBoost在完整案例数据集上表现出最高的预测准确率(10折交叉验证准确率0.8546,F1分数0.7894),逻辑回归在填充数据集上表现最佳(准确率约0.9209,F1分数约0.8827)。通过Cramér's V相关性分析、描述性统计和空间分布分析,研究揭示孟加拉国LBW存在明显地区差异(密度从2%到17%),热点地区包括纳奥冈、马古拉、纳拉扬甘杰、费尼和科克斯巴扎尔。SHAP分析进一步确认,母亲教育水平(尤其是中等及以上教育)是降低LBW风险的最重要因素,其次是财富指数、初次生育年龄和互联网使用。论文发表在《PLOS Global Public Health》,强调了利用机器学习进行早期识别和地理靶向干预的政策价值。
**主要关键技术方法**
1. 数据来源:孟加拉国人口与健康调查(BDHS)2022,国家代表性两阶段分层抽样,覆盖30,330户家庭和30,078名15-49岁妇女,响应率99%。
2. 特征选择:基于文献和初步统计分析,选取10个社会人口学预测变量,包括受访者年龄、居住地类型、教育水平、财富指数、互联网使用、子女数、初次生育年龄、体质指数(BMI)、丈夫教育水平和识字能力。
3. 缺失数据处理:采用众数插补(mode imputation),并创建两个分析数据集——完整案例数据集(N=2,621)和插补后全数据集(N=8,784)进行比较。
4. 机器学习模型:比较11种算法(LR、NB、KNN、RF、SVM、LaR、RT、MLP、XGBoost、AdaBoost、DT),通过网格搜索超参数调优,使用80/20分割和10折交叉验证评估,采用准确率、精确率、召回率、F1分数、R2分数和MSE指标。
5. 可解释性分析:采用Cramér's V相关性矩阵,SHAP(SHapley Additive exPlanations)值用于逻辑回归模型的个体预测解释。
**研究结果**
**统计概述**:全数据集(N=8,784)描述性统计显示,约47%的受访者初次生育在19岁前(青少年妊娠),31%有超过2个孩子,33%来自农村地区,32%在调查前12个月内使用过互联网。
**相关性分析**:Cramér's V相关性分析显示,识字与教育水平(\(V=0.91\))、年龄与子女数(\(V=0.82\))、教育水平与丈夫教育(\(V=0.74\))之间存在较强关联,而孩子出生大小与其他变量关联较弱(\(V<0.30\)),表明LBW受多方面因素综合影响。
**教育与出生体重**:母亲教育水平提高,LBW患病率显著降低——无教育的母亲LBW率为18.70%,而接受高等教育的母亲为10.40%;类似趋势见于丈夫教育水平(无教育丈夫为16.80%,高等教育为10.20%)。
**财富与出生体重**:LBW患病率随财富等级增加而下降,最贫困组为18.70%,较富裕组降至10.40%。
**居住地差异**:农村地区LBW率(13.8%)略高于城市(12.9%),差异不显著,表明孕产妇健康问题在城乡地区相似。
**地区空间分布**:孟加拉国LBW密度呈明显地理差异,密度从2%(深蓝)到17%(深红),热点地区包括纳奥冈、马古拉、纳拉扬甘杰、费尼和科克斯巴扎尔。这些地区可能面临工业污染、罗兴亚难民群体、食物不安全及营养不良等多重风险。
**模型训练与预测**:完整案例数据集(N=2,621)上,10折交叉验证中AdaBoost表现最佳(准确率0.8546,F1分数0.7894),LR、SVM和MLP紧随其后(准确率0.8535,F1分数0.7860)。插补后全数据集(N=8,784)上,LR、SVM和MLP均达最高准确率(0.9209)和F1分数(0.8827),AdaBoost略低(准确率0.9203,F1分数0.8786)。总体上,AdaBoost在较小数据集上优势明显,而逻辑回归在大数据集上兼具高准确性和可解释性。
**特征重要性分析**:不同模型特征重要性排名存在差异。逻辑回归识别出“初次生育年龄”、“互联网使用”和“丈夫教育”为最重要预测变量;随机森林和决策树等树模型一致认为“受访者年龄”和“子女数”最为关键;XGBoost显示出更分散的排名,在较小数据集中“居住地类型”和BMI被列为高影响力变量。SHAP分析确认,母亲教育水平(中等及以上)是最具影响力的因素(平均绝对SHAP值0.12),其次为财富指数(中等家庭)、初次生育年龄(青少年母亲)、互联网使用和丈夫教育。多数模型一致认同母亲年龄、初次生育年龄和丈夫教育是LBW的核心预测因子。
**总结讨论与结论**
讨论部分指出,研究结果与先前研究一致:青少年母亲、贫困家庭、教育水平低、农村居住及缺乏互联网访问与LBW风险升高相关。互联网使用可能通过促进产前健康信息获取改善出生结局。母亲BMI异常(过轻或过重)也是重要预测因子。模型特征重要性差异源于不同算法捕捉数据关系的方式差异,但所有模型都强调了社会人口学因素的核心作用。研究建议针对热点地区(马古拉、纳拉扬甘杰、费尼、科克斯巴扎尔)实施靶向孕产妇健康计划,加强社区教育(促进产妇和父亲识字、延迟生育)、经济与营养支持(对低收入母亲),并利用机器学习模型早期识别高风险母亲。研究局限性包括:未纳入贫血、糖尿病、高血压、妊娠期等健康指标,以及妊娠意愿和医疗可及性;LBW存在中等类别不平衡(14%),未进行重采样或类权重调整;仅使用SHAP进行可解释性分析,未与LIME等方法比较。结论:本研究利用BDHS 2022数据开发了预测LBW的机器学习模型,发现AdaBoost在完整案例数据集上表现最稳健,逻辑回归在插补后数据集上兼具高准确性和可解释性。关键预测因素包括年龄、初次生育年龄、教育水平、财富指数、BMI和产次。研究为孟加拉国通过早期识别和靶向干预降低LBW患病率提供了数据驱动的政策工具。