一种利用机器学习方法识别与埃塞俄比亚新生儿死亡率相关的关键社会经济和人口因素的方法

《BMC Public Health》：A machine learning approach to identify key socio-economic and demographic factors associated with neonatal mortality in Ethiopia

　　

摘要

背景

尽管全球范围内取得了进展，但埃塞俄比亚的新生儿死亡率仍是一个严峻问题，其比率高于全球平均水平。确定关键影响因素对于制定针对性干预措施至关重要。本研究旨在全面分析影响埃塞俄比亚新生儿死亡率的社会经济和人口因素。

方法

研究分析了2019年埃塞俄比亚小型人口与健康调查的数据。通过二元逻辑回归、机器学习模型（逻辑回归、随机森林和支持向量机）以及倾向性评分匹配，来确定新生儿死亡率的决定因素，并评估过早生育年龄的因果效应。

结果

研究共涉及22,829名儿童，其中867名（4%）死于新生儿期。研究发现的显著决定因素包括初等教育程度（AOR=1.72，95%置信区间：1.15–2.56）、家庭规模较大（AOR=1.78，95%置信区间：1.51–2.11）、女性为家庭户主（AOR=1.25，95%置信区间：1.02–1.53）以及过早生育年龄（AOR=1.28，95%置信区间：1.11–1.47）。首次或第二次生育（AOR=0.76，95%置信区间：0.65–0.88）以及穆斯林宗教信仰（AOR=0.78，95%置信区间：0.66–0.92）则是具有保护作用的因素。此外，机器学习算法还发现了母亲年龄和财富指数等其他影响因素。倾向性评分匹配结果显示，与20岁及以上的母亲相比，20岁之前生育的母亲的新生儿死亡风险会高出2%（ATT=-0.02，95%置信区间：-0.03至-0.002）。

结论

本研究确定了埃塞俄比亚新生儿死亡率的关键社会经济和人口决定因素，包括母亲的教育水平、家庭特征以及产科相关因素。通过教育、经济赋权、计划生育以及改善产科护理等综合策略来应对这些相互关联的因素，对于降低新生儿死亡率并实现儿童健康目标具有重要意义。