
-
生物通官微
陪你抓住生命科技
跳动的脉搏
孟加拉国育龄已婚女性终止妊娠的决定因素
《Scientific Reports》:Determinants of pregnancy termination among ever-married women of reproductive age in Bangladesh
【字体: 大 中 小 】 时间:2026年06月29日 来源:Scientific Reports 4.9
编辑推荐:
摘要在发展中国家,终止妊娠是一个十分敏感且重要的公共卫生问题。无论是自然终止还是人工诱导的终止妊娠,都会影响女性的生殖健康。本研究旨在评估并比较各种机器学习模型在预测和识别育龄女性终止妊娠相关因素方面的表现。研究使用了2022年孟加拉国人口健康调查的数据,共采用了五种机器学习模型
在发展中国家,终止妊娠是一个十分敏感且重要的公共卫生问题。无论是自然终止还是人工诱导的终止妊娠,都会影响女性的生殖健康。本研究旨在评估并比较各种机器学习模型在预测和识别育龄女性终止妊娠相关因素方面的表现。研究使用了2022年孟加拉国人口健康调查的数据,共采用了五种机器学习模型:极端梯度提升算法、k最近邻算法、支持向量机、人工神经网络以及随机森林模型。在总共8650条观测数据中,有6920条(80.0%)被随机选为训练集,剩余1730条(20.0%)作为测试集。为确定和分析中的重要特征,研究者采用了Boruta算法。同时,还运用SHAP和LIME技术来识别与终止妊娠相关的特征,通过统计分析来研究终止妊娠的分布情况。在这五种机器学习模型中,随机森林模型的表现较为出色,其准确率、特异性、精确率以及AUC值分别达到了66.2%、67.8%、40.0%和71.8%。根据该模型分析,导致终止妊娠的重要因素包括生育子女的数量、就业状况、初潮年龄、近三年内是否生育过,以及受访者的年龄。预计随机森林模型将为孟加拉国的生殖健康服务带来重要贡献。凭借最高的预测性能,这些机器学习工具能够帮助政策制定者找出终止妊娠的关键预测因素,并制定有效措施来减少终止妊娠现象。这有助于落实2025–2030年家庭计划战略,实现可持续发展目标3,减少意外怀孕,同时减轻孟加拉国及类似地区因妊娠丢失带来的负担。