A Machine Learning Approach to Detect Dehydration in Afghan Children

要約

子供の脱水症状は、特に下痢や嘔吐を起こしやすい 5 歳未満の子供にとって、重大な健康上の懸念事項です。
アフガニスタンでは、重度の下痢が脱水症状による小児死亡の一因となっています。
しかし、アフガニスタンの 5 歳未満の子供の脱水症状の診断における機械学習技術の可能性を調査した研究の証拠はありません。
このギャップを埋めるために、この研究では、ランダム フォレスト、多層パーセプトロン、サポート ベクター マシン、J48、ロジスティック回帰などのさまざまな分類器を利用して、アフガニスタン人口健康調査 (ADHS) から取得した病気の子供のデータセットを使用した予測モデルを開発しました。
主な目的は、5 歳未満の子供の脱水状態を判断することでした。
すべての分類子の中で、ランダム フォレストが最も効果的であることが証明され、精度 91.46%、精度 91%、AUC 94% を達成しました。
このモデルは、医療専門家が 5 歳未満の子供の脱水症状を迅速かつ正確に特定し、タイムリーな介入につながり、重篤な健康合併症のリスクを軽減するのに役立つ可能性があります。
私たちの研究は、アフガニスタンの子供たちの脱水症の早期診断を改善する機械学習技術の可能性を実証しています。

要約(オリジナル)

Child dehydration is a significant health concern, especially among children under 5 years of age who are more susceptible to diarrhea and vomiting. In Afghanistan, severe diarrhea contributes to child mortality due to dehydration. However, there is no evidence of research exploring the potential of machine learning techniques in diagnosing dehydration in Afghan children under five. To fill this gap, this study leveraged various classifiers such as Random Forest, Multilayer Perceptron, Support Vector Machine, J48, and Logistic Regression to develop a predictive model using a dataset of sick children retrieved from the Afghanistan Demographic and Health Survey (ADHS). The primary objective was to determine the dehydration status of children under 5 years. Among all the classifiers, Random Forest proved to be the most effective, achieving an accuracy of 91.46%, precision of 91%, and AUC of 94%. This model can potentially assist healthcare professionals in promptly and accurately identifying dehydration in under five children, leading to timely interventions, and reducing the risk of severe health complications. Our study demonstrates the potential of machine learning techniques in improving the early diagnosis of dehydration in Afghan children.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google