机构名称：
¥ 1.0
巴西等儿童死亡率的持续性是21世纪的至关重要的健康挑战。卫生政策公式越来越多地使用统计方法，例如生存分析，以识别与死亡率相关的因素。使用2017年Unified Health System（SUS）的290万个观察结果，我们估计一组不同的机器学习模型（生存支持载体机器，随机生存森林和极端梯度增强）来预测哪些婴儿的生命第一年的风险最高。可解释的机器学习形状结构已用于确定影响巴西儿童死亡率的因素。诸如剖宫产和妊娠数周之类的因素会影响非线性死亡率，而变量的平均影响（例如在标准回归模型中发现的）可能会误导。最后，我们认为可解释的自动学习模型可以支持公共政策制定者的健康决策结构的概念，这些结构应对中等收入国家的儿童死亡率的挑战。
巴西婴儿死亡率：使用机器的生存分析...
主要关键词
相关文件推荐
