Maschinenlernen identifiziert Null-Dosis-Kinder in Subsahara-Afrika
Von KI ausgewählt und zusammengefasst
Worum es geht
Prädiktives Modellentwicklungs-Projekt mit Daten von 27 subsaharischen Ländern (Demographic Health Survey 2016–2024) zur Risikoidentifikation von Kindern ohne Impfung.
Ergebnis
LightGBM-Modell zeigte beste Gesamtleistung: 80 % Genauigkeit, 91 % Sensitivität, AUROC 0,78. Wichtigste Prädiktoren: Entbindungsort, Geburtsvorkontakten, Mutter-Tetanus-Impfung, Haushaltsvermögen, mütterliche Bildung. Ermöglicht frühe Risikoidentifikation.
Übertragbarkeit auf Deutschland
Subsahara-Afrika, digitales Tooldesign auf Länder mit WHO DHSatz übertragbar.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.