利用女性健康追踪移动应用的大规模数据预测怀孕
应用统计
2019-03-29 v2 计算机与社会
机器学习
摘要
预测怀孕是五十多年来女性健康领域的一个基本问题。先前的数据集通过精心设计的医学研究收集，但近年来女性健康追踪移动应用的兴起为覆盖更广泛人群提供了可能。然而，利用移动健康追踪数据预测怀孕是否可行尚不清楚。在此，我们开发了四种模型——一个逻辑回归模型和3个LSTM模型——利用来自女性健康追踪应用（BioWink GmbH 的 Clue）的数据预测女性怀孕的概率。在一个包含来自65,276名女性、具有真实怀孕测试数据的7900万条日志的数据集上评估我们的模型，我们表明预测的怀孕概率能有意义地区分层女性：预测概率前10%的女性在6个月经周期内怀孕的几率为89%，而底部10%的女性仅为27%。我们开发了一种从深度学习模型中提取可解释时间趋势的技术，并表明这些趋势与先前的生育研究一致。我们的发现说明了女性健康追踪数据在更广泛人群中预测怀孕的潜力；最后我们讨论了实现该潜力所需的步骤。
引用
@article{arxiv.1812.02222,
title = {Predicting pregnancy using large-scale data from a women's health tracking mobile application},
author = {Bo Liu and Shuyang Shi and Yongshang Wu and Daniel Thomas and Laura Symul and Emma Pierson and Jure Leskovec},
journal= {arXiv preprint arXiv:1812.02222},
year = {2019}
}
备注
Accepted at WWW 2019 (Health on the Web short paper track); an earlier version of this paper was presented at the 2018 NeurIPS ML4H Workshop