谁将退出儿科体重管理项目以及何时退出？——一种预测脱落模式的机器学习方法
机器学习
2022-03-08 v3
摘要
儿童肥胖是一项重大公共卫生问题。多学科儿科体重管理项目被视为在初级保健环境中无法成功管理的肥胖及重度肥胖儿童的标准治疗；然而，高退出率（称为脱落）是成功实施干预措施的主要障碍。预测脱落模式可帮助医护人员降低脱落率。先前工作主要聚焦于使用统计分析方法寻找脱落的静态预测因子。本研究中，我们提出一种机器学习模型，用于预测（a）脱落的可能性，以及（b）儿童在加入体重管理项目后不同时间点的身体质量指数（BMI）百分位变化。我们使用一个五年数据集，其中包含我们基于 Nemours 儿科体重管理项目数据整理的约 4,550 名儿童的相关信息。我们的模型展现出强劲的预测性能，不同任务均获得高 AUROC 分数（预测脱落的平均 AUROC 为 0.75，预测体重结果的平均 AUROC 为 0.73）。此外，我们在一系列解释性实验中报告了预测脱落与体重结果的主要特征。
引用
@article{arxiv.2202.01765,
title = {Who will Leave a Pediatric Weight Management Program and When? -- A machine learning approach for predicting attrition patterns},
author = {Hamed Fayyaz and Thao-Ly T. Phan and H. Timothy Bunnell and Rahmatollah Beheshti},
journal= {arXiv preprint arXiv:2202.01765},
year = {2022}
}