Eine Studie von A. T. M. Ahsanul Kyum Siam, Tanzila Tanjim Tusra und Md. Abul Hossain analysiert, welche sozio‑demografischen und verhaltensbezogenen Faktoren das Risiko von Geburten bei sehr jungen (≤18 Jahre) oder älteren (≥40 Jahre) Müttern in Bangladesch erhöhen. Die Untersuchung nutzt Daten des Bangladesh Demographic and Health Survey 2022 und richtet sich an Entscheidungsträger im Gesundheitswesen.
Datenbasis und Methodik
Die Analyse beruht auf 15.386 verheirateten Frauen, die im BDHS‑2022 befragt wurden. Nach Bereinigung von Duplikaten und fehlenden Werten wurden die Daten in Trainings‑ (80 %) und Test‑ (20 %)‑Sets aufgeteilt. Zur Modellvalidierung kam eine 10‑fachige, stratifizierte Kreuzvalidierung mit SMOTE zum Ausgleich unausgeglichener Klassen zum Einsatz.
Auswahl der Merkmale
Drei Verfahren zur Merkmalsauswahl wurden angewendet: Lasso (12 Merkmale), Chi‑Quadrat (13 Merkmale) und Boruta (10 Merkmale). Zu den ausgewählten Variablen zählen das Alter der Mutter, das Alter bei der ersten Heirat, aktuelle Verhütungsnutzung, Beruf des Ehemanns, Kinderzahl, Alter und Bildung des Ehemanns, Alter der Befragten sowie regionale Unterschiede.
Modellvergleich
Verschiedene maschinelle Lernverfahren wurden trainiert, darunter CART, SVM, KNN, Naive Bayes sowie die Ensemble‑Modelle Random Forest, GBM, AdaBoost und XGB. Laut den Autoren erzielte das CART‑Modell mit Lasso‑Merkmalen die höchste Genauigkeit (0,77) und ein F1‑Score von 0,69. Das GBM‑Modell mit Chi‑Quadrat‑Merkmalen erreichte die besten Werte insgesamt (Genauigkeit = 0,80, F1‑Score = 0,71, AUROC = 0,79, AUPRC = 0,64).
Wesentliche Prädiktoren
Die Studie identifiziert das mütterliche Alter, frühe Heirat, aktuelle Verhütungsnutzung, den Beruf des Ehemanns, die Kinderzahl, das Alter und die Bildung des Ehemanns sowie regionale Disparitäten als zentrale Einflussfaktoren. Diese Ergebnisse stimmen mit früheren Untersuchungen in Südasien und anderen Ländern mit niedrigem und mittlerem Einkommen überein, betonen jedoch zusätzlich die Bedeutung der Partnerbildung und Mediennutzung.
Implikationen für die Gesundheitspolitik
Die Autoren betonen, dass die Ergebnisse als evidenzbasierte Grundlage für politische Maßnahmen dienen können, etwa zur Verzögerung des ersten Geburtsalters, zur Förderung der Bildung von Mädchen und zur gezielten Intervention in Hochrisikogebieten. Durch den Einsatz von maschinellem Lernen lassen sich prioritäre Zielgruppen und Regionen effizienter identifizieren.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung