Project R-15332

Ontwikkeling, validatie en verspreiding van op machine learning (ML) gebaseerde voorspellingsmodellen voor slechte uitkomsten bij pasgeborenen en jonge kinderen aan de Keniaanse kust. (Onderzoek)

Biologische, psychologische en omgevingsgfactoren tijdens de zwangerschap en de vroege kinderjaren spelen een belangrijke rol bij het bepalen van de uitkomsten bij de geboorte, inclusief de algemene ontwikkeling van het kind en het risico op lichamelijke en geestelijke gezondheidsziekten op volwassen leeftijd. Er zijn echter weinig studies in Afrika bezuiden de Sahara die uitgebreide gegevens van een goed gedefinieerd cohort van aanstaande moeders gebruiken om het risico op slechte uitkomsten bij pasgeborenen en jonge kinderen vanaf het moment van de zwangerschap op een continue manier te evalueren en te voorspellen. We zullen ons focussen op 3000 moeders die tussen 2014 en 2017 kinderen hebben gekregen, aangezien de kinderen nu een leerplichtige leeftijd hebben. We zijn van plan om: i) kinderen te recruteren en te volgen in het Kilifi Perinatal and Maternal Research Project (KIPMAT) en gegevens te verzamelen over uitkomsten op het gebied van neurologische ontwikkeling, voeding, scholastiek en geestelijke gezondheid; en ii) Het ontwikkelen, valideren en verspreiden van voorspellingsmodellen die zullen helpen bij het identificeren van kinderen met een hoog risico op slechte geboorteruitkomsten (laag geboortegewicht, vroeggeboorte en doodgeboorte) en het risico op slechte ontwikkelings- en geestelijke gezondheidsuitkomsten. Qua voorspellende modellen zullen we ons vooral richten op "random forest and boost" methoden. In het geval van ontbrekende gegevens zullen we de verschillende aannames over ontbrekende gegevens beoordelen en deze op de juiste manier behandelen. Modelkalibratie zal worden uitgevoerd en beoordeeld door de voorspelde waarschijnlijkheid van primaire uitkomsten uit te zetten tegen de waargenomen proportie gedocumenteerd in empirische gegevens. De bevindingen uit dit werk kunnen ons begrip en kennis vergroten over de gezondheidstrajecten van moeders en kinderen met risico op bijwerkingen, door realtime gegevens in te zetten richting verbeterde zorg op individueel, gezondheidszorgsysteem- en gemeenschapsniveau.

21 november 2024 - 30 september 2028