Leveraging machine learning to study how temperament scores predict pre-term birth status
Notice bibliographique
Résumé
Background: Preterm birth (birth at <37 completed weeks gestation) is a significant public heatlh concern worldwide. Important health, and developmental consequences of preterm birth include altered temperament development, with greater dysregulation and distress proneness. Aims: The present study leveraged advanced quantitative techniques, namely machine learning approaches, to discern the contribution of narrowly defined and broadband temperament dimensions to birth status classification (full-term vs. preterm). Along with contributing to the literature addressing temperament of infants born preterm, the present study serves as a methodological demonstration of these innovative statistical techniques. Study design: = 402) born at term, with data combined across investigations to perform classification analyses. Subjects: Participants included infants born preterm and term-born comparison children, either matched on chronological age or age adjusted for prematurity. Outcome measures: Infant Behavior Questionnaire-Revised Very Short Form (IBQ-R VSF) was completed by mothers, with factor and item-level data considered herein. Results and conclusions: Accuracy estimates were generally similar regardless of the comparison groups. Results indicated a slightly higher accuracy and efficiency for IBQR-VSF item-based models vs. factor-level models. Divergent patterns of feature importance (i.e., the extent to which a factor/item contributed to classification) were observed for the two comparison groups (chronological age vs. adjusted age) using factor-level scores; however, itemized models indicated that the two most critical items were associated with effortful control and negative emotionality regardless of comparison group.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».