Utilization of tree-based machine learning models for predicting low birth weight cases.

Journal: BMC pregnancy and childbirth
PMID: 40011804

Abstract

BACKGROUND: Low birth weight (LBW) is a health condition that affects over 20 million gestational outcomes worldwide. The current literature indicates that machine learning models have the potential to assist healthcare professionals in predicting LBW and giving them the opportunity to intervene earlier in the pregnancy, which might include adjusting medical treatments or suggesting changes in diet.

Authors

  • Flavio Leandro de Morais
    Programa de Pós-Graduação em Engenharia da Computação (PPGEC), Universidade de Pernambuco (UPE), Recife, Pernambuco, Brazil.
  • Élisson da Silva Rocha
    Programa de Pós-Graduação em Engenharia da Computação, Universidade de Pernambuco, Recife, Brazil.
  • Gabriel Masson
    CHU Lille, Pôle Anesthésie Réanimation, Lille, France.
  • Dimas Cassimiro do Nascimento Filho
    Programa de Pós-Graduação em Engenharia da Computação (PPGEC), Universidade de Pernambuco (UPE), Recife, Pernambuco, Brazil.
  • Katia Maria Mendes
    Centro Universitário Integrado de Saude Amaury de Medeiros (CISAM), Universidade de Pernambuco (UPE), Recife, Pernambuco, Brazil.
  • Raphael Augusto de Sousa Dourado
    Programa de Pós-Graduação em Engenharia da Computação (PPGEC), Universidade de Pernambuco (UPE), Recife, Pernambuco, Brazil.
  • Waldemar Brandao Neto
    Programa de Residência Multiprofissional em Neonatologia, Universidade de Pernambuco (UPE), Recife, Pernambuco, Brazil.
  • Patricia Takako Endo
    Programa de Pós-Graduação em Engenharia da Computação (PPGEC), Universidade de Pernambuco (UPE), Recife, Pernambuco, Brazil. patricia.endo@upe.br.

Keywords

External Resources

Popular Topics
Recent Journals