Przewidywanie wahania szczepionki za pomocą uczenia maszynowego

W ostatnich latach pojawiające się technologie, takie jak Internet of Things (IoT), sztuczna inteligencja (AI) i rzeczywistość wirtualna (VR) szybko zintegrowały się z życiem codziennym. Powszechne stosowanie tych aplikacji doprowadziło do gromadzenia ogromnych ilości danych, co daje powszechnie określane jako „duże zbiory danych”. Ze względu na czystą objętość ręczne przetwarzanie i analiza tych dużych zestawów danych nie są możliwe. Dlatego narzędzia oprogramowania i biblioteki takie jak biblioteki Python i R----------------------biblioteki R-opracowano do efektywnego wykonywania tych analiz i do generowania prognoz na przyszłość poprzez wykorzystanie danych historycznych poprzez algorytmy uczenia maszynowego (ML).

Głównym celem algorytmów uczenia maszynowego jest odkrywanie wzorców w ramach istniejących danych i wykorzystanie tych wzorców do dokonywania dokładnych prognoz nowych danych. Zastosowanie uczenia maszynowego w dziedzinie opieki zdrowotnej nabrało znacznego tempa w ostatnich latach. Jednak przegląd literatury ujawnia, że ​​badania dotyczące wahania szczepionki w dzieciństwie pozostają ograniczone.

To badanie ma na celu określenie czynników przyczyniających się do wahania szczepionki wśród rodziców dzieci w wieku 0-48 miesięcy i opracowanie modelu predykcyjnego przy użyciu technik uczenia maszynowego w oparciu o te czynniki. Taki model może pomóc w przewidywaniu prawdopodobieństwa odmowy szczepionki wśród rodziców, a tym samym wspierać rozwój ukierunkowanych strategii zdrowia publicznego dla zagrożonych populacji.