|
妊婦健診データから、血圧、尿蛋白、Body mass index (BMI)のデータを取得した。隠れマルコフモデル(HMM)を用いた統計的機械学習を採用した。さらに従来のHMMを拡張し、時間（妊娠週数）に依存する共変量を状態遷移行列のパラメータに許容するモデル化を試みた。このマルコフ依存混合モデルを用い、収縮期血圧、拡張期血圧、タンパク尿を応答変数として、妊婦健診時の状態を効率的に分類できる状態数を算出し、各健診回における次回健診時の状態を推定する遷移確率を算出した。検証データにおいて、妊娠中のHDP発症予測精度、及び妊娠31週以前のデータからそれ以後のHDP発症を予測する精度を算出した。
|
