Published December 21, 2022
| Version v1
Publication
Open
Machine Learning Algorithm-Based Contraceptive Practice among Ever-Married Women in Bangladesh: A Hierarchical Machine Learning Classification Approach
Creators
- 1. Sher-e-Bangla Agricultural University
- 2. Jagannath University
- 3. Khulna University
Description
Contraception enables women to exercise their human right to choose the number and spacing of their children. The present study identified the best model selection procedure and predicted contraceptive practice among women aged 15–49 years in the context of Bangladesh. The required information was collected through a well-known nationally representative secondary dataset, the Bangladesh Demographic and Health Survey (BDHS), 2014. To identify the best model, we applied a hierarchical logistic regression classifier in the machine learning process. Seven well-known ML algorithms, such as logistic regression (LR), random forest (RF), naïve Bayes (NB), least absolute shrinkage and selection operation (LASSO), classification trees (CT), AdaBoost, and neural network (NN) were applied to predict contraceptive practice. The validity computation findings showed that the highest accuracy of 79.34% was achieved by the NN method. According to the values obtained from the ROC, NN (AUC = 86.90%) is considered the best method for this study. Moreover, NN (Cohen's kappa statistic = 0.5626) shows the most extreme discriminative ability. From our research, we suggest using the artificial neural network technique to predict contraceptive use among Bangladeshi women. Our results can help researchers when trying to predict contraceptive practice.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
وتمكن وسائل منع الحمل النساء من ممارسة حقهن الإنساني في اختيار عدد أطفالهن والمباعدة بين الولادات. حددت هذه الدراسة أفضل إجراء لاختيار النموذج وتوقعت ممارسة منع الحمل بين النساء اللواتي تتراوح أعمارهن بين 15 و 49 عامًا في سياق بنغلاديش. تم جمع المعلومات المطلوبة من خلال مجموعة بيانات ثانوية تمثيلية وطنية معروفة، المسح الديموغرافي والصحي لبنغلاديش (BDHS)، 2014. لتحديد أفضل نموذج، طبقنا مصنف الانحدار اللوجستي الهرمي في عملية التعلم الآلي. تم تطبيق سبعة خوارزميات ML معروفة، مثل الانحدار اللوجستي (LR)، والغابات العشوائية (RF)، وساذجة Bayes (NB)، وأقل عمليات الانكماش والاختيار المطلقة (LASSO)، وأشجار التصنيف (CT)، و AdaBoost، والشبكة العصبية (NN) للتنبؤ بممارسات منع الحمل. أظهرت نتائج حساب الصدق أن أعلى دقة بنسبة 79.34 ٪ تحققت من خلال طريقة NN. وفقًا للقيم التي تم الحصول عليها من ROC، تعتبر NN (AUC = 86.90 ٪) أفضل طريقة لهذه الدراسة. علاوة على ذلك، تُظهر NN (إحصائية كوهين كابا = 0.5626) القدرة التمييزية الأكثر تطرفًا. من بحثنا، نقترح استخدام تقنية الشبكة العصبية الاصطناعية للتنبؤ باستخدام وسائل منع الحمل بين النساء البنغلاديشيات. يمكن أن تساعد نتائجنا الباحثين عند محاولة التنبؤ بممارسات منع الحمل.Translated Description (French)
La contraception permet aux femmes d'exercer leur droit humain de choisir le nombre et l'espacement de leurs enfants. La présente étude a identifié la meilleure procédure de sélection de modèle et prédit les pratiques contraceptives chez les femmes âgées de 15 à 49 ans dans le contexte du Bangladesh. Les informations requises ont été collectées par le biais d'un ensemble de données secondaires bien connu et représentatif à l'échelle nationale, l'Enquête démographique et de santé du Bangladesh (BDHS), 2014. Pour identifier le meilleur modèle, nous avons appliqué un classificateur de régression logistique hiérarchique dans le processus d'apprentissage automatique. Sept algorithmes de ML bien connus, tels que la régression logistique (LR), la forêt aléatoire (RF), Bayes naïve (NB), l'opération de rétrécissement et de sélection les moins absolus (LASSO), les arbres de classification (CT), AdaBoost et le réseau neuronal (NN) ont été appliqués à la pratique contraceptive prédictive. Les résultats du calcul de validité ont montré que la précision la plus élevée de 79,34 % était obtenue par la méthode NN. Selon les valeurs obtenues à partir du roc, la NN (ASC = 86,90 %) est considérée comme la meilleure méthode pour cette étude. De plus, NN (statistique kappa de Cohen = 0,5626) montre la capacité discriminative la plus extrême. À partir de nos recherches, nous suggérons d'utiliser la technique du réseau neuronal artificiel pour prédire l'utilisation de la contraception chez les femmes bangladaises. Nos résultats peuvent aider les chercheurs lorsqu'ils essaient de prédire la pratique contraceptive.Translated Description (Spanish)
La anticoncepción permite a las mujeres ejercer su derecho humano a elegir el número y el espaciamiento de sus hijos. El presente estudio identificó el mejor procedimiento de selección de modelos y predijo la práctica anticonceptiva entre mujeres de 15 a 49 años en el contexto de Bangladesh. La información requerida se recopiló a través de un conocido conjunto de datos secundarios representativos a nivel nacional, la Encuesta Demográfica y de Salud de Bangladesh (BDHS), 2014. Para identificar el mejor modelo, aplicamos un clasificador de regresión logística jerárquica en el proceso de aprendizaje automático. Se aplicaron siete algoritmos de ML bien conocidos, como regresión logística (LR), bosque aleatorio (RF), Bayes ingenuo (NB), operación de contracción y selección menos absoluta (LASSO), árboles de clasificación (CT), AdaBoost y red neuronal (NN) para predecir la práctica anticonceptiva. Los hallazgos del cálculo de validez mostraron que la mayor precisión del 79.34% se logró mediante el método NN. De acuerdo con los valores obtenidos de la Roc, NN (AUC = 86.90%) se considera el mejor método para este estudio. Además, NN (estadística kappa de Cohen = 0,5626) muestra la capacidad discriminatoria más extrema. A partir de nuestra investigación, sugerimos utilizar la técnica de red neuronal artificial para predecir el uso de anticonceptivos entre las mujeres bangladesíes. Nuestros resultados pueden ayudar a los investigadores a la hora de predecir la práctica anticonceptiva.Files
81331.pdf
Files
(1.3 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:e4afa4ebf627ceda9de230da2d69fafd
|
1.3 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- ممارسة وسائل منع الحمل القائمة على خوارزمية التعلم الآلي بين النساء المتزوجات في بنغلاديش: نهج هرمي لتصنيف التعلم الآلي
- Translated title (French)
- Pratique contraceptive basée sur un algorithme d'apprentissage automatique chez les femmes jamais mariées au Bangladesh : une approche hiérarchique de classification de l'apprentissage automatique
- Translated title (Spanish)
- Práctica anticonceptiva basada en algoritmos de aprendizaje automático entre mujeres casadas en Bangladesh: un enfoque jerárquico de clasificación de aprendizaje automático
Identifiers
- Other
- https://openalex.org/W4224433877
- DOI
- 10.5772/intechopen.103187
References
- https://openalex.org/W1515955560
- https://openalex.org/W1542298582
- https://openalex.org/W1561114859
- https://openalex.org/W1716372990
- https://openalex.org/W2010869070
- https://openalex.org/W2050114591
- https://openalex.org/W2075269447
- https://openalex.org/W2082436128
- https://openalex.org/W2106100548
- https://openalex.org/W2134696506
- https://openalex.org/W2135463798
- https://openalex.org/W2143588094
- https://openalex.org/W2144073719
- https://openalex.org/W2291339292
- https://openalex.org/W2328176404
- https://openalex.org/W2512204417
- https://openalex.org/W2520127694
- https://openalex.org/W2550338445
- https://openalex.org/W2570132568
- https://openalex.org/W2572413918
- https://openalex.org/W2623247354
- https://openalex.org/W2744908095
- https://openalex.org/W2766150378
- https://openalex.org/W2774418954
- https://openalex.org/W2804516453
- https://openalex.org/W2805620536
- https://openalex.org/W2808074800
- https://openalex.org/W2811266281
- https://openalex.org/W2888227640
- https://openalex.org/W2893870922
- https://openalex.org/W2920529430
- https://openalex.org/W3012758580
- https://openalex.org/W3013337513
- https://openalex.org/W3025213933