gms | German Medical Science

Einleitung: Die Verfahren des maschinellen Lernens können zur Bestimmung von Klassifikations- und Vorhersagemodellen mit Hilfe von relativ großen und komplexen Datenstrukturen eingesetzt werden. Im Gegensatz zur herkömmlichen Regressionsanalyse handelt es sich bei diesen Verfahren eher nicht um die Interpretation der Koeffizienten der unabhängigen Variablen, sondern um die Vorhersagewerte der abhängigen Variable. Ziel des vorliegenden Beitrags ist somit, mögliche Vor- und Nachteile der Verfahren des maschniellen Lernens anhand einer konkreten Fragestellung in der Medizinischen Soziologie aufzuzeigen.

Methoden: Es werden Daten der Kohorte '08 der National Longitudinal Study of Children in Ireland (Growing Up in Irland - GUI) verwendet (N = 37960 Beobachtungen). Angestrebt wird die Bestimmung eines Vorhersagemodells des Body-Mass-Index (BMI) von Kindern in Abhängigkeit von 23 Prädiktorvariablen, die verschiedene Merkmale der Bezugsperson darstellen.

Ergebnisse: Das beste Vorhersagemodell bestand aus den folgenden vier Variablen der Bezugsperson: BMI, Bildungsniveau, Familienstand und Rauchverhalten. Die höchste Korrelation zwischen den beobachteten und erwarteten Werten betrug 0.36 für den BMI von Kindern im Alter von 9 Jahren.

Diskussion: Verfahren des maschinellen Lernens in der Medizinischen Soziologie können eine geeignete Analysestrategie für Fragestellungen und Anwendungsszenarien sein, deren Fokus primär auf der Vorhersage der abhängigen Variable liegt. Allerdings bedürfen diese Verfahren spezifischer Hinweise zu der Modellgüte sowie dem Gültigkeitsbereich der Ergebnisse in der konkreten Anwendung.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.