Non-Fatal Drowning Risk Prediction Based on Stacking Ensemble Algorithm

Abstract

Drowning is a major public health problem and a leading cause of death in children living in developing countries. We seek better machine learning (ML) algorithms to provide a novel risk-assessment insight on non-fatal drowning prediction. The data on non-fatal drowning were collected in Qingyuan city, Guangdong Province, China. We developed four ML models to predict the non-fatal drowning risk, including a logistic regression model (LR), random forest model (RF), support vector machine model (SVM), and stacking-based model, on three primary learners (LR, RF, SVM). The area under the curve (AUC), F1 value, accuracy, sensitivity, and specificity were calculated to evaluate the predictive ability of the different learning algorithms. This study included a total of 8390 children. Of those, 12.07% (1013) had experienced non-fatal drowning. We found the following risk factors are closely associated with the risk of non-fatal drowning: the frequency of swimming in open water, distance between the school and the surrounding open waters, swimming skills, personality (introvert) and relationality with family members. Compared to the other three base models, the stacking generalization model achieved a superior performance in the non-fatal drowning dataset (AUC = 0.741, sensitivity = 0.625, F1 value = 0.359, accuracy = 0.739 and specificity = 0.754). This study indicates that applying stacking ensemble algorithms in the non-fatal drowning dataset may outperform other ML models.

Estudo longitudinal do Nível de Conhecimento Preventivo de Afogamento de escolares do Rio de Janeiro, Brasil

“…As crianças pequenas representam um grupo particularmente vulnerável devido à sua capacidade limitada de avaliar os riscos de forma eficaz e às habilidades de natação insuficientemente desenvolvidas, o que impede a sua autonomia em ambientes aquáticos (PEIXOTO-PINO et al, 2023b O risco de uma criança empurrada na piscina se afogar é motivo para que esse comportamento seja visto como inadequado no ambiente aquático durante as aulas de natação. Ademais, crianças que frequentam ambientes aquáticos com mais frequência podem se envolver em comportamentos de risco enquanto estão na água e tem mais probabilidade de se afogar (XIE et al, 2022).…”

“…No ano de 2022 foram selecionadas para acompanhamento do estudo 12 turmas, distribuídos entre quatro turmas do 5º ano, quatro turmas do 6º ano e quatro do 7º ano. As turmas foram selecionadas por conterem, segundo Xie et al (2022), o público alvo com maior risco de afogamento devido à menor consciência desse risco. Além disso, nessa faixa etária os alunos conseguem ler, interpretar figuras, símbolos e podem ser acompanhados longitudinalmente por tempo suficiente para coletar dados e identificar as variações em relação ao tema pesquisado durante a trajetória escolar.…”

“…As evidências mostram que as atividades educativas que envolvem crianças têm um impacto positivo na prevenção do afogamento (XIE et al, 2022). Campanhas de educação sobre prevenção aquática no ambiente escolar podem ajudar na prevenção de futuros incidentes de afogamento (ISIN & PEDEN, 2024).…”