📐 Méthodologie & cycles
Notre IA utilise les données de 8 millions de malformations congénitales.
Les paramètres utilisés concernent l'état de santé des mères, des pères, les paramètres physiologiques avec
d'autres informations de santé rendus en statistiques.
Notre calcul des menstruations avec sur-risuqe statistiques de défaillance est associé à un algorithme de gradient Boosting (XGBoost) grâce aux données INEGI.
Ces renseignements médicaux permettent d'anticiper par des facteurs statistiques des malformations dans le futur.
Notre modèle c'est plus de 50 000 lignes de codes, s'appuyant sur des données de spermatogénèse, de folliculogénèse
et réagit avec l'appuie des réactions métaboliques et météorologiques via ERA5/CAMS copernicus.
La période de fertilité (ovulation / proche de l'ovulation) n'est pas prise en compte dans le calcul de score mais sont affiché d'une vignette.
L'analyse repose sur des algorithmes amplifiants les données fournies spécialement par l'INSEE, Copernicus, ERA5 et par l'INEGI en croisant les co-facteurs de risques observés dans les bases de données épidémiologiques.
Notre objectif est de réduire les risques observés lors de précédentes conceptions en croisant les données de santé numérisées des bases épidémiologiques INEGI (incluant les décès fœtaux, les événements et les lieux) afin de constituer un registre sélectif des jours de conception optimaux.
Cela permet de minimiser les risques de malformations congénitales, en adéquation avec les observations disponibles.
Le score, basé sur l'âge, l'IMC, l'historique de santé et les cycles menstruels, permet à notre IA de privilégier les dates présentant les facteurs de risque les plus favorables.
RGPD : Données uniquement anonymisées. Eventuelles email - Découvrir ce que nous faisons
Modèle CheckHealth · IA GrossesseAméliorée