日本の浴槽溺死死亡率の予測：統計、機械学習、深層学習アプローチの比較分析

科学分野:

• 公衆衛生
• 環境疫学
• 老年医学

背景:

• 日本は、世界で最も高齢者の溺死死亡率が高い国である。
• 浴槽関連の事故が主な原因であり、公衆衛生の努力にもかかわらず増加傾向にある。
• 既存の介入には、適時のリスク評価のための全国的な予測モデルが欠けている。

研究 の 目的:

• 日本の毎日の浴槽溺死死亡者数の全国的な予測モデルを開発および検証する。
• 高齢者における浴槽溺死リスクの主要な予測因子を特定する。
• 適時の公衆衛生警告を発するための枠組みを提供する。

主な方法:

• 死亡者数記録（1995-2020）を利用し、気象、時間的、人口統計学的データを統合した。
• 毎日の死亡率予測のために、分布遅延非線形モデル（DLNM）、極端勾配ブースティング（XGBoost）、および長期短期記憶ネットワーク（LSTM）を採用した。
• 二乗平均平方根誤差（RMSE）および平均絶対誤差（MAE）を使用してモデル精度を検証し、Shapley加法説明を使用して特徴量の重要性を評価した。

主要な成果:

• DLNM、XGBoost、LSTMモデルは同等の予測性能を示した（RMSE ≈ 0.57-0.58、MAE ≈ 0.33-0.35）。
• 主な予測因子には、日平均気温、都道府県人口、都道府県指標が含まれた。
• ルーチンで利用可能な気象変数（最高/最低気温）のみを使用した場合でも、予測精度は一貫していた。

結論:

• DLNMベースのフレームワークは、毎日の浴槽溺死死亡者数を効果的に予測する。
• モデルを気象放送やモバイルプラットフォームと統合することで、適時の警告を促進できる。
• このアプローチは、日本の高齢化社会における予防可能な浴槽関連死亡率を削減するための実用的な戦略を提供する。