季節的な気候パターンがインフルエンザ様疾患の傾向を左右する：多様な気候帯におけるインフルエンザ様疾患の予測のためのLSTMベースのリカレントニューラルネットワーク
Alfred Amendolara1, Christopher Gowans1, Joshua Barton1
1Department of Biomedical Science, Noorda College of Osteopathic Medicine, Provo, Utah, USA.
Immunity, inflammation and disease
|February 23, 2026
まとめ
季節的な気候パターンがインフルエンザ様疾患（ILI）の傾向を左右し、絶対的な気象ではない。リカレントニューラルネットワークは、多様な地域で一貫してインフルエンザの予測を示し、特定の気候変数よりも季節的なタイミングの重要性を強調した。
科学分野:
- 疫学
- 気候学
- データサイエンス
背景:
- インフルエンザウイルスは世界中で毎年の流行を引き起こし、重大な公衆衛生上の負担となっている。
- 季節的なインフルエンザの伝染における変動を理解することは、特にSARS-CoV-2の継続的な影響を考えると、極めて重要である。
- 異なる気候帯における季節的なインフルエンザの負担を駆動するメカニズムは、完全には理解されていないままである。
主な方法:
- ILIの傾向を予測するために、長短期記憶（LSTM）リカレントニューラルネットワークを利用した。
- CDCから毎週のILIデータと、Visual Crossingから気象データ（気温、湿度、風速など）を収集した。
- ハワイ、バーモント、ネバダの3つの異なる気候地域からのデータを使用してモデルをトレーニングおよび評価した。
結論:
- 気候変数は、ILIの傾向に対して弱いから中程度の予測力を示した。
- LSTMモデルは地域間で均一にパフォーマンスを発揮し、季節的なパターンがILIの主要な推進要因であることを示唆した。
- 気候の相対的な季節的変化は、絶対的な気候変数よりもインフルエンザの傾向に影響を与える可能性が高い。
関連する概念動画
01:03Prediction Intervals
3.5K
The interval estimate of any variable is known as the prediction interval. It helps decide if a point estimate is dependable.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
3.5K
01:18Steps in Outbreak Investigation
628
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
628