建模全球水感染传播数据:对时间序列回归和机器学习模型的比较研究
Vishwajeet Singh1, Saif Ali Khan2, Subhash Kumar Yadav3
1Directorate of Online Education, Manipal Academy of Higher Education (MAHE), Manipal, Karnataka, 576104, India.
Current microbiology
|November 25, 2023
概括
这项研究分析了使用统计和机器学习模型的麻疹 (MPOX) 传播. 随机森林在大多数国家表现优于ARIMA,突出了为有效的公共卫生战略量身定制建模的需要.
科学领域:
- 流行病学 流行病学
- 传染性疾病 传染性疾病
- 公共卫生 公共卫生
背景情况:
- 新兴的病毒感染,如麻疹 (MPOX),对全球健康构成重大威胁.
- 随着COVID-19的流行,人们越来越需要对病毒性疾病爆发进行强有力的监测和预测.
- 了解MPOX传播动态对于有效的公共卫生干预至关重要.
研究的目的:
- 分析和预测高发病率国家麻疹的传播情况.
- 为了比较统计和机器学习模型在预测MPOX传输中的性能.
- 为了为麻和控制的政策制定提供信息.
主要方法:
- 使用分布配套,ARIMA建模和随机森林机器学习.
- 应用了来自十大受MPOX影响国家的特定国家数据集.
- 使用根平均平方误差 (RMSE) 评估模型准确性.
主要成果:
- 随机森林模型在十个研究的国家中,在六个国家中表现出卓越的预测准确性.
- 在剩下的四个国家,ARIMA模型提供了更好的预测.
- 模型的性能因国家而异,表明需要特定环境的方法.
结论:
- 选择的建模技术显著影响麻疹传播预测的准确性.
- 将流行病学模型定制为针对特定国家的数据对于有效的公共卫生政策至关重要.
- 整合多种建模方法可以增强对MPOX爆发的理解和控制.
