开发德国流行病情况的早期预警模型
Danqi Wang1, Manuel Lentzen2,3, Jonas Botz2,3
1Department of Bioinformatics, Fraunhofer Institute for Algorithms and Scientific Computing (SCAI), Schloss Birlinghoven, 53757, Sankt Augustin, Germany. danqi.wang@scai.fraunhofer.de.
Scientific reports
|November 27, 2023
概括
这项研究使用谷歌趋势和推特数据开发了一种流行病早期预警系统. 机器学习准确地提前14天预测了COVID-19趋势,提高了医疗保健准备.
科学领域:
- 公共卫生 公共卫生
- 传染病流行病学 传染病流行病学
- 数字健康数字健康
背景情况:
- 随着COVID-19大流行,医疗保健系统准备能力的提高显而易见.
- 开发创新的预警系统对于及时进行公共卫生干预至关重要.
研究的目的:
- 创建一个有效的流行病早期预警系统,使用数字追踪数据.
- 使用机器学习预测COVID-19监测数据的上升趋势.
主要方法:
- 使用疾病本体学和文本挖掘编制了一个COVID-19症状库.
- 将应用统计和机器学习 (ML) 应用于谷歌趋势和Twitter数据 (2020年3月至2022年6月).
- 使用长期短期记忆 (LSTM) 模型进行时间序列预测.
主要成果:
- 该LSTM模型准确地预测了14天前确诊病例和住院率的上升趋势.
- 实现了高预测准确度,F1得分超过98%的确诊病例和97%的住院治疗.
- 证明了将谷歌趋势和推特数据集成为流行病监测的有效性.
结论:
- 来自谷歌搜索和社交媒体的数字痕迹可以为强大的流行病预警系统提供动力.
- 开发的系统显示出在改善德国对大流行病的应对方面具有重大潜力.
- 创新的技术方法对于未来的医疗保健系统弹性至关重要.
更多相关视频
05:03Author Spotlight: Unveiling Mechanisms of Stress Resilience - Significant Findings, Advancements, and Future Research
Published on: December 15, 2023
4.1K
09:27Multicellular Human Alveolar Model Composed of Epithelial Cells and Primary Immune Cells for Hazard Assessment
Published on: May 6, 2020
11.3K
