在中国人类血病的时空空间趋势和使用可解释性分析的驱动因素

科学领域:

• 流行病学 流行病学
• 公共卫生 公共卫生
• 机器学习在医学中的应用

背景情况:

• 在中国,人类血病发病率显著增加,特别是在内陆地区.
• 疾病的分布发生了转变,在北部,西部和南部地区出现了明显的上升趋势.
• 了解疫情动态和传播因素对于有效控制至关重要.

研究的目的:

• 分析2004年至2021年中国人类血病的流行特征和地理传播情况.
• 确定影响人类血病分布变化的关键因素.
• 利用先进的机器学习来获得流行病学见解.

主要方法:

• 使用极端梯度提升 (XGBoost) 算法进行预测建模.
• 利用可解释的机器学习技术,特别是沙普利增量解释 (SHAP),以确定影响因素.
• 分析了从2004年到2021年的流行病学数据.

主要成果:

• 观察到人类百菌病发病率的显著上升趋势 (8.20%的增长,2004-2021年).
• 北方地区的情况持续严重,呈上升趋势.
• 血病已经蔓延到西部和南部地区,现在已经覆盖了整个中国.
• 人均国内生产总值 (GDP) 和教育经费的增加与差距的降低相关.
• 增加的床位可用性,湿度,铁路里程和GDP与扩大的传播相关.

结论:

• 社会经济因素比其他已识别的因素更有影响力在人类血病的传播.
• 有针对性的社会经济干预措施可能是控制中国血病复发的关键.
• 该研究强调了社会经济发展和传染病动态之间的复杂相互作用.