墨西哥不同风险的登革热病例并行预测,使用人工神经网络模型,考虑气象数据
R A Conde-Gutiérrez1, D Colorado2, A Márquez-Nolasco3
1Centro de Investigación en Recursos Energéticos y Sustentables, Universidad Veracruzana, Av. Universidad Km 7.5, Col. Santa Isabel, Coatzacoalcos, CP 96535, Veracruz, México.
International journal of biometeorology
|March 7, 2024
概括
墨西哥在2022年出现登革热病例的增加,尽管温度和降雨较低. 使用人工神经网络的计算模型准确预测了登革热风险,强调温度和降雨是公共卫生决策的关键因素.
科学领域:
- 环境科学 环境科学
- 流行病学 流行病学
- 计算生物学 计算生物学
背景情况:
- 墨西哥在2022年出现了登革热病例的增加,以前在研究中代表性不足的地区的发病率更高.
- 现有的关于墨西哥登革热传播的研究往往集中在特定地区,需要进行全国范围的分析.
研究的目的:
- 开发一个模拟墨西哥所有州登革热病例动态的计算模型.
- 确定气候因素与登革热传播之间的关系,包括非严重的,警告信号和严重的登革热分类.
主要方法:
- 使用人工神经网络 (ANN) 采用多重学习计算方法.
- 该模型使用数据进行训练,包括来自国家卫生和气象报告的月度平均温度 (min, mean, max),降水量和流行病学周数据.
- 莱文伯格-马奎特算法用于模型系数的拟合.
主要成果:
- 该模型实现了登革热分类的高预测准确度:R2为0.9684的非严重登革热,0.9721的登革热与警告信号,和0.8001的严重登革热.
- 相关性和敏感性分析确定了平均最低温度和降水量作为登革热病例数量的重要预测因素.
- 该模型有效地模拟了全国的登革热风险分类.
结论:
- 气候因素,特别是平均最低气温和降水,对于预测墨西哥登革热发病率至关重要.
- 开发的计算模型为卫生部提供了有价值的见解,以管理潜在的综合症.
- 这项研究提供了一种全面的,全国性的方法,以了解登革热的动态,并为公共卫生战略提供信息.
