类似流感疾病的感染病理学:利用谷歌趋势的大数据进行流行病监测

科学领域:

• 流行病学 流行病学
• 公共卫生监督 公共卫生监督
• 计算生物学 计算生物学

背景情况:

• 类似流感的疾病 (ILI) 是一个重大的公共卫生挑战.
• 数字监控工具,如谷歌趋势 (GT),提供了新的方法来监测疾病模式.
• 了解影响ILI传播的因素对于有效的公共卫生干预至关重要.

研究的目的:

• 分析ILI发病率,在线搜索趋势和气候变量之间的相关性.
• 为了比较时间序列和深度学习模型的预测性能,用于ILI预测.
• 为了确定LI爆发的关键预测因素.

主要方法:

• 采用多重回归模型来评估ILI病例,GT关键词搜索 (如"发烧"",咳") 和气象数据之间的关系.
• 时间序列 (ARIMA) 和深度学习模型被评估,以确定它们对ILI紧急事件的预测准确性.
• 在p < 0.05.05时确定了统计学意义.

主要成果:

• 谷歌趋势搜索"发烧"和"咳"显示与ILI病例有显著的关联.
• 温度显现为比湿度更有影响力的因素对ILI发生率.
• 与其他测试的模型相比,自回归集成移动平均线 (ARIMA) 模型表现出更高的预测能力.

结论:

• 来自谷歌趋势的数字数据与气候信息相结合,可以有效预测ILI趋势.
• 温度是ILI爆发的关键环境预测因素.
• 阿里马模型对预测ILI发病率非常有效,支持公共卫生决策.