预测季节性流感疫情,并以调节转变为基础的动态来改善公共卫生准备

科学领域:

• 流行病学 流行病学
• 计算生物学 计算生物学
• 公共卫生 公共卫生

背景情况:

• 季节性流感对公共卫生构成重大挑战,准确预测流行病峰值对于资源分配和干预策略至关重要.
• 现有的机械模型往往难以捕捉非流行病和流行病状态之间的动态过渡,特别是在连续的流感样疾病 (ILI) 数据中.
• 全年存在非零的ILI数据,需要可靠地识别流感季节的发病和进展的方法.

研究的目的:

• 开发和验证一种新的预测方法,将调节变化检测与机械建模相结合,用于预测季节性流感高峰时间.
• 通过结合引发季节性疫情的外部因素来提高流感高峰时间预测的准确性.
• 解决传统机械模型在处理从流行性流感转变为流行性流感状态时的局限性.

主要方法:

• 开发了一种混合模型,将政权转移检测算法与机械流行病学模型相结合.
• 利用韩国 (2005-2020年) 流感类疾病 (ILI) 历史数据进行模型培训和验证.
• 将影响流感季节开始的外部因素纳入机械模型框架.

主要成果:

• 综合方法证明了季节性流感高峰时间的稳定和准确预测.
• 该方法有效地识别了从非流行病状态转向流行病状态的制度转移,提高了预测可靠性.
• 该模型在预测非典型流感季节发作或程度的年份的高峰时间方面表现特别强大.

结论:

• 整合调节变化检测与机械模型的新方法为预测季节性流感高峰提供了强大的工具.
• 这种方法通过考虑动态状态转换和外部触发因素来提高预测准确度.
• 这些发现对改善流感监测和准备策略有影响.