使用气象时间序列预测极高的缺血性中风发病率
Lucia Babalova1, Marian Grendar2,3, Egon Kurca1
1Clinic of Neurology, Jessenius Faculty of Medicine in Martin, Comenius University in Bratislava, Bratislava, Slovakia.
PloS one
|September 11, 2024
概括
使用天气数据预测极高的中风发病率是具有挑战性的. 气象因素并没有显著提高缺血性中风的预测准确度,这表明这些事件的预测能力有限.
科学领域:
- 神经学 神经学
- 流行病学 流行病学
- 气象学 天气学
- 数据科学数据科学数据科学
背景情况:
- 关于天气条件与中风发病率之间的联系存在不一致的发现.
- 基于气象因素对中风发生率的预测建模是罕见的.
- 这项研究调查了斯洛伐克的极端缺血性中风发病率和气象因素.
研究的目的:
- 探索极端缺血性中风发生率与气象因素之间的关系.
- 构建和评估预测模型,用于预测极高中风数量的日子.
主要方法:
- 在五年 (2015-2019) 中分析了52,036例缺血性中风病例.
- 使用历史记录的第90百分位数识别了极端中风日.
- 采用后勤回归,时间序列的随机森林,以及Croston的一天前预测的方法.
主要成果:
- 极端中风数量与气象因素之间的交叉相关性是可以忽略不计的.
- 逻辑回归和随机森林的预测准确度与克罗斯顿的方法相当.
- 这三种预测方法对极端中风事件的预测准确性有限.
结论:
- 预测异常高中风发病率的日子是具有挑战性的.
- 纳入气象参数并没有显著提高预测准确度.
- 可能需要进一步的研究来确定极端中风事件的可靠预测因素.
相关概念视频
01:18Steps in Outbreak Investigation
114
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
114
01:07What is Weather?
18.2K
Overview
18.2K