使用人工神经网络预测心血管疾病死亡率,在巴基斯坦的辛德省

科学领域:

• 公共卫生 公共卫生
• 流行病学 流行病学
• 生物统计学 生物统计学

背景情况:

• 心血管疾病 (CVD) 是一个主要的全球健康问题,患病率越来越高.
• 对心血管疾病死亡率的准确建模和预测对于公共卫生规划和干预评估至关重要.
• 巴基斯坦的辛德省面临着日益增长的心血管疾病负担.

研究的目的:

• 为了建模和预测巴基斯坦辛德省心血管疾病 (CVD) 死亡率.
• 将经典时间序列模型的预测精度与机器学习方法进行比较.
• 确定该地区CVD死亡率预测最有效的模型.

主要方法:

• 利用了1999-2021年从辛德省纳瓦巴沙市一家民用医院获得的CVD死亡病例的时间序列数据集.
• 应用了古典时间序列模型:天真,霍尔特-冬季和简单指数平滑 (SES).
• 将经典模型与人工神经网络自动回归 (ANNAR) 机器学习模型进行比较.

主要成果:

• 人工神经网络自回归 (ANNAR) 模型在预测心血管疾病死亡率方面表现出卓越的表现.
• 在基于错误指标 (RMSE,MAE,MAPE) 的模型中,ANNAR显著超过了Naïve,Holt-Winters和SES模型.
• 该研究确定ANNAR是预测未来CVD死亡趋势的最佳模型.

结论:

• 阿纳尔模型是预测巴基斯坦辛德省心血管疾病死亡率的最有效工具.
• 准确的心血管疾病死亡率预测可以为卫生政策,资源分配和干预策略提供信息.
• 这种预测能力有助于减轻心血管疾病的未来疾病负担.