在一个健康的世界里,莱姆病和机器学习
Olaf Berke1,2,3,4, Sarah T Chan5, Armin Orang1
1Department of Population Medicine, Ontario Veterinary College, University of Guelph, Guelph, ON, Canada.
American journal of veterinary research
|February 11, 2025
概括
在安大略省,莱姆病病例预计将大幅增加. 机器学习和统计模型在预测这种日益增加的负担方面表现出类似的准确性,突出了积极主动的公共卫生战略的必要性.
科学领域:
- 公共卫生 公共卫生
- 流行病学 流行病学
- 一个健康,一个健康.
背景情况:
- 莱姆氏病是安大略省的一个新兴的媒介性动物病,受人口增长和气候变化的影响.
- 它体现了一个健康概念,将人类,动物和环境健康联系在一起.
- 在没有疫苗的情况下,健康沟通和疾病监测对于管理莱姆病至关重要.
研究的目的:
- 预测未来在安大略省莱姆病的负担.
- 评估自动机器学习和统计学学习方法对莱姆病监测的有效性.
主要方法:
- 利用了来自安大略省综合公共卫生信息系统 (2005-2023) 的莱姆病监测数据.
- 采用前单层神经网络和季节性自回归集成移动平均线 (SARIMA) 模型.
- 在2005-2021年的数据上训练模型,并使用2022-2023年的数据进行验证.
主要成果:
- 在安大略省,莱姆病的负担预计将大幅增加.
- 神经网络和SARIMA模型都在预测中显示出可比的准确性.
- 两种模型的预测都作为对方的基准.
结论:
- 莱姆病的负担不断升级,引发了严重的公共卫生问题.
- 这一趋势突显了正在进行的生态系统变化,并给狗的健康带来了挑战.
- 人类莱姆病监测数据为兽医专业人员提供了宝贵的见解.
