基于时间序列和深度学习模型的新疆艾滋病每月发病率预测性能研究

科学领域:

• 流行病学 流行病学
• 公共卫生 公共卫生
• 时间序列分析时间序列分析

背景情况:

• 中国的新疆是获得性免疫缺陷综合征 (艾滋病) 的高发病率地区,这是致命的传染病.
• 有效预防和控制艾滋病依赖于强大的早期监测和预警系统.
• 准确预测每月艾滋病发病率对于及时进行公共卫生干预至关重要.

研究的目的:

• 确定用于预测新疆每月艾滋病发病率的最佳统计模型.
• 提供科学证据,以加强该地区的艾滋病预防和控制战略.

主要方法:

• 分析了来自新疆的每月艾滋病发病率数据 (2004年1月 - 2020年12月).
• 评估了六种预测模型:ARIMA (2,1,2),ARIMA (2,1,2) -EGARCH (2,2),ARIMA (2,1,2) -TGARCH (1,1),ETS (A,A,A),XGBoost,以及LSTM.这些预测模型包括:ARIMA (2,1,2) -EGARCH (2,2),ARIMA (2,1,2) -TGARCH (1,1),ETS (A,A,A),XGBoost,以及LSTM.
• 模型性能使用根平均平方误差 (RMSE),平均绝对误差 (MAE) 和平均绝对百分比误差 (MAPE) 进行评估.

主要成果:

• 所有评估的模型都捕捉到了每月艾滋病发病率的整体趋势.
• ETS (A,A,A) 模型在RMSE和MAE值最低的情况下表现出卓越的性能.
• ARIMA (2,1,2) -TGARCH (1,1) 模型为MAPE提供了最好的结果,而LSTM也显示出强大的预测能力.
• XGBoost和基本的ARIMA (2,1,2) 模型的性能相对较差.

结论:

• 建议使用ETS (A,A,A) 模型作为预测新疆每月艾滋病发病率的最佳方法.
• 深度学习模型,如LSTM,在流行病学研究中的时间序列预测方面显示出重大前景.
• 进一步的研究和模型组合可能会提高ARIMA和XGBoost模型对时间序列数据的预测准确度.