使用人工智能LSTM模型预测过敏性鼻炎的门诊诊 - - 在中国东部进行的一项研究
Xiaofeng Fan1, Liwei Chen2, Wei Tang3
1Clinical Medicine Department of Hangzhou Normal University, Hangzhou, Zhejiang, People's Republic of China.
BMC public health
|April 9, 2025
概括
一个新的长期短期记忆模型使用环境数据准确地预测过敏性鼻炎门诊访问. 这种工具有助于管理和预防过敏性鼻炎的发生率.
科学领域:
- 环境健康 环境健康
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- 过敏性鼻炎对公众健康构成重大挑战,影响患者的福祉,并产生重大社会经济成本.
- 对过敏性鼻炎的有效管理策略需要准确的发病率预测.
研究的目的:
- 开发和评估每日过敏性鼻炎门诊访问的预测模型.
- 利用空气污染和气象数据来预测疾病发病率.
主要方法:
- 开发了一个长期短期记忆 (LSTM) 模型,以预测过敏性鼻炎的每日门诊访问.
- 从2022年1月到2024年8月的门诊数据被收集并按性别和年龄分层.
- 该模型的性能使用25425个样本的正常化平均平方误差 (NMSE) 进行了评估.
主要成果:
- 该LSTM模型在不同的人口群体 (男性,女性,成年人,未成年人) 中展示了预测能力.
- NMSE值在0.3812502 (女性) 到0.4674976 (男性) 之间.
- 在预测稳定性和准确性方面,LSTM模型优于ARIMA模型.
结论:
- 开发的LSTM模型有效地根据环境因素预测过敏性鼻炎门诊.
- 这种预测模型为医院资源管理提供了宝贵的数据驱动支持.
- 这些发现可以有助于改善过敏性鼻炎的社会层面预防和控制策略.
