整合气象数据和混合智能模型来预测登革热

科学领域:

• 流行病学 流行病学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 登革热是全球主要的树状病毒健康挑战.
• 预测登革热爆发对于公共卫生干预至关重要.

研究的目的:

• 分析气象因素与登革热发病率之间的关系.
• 开发一个精确的登革热预测模型.

主要方法:

• 从中国收集的登革热病例和气象数据 (2005-2024年).
• 使用分布式滞后非线性模型 (DLNM) 进行暴露-反应分析.
• 利用模糊集群来预测警告级别和混合模型 (IHLOA-SVM,RF,KNN) 的预测.

主要成果:

• 在登革热发病率与温度,湿度和阳光持续时间之间发现了正相关性.
• 气象因素对登革热风险产生了动态延迟影响.
• 拟议的混合模型与其他模型相比,显示出更高的预测准确性.

结论:

• 气象因素是登革热发病率的关键预测因素,由于相关性和滞后效应.
• 开发的混合模型准确预测登革热疫情,支持早期预警系统.
• 这些发现为减少登革热传播的公共卫生战略提供了基础.