机器学习模型用于预测由于空气污染和湿度导致的儿科住院:一项回顾性研究
Zohar Barnett-Itzhaki1,2, Vered Nir3,4, Almog Kellner2
1Ruppin Research Group in Environmental and Social Sustainability, Ruppin Academic Center, Emek Hefer, Israel.
预测模型准确地预测了由于呼吸系统问题而导致的儿科住院,将空气污染和湿度等环境因素与急诊次数的增加联系起来. 这些模型有助于公共卫生规划.
科学领域:
- 环境健康 环境健康
- 儿科呼吸系统医学 儿科呼吸系统医学
- 在医疗保健中的数据科学.
背景情况:
- 儿童的呼吸系统健康受到空气污染和湿度的重大影响.
- 以前的研究将环境因素与儿童的呼吸系统不良结果联系起来.
研究的目的:
- 开发儿科住院预测模型.
- 评估环境暴露和临床特征对呼吸系统住院病人的综合影响.
主要方法:
- 对2500名患有呼吸道症状的儿童 (1-18岁) 的回顾性分析.
- 收集的空气污染数据 (NOx,NO2,SO2) 和与住宅地点相关的相对湿度 (RH).
- 利用随机森林 (RF) 和极度梯度提升 (XGBoost) 机器学习模型进行预测.
主要成果:
- 在男孩和冬季月份住院的情况更为普遍.
- 增加的紧急访问与高度污染的日子和较低的相对湿度相关.
- 射频和XGBoost模型显示了高精度 (0.7-0.98),精度 (0.88-0.99) 和AUC (81%-99%).
- 关键的预测特征包括温度,NOx,RH和SO2暴露.
结论:
- 开发的模型有效地预测了儿科呼吸系统住院病例.
- 研究结果强调了空气污染和湿度在儿童呼吸系统健康中的关键作用.
- 这些模型是公共卫生规划和资源分配的宝贵工具.
更多相关视频
09:33Visualizing Field Data Collection Procedures of Exposure and Biomarker Assessments for the Household Air Pollution Intervention Network Trial in India
Published on: December 23, 2022
08:17Generation of a Chronic Obstructive Pulmonary Disease Model in Mice by Repeated Ozone Exposure
Published on: August 25, 2017
相关概念视频
Steps in Outbreak Investigation
Mechanistic Models: Compartment Models in Individual and Population Analysis
Statistical Methods for Analyzing Epidemiological Data
Pneumonia I: Introduction
Risk Factors
Various factors influence the likelihood of developing pneumonia. Age plays a crucial role, with infants, children under two, and individuals over 65 at increased risk due to their...
Lung Capacity
