机器学习的空间预测模型对泰国的胆管癌发病率进行比较
Oraya Sahat1, Supot Kamsa-Ard2, Apiradee Lim3
1Student of Doctor of Public Health Program, Faculty of Public Health, Khon Kaen University, Khon Kaen, Thailand.
BMC public health
|June 7, 2025
概括
机器学习模型有效地预测了泰国的胆管癌 (CCA) 发病率. 随机森林模型表现最好,突出了针对性公共卫生干预的高度和水源距离等空间因素.
科学领域:
- 流行病学 流行病学
- 机器学习 机器学习
- 空间分析 空间分析
背景情况:
- 胆管癌 (CCA) 在泰国是一个重大的公共卫生问题,其特点是高发病率.
- 了解CCA的空间分布对于有效的公共卫生战略至关重要.
研究的目的:
- 为了比较各种机器学习模型在预测泰国CCA发生的性能.
- 为了确定影响CCA发病率的关键空间预测因素.
主要方法:
- 追溯队列研究分析了泰国四个癌症登记处的2012-2021年CCA病例.
- 采用线性回归,随机森林,神经网络和极端梯度增强 (XGBoost) 模型.
- 模型性能使用根平均平方误差 (RMSE) 和R平方 (R2) 以70:30列车测试验证进行评估.
主要成果:
- 包括6379例CCA病例,主要是男性 (63.9%),平均年龄为66.2岁.
- 东北地区的CCA发病率最高 (ASR=13.4每10万人/年).
- 随机森林模型实现了最好的整体预测性能 (R2 = 71.66%的测试数据);海拔和距离水源的距离是关键预测因素.
结论:
- 随机森林模型在预测泰国CCA发病率方面表现出卓越的效率.
- 空间因素显著预测了CCA的年龄标准化率 (ASR),为疾病监测提供了信息.
- 这些发现支持使用空间流行病学和机器学习对CCA控制的特定区域公共卫生干预措施.
