每年的全球登革热动态与机器学习预测分析揭示的多源因素有关
Haoyu Long1,2,3, Yilin Chen1,2, Jingru Feng1,2
1School of Public Health (Shenzhen), Sun Yat-sen University, Guangzhou, P.R. China.
PLoS neglected tropical diseases
|June 25, 2025
概括
登革热疫情是复杂的,受到许多因素的影响. 这项研究使用机器学习来识别关键驱动因素,如历史病例和蚊子存在,这对于有针对性的控制策略至关重要.
科学领域:
- 流行病学 流行病学
- 机器学习 机器学习
- 全球健康 全球健康
背景情况:
- 登革热是一个重大的全球健康威胁,由蚊子传播.
- 了解导致的因素对于有效的流行病控制至关重要.
研究的目的:
- 开发一个全球预测模型,用于预测每年的登革热病例.
- 分析多源特征对登革热发病率的影响.
主要方法:
- 在全球预测模型中使用机器学习.
- 考虑了各种特征:历史病例,人口,气候,旅行,森林,贫血,载体,血清型和社会经济数据.
- 使用SHAP (Shapley添加式解释) 揭示特征影响.
主要成果:
- 多变量模型的表现明显超过了基线模型.
- 历史登革热病例是最重要的预测因素 (73.63%).
- 确定的危险因素包括艾滋病蚊子的存在,血清型转变和贫血患病率,观察到区域差异.
结论:
- 登革热的传播是由复杂的因素相互作用驱动的.
- 预防和控制策略必须是特定于区域的,考虑当地动态,如人口免疫力.
