对四川省细菌性痢疾的环境特征进行可解释机器学习分析

科学领域:

• 环境健康 环境健康
• 流行病学 流行病学
• 机器学习应用 机器学习应用

背景情况:

• 细菌性痢疾 (BD) 是导致腹相关死亡的全球主要原因.
• 环境因素显著影响BD发病率,但四川省缺乏气候区特定的模型.

研究的目的:

• 在四川省为细菌性痢疾 (BD) 开发一个特定于气候区的预测模型.
• 通过使用可解释的机器学习,探索环境因素对不同气候区的 BD 发生率的影响和相互作用机制.

主要方法:

• 利用来自183个四川县 (2005-2023) 的月度气象,生态数据和 BD病例报告.
• 使用极端梯度提升 (XGBoost) 来评估环境因素 (降水,温度,PM10,潜在蒸发,NDVI,植被覆盖).
• 应用夏普利添加式解释 (SHAP) 来实现模型的可解释性和可视化.

主要成果:

• 在气候区的关键BD驱动因素中确定了显著的空间异质性.
• 在所有区域中,PM10始终与BD发病率呈正相关性.
• 温度,潜在蒸发和降水等特定因素表现出不同程度的影响和关系 (例如,降水的U形) 取决于气候区.

结论:

• 开发了一种新的,气候区特定的细菌痢疾 (BD) 预测模型.
• 该研究提供了对环境因素和 BD 动态之间的复杂相互作用的关键见解.
• 这些发现为加强针对BD的有针对性的公共卫生干预提供了科学基础.