通过机器学习和人工智能驱动的空间分析,揭示全球疟疾发病率和死亡率
Md Siddikur Rahman1, Md Abu Bokkor Shiddik2
1Department of Statistics, Begum Rokeya University, Rangpur, Bangladesh. siddikur@brur.ac.bd.
Scientific reports
|August 4, 2025
概括
这项研究使用机器学习和人工智能绘制疟疾热点地图,并确定卫生和电力供应等关键因素. 研究结果支持将人工智能整合到针对性疟疾控制工作的监测中.
科学领域:
- 全球卫生流行病学
- 计算生物学 计算生物学
- 空间分析 空间分析
背景情况:
- 疟疾仍然是一个关键的全球卫生问题,导致严重的发病率和死亡率.
- 有效的控制策略需要精确识别高风险区域和促成因素.
研究的目的:
- 通过空间分析,机器学习 (ML) 和可解释AI (XAI) 在全球范围内识别疟疾高风险地区.
- 揭示疟疾发病率和死亡率的关键决定因素,并建立因果关系.
- 预测疾病的结果,并为有针对性的公共卫生干预提供信息.
主要方法:
- 分析了来自世界卫生组织,世界银行和联合国儿童基金会的106个国家的数据 (2000-2022年).
- 使用XGBoost (ML分类器) 与XAI和因果AI (CAI) 进行发病率和死亡率评估.
- 利用空间自相关性 (Getis-Ord Gi*,Moran's I) 来检测地理疟疾集群和热点.
主要成果:
- 在贝宁,布基纳法索和加纳确定了高发病率集群;贝宁,中非共和国和利比里亚的死亡率集群.
- XGBoost模型显示了疟疾发病率和死亡率的高预测准确性 (r2 = 0.93).
- 关键决定因素包括获得基本卫生设施,电力,人口增长和5岁以下的死亡率.
结论:
- 一个集成的AI驱动的空间框架有效地识别了疟疾决定因素和热点.
- 倡导将人工智能驱动的空间模型纳入国家疟疾监测系统.
- 支持基于证据的有针对性的干预措施,以减少全球疟疾负担.
更多相关视频
相关概念视频
01:18Steps in Outbreak Investigation
204
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
204
01:29Applications of GIS: Disaster Management and Emergency Response
153
Geographic Information System (GIS) technology is essential for risk identification, action prioritization, and resource optimization in critical situations like flooding and earthquakes. By integrating spatial and demographic data, GIS provides a comprehensive framework for emergency response.GIS integrates data layers, like rainfall intensity, topography, elevation profiles, and river levels, to model high-risk flood zones. These layers assess areas susceptible to flooding based on their...
153