预测日本每日浴溺水死亡率:对统计,机器学习和深度学习方法的比较分析

科学领域:

• 公共卫生 公共卫生
• 环境流行病学环境流行病学
• 老年学是一门学科.

背景情况:

• 日本是全球老年人溺水死亡率最高的国家.
• 与浴相关的事件是主要原因,尽管有公共卫生工作,但趋势正在增加.
• 现有的干预措施缺乏一个全国性的预测模型,以便及时评估风险.

研究的目的:

• 开发和验证日本每日浴溺水死亡的全国性预测模型.
• 确定老年人浴溺水风险的关键预测因素.
• 为发布及时公共卫生警告提供框架.

主要方法:

• 利用死亡证明记录 (1995-2020年) 和综合的气象,时间和人口统计数据.
• 采用分布式滞后非线性模型 (DLNM),极端梯度增强 (XGBoost) 和长短期记忆网络 (LSTM) 进行每日死亡预测.
• 使用根平均平方误差 (RMSE) 和平均绝对误差 (MAE) 验证模型准确性,通过沙普利增量解释评估特征重要性.

主要成果:

• DLNM,XGBoost和LSTM模型显示了可比的预测性能 (RMSE ≈ 0.57-0.58,MAE ≈ 0.33-0.35).
• 关键的预测特征包括每日平均温度,县人口和县指标.
• 当仅使用常规可用的气象变量 (最大/最小温度) 时,预测准确度保持一致.

结论:

• 一个基于DLNM的框架有效地预测了每天浴溺水死亡人数.
• 该模型与气象广播和移动平台的集成可以促进及时警告.
• 这种方法提供了一种切实可行的策略,以减少日本老龄化人口中可预防的浴相关死亡率.