在台湾应用一种新的方法来预测痴呆症的流行率
Cheng-Hong Yang1,2,3,4, Po-Hung Chen5, Cheng-San Yang6
1Department of Information Management, Tainan University of Technology, Tainan, Taiwan. chyang@nkust.edu.tw.
Scientific reports
|January 10, 2026
概括
一个新的机器学习模型,飞优化算法支持向量回归 (FGOASVR),准确地预测痴呆症流行趋势. 这种先进的预测方法为公共卫生规划和痴呆症护理策略提供了卓越的精度.
科学领域:
- 公共卫生 公共卫生
- 老年学是一门学科.
- 机器学习 机器学习
背景情况:
- 由于人口老龄化,全球痴呆病例正在上升,这给公共卫生和社会经济带来了重大挑战.
- 痴呆症逐渐损害认知功能和日常生活,影响患者的生活质量.
研究的目的:
- 开发和验证一个优化的机器学习模型,用于预测痴呆症流行趋势.
- 根据既有统计和深度学习预测方法来评估模型的性能.
主要方法:
- 利用来自台湾NHIRD的年度痴呆症诊断数据 (1998-2023年).
- 提出并测试了飞优化算法支持向量回归 (FGOASVR) 模型.
- 将FGOASVR与ARIMA,HWETS,LSTM,SVR,PSOSVR,DESVR,WOASVR和HHOSVR进行比较,使用MAPE和RMSE指标.
主要成果:
- 在预测痴呆症患病率方面,FGOASVR表现出卓越的准确性.
- 获得的平均MAPE为3.17% (男性) 和3.42% (女性).
- 获得的平均RMSE为0.69 (男性) 和0.96 (女性).
结论:
- 对于痴呆症趋势预测,FGOASVR提供了高精度和稳定性.
- 该模型显示,在台湾及其他地区,数据驱动的公共卫生预测和政策制定具有很大的潜力.


