文献

J-GLOBAL ID：202102261141721694   整理番号：21A3036225

気象と緑地および社会学的要因に基づく広東省デング熱発病リスク予測モデルの構築【JST・京大機械翻訳】

Establish an effective risk prediction model of dengue fever in Guangdong province based on meteorological,green space and sociological factors

著者 (6件)： Cao Ru (北京大学医学部公共衛生学院労動衛生与環境衛生学系,北京100191) ,  Kong Qinsheng (北京大学医学部公共衛生学院労動衛生与環境衛生学系,北京100191) ,  Wang Yuxin (北京大学医学部公共衛生学院労動衛生与環境衛生学系,北京100191) ,  Huang Jing (北京大学医学部公共衛生学院労動衛生与環境衛生学系,北京100191) ,  Sun Jinfang (中国疾病預防控制中心流行病学弁公室,愛国衛生運動工作技術指導処) ,  Li Guoxing (北京大学医学部公共衛生学院労動衛生与環境衛生学系,北京100191)
資料名： Huanjing yu Jiankang Zazhi  (Huanjing yu Jiankang Zazhi)
巻： 37  号： 6  ページ： 476-480,insert1  発行年： 2020年 
JST資料番号： C2494A  ISSN： 1001-5914  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:気象、緑地及び社会学の要素を用いて、有効な広東省のデング熱リスク予測モデルを樹立し、デング熱疫病状況のコントロールに科学的な根拠を提供する。方法:広東省の2006-2018年の月度デング熱症例、気象、環境及び社会学データを収集し、データベースを構築し、まず症例データ及び気象などのデータに対して記述性分析を行い、そして予測モデルを構築する。モデルでは,2006-2016年のデータを訓練データセットとして,線形回帰,一般化相加,動径基底関数ニューラルネットワーク,およびサポートベクトルマシン回帰モデルを構築し,4つのモデルのパラメータを最適化した。その後、最適化モデルに基づいて、2017-2018年のデング熱発病を予測し、予測性能を比較した。二乗平均平方根誤差(RMSE)と相対二乗平均平方根誤差(RRSE)を基準として、最も予測効果のあるモデルを選択した。【結果】2006-2018年の広東省で,56660例のデング熱症例が報告され,2014年には44253例(78.1%),9-10月はデング熱の発症ピークであった。他の候補モデルと比較して,SVM回帰モデルは,平均RMSEを9.13%47.85%,RRSEを0.78%36.11%低減し,そして,このモデルは,それぞれ,2か月遅れの平均温度,および,2か月遅れた。2ケ月の相対湿度及び一人当たりのGDP、緑地、上ケ月の現地の病例と輸入例及び月を遅れた。結論:予測性能を比較することにより、最適化に基づくサポートベクトルマシン回帰モデルは広東省のデング熱発病予測における性能表現が最も良く、デング熱疫病状況のコントロールに参考情報を提供することができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  データベース ,  相対湿度 ,  *気象 ,  *デング熱 ,  *発病 ,  平均気温 ,  回帰モデル ,  *緑地 ,  疫病 ,  *予測モデル ,  サポートベクトルマシン
準シソーラス用語： 訓練データ ,  線形回帰 ,  最適化モデル , 【Automatic Indexing@JST】

分類 (2件)： 大気汚染一般  (SB03010B) ,  人間に対する影響  (EE05050C)

タイトルに関連する用語 (9件)： 気象 ,  緑地 ,  社会 ,  要因 ,  広東省 ,  デング熱 ,  発病リスク ,  予測モデル ,  構築