同行评议开放获取钩端螺旋体病
Prediction mapping of human leptospirosis using ANN, GWR, SVM and GLM approaches
BMC Infectious Diseases·
- DOI
- 10.1186/s12879-019-4580-4
- PMID
- —
- PMCID
- —
- OpenAlex
- W2985526038
- 研究类型
- Journal article
- 出版商
- Springer Science and Business Media LLC
- 文章类型
- journal-article
- 完整性状态
- current
为何这项研究现在值得关注
尽管政府和国家卫生部门采取了多项措施,钩端螺旋体病仍是吉兰省的公共卫生问题。空间建模和预测可能有助于降低疾病流行率。
01
结构化证据摘要
研究问题
该研究比较了四种计算方法(地理加权回归、广义线性模型、支持向量机和人工神经网络)在利用环境参数对伊朗吉兰省钩端螺旋体病空间分布进行建模和预测方面的表现。
研究设计
研究应用了四种建模方法,使用降水、温度、湿度、海拔和植被五个环境参数。以2009-2010年数据进行训练,用2011年数据进行测试和模型评估。
人群与场景
研究聚焦于伊朗吉兰省,该省钩端螺旋体病年发病率高于全国其他省份。适宜栖息地主要分布在该省中部农村地区。
主要发现
四种方法均可高显著性地建模和预测钩端螺旋体病。地理加权回归表现最佳(均方误差0.050,决定系数0.85),其次为支持向量机、广义线性模型和人工神经网络。温度和湿度被识别为最具影响力的环境参数。
公共卫生意义
尽管政府和国家卫生部门采取了多项措施,钩端螺旋体病仍是吉兰省的公共卫生问题。空间建模和预测可能有助于降低疾病流行率。
重要局限
本摘要仅基于所提供的单篇文献摘要和元数据。模型假设、验证程序及推广性的决策级解读需参考原文。
GIDS 解读
分类器链接将本文归入伊朗钩端螺旋体病监测范畴,主题标签涉及气候环境驱动因素和传播动力学。该建模工作有助于理解空间风险模式,而非报告疫情检测。
02
相关 GIDS 监测
文献背景不会验证、解释或改变监测信号；精确关系与背景关系会分开展示。
03
证据关系
本文与疾病、地区、主题及研究设计之间有 7 条可审计分类关系。
about diseaseaddresses topicaddresses topicaddresses topicevaluates interventionstudied population settinguses study design