《Discover Public Health》:A comparative state-wise assessment of dengue incidence and deaths in India using annual surveillance data
编辑推荐:
背景:登革热仍然是印度面临的重大公共卫生挑战,这促使研究人员使用统计和机器学习(ML)模型来探索和比较预测方法,从而为监测规划和流行病学理解提供信息。目的:本研究对经典统计、时间序列和机器学习(ML)模型进行了探索性的各邦比较评估,应用于印度2017年至20
背景:登革热仍然是印度面临的重大公共卫生挑战,这促使研究人员使用统计和机器学习(ML)模型来探索和比较预测方法,从而为监测规划和流行病学理解提供信息。目的:本研究对经典统计、时间序列和机器学习(ML)模型进行了探索性的各邦比较评估,应用于印度2017年至2024年的年度登革热发病数和死亡数数据。方法:研究人员采用了基于时间数据的朴素法、简单指数平滑法(SES)、自回归积分滑动平均模型(ARIMA)、线性回归(LR)和支持向量回归(SVR)。模型性能使用均方根误差(RMSE)进行评估,并根据最低RMSE值为每个邦选择最佳模型。结果:预计北方邦、卡纳塔克邦、旁遮普邦和马哈拉施特拉邦在2025年将报告更高的登革热发病数和死亡数。喀拉拉邦在所有印度各邦中持续显示出最高的病死率(CFR),平均值为0.551%。结果表明,疾病模式和模型有效性均存在显著的邦际差异,强调了本地化建模方法的重要性。结论:本研究提供了说明性的、各邦特定的预测模型比较性能见解,当更高分辨率数据可用时,这可能支持方法学评估并为未来的数据驱动监测研究提供信息。
### 论文解读文章
#### 研究背景与目的
登革热是一种由蚊子传播的病毒性感染,对全球公共卫生构成重大威胁。在印度,登革热负担尤为严峻,估计占全球临床感染病例的34%(约3300万例),已超过疟疾成为导致儿童因媒介传播疾病住院和死亡的首要原因。登革热病毒有四种血清型(DENV 1–4),感染不同血清型可能加重病情,气候变化也显著影响病毒、媒介和人类宿主之间的相互作用。为理解登革热的动态传播,数学模型至关重要,但现有研究多聚焦于国家层面分析、高频数据集或单一模型框架,针对短年度序列的各邦比较评估相对有限。印度各邦的年度监测数据序列较短(2017–2024年),使得传统统计方法难以充分捕捉疫情固有的随机性。因此,本研究旨在系统比较经典统计、时间序列和机器学习(ML)模型在短年度时间序列约束下的表现,识别各邦特定的最优预测方法,为登革热监测规划和公共卫生决策提供方法学见解。该论文发表在《Discover Public Health》。
#### 主要关键技术方法
本研究的数据来源为印度国家媒介传播疾病控制中心(NCVBDC)2017至2024年各邦年度登革热发病数和死亡数报告。研究人员采用了五种建模方法:朴素法、简单指数平滑法(SES,适用于无趋势或季节性数据的单变量平滑方法)、自回归积分滑动平均模型(ARIMA,通过自回归、差分和移动平均成分捕捉时间依赖性的经典方法)、线性回归(LR,以时间索引为自变量的趋势外推基准模型)和支持向量回归(SVR,基于结构风险最小化的监督学习算法,适用于小样本非线性关系)。为评估模型性能,采用滚动原点(walk-forward)验证策略:每个邦至少用4年数据训练,后续年份作为测试,逐步向前滚动,以均方根误差(RMSE)为评价指标,选择每邦最低RMSE对应的模型。此外,还计算了各邦的病死率(CFR,即死亡数占确诊病例数的百分比),并进行了相关性分析和增广迪基-富勒(ADF)平稳性检验。
#### 研究结果
**3.1 印度登革热状况(2017–2024)**
通过空间热图和堆叠柱状图分析,研究人员发现登革热发病在近年来(尤其是2022–2023年)显著增加,西孟加拉邦、马哈拉施特拉邦、北方邦和比哈尔邦等东部和北部邦报告了大量病例。2024年,卡纳塔克邦、喀拉拉邦、马哈拉施特拉邦和北方邦的病例数依然较高。死亡数虽远低于发病数,但泰米尔纳德邦、北方邦、喀拉拉邦和马哈拉施特拉邦持续贡献了主要死亡病例。例如,2023年喀拉拉邦死亡数最高(153例)。各邦CFR热图显示,喀拉拉邦平均CFR最高(0.551%),2023年达0.878%;北阿坎德邦2020年单年CFR最高(约1.316%)。高发病邦(如古吉拉特邦、西孟加拉邦)CFR往往较低,而低发病邦可能因轻症漏报导致CFR偏高。
**3.2 相关性与时间序列平稳性分析**
邦际发病数相关性分析揭示空间异质性:北方邦与德里国家首都辖区(NCT of Delhi)呈强正相关(0.84),卡纳塔克邦与泰米尔纳德邦(0.86)、喀拉拉邦(0.82)也高度相关,表明地理和社会经济相连的邦同步传播;而西孟加拉邦与马哈拉施特拉邦(?0.22)、旁遮普邦与卡纳塔克邦(?0.43)呈负相关或弱相关,反映异步流行行为。死亡数相关性相对更一致,但部分邦对(如喀拉拉邦与西孟加拉邦?0.38)仍存在差异。ADF检验显示,多数高发病邦的发病数序列非平稳(p>0.05),仅喀拉拉邦、古吉拉特邦、拉贾斯坦邦和特伦甘纳邦表现出平稳性;死亡数序列则全部未拒绝单位根原假设。研究人员指出小样本下ADF检验功效较低,因此未强制差分,而是通过模型选择和滚动验证自动处理。
**3.3 预测性能与模型比较**
通过滚动验证平均RMSE排名,研究人员发现没有单一模型在所有邦占优。对于发病数,SVR在北方邦、卡纳塔克邦、拉贾斯坦邦、泰米尔纳德邦和德里NCT等邦取得最低RMSE(如14309.17、6721.63),表明存在弱非线性模式;LR在马哈拉施特拉邦和特伦甘纳邦最优;朴素法在喀拉拉邦最优(RMSE 4642.75);SES在古吉拉特邦最优;ARIMA(0,0,0)在旁遮普邦最优(RMSE 6570.66)。在死亡数方面,SVR在旁遮普邦、北方邦、比哈尔邦、泰米尔纳德邦和卡纳塔克邦表现最佳(如RMSE 18.09、12.37);ARIMA(0,0,0)在马哈拉施特拉邦、拉贾斯坦邦和德里NCT最优;SES和朴素法分别在古吉拉特邦和喀拉拉邦最优。2025年预测显示,卡纳塔克邦(23663例)、喀拉拉邦(20674例)、马哈拉施特拉邦(18070例)等邦发病数可能较高,但预测区间较宽(如比哈尔邦死亡数预测区间0–55),凸显短期序列的不确定性。ARIMA残差诊断显示自相关弱,Ljung-Box检验p值>0.05,模型基本充分。该结果支持各邦特异性建模策略,而非全国统一框架。
#### 讨论与结论总结
讨论部分指出,印度各邦的登革热动态存在高度特异性,包括发病率、死亡风险、空间一致性及时间可预测性上的显著差异。高发病邦不一定对应高CFR,后者更受诊断能力、报告实践和医疗可及性影响。例如,古吉拉特邦、西孟加拉邦等尽管发病数高但CFR低,提示良好的临床管理;而某些低发病邦CFR偏高可能反映了轻症漏报或医疗延误。研究还强调了局限性:年度数据序列短、COVID-19疫情干扰、各邦报告差异,以及未纳入气候和社会人口协变量。尽管如此,该比较建模框架为有限数据条件下的登革热监测提供了方法学参考。
研究结论翻译如下(保留原文术语和上下角标):
本研究对印度2017至2024年登革热发病数、死亡数和病死率进行了各邦比较分析,整合了空间可视化、相关性分析和短期预测。结果表明印度各邦登革热动态存在显著异质性,表明传播强度、死亡风险和时序结构因地而异。时空分析显示近年来发病数持续增加,特别是2022至2024年,东部、北部和南部各邦负担较重。尽管总体死亡数较低,但各邦间病死率(CFR)差异显著,突出了疾病严重程度、医疗可及性和报告实践的持续差异。喀拉拉邦和北阿坎德邦等高危邦需要加强早期检测和临床管理。相关性分析显示地理和社会经济相连的各邦发病模式同步,而其他地区异步。死亡模式相关性更稳定。由于年度时间序列短,采用了验证驱动的滚动原点预测框架,而非严格平稳性假设。比较结果证实没有单一模型普遍最优。支持向量回归(SVR)常捕捉弱非线性模式,但朴素法、简单指数平滑(SES)、线性回归和ARIMA(0,0,0)等简单模型在某些邦也表现良好。2025年预测表明多个高发病邦疾病负担持续,但宽预测区间强调了不确定性。总体支持各邦特定的比较建模方法。从公共卫生角度,本研究强调了结合描述性流行病学和谨慎的本地预测来指导准备和资源分配的价值。未来工作应纳入更长序列、更细时间分辨率和相关协变量。