单变量与混合时间序列模型在索马里癌症死亡人数预测中的比较分析

《Discover Public Health》:Comparative analysis of single and hybrid time series models for forecasting of deaths from cancer in Somalia

【字体: 大 中 小 】 时间:2026年07月01日 来源:Discover Public Health 1.3

编辑推荐:

  背景:癌症死亡率在整个非洲大陆迅速上升,但由于数十年的不稳定和缺乏正式登记系统,索马里缺乏本地化的国家预测证据。本研究旨在开发和比较高精度时间序列预测模型,以预测索马里直至2030年的癌症死亡率趋势,为主动的医疗资源分配提供关键的统计基线。方法:年度癌症死亡率

  
背景:癌症死亡率在整个非洲大陆迅速上升,但由于数十年的不稳定和缺乏正式登记系统,索马里缺乏本地化的国家预测证据。本研究旨在开发和比较高精度时间序列预测模型,以预测索马里直至2030年的癌症死亡率趋势,为主动的医疗资源分配提供关键的统计基线。方法:年度癌症死亡率数据(1980-2021年)来自全球疾病负担(GBD)数据库。对12种具有代表性的预测配置进行了严格的比较分析,包括六种单一模型(如自回归综合移动平均(ARIMA)、指数平滑(ETS)、三角函数季节性的Box-Cox转换、ARMA误差、趋势和季节性成分(TBATS)以及Theta方法)和六种优化的混合集成模型,这些集成模型融合了人工智能(AI)代理,如极限学习机(ELM)和神经网络自回归(NNAR)。为稳定非平稳趋势并在有限样本(n=42)背景下减轻过拟合,采用了二阶差分(d=2)和十年滚动原点交叉验证(tsCV)。使用均方根误差(RMSE)、平均绝对百分比误差(MAPE)、泰尔U统计量、威尔莫特一致性指数(WI)和技巧评分对模型性能进行基准测试。结果:所有评估的配置均实现了低于1.0的泰尔U统计量,表明其性能优于朴素基准模型。简约的ARIMA(2,2,1)模型成为长期预测最准确的配置,在独立保留集中实现了最低的MAPE(1.127%)和RMSE(100.16)。通过Diebold–Mariano检验(p<0.01)证实了ARIMA(2,2,1)相对于朴素基准模型的统计优越性,其表现优于复杂的混合集成模型,后者在8年预测期内显示出更高的误差累积。预测表明,死亡率呈一致的单调上升趋势,预计到2030年,年度癌症死亡人数将达到约9,652人。结论:研究结果表明索马里正在发生显著且持续的流行病学转型。这些预测提供了一个稳健的统计基线,可协助索马里卫生部进行肿瘤学基础设施、诊断能力扩展的战略规划,并正式建立国家癌症登记系统,以从重建估计过渡到实际患者记录。
### **索马里癌症死亡趋势预测:模型比较与政策启示解读**

**研究背景与问题**
癌症是全球主要的死亡原因,也是提高预期寿命的重大障碍,特别是在约占世界人口82%的发展中国家。尽管高收入地区因筛查技术进步死亡率趋于稳定,但非洲大陆正经历一场流行病学转型,其特征是癌症死亡率迅速上升。这种激增主要由晚期诊断、治疗可及性有限以及人口增长和老龄化所驱动。索马里在这一区域背景下呈现出独特且具有挑战性的状况。数十年的长期不稳定破坏了国家卫生数据收集系统,导致严重缺乏本地化的预测证据。值得注意的是,索马里的癌症死亡率-发病率比在东非地区仍居高位,凸显了早期检测和肿瘤学基础设施方面的严重不足。在缺乏健全的国家癌症登记系统的情况下,该国依赖于全球疾病负担(GBD)研究的统计重建和估计数据。因此,准确的趋势水平预测对于卫生当局从被动管理转向主动资源分配至关重要。

单变量时间序列预测在资源匮乏和受冲突影响的地区尤为重要,因为它可以在缺乏详细病因学协变量的情况下捕捉历史轨迹和死亡趋势。然而,标准的线性模型往往难以处理来自脆弱国家数据集固有的波动性和非线性模式。为了应对这些挑战,近期文献已转向混合建模方法。通过将自回归综合移动平均(ARIMA)等统计框架的线性优势与非线性的机器学习组件相结合,混合集成模型可以有效降低预测方差并提高可靠性。此外,人工智能(AI)和深度学习代理的整合近年来已成为全球预测前沿的优越方法。2024年和2025年的研究进一步证明,混合集成模型在预测稳定性方面能带来显著增益,极限学习机(ELM)和可解释的深度融合网络等模型能够在复杂数据集中提供更深入的洞察和更高的精度。将这些现代AI方法与传统方法进行基准测试,对于确定非洲之角等数据有限环境中最稳健的预测框架至关重要。

本研究通过全面比较分析12种预测配置(包括单一模型、混合模型和AI模型),弥补了显著的地理和方法学空白。与以往研究不同,本研究采用了十年滚动原点交叉验证和威尔莫特一致性指数(WI)、技巧评分等高级精度指标,以严格验证预测性能。通过预测直至2030年的癌症死亡率趋势,本研究为协助索马里卫生部进行战略卫生规划和肿瘤学资源分配提供了首个高级统计基础。尽管全球肿瘤监测取得了进展,但在索马里等受冲突影响的地区仍存在显著的研究空白,这些地区缺乏国家癌症登记系统,必须依赖先进的统计重建。据研究人员所知,本研究是索马里背景下首次尝试对传统单变量模型与复杂的人工智能(AI)混合集成模型进行高粒度比较分析,以预测癌症死亡率。此外,利用最新的全球疾病负担(GBD)2021年估计数据,本研究首次提供了索马里正在进行的流行病学转型的证据支持预测。与以往依赖粗略估计的区域研究不同,本研究实施了一个严格的十年滚动原点验证框架,以确保这些本地化预测足够稳健,能够协助索马里卫生部在直至2030年的时间范围内进行主动的肿瘤学资源优先排序。

**研究方法概述**
本研究采用回顾性、纵向时间序列设计来评估和预测索马里的年度癌症死亡负担。数据来源于“我们的数据世界”存储库,涵盖了1980年至2021年共42年的年度癌症死亡率数据,该存储库汇编了全球疾病负担(GBD)研究的死亡率估计值。研究系统地比较了12种预测配置,分为六种单一模型和六种优化混合集成模型。单一模型包括自回归综合移动平均(ARIMA)、指数平滑(ETS)、三角函数季节性的Box-Cox转换、ARMA误差、趋势和季节性成分(TBATS)、Theta方法、神经网络自回归(NNAR)和极限学习机(ELM)。混合模型通过加权平均方案整合了这些单一模型的预测。为确保模型在有限样本下的稳健性并减轻过拟合风险,研究采用了二阶差分(d=2)处理数据的非平稳性,并实施了十年滚动原点交叉验证(tsCV)方案。模型性能使用均方根误差(RMSE)、平均绝对百分比误差(MAPE)、泰尔U统计量、威尔莫特一致性指数(WI)和技巧评分进行评估,并通过Diebold–Mariano(DM)检验评估预测准确性的统计显著性。

**研究结果与发现**
* **数据描述与趋势**:对1980年至2021年索马里年度癌症死亡数据的描述性统计显示,癌症相关死亡人数呈显著上升趋势,平均死亡人数为5508.83人,标准差为1721.80,表明存在相当大的波动性。时间序列图清晰地展示了单调上升的非平稳模式。
* **平稳性处理**:通过增广迪基-富勒(ADF)、菲利普斯-佩龙(PP)和KPSS检验对数据进行严格的平稳性测试。原始序列和一阶差分序列均未能通过所有检验。二阶差分(d=2)有效地稳定了趋势,并且赤池信息准则(AICc)从一阶差分的424.48降至二阶差分的414.67,证实了二阶差分在不过度差分的情况下提供了更简约的拟合。
* **滚动原点交叉验证表现**:在最终十年(2012-2021年)进行的十年滚动原点交叉验证(tsCV)结果显示,TBATS模型在滚动折叠中表现出最高的稳定性,实现了最低的平均误差(RMSE:44.8410;MAPE:0.4250%)和最高的技巧评分(0.9365)。ELM和优化的混合集成模型(特别是ARIMA-Theta配置)也表现出有竞争力的性能。所有主要模型的泰尔U统计量均显著低于1.0,表明相对于朴素基准模型有实质性改进。
* **独立保留集验证与模型比较**:在独立保留集(2014-2021年)上评估的12种预测配置中,ARIMA(2,2,1)模型成为最准确的配置,实现了最低的误差率(MAPE:1.1271%;RMSE:100.1652)和最高的技巧评分(0.9894)。在混合框架中,ARIMA-Theta配置展示了最一致的结果。性能指标的可视化分析(包括MAPE、技巧评分和RMSE比较图)一致显示ARIMA(2,2,1)配置排名最高。实际观测值与ARIMA(2,2,1)及最佳混合集成模型预测轨迹的比较图也显示,ARIMA(2,2,1)预测与历史观测值高度吻合,而混合集成模型则表现出更高的方差并系统性低估了实际死亡率。
* **预测准确性的统计显著性**:Diebold–Mariano(DM)检验用于比较最优ARIMA(2,2,1)配置与混合集成模型及朴素(随机游走)基准模型。ARIMA(2,2,1)与混合模型比较的p值为1.000,表明复杂混合集成模型在统计上并未优于简约的ARIMA模型。而ARIMA(2,2,1)与朴素基准模型比较的p值为0.001(p<0.01),高度显著的结果证实了所提出的预测框架相对于随机游走基线有实质性且统计有效的改进。
* **癌症死亡率预测(2022-2030年)**:基于选定的最优模型(ARIMA(2,2,1))生成的未来预测显示,癌症死亡率将持续上升。预计年度死亡负担将从2022年的8825.54人开始,到2030年达到约9651.42人。不断扩大的95%置信区间(到预测期结束时范围为7048.35至12139.76)反映了与长期单变量预测相关的固有不确定性,同时也凸显了该地区肿瘤服务面临的重大持续公共卫生挑战。

**讨论与结论**
本研究的发现揭示了索马里癌症死亡率的持续上升趋势,预测到2030年年度死亡人数将达到约9652人。这种一致的线性加速与在美国等高收入地区观察到的死亡率下降趋势形成鲜明对比,凸显了肿瘤学结果方面深刻的区域差异。这些差异通常由有限的诊断基础设施和晚期就诊驱动。评估中的一个关键观察是验证方案之间的性能差异:TBATS模型在滚动原点交叉验证下表现出最高的稳定性,而简约的ARIMA(2,2,1)结构为8年保留期提供了最准确的结果。这种数值差距在数学上是预期的,因为交叉验证中的迭代一步更新(h=1)最小化了误差累积,而保留集评估的是累积的长期预测能力(h=8)。这些结果与Tudor(2024)的研究结果一致,该研究认为,虽然NNAR等非线性AI配置在捕捉短期结构波动性方面表现出色,但在数据有限的环境中,统计模型通常能提供更稳健的轨迹。统计配置的高预测准确性(技巧评分达到0.989)支持了Panja等人(2024)的论断,即统计框架通常比过于复杂的机器学习模型为年度死亡率趋势提供更稳定的基线预测。尽管ELM提供了有竞争力的基准,但其在保留集上未能超越ARIMA的表现,这与AL-Musaylh等人(2024)和Ghimire等人(2025)的近期文献观点一致,即AI性能在很大程度上取决于输入数据的数量和分辨率。ARIMA(2,2,1)模型的优越性通过Diebold–Mariano检验(p<0.01)相对于朴素基准模型得到统计确认,确立了其作为该背景下死亡率监测最可靠工具的地位。

**政策启示与局限性**
基于到2030年年度死亡人数将增至9652人的预测,索马里卫生部和国际捐助者必须优先考虑扩大肿瘤学基础设施、放疗中心和诊断能力。建立全面的国家癌症登记系统是从统计重建过渡到实际患者记录的关键前提。此外,卫生举措应侧重于减轻可改变的风险因素并加强姑息治疗系统,以管理日益增多的晚期病例。将这些数据驱动的预测纳入国家战略规划,对于将索马里的癌症管理从被动干预转向主动的医疗资源分配至关重要。
本研究也存在一些在受冲突影响和数据稀缺环境中固有的局限性。首先,分析依赖于全球疾病负担(GBD)的统计重建数据,而非主要国家登记数据,这可能会引入上游不确定性。其次,模型的单变量性质意味着未明确建模外部协变量(如冲突强度或医疗干预措施)。此外,未将吸烟流行率和环境风险等死亡率加速的主要驱动因素作为预测因子纳入。最后,虽然d=2差分策略提供了最优的数学拟合,但长期预测假设历史结构动态将保持不变,这一假设可能被未来的地缘政治或社会经济变化所改变。

**研究结论**
本研究为索马里的癌症死亡率建立了首个高级统计基线,预测到本十年末年度死亡人数将达到约9652人。通过对各种预测配置的系统评估,ARIMA(2,2,1)模型和ARIMA-Theta混合集成模型被确定为该特定环境下最可靠的死亡率监测工具。十年滚动原点交叉验证的实施为验证这些模型、应对小样本时间序列固有的过拟合风险提供了一个稳健的框架。对于未来研究,建议整合吸烟流行率和代谢风险因素等多变量协变量,以更好地捕捉观察到的上升趋势的潜在驱动因素。此外,随着更大数据集的可用,探索长短期记忆(LSTM)网络等深度学习架构可以进一步提高长期流行病学预测的精度。这些进步对于转变索马里及类似低资源环境的癌症护理和卫生政策制定仍然至关重要。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号