Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2501.12395

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:2501.12395 (q-bio)
[提交于 2024年12月27日 ]

标题: 使用路径签名预测巴西市镇的高登革热发病率

标题: Predicting high dengue incidence in municipalities of Brazil using path signatures

Authors:Daniel A.M. Villela
摘要: 预测是否会出现传染病高发情况对于健康监测至关重要。 在登革热的流行病学中,环境条件可以显著影响病毒的传播。 结合流行病学指标和环境变量可以提高登革热发病率风险的预测。 本研究分析了巴西各市每周病例数、温度和湿度的数据集,以2014年至2023年的数据为基础,预测高登革热发病率的风险。 该框架涉及构建路径签名并应用套索回归进行二元结果分析。 灵敏度达到75%,而特异性非常高,范围从75%到100%。 最佳性能是在观察35周后收集的信息中表现出来的,使用嵌入技术进行数据增强。 路径签名的使用有效地捕捉了由影响登革热传播的流行病学和气候变量提供的信息流。 该框架可能在优化资源以预测巴西及其他国家各市的高登革热风险方面起到关键作用,在学习这些国家模式之后。
摘要: Predicting whether to expect a high incidence of infectious diseases is critical for health surveillance. In the epidemiology of dengue, environmental conditions can significantly impact the transmission of the virus. Utilizing epidemiological indicators alongside environmental variables can enhance predictions of dengue incidence risk. This study analyzed a dataset of weekly case numbers, temperature, and humidity across Brazilian municipalities to forecast the risk of high dengue incidence using data from 2014 to 2023. The framework involved constructing path signatures and applying lasso regression for binary outcomes. Sensitivity reached 75%, while specificity was extremely high, ranging from 75% to 100%. The best performance was observed with information gathered after 35 weeks of observations using data augmentation via embedding techniques. The use of path signatures effectively captures the stream of information given by epidemiological and climate variables that influence dengue transmission. This framework could be instrumental in optimizing resources to predict high dengue risk in municipalities in Brazil and other countries after learning these country patterns.
评论: 12页,5图,1表
主题: 定量方法 (q-bio.QM) ; 种群与进化 (q-bio.PE)
引用方式: arXiv:2501.12395 [q-bio.QM]
  (或者 arXiv:2501.12395v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.12395
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Daniel Villela [查看电子邮件]
[v1] 星期五, 2024 年 12 月 27 日 14:38:50 UTC (1,059 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
q-bio
q-bio.PE

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号