基于氣象因素和互聯(lián)網(wǎng)搜索數(shù)據(jù)的流感疫情預(yù)測研究：以香港為例.pdf

1、目的：
　　流行性感冒(簡稱流感)，是由流感病毒引起的急性呼吸道傳染性疾病，具有起病急、傳播快、感染性強(qiáng)等特點(diǎn)。僅20世紀(jì)以來，人類就經(jīng)歷了五次世界性的流感大流行，它們分別是1918年的“西班牙流感”、1957年的“亞洲流感”、1968年的“香港流感”、1977年的“俄羅斯流感”和2009年的甲型H1N1流感，每一次大流行都造成了巨大經(jīng)濟(jì)損失，嚴(yán)重的社會恐慌，并對人類健康產(chǎn)生了嚴(yán)重威脅。在全世界范圍內(nèi)，每年約有25～50萬人死于流

2、感。目前，根據(jù)預(yù)測模型自變量的不同，流感疫情預(yù)測的方法主要分為三大類：一類是不考慮氣象等因素，僅依賴歷史流感發(fā)病數(shù)據(jù)的流感疫情預(yù)測；另一類是傳統(tǒng)的使用氣象因素作為自變量預(yù)測流感疫情；最后一類是基于互聯(lián)網(wǎng)數(shù)據(jù)的流感疫情預(yù)測，主要是基于流感相關(guān)核心詞的谷歌趨勢，百度指數(shù)等互聯(lián)網(wǎng)搜索數(shù)據(jù)的流感疫情預(yù)測。又根據(jù)預(yù)測因變量的不同—流感發(fā)病率或基于發(fā)病率的發(fā)病率等級，預(yù)測模型分為預(yù)測發(fā)病率的回歸模型和是否暴發(fā)流行的分類模型。同時(shí)機(jī)器學(xué)習(xí)的算法也被廣

3、泛應(yīng)用于流感疫情預(yù)測的回歸和分類模型中。雖然有多種機(jī)器學(xué)習(xí)算法用于流感疫情預(yù)測，且都有不錯(cuò)的預(yù)測效果，但并沒有對各種預(yù)測模型預(yù)測性能進(jìn)行系統(tǒng)的比較。香港位于中國華南沿海地區(qū)，是全世界人口密度最高的地區(qū)之一；僅自1968年以來，香港就暴發(fā)了三次流感暴發(fā)流行，分別是1968年的有H3N2病毒引起的“香港流感”，2009年的由甲型H1N1引起的香港流感暴發(fā)流行以及2015年的香港流感暴發(fā)流行，每次流感暴發(fā)流行都對香港地區(qū)的造成了較大的經(jīng)濟(jì)損失

4、并對人們的健康產(chǎn)生了嚴(yán)重威脅，流感疫情的預(yù)測有利于降低和控制流感對社會的危害。本研究中，我們以香港地區(qū)為例，基于氣象因素和流感搜索指數(shù)分別構(gòu)建了多種回歸和分類預(yù)測模型預(yù)測流感疫情，并評價(jià)各模型的預(yù)測性能，挑選最佳的預(yù)測模型，用于流感疫情預(yù)測。
　　方法：
　　香港地區(qū)2011年7月1日至2016年8月27日，共270周的流感樣病例周求診率從香港衛(wèi)生署衛(wèi)生防護(hù)中心的官方網(wǎng)站獲得；我們從香港天文臺官方網(wǎng)站獲取了同時(shí)期香港地區(qū)的氣

5、象變量的數(shù)據(jù)；同時(shí)，我們分別收集了同時(shí)期香港流感相關(guān)的谷歌核心詞的谷歌趨勢和百度核心詞的百度指數(shù)。我們計(jì)算所有氣象因素、流感相關(guān)核心詞的谷歌趨勢和百度指數(shù)與香港流感樣病例周求診率的交叉相關(guān)系數(shù)，篩選出最大絕對交叉相關(guān)系數(shù)大于等于0.3的氣象因素和流感相關(guān)核心詞；我們將篩選出來的流感相關(guān)的谷歌核心詞和百度核心詞分別構(gòu)建谷歌流感搜索指數(shù)和百度流感搜索指數(shù)；然后我們分別以滯后0~8周的氣象因素和流感搜索指數(shù)（谷歌流感搜索指數(shù)和百度流感搜索指數(shù)

6、）為自變量，構(gòu)建多種回歸（ARIMA，多元逐步線性回歸，LASSO線性回歸，支持向量回歸和BP神經(jīng)網(wǎng)絡(luò)）和分類預(yù)測模型（條件推理樹，K近鄰算法，Logistic回歸，樸素貝葉斯，支持向量機(jī)，Bagging決策樹，Boosting決策樹和隨機(jī)森林）；在構(gòu)建分類預(yù)測模型時(shí)，我們分別以香港流感樣病例周求診率的第75百分位數(shù)（P75）和第90百分位數(shù)（P90）為分界點(diǎn)，將香港流感樣病例周求診率轉(zhuǎn)化為兩個(gè)二分類變量—是否流感“暴發(fā)流行”（我們假定

7、香港流感樣病例周求診率大于等于P75或P90會發(fā)生流感“暴發(fā)流行”，小于P75或P90不會發(fā)生流感“暴發(fā)流行”）。對于回歸模型，我們采用了平均絕對百分比誤差和均方根誤差來評價(jià)模型的預(yù)測性能；對于分類模型，我們采用了準(zhǔn)確率，靈敏度，特異度，陽性預(yù)測值，陰性預(yù)測值和約登指數(shù)這六個(gè)統(tǒng)計(jì)學(xué)指標(biāo)評價(jià)分類模型的預(yù)測效果。
　　結(jié)果：
　　無論是在基于滯后的氣象因素還是流感搜索指數(shù)的回歸預(yù)測模型中，五種回歸預(yù)測模型的預(yù)測誤差從小到大的順序

8、均是BP神經(jīng)網(wǎng)絡(luò)<支持向量回歸

9、，K近鄰算法，Logistic回歸，樸素貝葉斯和支持向量機(jī)。同時(shí)，基于流感搜索指數(shù)的Bagging決策樹，Boosting決策樹和隨機(jī)森林分類預(yù)測模型均優(yōu)于相應(yīng)的基于氣象因素的分類預(yù)測模型，在基于流感搜索指數(shù)的分類預(yù)測模型（以P75或P90為分界點(diǎn)的二分類）中，三種集成算法的準(zhǔn)確率都在80%以上，能很好地預(yù)測香港流感疫情。
　　結(jié)論：
　　氣象因素和流感相關(guān)核心詞的互聯(lián)網(wǎng)搜索量均與流感疫情關(guān)系密切，它們的變化能從側(cè)面反映流感

10、疫情的變化。使用氣象因素和流感相關(guān)核心詞的谷歌趨勢和百度指數(shù)均能較好地預(yù)測香港流感疫情；同時(shí)，基于互聯(lián)網(wǎng)流感搜索指數(shù)的流感疫情預(yù)測模型的預(yù)測性能均優(yōu)于基于氣象因素的流感疫情預(yù)測模型。獲取百度指數(shù)核心詞過程中開發(fā)的百度指數(shù)獲取軟件-Baidu Index Crawler能迅速地獲取核心詞的百度指數(shù)，以便今后開展基于包括流感在內(nèi)的傳染病相關(guān)核心詞百度指數(shù)的傳染病疫情預(yù)測?；诹鞲邢嚓P(guān)核心詞的互聯(lián)網(wǎng)數(shù)據(jù)-谷歌趨勢和百度指數(shù)能很好地預(yù)測流感疫情