機械学習ベースの分析と気象因子と都市の熱中性疾患の予測

はじめに：熱ストロークは、高温および高湿度環境への曝露によって引き起こされる深刻な臨床状態であり、皮膚の燃焼、意識障害、その他の臓器系を伴う体のコア温度が40°Cを超えるまで急速に上昇することにつながります。ダメージ。この研究の目的は、機械学習を使用した熱中症の発生率に対する気象因子の効果を分析し、熱ストローク予測モデルを構築して、熱中予防の参照を提供することを目的としています。 方法：この研究では、2014年5月から2014年9月までの5月から9月までの中国南部の都市における熱中発生の発生率と気象因子のデータを分析しました。熱ストロークの発生率に対する気象因子の遅れた効果は、分散型LAG非線形モデルに基づいて分析され、予測モデルは、回帰決定ツリー、ランダムフォレスト、勾配ブーストツリー、線形SVR、LSTM、およびArimaアルゴリズムを使用して構築されました。 結果：累積遅延効果により、熱指数、露点温度、毎日の最高温度、相対湿度が熱ストロークに最大の影響を与えることがわかりました。熱指数、露点温度、および毎日の最高温度が特定のしきい値を超えた場合、同日と次の5日以内に熱中症のリスクが大幅に増加しました。相対湿度の発生に対する相対湿度の遅れのある効果は、相対湿度の変化と異なっていました。また、環境湿度レベルが過度に高く、環境湿度レベルが高くなり、熱中症の発生に遅れた効果を示しました。予測モデルに関しては、ランダムフォレストモデルはRMSEで5.28の最高のパフォーマンスを持ち、調整後に3.77に低下しました。 議論：この都市での熱中発生の発生率は、熱指数、熱波、露点温度、気温、Zhongfuと有意に相関しており、その中で熱指数と露点温度は、熱ストロークの発生率に大きな遅れ効果があります。関連部門は、相関要因のデータを綿密に監視し、温度がピークに達する前に熱防止措置を採用し、市民に屋外活動を減らすよう求めている必要があります。

INTRODUCTION: Heatstroke is a serious clinical condition caused by exposure to high temperature and high humidity environment, which leads to a rapid increase of the core temperature of the body to more than 40°C, accompanied by skin burning, consciousness disorders and other organ system damage. This study aims to analyze the effect of meteorological factors on the incidence of heatstroke using machine learning, and to construct a heatstroke forecasting model to provide reference for heatstroke prevention. METHODS: The data of heatstroke incidence and meteorological factors in a city in South China from May to September 2014-2019 were analyzed in this study. The lagged effect of meteorological factors on heatstroke incidence was analyzed based on the distributed lag non-linear model, and the prediction model was constructed by using regression decision tree, random forest, gradient boosting trees, linear SVRs, LSTMs, and ARIMA algorithm. RESULTS: The cumulative lagged effect found that heat index, dew-point temperature, daily maximum temperature and relative humidity had the greatest influence on heatstroke. When the heat index, dew-point temperature, and daily maximum temperature exceeded certain thresholds, the risk of heatstroke was significantly increased on the same day and within the following 5 days. The lagged effect of relative humidity on the occurrence of heatstroke was different with the change of relative humidity, and both excessively high and low environmental humidity levels exhibited a longer lagged effect on the occurrence of heatstroke. With regard to the prediction model, random forest model had the best performance of 5.28 on RMSE and dropped to 3.77 after being adjusted. DISCUSSION: The incidence of heatstroke in this city is significantly correlated with heat index, heatwave, dew-point temperature, air temperature and zhongfu, among which the heat index and dew-point temperature have a significant lagged effect on heatstroke incidence. Relevant departments need to closely monitor the data of the correlated factors, and adopt heat prevention measures before the temperature peaks, calling on citizens to reduce outdoor activities.