普瑞纯证

外媒 | 机器学习模型利用代理数据估计每周阿片类药物过量死亡人数-普瑞纯证

机器学习模型利用代理数据估计每周阿片类药物过量死亡人数

研究人员开发了一种机器学习模型,利用公共卫生信息和执法数据等代理数据源,能够准确估计美国每周阿片类药物过量死亡趋势。由于阿片类药物危机的严重性,预测过量死亡人数是应对危机的重要组成部分。然而,由于过量死亡数据滞后的问题,公共卫生官员往往无法有效地进行预测。研究表明,美国阿片类药物过量死亡数据通常会滞后数月或更长时间,严重限制了其可用性。此外,研究人员指出,有效应对阿片类药物危机的唯一途径是使用实时、分解的数据,以确定哪些人群最易受到影响,并利用这些信息在地方层面上针对预防和治疗进行干预。然而,实时数据访问是一个挑战,因为它依赖于多个需要数周或数月才能完成的过程,例如毒理学测试、医学法律调查和死亡证明。因此,公共卫生官员通常依赖于以前年份的数据,并对代理数据源用于死亡率估计的潜力产生了兴趣。在这项研究中,研究人员试图评估使用健康、执法和在线数据代理的模型是否能够准确估计每周阿片类药物过量死亡人数。数据源包括:2014年至2019年的阿片类药物过量急诊科就诊时间序列数据,通过国家法医实验室信息系统获得的海洛因和合成阿片类药物在非法市场上的流通量数据,以及谷歌上搜索海洛因和合成阿片类药物的搜索量数据。此外,还使用Twitter和Reddit上的海洛因和合成阿片类药物帖子数量数据来训练和验证阿片类药物过量死亡预测模型。对2018年和2019年进行了每周阿片类药物过量死亡的预测。结果与基线季节性自回归移动平均(SARIMA)模型进行了比较,后者是预测该领域死亡率最常用的方法之一。总体而言,统计模型的预测结果与实际数据相符,证明了该模型的可行性和准确性。

版权声明 本网站所有注明“来源:普瑞纯证”或“来源:pureFDA”的文字、图片和音视频资料,版权均属于普瑞纯证网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:普瑞纯证”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。