外媒 | 机器学习模型实时估算美国枪支凶杀案-普瑞纯证

据JAMA Network Open上个月发表的一项研究表明，研究人员开发了一种机器学习（ML）模型，旨在利用二次数据源准确估算美国每周和每年的枪支凶杀案负担。枪支凶杀案是美国的一项重大公共卫生问题。疾病控制和预防中心的数据表明，2020年枪支凶杀率增长了近35％，达到1994年以来的最高水平。研究人员指出，由于缺乏及时的死亡数据，协调有效的公共卫生应对措施变得困难。为了解决这个问题，他们创建了一个预测模型，可以使用二次数据源预测枪支凶杀案。研究人员首先收集了与枪支凶杀趋势理论相关的匿名、纵向时间序列数据，这些数据可以实时或接近实时地获得。他们从四个在线和卫生服务来源收集了2014-2019年的数据：与枪支相关的Google和YouTube搜索趋势，根据国家综合监测计划的急诊科访问枪支伤害情况，以及与枪支有关的急诊医疗服务激活。还包括2016年至2019年标有“枪支”关键词的国家家庭暴力热线联系人的数据。然后，使用两阶段管道计算每周枪支凶杀案的估计值，该管道将适当的ML模型适配到每个数据流中，并将最佳的单个模型组合成一个堆叠集成模型。研究人员通过将其对2019年枪支凶杀案的预测与国家重要统计系统死亡证书所示的实际枪支凶杀率进行比较来评估模型的准确性。模型还与季节性自回归移动平均（SARIMA）模型进行了比较，这是一种常用的用于预测伤害死亡率的方法。单个和集成模型都提供了高度准确的美国枪支凶杀案预测。集成模型在每周枪支凶杀案的平均误差和更高的年度准确性方面比其单个对应物表现更好。使用所有五个数据源，集成模型预测2019年的总枪支凶杀案数，误差为38人，均方根误差为24.46人，全年准确率为99.74％。相比之下，SARIMA模型的表现则不如集成模型。

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。