《Discover Public Health》:Spatio temporal projection of cancer incidence in India using artificial neural networks
编辑推荐:
摘要
癌症是全球重大健康挑战,其发病率与死亡率存在显著区域差异。在印度,预计未来十年癌症发病率将持续上升,且区域差异明显。尽管已有癌症登记数据,但实时数据与先进预测技术在癌症发病率时空趋势分析中的应用仍显不足。本研究旨在填补这一空白,采用实时数据与先进预测方法
摘要
癌症是全球重大健康挑战,其发病率与死亡率存在显著区域差异。在印度,预计未来十年癌症发病率将持续上升,且区域差异明显。尽管已有癌症登记数据,但实时数据与先进预测技术在癌症发病率时空趋势分析中的应用仍显不足。本研究旨在填补这一空白,采用实时数据与先进预测方法,分析印度癌症发病率的时空模式。研究人员利用印度开放政府数据平台(Open Government Data Platform India, OGD)中2018至2024年36个邦与中央直辖区的二级发病率数据,计算粗发病率(Cancer Crude Incidence Rate, CCIR)。研究采用贝叶斯时空条件自回归模型(Bayesian Spatio-Temporal Conditional Autoregressive model)刻画CCIR的时空动态,并结合人工神经网络(ANN)预测2025与2026年的发病率。此外,应用空间聚类技术(含局部莫兰指数Local Moran’s I statistic)识别癌症热点与冷点。结果显示,2018至2024年间多个地区CCIR呈上升趋势,且存在显著空间异质性。贝叶斯模型揭示了显著的时空依赖性,ANN模型在2025与2026年CCIR预测中表现出稳健的准确性。研究识别出新兴热点与冷点,为制定针对性癌症防控干预措施提供了可操作的依据。结论指出,印度癌症负担持续加重,区域差异显著,需要因地制宜的策略,并凸显了实时数据与先进模型在公共卫生预测与空间分析中的重要价值。
论文解读
该研究发表于《Discover Public Health》,针对印度癌症发病率的时空变化特征展开系统性分析与预测。当前全球癌症负担持续上升,印度作为人口大国,其癌症发病率预计在未来十年显著增加,且存在明显的区域不均衡性。尽管印度自1981年起建立了国家癌症登记计划(National Cancer Registry Programme, NCRP),涵盖人群基础癌症登记(Population-Based Cancer Registries, PBCRs)和医院基础癌症登记(Hospital-Based Cancer Registries),并由印度医学研究理事会国家疾病信息与研究中心(ICMR-NCDIR)管理,但现有研究多依赖历史汇总数据,缺乏结合实时数据与先进时空建模方法的研究。既往预测多采用时间序列或负二项回归等传统方法,未能充分捕捉空间邻近效应与时间滞后效应的交互作用。因此,研究人员认为有必要引入能够同时处理时空依赖性的模型,以提高预测的精准性与政策指导价值。
在数据与方法方面,研究基于OGD平台的2018至2024年36个区域的癌症发病数与印度国家门户发布的同期人口预测数据,计算CCIR(单位:每10万人口)。排除无邻域关系的岛屿地区后,剩余34个区域纳入模型分析。关键技术包括:①探索性时空趋势分析,采用线性回归估计各区域年度变化趋势;②贝叶斯时空条件自回归模型(Bayesian Spatio-Temporal Conditional Autoregressive model),通过空间权重矩阵(W)与时空自回归参数ρS、ρT刻画空间与时间依赖性;③人工神经网络(ANN)预测模型,输入特征包括地理坐标、前一年发病率及邻区加权平均发病率,采用ReLU激活函数与L2正则化防止过拟合;④局部莫an指数(Local Moran’s I statistic)进行空间聚类识别热点与冷点。
研究结果方面,时空趋势显示,全印度CCIR年均增长约1.5(p<0.0001),其中米佐拉姆邦增幅最高(3.86),而达曼和第乌与达德拉和纳加尔哈维利最低(0.25)。空间分布上,全国平均CCIR为104.80,喀拉拉邦最高(163.97),南部各邦普遍偏高,东北部较低。贝叶斯模型结果表明空间自相关ρS=0.92(95%CI:0.78–0.99),时间自相关ρT=0.058(95%CI:0.002–0.218),证实空间依赖性远高于时间依赖性。ANN预测性能在2024年验证数据中RMSE=0.89、MAE=0.70,虽略逊于线性外推模型,但能更好反映空间结构,预测2025年全国CCIR为110.83,2026年为112.33。空间聚类分析显示,南部(卡纳塔克邦、喀拉拉邦、泰米尔纳德邦、特伦甘纳邦、安得拉邦)持续为热点区;东北部呈现双重模式,米佐拉姆、特里普拉、曼尼普尔为分散型高发病区,阿鲁纳恰尔邦与那加兰为集聚型低发病区;古吉拉特邦与北方邦中部为新兴热点区。
在讨论部分,研究人员将预测结果与Sathishkumar等人(2022)的估计进行对比,发现2025年预测发病数约157万例,2026年增至160万例,趋势一致。南部高发区与流行病学转型阶段较高相关,喀拉拉邦甲状腺癌高负担可能与过度诊断有关。东北部热点与冷点并存,且生存率较低,受限于医疗资源不足。古吉拉特邦与北方邦的新兴热点反映了癌症负担的区域转移趋势。研究强调,地理信息系统(Geographic Information System, GIS)在癌症登记体系中的应用潜力,但也指出技术、基础设施与人才短缺的挑战。
结论部分指出,印度癌症发病率将继续上升,南部持续高发,东北部模式复杂,西部与中部出现新的高风险区。研究支持基于实时数据与先进模型的区域差异化干预策略,建议在资源分配、早期筛查与治疗设施布局中充分考虑空间异质性,以提升公共卫生应对效率。