尼泊尔西部地区基于气象预测因子的登革热发病率时间序列预测应用

《BMC Public Health》：Use of time-series forecasting of dengue incidence based on meteorological predictors in Western Nepal

　　

摘要

背景

登革热已成为尼泊尔新兴的公共卫生问题，其发病率迅速上升并反复暴发，尤其在甘达基省尤为突出。气候因素在登革热传播动态中起着关键作用，然而在该地区同时整合统计学和机器学习方法的高分辨率时间序列分析仍然有限。

方法

我们使用尼泊尔甘达基省2020年1月至2025年12月的每周登革热发病率数据，开展了一项时间序列研究。气象变量（温度、降水量、湿度和风速）获取自ERA5-Land数据集。我们进行了季节性-趋势分解、相关性分析、交叉相关性分析和负二项回归分析，以评估气候因素与滞后效应的关联。我们开发并比较了多种预测模型，包括季节自回归积分滑动平均模型（SARIMA）、含外生变量的SARIMA模型（SARIMAX）和极端梯度提升模型（XGBoost），并使用基于平均绝对误差（MAE）和均方根误差（RMSE）的滚动原点交叉验证进行评估。

结果

研究期间共报告34,364例登革热病例，9月至10月出现明显的雨季高峰。季节性分解显示，年季节性占登革热发病率时间变异性的相当大比例。温度是最强且最一致的气候预测因子，在负二项回归中，温度与登革热发病率在同期及滞后1–2个月的模型中均保持显著关联（感染风险比：1.145–1.187，所有p?<?0.05）。结构突变分析发现，传播动态在2024–2025年期间发生了显著变化。在各预测模型中，SARIMAX表现出优于SARIMA的样本外预测性能（MAE：240.35；RMSE：397.51），而XGBoost虽然达到了相当的准确率，但在结构性变化期间显示出更大的波动性和较低的稳定性。预测表明，季节性暴发将持续，到2027年疫情活动将保持中等水平。

结论

甘达基省的登革热传播具有显著的季季性和气候敏感性，在考虑过度离散后，温度是最稳健的气候预测因子。整合气象变量的SARIMAX模型提供了最佳的样本外预测性能，并为基于气候信息的登革热预警系统提供了可解释的框架。将此类预测方法整合到常规监测中，可能增强尼泊尔的应对准备并支持及时的公共卫生干预措施。