通过时间序列和机器学习模型对艾滋病毒和抗逆转录病毒治疗病例进行统计建模和预测

快速阅读: 《Nature.com》消息，巴基斯坦研究团队利用2016至2021年数据，开发出NNAR(1,1,2)模型预测艾滋病和ART病例，效果优于其他模型。该模型显示病例月增率分别为4.98%和16.32%，有助于疾病防控。

据最新研究报告显示，7月15日，巴基斯坦，研究人员利用2016年至2021年的月度报告数据，开发出了一种有效的时间序列预测模型，用于预测艾滋病和抗逆转录病毒治疗（ART）的数据变化。该研究由巴基斯坦统计局国家艾滋病控制计划提供数据支持。

研究团队采用了多种时间序列模型，包括自回归积分滑动平均（ARIMA）、指数平滑（布朗、霍尔特、温特斯）、神经网络自回归模型（NNAR）和指数平滑状态空间模型（ETS），以分析和预测艾滋病和ART的月度模式。通过R编程语言进行了详细的描述性分析和时间序列分析。

结果显示，艾滋病和ART的平均月病例数分别为36,405 ± 12,740和28,287 ± 12,485。在评估的所有模型中，NNAR (1,1,2) 预测模型表现最为出色，其预测精度基于RMSE、MAE和MAPE等常用指标，显著优于其他模型。

根据NNAR(1,1,2)模型，预计艾滋病病例的月均增长率将达到4.98%，而ART病例的月均增长率则为16.32%。研究认为，采用NNAR模型的非线性预测方法，将有助于巴基斯坦的政策制定者和医疗专业人员更好地管理与预防艾滋病，优化资源配置，提高疾病防控效率。

(以上内容均由Ai生成)