基于回歸模型的流感疫情預(yù)測

白旭洋

摘 要：目前現(xiàn)代醫(yī)學(xué)技術(shù)取得重大發(fā)展，但諸多傳染性疾病仍是人類社會向前發(fā)展的重要阻力之一。利用中國大陸地區(qū)已有的流感相關(guān)數(shù)據(jù)進(jìn)行分析研究，應(yīng)用多元線性回歸、Lasso回歸以及Ridge回歸模型結(jié)合相關(guān)檢索詞數(shù)據(jù)進(jìn)行建模分析， 探討回歸模型與流感疫情預(yù)測的相關(guān)性與可行性。結(jié)果發(fā)現(xiàn)，與傳統(tǒng)最小二乘法結(jié)果進(jìn)行比較，運(yùn)用Lasso回歸以及Ridge回歸對于復(fù)雜數(shù)據(jù)的分析與建模準(zhǔn)確度更高，表明上述模型的推斷能力更強(qiáng)，更適合于流感疫情的預(yù)測分析。通過回歸模型結(jié)合海量數(shù)據(jù)可分析流疫情，且具有相當(dāng)高的準(zhǔn)確性，因此建議將該種方法應(yīng)用到對于未來流感疫情的測控以及預(yù)防工程中。

關(guān)鍵詞：流感預(yù)測;多元線性回歸;Ridge回歸;Lasso回歸

中圖分類號：TB 文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2020.02.092

0 引言

現(xiàn)階段的中國正處在由初級階段向全面小康社會過渡的關(guān)鍵時期。在經(jīng)濟(jì)水平高速發(fā)展的同時，醫(yī)療技術(shù)同樣應(yīng)該緊跟發(fā)展的快節(jié)奏，否則，相對落后的醫(yī)療技術(shù)將導(dǎo)致中國公民整體健康素質(zhì)的下滑，將對國家穩(wěn)定以及中國的國際形象造成難以預(yù)測的影響，甚至導(dǎo)致中國在未知的嚴(yán)重傳染病的侵襲下蒙受巨大損失。本文的目的即為利用搜索引擎數(shù)據(jù)結(jié)合回歸模型探究疫情暴發(fā)的因素，對其進(jìn)行監(jiān)測防控，防止成為影響中國社會穩(wěn)定的因素之一。

Wu Yuan等人在2015年就在其論文中探討了未來利用時空大數(shù)據(jù)技術(shù)應(yīng)用于傳染病預(yù)警的可能性，并認(rèn)為其能夠構(gòu)建起更加完善的基于泛在網(wǎng)絡(luò)的傳染病疫情獲取途。Li等也在2010年利用Z-D現(xiàn)象預(yù)測法、灰色預(yù)測模型。自回歸滑動平均混合模型與小波預(yù)測模型等數(shù)學(xué)預(yù)測方式對我國傳染病預(yù)測現(xiàn)狀進(jìn)行了詳細(xì)分析。與此同時， Wang與她的團(tuán)隊更是將定量預(yù)測模型與百度上有關(guān)登革熱的相關(guān)關(guān)鍵詞的指數(shù)結(jié)合，對于上一年在全國范圍內(nèi)爆發(fā)的登革熱疫情進(jìn)行了分析，結(jié)果顯示，百度指數(shù)與登革熱疫情的關(guān)聯(lián)性非常明顯，又更進(jìn)一步地說明了在信息時代，利用信息技術(shù)來輔助人類預(yù)防、監(jiān)測甚至治療疾病的可行性。這些研究都具有結(jié)合先進(jìn)技術(shù)與大量數(shù)據(jù)對問題進(jìn)行分析的優(yōu)點(diǎn)，但同時也都具有分析范圍相對小，數(shù)據(jù)涉及人群片面等問題。因此，利用多元線性回歸模型的數(shù)據(jù)分析與信息挖掘能力，可以有效地對全球范圍內(nèi)的疾病發(fā)病情況及數(shù)據(jù)進(jìn)行統(tǒng)計與分析。在此過程中，利用多元線性回歸模型對傳染病疫情進(jìn)行預(yù)測，可以有效地幫助疫情暴發(fā)后治療方案的提出。

2 數(shù)據(jù)查找

本研究使用中國2010年12月至2018年12月間流感發(fā)病人數(shù)作為因變量（y），流行性疾病相關(guān)搜索內(nèi)容（數(shù)據(jù)來源為百度指數(shù)網(wǎng)站）作為自變量，最終確定8個與流感相關(guān)的檢索詞作為本次驗(yàn)證的具體指標(biāo)，分別為：“流感”（X1），“病毒”（X2），“預(yù)防”（X3），“癥狀”（X4），“甲型”（X5），“傳染”（X6），“季節(jié)”（X7）和“疫苗”（X8）。

通過對上述8個檢索詞的相關(guān)數(shù)據(jù)在選定時間內(nèi)的折線圖進(jìn)行數(shù)據(jù)分析，如圖1和圖2所示，最終利用回歸模型對于檢索數(shù)據(jù)進(jìn)行分析?？紤]到未知或潛在的因素對于最終統(tǒng)計結(jié)果的不利影響，最終決定將每月流感發(fā)病人數(shù)作為因變量。這最終，本次統(tǒng)計研究納入建模分析共有8個自變量。由于無偏估計在數(shù)據(jù)分析上的特點(diǎn)，有必要采用Lasso和Ridge回歸 等稀疏估計方法建立模型，對流感流行趨勢進(jìn)行預(yù)測，分析其影響因素。

4 總結(jié)

本研究首先介紹了多元線性回歸模型以及Ridge回歸模型和Lasso回歸模型的原理及其在數(shù)據(jù)統(tǒng)計分析方面的具體應(yīng)用方法和模型預(yù)測性能，與百度指數(shù)相關(guān)結(jié)果數(shù)據(jù)結(jié)合，構(gòu)建了適合于流感疫情預(yù)測的Lasso回歸模型。研究結(jié)果Lasso回歸模型的結(jié)果更加貼近真實(shí)情況，具有實(shí)際的應(yīng)用價值。本文所構(gòu)建的統(tǒng)計模型選擇了較少的變量達(dá)到較高的穩(wěn)定性，使損失函數(shù)最小化。另外，本次實(shí)驗(yàn)將三種模型結(jié)合共同分析八類檢索內(nèi)容，擁有較強(qiáng)的分析能力。因此，本研究所提出的方法也適用于對模型預(yù)測效果進(jìn)行綜合評估的情況。

下一步可以將檢索詞數(shù)目由8詞上升至20詞，同時向檢索內(nèi)容中添加大量與流感有關(guān)內(nèi)容，去除部分流感并發(fā)癥相關(guān)內(nèi)容。此外，還可以將 2009年H1N1爆發(fā)第一波爆發(fā)流行的相關(guān)數(shù)據(jù)納入?yún)⒖肌Ｈ趸藢τ诋惓５拿襟w關(guān)注熱點(diǎn)的反應(yīng)，從而達(dá)到降低預(yù)測模型的效果。Lasso回歸模型具有的功能對于未來可能的傳染病疫情能夠發(fā)揮有效的監(jiān)測作用，能夠成為未來人工智能輔助醫(yī)學(xué)領(lǐng)域預(yù)防以及遏制傳染病的重要手段。

參考文獻(xiàn)

[1]李園，吳蜀豫.登革熱的流行趨勢與防控（英文）[J].Science Bulletin，2015，60（7）：661-664.

[2]ZhenDong L I，Chen X R，Peng L I，et al.Identification of Polygonum viviparum endophytic bacteria Z5 and determination of the capacity to secrete IAA and antagonistic capacity towards pathogenic fungi[J].Acta Prataculturae Sinica，2010，19（2）：61-68.

[3]趙修文.基于本體的醫(yī)療搜索引擎的設(shè)計和實(shí)現(xiàn)[D].長沙：國防科學(xué)技術(shù)大學(xué)，2008.

[4]王若佳.融合百度指數(shù)的流感預(yù)測機(jī)理與實(shí)證研究[J].情報學(xué)報，2018，37（2）：206-219.

[5]楊師華.基于Lasso回歸模型的遺傳性疾病與遺傳位點(diǎn)關(guān)聯(lián)分析[J].數(shù)學(xué)學(xué)習(xí)與研究：教研版，2019，（1）：145-146.

[6]魯力，鄒遠(yuǎn)強(qiáng)，彭友松，等.百度指數(shù)和微指數(shù)在中國流感監(jiān)測中的比較分析[J].計算機(jī)應(yīng)用研究，2016，33（2）：392-395.