使用机器学习和人工智能驱动的空间分析来阐明全球疟疾的发病率和死亡率

疟疾在全球范围内提出了一项重大而广泛的公共卫生挑战，尤其是在医疗保健资源有限的国家¹。尽管几十年来努力消除了这种疾病，但疟疾仍在全球影响数百万人，导致了相当大的发病率和死亡率²。世界卫生组织（WHO）报告了2020年估计有241万疟疾感染和627,000疟疾相关的死亡³。疟疾不成比例地影响五名和孕妇，特别是在撒哈拉以南非洲的儿童，大约95％的案件和死亡发生⁴。

由于各种因素，包括生物，环境，社会经济和与医疗保健有关的决定因素，疟疾继续提出重大的公共卫生挑战⁵。解决这些复杂性需要一种全面而多方面的方法来控制疟疾和消除。多年来，已经实施了诸如杀虫剂处理的床网，室内残留喷涂，抗疟药和疫苗等策略以对抗疟疾⁶。尽管这些方法大大减少了疟疾的传播及其负担，但仍在寻求完全消除的挑战仍然存在^{7，，，，8}。正在进行的创新和有针对性的干预措施对于克服这些挑战并有效解决疟疾的多方面性质至关重要⁸。

尽管进行了广泛的研究，但差距仍存在理解影响疟疾结果的各种因素的复杂相互作用⁸。现有的研究通常集中于个人因素或有限的地理区域，缺乏全面的分析，该分析纳入了各个国家和时期的多个变量。此外，需要更高级的分析方法，可以更深入地了解疟疾决定因素和疾病结果之间的关系⁹。机器学习（ML）模型的集成^{10，，，，11}，可解释的AI（XAI）¹²和因果AI（CAI）技术¹³提供了一种创新的方法来解决这些差距，从而使人们对疟疾趋势有更全面的了解并告知有针对性的干预措施。The primary purpose of this study is to identify and understand the key drivers of malaria outcomes, including incidence and mortality rates, across 106 countries between 2000 and 2022. This study uses advanced ML models, specifically XGBoost, as well as XAI and CAI techniques, to uncover hidden patterns and relationships between various socioeconomic, environmental, and healthcare-related variables and malaria outcomes.该研究强调了空间分析在理解疟疾动力学方面的重要性。空间技术，包括getis-ord gi*统计数据¹⁴和莫兰¹⁵被用来识别影响疟疾发病率和死亡率的重要地理簇和热点¹⁶。空间分析与先进的机器学习模型和人工智能方法的集成为提供可行的见解提供了一个强大的框架，以制定有针对性的基于循证的策略来打击全球疟疾。

研究范围

这项研究研究了2000年至2022年106个国家的疟疾结果，其中包括包括非洲，亚洲和拉丁美洲在内的各个地理区域。该研究旨在通过分析高负担和低负担国家来确定区域模式和趋势，从而为有针对性的公共卫生干预措施和政策提供关键的见解，以打击全球的疟疾（图。 1）。图1

（a）年度疟疾病例和死亡（2000年2022年），（b）按国家按土著疟疾病例（2000年2022年）。

数据收集

这项研究的数据来自包括世界卫生组织在内的受人尊敬的组织¹⁷，世界发展指标¹⁸和联合国儿童基金会¹⁹该数据集包括2000年至2022年。该数据集包括空间变量，疟疾指标，卫生系统指标，人口统计和社会经济因素以及健康成果 1）。对数据进行了精心收集，清洁和预处理，以确保一致性和可靠性，为分析疟疾决定因素和支持有针对性的公共卫生干预措施提供了全面的基础。

数据预处理和分析

该数据集经过严格的预处理，以确保数据完整性和一致性。来自多个来源的数据通过可变定义和时间对齐的标准化进行了协调。缺少值通过使用Missranger图书馆²⁰和老鼠算法²¹，保留复杂的数据关系。使用唯一的国家年份标识符确定重复记录并删除。校正了单位和可变格式的不一致性，以换取交叉数据。使用Z分数转换将连续变量标准化，以确保各国和年份的可比性。出于建模目的，数据集分为培训（2000年2020年）和测试（2021年2022年）。使用R统计软件（v4.4.2）执行分析，利用库，例如dplyr用于数据操作²²，，，，xgboost用于模型培训²³，，，，Missranger为了插补Dalex用于解释的AI分析²⁴，，，，GGPLOT2可视化²⁵，，，，SF用于空间数据分析²⁶， 和rnaturarth用于访问自然地球数据。因果AI技术利用因果关系图书馆^{13，，，，27}。空间自相关分析（包括本地Moran s I和Getis-ord Gi*统计量）用于识别影响疟疾发病率和死亡率的重要地理簇和热点²⁸。使用空间计算使用SPDEP，，，，SF， 和GGPLOT2，确保方法论透明度和可重复性。使用基于国家质心的k-neart邻居（Kâ= 4）方法构建空间重量矩阵。使用999个随机排列评估空间聚类的统计显着性。Moran I结果与相应的Z得分结合解释，以评估聚类强度和统计显着性。Getis-ord Gi*统计数据用于检测高值或低值的局部浓度，突出了冷点和冷点。确定的集群描绘了疟疾负担升高的地理集中区域，支持目标干预策略的优先级（表S1）。

选择和评估

这项研究采用了高级ML模型，广义线性模型（GLM），天真的贝叶斯模型，决策树（DT），极端梯度增强（XGBOOST），光梯度增强机（LightGBM）和支持向量机（SVM），以预测疟疾的发生率和死亡率。为了增强模型的解释性，XGBoost与XAI技术集成在一起，专门使用Shap（Shapley添加说明）值和特征显着性排名。还采用了因果AI技术来了解关键决定因素和疟疾结果之间的因果关系。此外，还进行了空间自相关分析，包括Getis-ord Gi*统计量（GI*）和Moran s I，以确定影响疟疾发病率和死亡率的重要地理簇和热点。

交叉验证

为了确保模型的鲁棒性并防止过度拟合和拟合不足，该研究采用了10倍的交叉验证方法。这需要将数据集分为十个相等的细分市场，利用九个段进行培训，并在每次迭代中进行一个部分进行测试。该过程执行了10次，使每个细分都可以作为测试集，从而促进了对模型性能的全面评估。使用高参数优化技术，例如网格搜索和随机搜索，用于确定最佳参数。RMSE用作优化度量（表S2）。XGBOOST模型进行了参数的微调，包括估计量的数量（范围为130至190），学习率（0.01），最大深度，子样本和ColSample_bytree。同样，对于LightGBM模型，优化了估计器的数量（范围为110至140），学习率（0.01）和最大bin参数。这些策略保证了模型经过最佳参数训练，从而提高了多种数据子集的概括和预测准确性。采用时间序列交叉验证来解决数据的时间结构，确保训练数据始终在测试数据之前，从而最大程度地减少了数据泄漏的风险。

疟疾负担的趋势和全球分配

疟疾负担的趋势（2000年2022年）：（a）全球疟疾病例（数百万，左y轴）和受影响国家的数量（黑色曲线，右Y轴）。（b）全球疟疾死亡，（左Y轴）和受影响国家的数量（黑色曲线，右Y轴）。（c）疟疾病例的地理分布（数百万）。（d）疟疾死亡的地理分布。

从2000年到2022年，疟疾负担的全球趋势突出了疟疾病例和不同地区死亡的波动。疟疾病例的数量最高，在2022年（251.7.5万），而与疟疾相关的死亡在2020年达到峰值（99,554）（表S3）。多年来，尼日利亚（1,332.99万）报告了最高的疟疾病例，其次是刚果民主共和国（6231.6万）和印度（319.83万）。同时，南苏丹（149,753），赞比亚（143,546）和中非共和国（124,801）的死亡率最高。布基纳法索（485.6，194.5），塞拉利昂（404.59，188.3）和尼日尔（355.45，154.6）等国家的平均疟疾发病率和死亡率最高。此外，玻利维亚（玻利维亚）（41,612）和大韩民国（37,169）报告了最高的土著疟疾病例，圭亚那（42,021）和阿富汗（37,492）领先恶性疟原虫案例，而疟原虫病例最普遍，在玻利维亚（51,034）和厄立特里亚（44,310）（图。 1和2和桌子S3S6）。疟疾发生率和死亡率的空间模式图3

（a）Moran i的疟疾发病率测试（每1000个人口），（b）Moran s I的死亡率（每100,000人口），（c）使用GETIS-ord GI*，（D）使用GETIS-GETIS-ORD GI*的HOTSPOT检测疟疾发病率（每1000个人口）的热点检测。

在布隆迪（1.562，p-valueâ= 0.029），贝宁（2.593，p-valueâ<0.001）和burkina faso（3.751，p-valueâ= 3.751，p-valueâ= 0.001）中，观察到了高高的群集（被其他高值包围的区域）的疟疾发病率。

同样，在贝宁（0.713，p-value = 0.001），中非共和国（0.793，p-value = 0.012）和利比里亚（3.055，p-value，p-value，= 0.001）（0.001）（tables S7-S7-S7-S7-S7-S7-S7-S7-S7-S7-S7-S7-S7-S7-S7-S7）中，发现了高高的疟疾死亡集群。这些发现突出了疟疾发病率和死亡率较高的地区，表明有针对性的干预区域（图。 3）。GI*统计数据进一步确定了贝宁发病率的热点（3.655，<0.001），布基纳法索（Burkina Faso）（3.205，p-valueâ= 0.001），中非共和国，2.534，p-value，p-value，p-value =â= - 0.011），民主共和国（2.676，p-val），p-val（2.676，pval），p-value。（3.663，p value <0.001）。在贝宁（3.377，p-valueâ= 0.001），中非共和国（2.525，p-value = 0.012）中确定了疟疾死亡率的热点，刚果民主共和国，2.094，2.094，p-value，= 0.036），餐厅（3.036），和餐厅（3.448，pval，pv-val，S6）。其他区域要么表现出非显着的聚类，要么被确定为空间异常值（图 3）。

疟疾及其决定因素的相关分析

疟疾发生率与耕地之间存在显着的负相关（0.64），这表明拥有耕地更高的地区往往会承受较低的疟疾负担。预期寿命和高血压患病率表现出正相关（r= 0.48），而获得基本饮用水服务与疟疾发病率负相关（r= 0.49）。此外，空气污染与疟疾发病率显示正相关，而医疗保健基础设施和经济因素表现出了混合影响，突出了决定因素在塑造全球疟疾负担时的复杂相互作用（图。S1和桌子S9）。选择最佳型号

在评估的模型中，XGBoost用RMSE（0.63），Râ²（0.93），调整后的Râ²（0.92）和MAE（0.46）证明了最佳性能。

这显着超过了其他模型，例如幼稚的贝叶斯模型（RMSE：2.36，râ²：0.03，调整后的râ²：0.04，MAE：2.22）和SVM（RMSE：1.05，Râ²：0.8，调整后的Râichrâ²：0.78，MAE：0.78，MAE：0.76）。DT（RMSE：1.31，Râ²：0.68，调整后的Râ²：0.65，MAE：0.94）也显示出适度的性能，而LightGBM（RMSE：0.68，Râ²：0.91：0.91，调整后的Râ²：0.91，MAE：0.5）表现良好，但表现良好，但XGBOOST的表现不佳。我们将XGBoost模型与XAI和CAI技术集成在一起，以增强可解释性和因果分析，从而提高了结果的可靠性和透明度（图。S2和桌子S10）。

在预测疟疾的发病率和死亡率方面的重要性

功能重要性分析，利用均值幅度值，确定了预测疟疾发病率和死亡率中的十个最重要的变量。关键特征包括使用至少基本的卫生服务（1.003），至少获得基本饮用水服务的人口百分比（0.426）和人口增长（0.339）的人口百分比（1.003）。获得电力（0.318），农业用地的百分比（0.132）以及每10,000人口的医生数量（0.159）也是重要的贡献者。进一步的基本特征是总人口（0.102），医院床密度（0.141），空气污染（0.065）和5岁以下的死亡率（0.051）。这些因素共同为模型的预测能力做出了重大贡献，强调了健康结果，环境变量，人口统计和社会经济因素以及卫生系统基础设施有关疟疾发生率和死亡率的复杂相互作用（图） 4和桌子S11）。图4

（b）特征类的排名，（c）疟疾上十大特征的随意关系，（d）特征重要性（使用CAI）；Y1：医生（每10,000）；Y2：使用至少基本饮用水服务（％）的人口；Y6：GDP增长（年％）；Y7：医院床密度（每10,000人口）；Y9：药物人员的密度（每10,000人口）；Y12：每1000个活产5岁以下的死亡率低于5；Y14：获得电力；Y15：土地面积（平方公里）；Y18：森林地区（土地面积的百分比）；Y19：空气污染；

对模型的预测能力最大的类别是健康结果和环境因素（57.15％），其次是人口统计学和社会经济因素（20.99％）以及卫生系统和基础设施（19.52％）（图19.52％）（图。 4和桌子S12）。结构方程建模（SEM）结果进一步强调了这些变量的重要性。最值得注意的因素包括获取电力（1.145），表明较高的电力获取的区域往往发病率较低。人口增长（0.892）表现出正相关关系，这表明人口增长较高与疟疾发病率增加有关。5岁以下的死亡率（0.906）也是一个重要的预测指标，其死亡率较高与疟疾发病率更高有关。其他因素，例如每10,000人的医生数量（0.199），医院床密度（0.592）和空气污染（0.678），也起着至关重要的作用。这些发现突出了影响疟疾发病率和死亡率的健康，环境，人口统计学和基础设施因素之间的复杂相互作用（图 4和桌子S13，，，，S14）。疟疾发病率和死亡率的预测准确性和未来趋势

该模型对2022的预测准确性异常高，R平方值（0.969）和曲线下的面积（AUC）（0.834）（表）（表

S15）。这些指标证实了模型在捕获可变性及其疟疾发病率和死亡率的歧视能力方面的鲁棒性（图 5，，，，S3和桌子S15）。

（a）实际和（b）预测的疟疾发病率（每1000人口）2022，（c）未来对疟疾发病率的预测（每1000个人口）和（d）疟疾死亡率（每10万人口）（2023年2040年）；左Y轴显示平均死亡率；右Y轴显示受影响的国家（黑色曲线）。

从2023年到2040年的预测表明，疟疾发病率（每1000人）和死亡率（每100,000人口）的上升趋势。预计平均发生率（每1000人口）将从2023年的81.83增加到2040年的160.22，影响了越来越多的国家。同样，预计平均死亡率（每100,000人口）将从2023年的19.14增加到2040年的56.12。这一升级强调了迫切需要加强疟疾控制工作的工作（图。 5）。预计2024年的平均疟疾发病率最高（每1000人）2024年是布隆迪（828.52）和所罗门群岛（804.86），而利比里亚（252.55）和SAO Tome和Principe和Principe（238.62）预计将经历最高的死亡率（每100,000个时期）（每100,000个人口）（每100,000个人口）。S16，，，，S17）。这些发现为决策者和卫生当局提供了重要的见解，以有效地分配资源并实施目标干预措施，以减轻疟疾在受影响最大的地区的影响（图。 5和桌子S16，，，，S17）。讨论

疟疾病例和死亡的增加突显了连续监测和适应技术对有效管理这些波动的重要性²⁹。高负荷国家，尤其是尼日利亚，刚果民主共和国和印度，面临着相当大的障碍，包括高人口密度，获得医疗保健的机会有限和社会经济不平等³⁰。解决这些问题需要采用多方面的方法，其中包括加强医疗保健基础设施，增强医疗服务的机会以及改善公共卫生教育，以促进对疟疾控制计划的更有效响应²⁵。

疟疾发病率和死亡率的空间模式显示在特定区域中明显的聚类，这表明需要加强控制工作的领域³¹。在这些热点（例如布隆迪，贝宁和布基纳法索）中有针对性的干预措施可显着降低疟疾的发病率和死亡率³²。策略应包括分发经杀虫剂处理的床网，实施室内残留喷涂，并增强获得诊断和治疗服务的机会³³。此外，社区参与和教育计划对于促进预防措施并鼓励寻求治疗的行为是必要的³⁴。这些特定地区的策略可以有效地减轻疟疾负担。从getis-ord gi*和阳性摩兰i值中的空间聚类表明非随机分布，强调了地理和上下文因素在维持传播中的作用。但是，为了加强这些空间工具的效用，将来的分析应更直接地解释Moran s I，将空间自相关指标与高负荷集群中的特定生态和基础结构驱动因素联系起来。

相关调查突出了疟疾发病率，死亡率和其他促成因素之间的复杂关系。疟疾发病率和死亡率具有很大的正相关，表明随着疟疾病例的增长，死亡率也会增加³⁵。这突出了对加强治疗和管理措施的关键需求，以防止与疟疾相关的死亡率³³。相反，疟疾发病率与耕地之间的负相关表明，农业方法和土地管理可能有助于降低疟疾的传播率³⁶。改善获得基本饮用水服务并最大程度地减少空气污染可以帮助降低疟疾的发病率³⁷。类似的研究表明，获得卫生，土地使用和环境质量的机会直接影响蚊子栖息地和传播潜力³⁸。基础设施改善和降低污染水平的区域始终报告疟疾患病率较低，从而加强了观察到的关联。³⁹。

模型评估结果表明，诸如XGBoost之类的高级机器学习模型可以有效预测疟疾的发病率和死亡率。整合XAI和CAI技术可以增强这些模型的解释性，从而对推动疟疾趋势的因素提供了宝贵的见解。决策者和卫生当局可以利用这些见解来设计有针对性的干预措施并更有效地分配资源，以确保努力专注于最有影响力的领域，并解决疟疾传播和死亡率的根本原因^{37，，，，40，，，，41}。

特征重要性分析确定了影响疟疾发病率和死亡率的关键因素，例如获得基本卫生和饮用水服务，人口增长和获得电力。电力通行与疟疾患病率之间的联系可能是间接的，这反映了更广泛的基础设施发展。可以更好地获取电力的区域可能会受益于改善的住房条件，更多的风扇或空调，从而限制蚊子的暴露以及增强的健康信息传播，所有这些都会导致疟疾负担减轻⁴²。其他研究指出，随着改善的生活水平和加强卫生系统的交付，此类发展指标与疾病脆弱性的减少相对应⁴³。这些因素强调了对疟疾的环境，人口和社会经济决定因素的全面公共卫生策略的需求³⁵。改善医疗保健基础设施，增加获得医疗服务以及增强公共卫生教育是这些策略的重要组成部分⁴⁴。通过关注这些关键领域，卫生当局可以为疟疾控制创建更全面的方法，以解决有助于疾病的蔓延和严重性的基本因素⁴⁵。

尽管有普遍的下降趋势，但2020年疟疾死亡的峰值与由19日大流行造成的全球干扰相吻合，突出了公共卫生危机期间疟疾控制努力的脆弱性⁴⁶。该模型的预测准确性极高，表明其捕获疟疾趋势的稳健性。但是，从2023年到2040年的预测显示出有关疟疾发病率和死亡率的上升趋势。这一升级强调了迫切需要加强疟疾控制工作的需求。预计将经历最高疟疾发病率和死亡率的国家需要立即注意以防止进一步增加³⁸。实施有效的媒介控制措施，改善医疗保健基础设施以及增强公共卫生教育是减轻疟疾影响的关键步骤⁴⁷。这些发现进一步增强了AI驱动方法和空间分析在指导地理敏感，数据知识的公共卫生策略中的价值。加强交叉协作并将本地知识嵌入实施框架中对于将预测性见解转化为可持续行动至关重要。这与全球更广泛的努力相吻合，将技术和创新整合到疾病监视和健康公平计划中⁴⁸。总体而言，这项研究提出了一个强大而可解释的框架，该框架利用了预测模型，结合了流行病学见解和空间模式，为决策者和从业人员提供了有价值的指导，以减少长期疟疾。

所有必要的数据和源代码都可以在https://github.com/siddikur2022/malaria。参考

Md. Siddikur Rahman & Md. Abu Bokkor Shiddik作者

1. Md. Siddikur Rahman

   Md. Abu Bokkor Shiddik

Corresponding author

对应

Md. Siddikur Rahman。

道德声明

竞争利益作者没有宣称没有竞争利益。附加信息

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Electronic supplementary material

Rights and permissions

开放访问

If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.To view a copy of this licence, visithttp://creativecommons.org/licenses/by-nc-nd/4.0/。重印和权限

关于这篇文章