荷兰城市COVID-19感染预测:算法开发和解释

简介

2019年12月，中国武汉市首次发现COVID-19。世界卫生组织[12020年1月30日宣布疫情为国际关注的突发公共卫生事件，3月11日宣布疫情大流行。病毒迅速传播至今仍在我们中间感染后，会出现发烧、(干咳)、鼻塞和疲劳等症状。COVID-19可产生许多不良后果，如降低儿童、青少年的生活质量[2]，以及老年人，尤其是当他们不得不生活在隔离区内时[3.］．在某些情况下，该病毒会引起严重的并发症，如肺炎和呼吸困难，并可能导致死亡。在对意大利重症监护室收治的COVID-19重症患者的回顾性研究中，死亡率和绝对死亡率都很高[4］．

2020年2月底，荷兰确诊了首例COVID-19病例。2020年6月，已确定4.6万例病例。2021年5月9日，确诊感染1,406,517例[5］．然而，荷兰各城市确诊感染病例的分布并不均匀。各城市之间在确诊感染人数方面存在差异(见图1)．这一发现提出了一个问题:为什么一些城市受到COVID-19的严重打击?在美国进行的一项横断面研究表明，人口密度较高、社会经济地位较低、平均年龄较低的州与COVID-19发病率较高有关[6］．

‎ 查看此图

一些研究确定了空气污染的程度，特别是直径<10 μm的颗粒物(PM10)和二氧化氮(NO₂)，是导致确诊感染人数高的重要因素[7］．目前，老年人面临着最大的威胁和挑战，不仅在荷兰，在许多国家也是如此。尽管所有年龄组都有感染COVID-19的风险，但由于衰老和潜在的潜在健康状况带来的生理变化，老年人更容易患上严重疾病[1］．

荷兰的一项研究假设，宗教集会和确诊的感染人数有关。8］．这项研究表明，在荷兰圣经地带，教堂出席率与确诊感染人数密切相关。然而，在荷兰南部，一个传统的天主教地区，名义上的教会成员比去教堂更重要。基于这些发现，该研究得出结论，宗教集会可能以直接和间接的方式促进了病毒的传播。

巴西的一项研究发现了城市和农村地区的差异，表明城市地区感染COVID-19的人更多[9］．然而，在5009名美国成年人的样本中，农村居民参与与covid -19相关的预防行为的可能性较小，包括在家工作和在公共场所戴口罩[10］．因此，预计农村地区会有更多感染病例。

美国的一项研究发现，政党归属是与COVID-19传播相关的一个因素[11］．在这项针对主要居住在洛杉矶县或加州其他地方的年轻人的研究中，自我报告的共和党政党关系与较少的身体距离和参与可能使COVID-19大流行持续下去的社会娱乐活动有关。

我们的目标是利用荷兰355个城市的属性，预测一个城市每万名居民中确诊的COVID-19感染的累积数量。在荷兰，国家公共卫生和环境研究所[5]及中央统计局[12]分别是每日COVID-19数字和市政信息的重要数据来源。通过这些数据，我们可以深入了解市政属性与每万名居民累计确诊感染人数之间的关系。这一见解可以为政策制定者提供应对COVID-19的工具，在未来发生大流行时也可能具有价值，使市政当局做好更好的准备。甚至可以想象，城市或地区可能需要采取不同的保护措施。

方法

数据收集

我们的目标是利用荷兰355个城市的属性，预测一个城市每万名居民中确诊的COVID-19感染的累积数量。因此，我们检索了国家公共卫生与环境研究所和中央统计局的数据，并将这些数据合并到一个数据库中，该数据库包含335个城市和与城市主题相关的变量，如中所列文本框1，并辅以某市每万名居民的累计确诊感染人数。主题中的所有变量都用数字或分数表示。

结果变量和建模

本研究的结果变量是2020年1月1日至2021年5月9日期间，一个城市每万名居民中确诊感染的累积数量。我们使用了一种基于随机森林(RF)的技术进行后向变量选择(VARSELRF) [13为预测结果选择重要的变量。接下来，我们使用RF计算所选变量的重要性[14］．然后使用所选变量构建多重分数多项式(MFP)模型来预测结果。MFP建模技术提供了建立具有相关解释变量函数的模型的机会，并且比线性回归更灵活[15］．

建模技术的描述

射频建模技术

RF是一种集成分类器，由许多决策树组成。在分类的情况下，RF输出的类是各个树中类的模式。在回归的情况下，RF输出的值是从单个树输出的值的平均值。每棵树都是使用原始数据中的自举样本构造的。树是通过基于分割规则的优化递归地划分自举样本来生长的。在回归问题中，分割规则基于最小化均方误差，而在分类问题中，通常使用基尼指数。在每次分割时，测试一个候选变量子集以优化分割规则，类似于递归分区建模[16］．为了进行预测，一个新的样本会沿着树向下推。这个过程在集合中的所有树上迭代。关键参数是树的数量和候选变量的数量[14］．

VARSELRF建模技术

VARSELRF是一种基于RF的变量选择技术，它向后逐步消除不重要的变量[13，17］．这种变量选择技术返回非常小的预测变量集，不会返回高度相关的变量集，因为它们是多余的。

MFP建模技术

MFP建模技术是针对使用分数多项式对连续预测变量对回归模型中结果的影响进行建模的函数集合，由Royston和Altman介绍[18]并由Sauerbrei等人修改[15，19］．它将逆向消除与系统搜索转换相结合，以表示每个连续预测变量对结果的影响。

性能的措施

我们使用R²统计量、均方误差(RMSE)的根和归一化RMSE (NRMSE)作为预测模型性能的度量。的R²测量预测变量如何解释结果变量的变化。RMSE测量来自预测模型的预测值与结果变量值之间的典型距离。NRMSE是预测模型的RMSE与不含预测变量的模型的RMSE (RMSE)的比值₀)．

在公式中，y表示实际值，yˆ表示对来自预测模型的实际值的预测，y¯表示实际值的平均值，n表示案例数。一个R²值趋向于1表示性能良好，而值趋向于R²值趋于0表示性能较差。NRMSE值趋于0表示性能良好[20.］．

数据分析

对于所有分析，我们使用R统计软件(3.4.4版本;R统计计算基础)[21］．

道德的考虑

对于这项研究，不需要伦理批准，因为数据的粒度是在市政级别。

结果

表1显示每10,000名居民中确诊感染、住院和死亡累计人数的百分比。我们的结果变量——每10,000名居民累计确诊感染人数的中位数(50%百分位数)为884。在335个市镇中，25% (n=84)每万名或以上居民累计确诊感染病例为1022例。

表2显示每10,000名居民中确诊感染、住院和死亡累计人数最多的10个城市。值得注意的是，确诊感染人数最多的10个城市与入院和死亡人数最多的10个城市并不重叠。还值得注意的是，确诊感染人数最多的前3个市被称为基督教市，入院人数最多的前3个市位于荷兰南部。

表3为VARSELRF建模技术选取的变量，以及采用RF建模技术按重要性得分排序。采用射频建模技术计算重要性评分;分数越高，说明这个变量越重要。与其他变量相比，“暴露于PM10”和“工党PvdA”的重要性得分最高表3．

表4示所选变量的MFP模型的系数。的R²由式(1)计算，模型的NRMSE为0.63，由式(4)计算，模型的NRMSE为0.61。

例如，假设一个城市有20%的人投票给自由党。利用这个预测变量和系数的变换表4时，该预测变量对每万名居民累计确诊感染数预测的贡献计算如下:

同样，其他预测变量的贡献也可以通过预测变量及其系数的变换来计算表4．表5显示特征、示例值和预测变量的贡献。通过对贡献的总和表5的截距表4时，每万居民累计确诊感染病例为837例。

讨论

概述

2019冠状病毒病大流行威胁到全世界人民的生命安全。它导致了医疗保健问题(身体、心理和社会)。世界卫生组织指出，自我隔离和隔离等措施可能会导致孤独、抑郁、焦虑和自残或自杀行为的增加[22］．此外，COVID-19给卫生保健系统带来了很大压力，并导致所有相关国家的经济放缓[23］．在这项研究中，我们旨在研究荷兰355个城市的特性，以预测每个城市每万名居民中确诊的COVID-19感染的累积数量。

从荷兰公共领域可用的数据源中收集了每个城市的相关静态数据，并将这些数据与2020年1月1日至2021年5月9日期间的每日动态感染数合并[5，12］．我们使用了VARSELRF [13]技术(基于射频)选择重要变量，然后采用MFP建模，建立一个城市每万居民累计确诊感染数的预测模型。

主要研究结果

我们的预测模型解释了63%的因变量方差(每10,000名居民中确诊的COVID-19感染累计数量)。这一发现意味着，我们的预测模型可用于预测荷兰某个城市每10,000名居民的累计确诊感染人数。在我们的研究中，我们使用了20个城市主题来开发一个预测模型。最重要的预测因素是接触PM10、是工党选民以及家庭中孩子的数量。

与之前工作的比较

一项系统综述确定了7种识别普通人群中COVID-19风险人群的模型。在这些模型中，最常见的预测因素是年龄、共病、生命体征和图像特征[24］．

在我们的研究中，在所有预测因素中，暴露于PM10的重要性得分最高。其他研究也观察到PM10与COVID-19感染的显著相关性[25，26］．与前一年相比，保持社交距离导致PM10和NO的平均值分别下降了35.56%和20.41%₂，分别[27］．然而，一项系统综述显示，暴露于直径<2.5 μm的颗粒物和NO₂在引发COVID-19传播和致死率方面比PM10做出了更重要的贡献[28］．所有研究结果都表明，减少空气污染是当前的公共卫生问题，也是covid -19后更可持续的世界的问题[27］．

我们的研究表明，是否为工党(Partij van de Arbeid)选民可被视为每万名居民COVID-19累计感染人数的重要预测因素。一种解释可能是，左翼政党的选民比右翼政党的选民更遵守政府规定(例如，保持社交距离)(右翼政党的选民更不信任政府的行为)[29］．工党的选民也普遍年龄较大[30.］．工党在荷兰北部地区的支持率更高。我们建议进一步研究这些政党选民的特征，包括生活方式特征，以更好地了解与每万名居民COVID-19累计感染人数的关系。

在这项研究中，家庭儿童数量是每万名居民COVID-19累计感染人数的一个重要预测因素。这一发现可能是由于学校出勤率[31］．然而，一项针对30万成年人的研究表明，随着家庭中儿童数量的增加，需要住院治疗的COVID-19风险降低了[32］．此外，未发现接触儿童与COVID-19之间存在关联[32］．这一发现得到了一项系统审查的证实，该审查的结论是，儿童不太可能是这次大流行的主要驱动因素[33］．此外，在这项研究中，确诊感染人数最多的10个城市与入院和死亡人数最多的10个城市并没有像我们预期的那样重叠。这一发现表明，每万名居民的COVID-19累计感染人数与这两种不良结果之间没有关联，这与其他研究相反[4，34，35］．在住院和死亡人数最多的10个城市中，有3个城市同时出现在两个名单上。这一结果是意料之中的，因为只有COVID-19病情严重的人才会住院，而这些人的死亡风险会增加[36］．COVID-19疫苗可以被认为是减少这种病毒传播的最有希望的手段。因此，让许多人接种疫苗至关重要。一项包括22项研究的范围综述显示，性别、年龄、教育程度和职业与疫苗接受度相关[37］．此外，对当局的信任、疫苗有效性、疫苗安全性、目前或以前是否接种过流感疫苗以及对COVID-19感染的感知风险也与COVID-19的接受程度有关[37］．重要的是，所有国家都要消除接受疫苗的障碍，以便实现最大限度的疫苗覆盖率。这一步骤需要从政策制定者到卫生保健专业人员和科学家等所有利益攸关方的承诺。

限制

我们的研究还存在一些局限性。我们的预测模型仅基于荷兰的城市数据，因此模型的外部有效性有限。这种模式可能不适用于世界其他地方。这种限制肯定适用于欧洲以外的国家，这些国家具有不同的文化、医疗保健和政治制度，居民具有不同的社会人口和健康特征。不幸的是，其他COVID-19预测模型也存在类似的问题[24，38］．为了预防和抗击COVID-19，至关重要的是将这些预测模型应用于不同的数据集，并检查模型在不同国家的行为变化。第二个限制是指存在几种COVID-19变体[39］．Omicron变体出现于2021年，开发的预测模型可能不适用于该变体。第三个限制是，我们的数据集中没有受COVID-19影响的家庭是否有儿童保育或其他公共卫生因素等变量。后续研究将考虑到这一限制。

结论

总之，收集与一个城市累计确诊感染人数相关的城市主题数据，可以深入了解预测荷兰一个城市每万名居民累计确诊感染人数的最重要主题。在预测模型中，最重要的话题是接触PM10、是工党选民以及家庭中孩子的数量。这些发现有助于增加我们对COVID-19的认识，并为政策制定者提供应对COVID-19的工具。这项研究也可能在今后发生大流行病时具有实质性价值，以便各市政当局更好地做好准备。甚至可以想象，城市或地区可能需要采取不同的保护措施。