TY - JOUR AU - Cheong, Queena AU - AU -yeung, Martin AU - Quon, Stephanie AU - Concepcion, Katsy AU - Kong, Jude Dzevela PY - 2021 DA - 201/11/25 TI -美国县接种疫苗的预测模型:基于机器学习方法乔- J地中海互联网Res SP - e33231六世- 23 - 11千瓦COVID-19 KW -疫苗KW -公共卫生千瓦机器学习KW - XGBoost KW - SARS-CoV-2 KW -社会人口因素KW -美国KW -社会人口KW -预测KW -模型KW -吸收AB -背景:虽然COVID-19全球大流行了前所未有的影响,美国等国报道最重要的全球COVID-19病例的发生率。在美国内部，各种社会人口因素在区域差异的产生中发挥了作用。地区差异导致了疾病在美国县之间的不平等传播，突出了有效和准确的预测建模策略的必要性，以告知公共卫生官员并减轻卫生保健系统的负担。此外，尽管COVID-19疫苗在美国广泛普及，但疫苗接种率一直停滞不前，因此需要预测建模来确定影响疫苗接种的重要因素。目的:本研究旨在确定美国各县社会人口因素与疫苗接种之间的关系。方法:关于完全接种疫苗和未接种疫苗的个体的社会人口学数据来自几个在线数据库，如美国疾病控制和预防中心和美国人口普查局COVID-19网站。使用XGBoost和社会人口数据进行机器学习分析。结果:我们的模型预测了美国各县的COVID-19疫苗接种率，准确率为62%。此外，它还确定了地点、教育、种族、收入和家庭互联网接入是预测美国县接种疫苗最重要的社会人口特征。 Lastly, the model produced a choropleth demonstrating areas of low and high vaccination rates, which can be used by health care authorities in future pandemics to visualize and prioritize areas of low vaccination and design targeted vaccination campaigns. Conclusions: Our study reveals that sociodemographic characteristics are predictors of vaccine uptake rates across counties in the United States and, if leveraged appropriately, can assist policy makers and public health officials to understand vaccine uptake rates and craft policies to improve them. SN - 1438-8871 UR - //www.mybigtv.com/2021/11/e33231 UR - https://doi.org/10.2196/33231 UR - http://www.ncbi.nlm.nih.gov/pubmed/34751650 DO - 10.2196/33231 ID - info:doi/10.2196/33231 ER -