识别加拿大未接种疫苗个体：一种预测模型
应用统计
2016-08-01 v1 定量方法
摘要
近期，媒体和公共卫生官员日益意识到反疫苗情绪的上升。疫苗接种不仅对免疫个体有益，还能通过群体免疫造福公众。鉴于因人们选择退出常规疫苗接种而导致可预防免疫疾病增加，我们确定加拿大健康数据可以识别选择不接种疫苗的 60 岁以上个体（80.1% 的负预测值）以及最近已接种疫苗的 60 岁以下个体（96.4% 的正预测值）。利用 2009-2014 年加拿大社区健康调查 (CCHS)，一个 probit 模型识别出与流感疫苗接种结果最常相关的变量。在 1,381 个变量中，选出了 47 个具有最显著边际效应的变量，包括疾病的存在（如糖尿病和癌症）、行为特征（如吸烟和锻炼）、医疗系统的接触情况（如个人是否定期体检）以及个人的居住状况（如家中有幼儿）。随后，利用这些变量生成随机森林分类模型，在 2009-2013 年数据集上训练，并在 2014 年数据集上测试。两个最终模型的整体准确率达到 87.8%，每个模型使用 25 棵分类树，深度限制为 20 个节点，并从所有 47 个变量中随机选择。利用这两项拟议政策，该模型可用于高效分配疫苗接种推广工作。此外，它可应用于未来的调查，仅需 CCHS 中 3.6% 的变量即可成功预测。
引用
@article{arxiv.1607.08656,
title = {Identifying Unvaccinated Individuals in Canada: A Predictive Model},
author = {Kevin Dick and Ardyn Nordstrom},
journal= {arXiv preprint arXiv:1607.08656},
year = {2016}
}
备注
8 pages, engineering and economics collaborative work, proposed public health policy