基于今日数据预测未来阿片类药物事件发生
计算机视觉与模式识别
2019-06-24 v1 计算机与社会
人机交互
图像与视频处理
摘要
根据疾病控制中心（CDC）的数据，仅 2017 年阿片类药物流行就在美国夺去了超过 72,000 人的生命。尽管在地方、州和联邦层面做出了各种努力，该流行病的影响仍在逐渐恶化，2016 年至 2017 年间阿片类药物相关死亡人数增加了 12.5% 便是明证。预测分析可通过为从医疗专业人员到政策制定者再到急救人员等多层级利益相关者提供决策工具，在对抗该流行病中发挥重要作用。根据过去数据生成阿片类药物事件热力图，可帮助这些利益相关者直观了解阿片类药物流行的深远影响。这种事后生成的热力图仅提供回顾性信息，因此对于当前或未来时间框架内的预防行动可能用处不大。在本文中，我们提出了一种新颖的深度神经架构，它学习阿片类药物事件数据中细微的时空变化并准确预测未来热力图。我们在两个开源数据集上评估了模型的效能——（i）辛辛那提海洛因过量数据集，以及（ii）康涅狄格州药物相关死亡数据集。
引用
@article{arxiv.1906.08891,
title = {Predicting Future Opioid Incidences Today},
author = {Sandipan Choudhuri and Kaustav Basu and Kevin Thomas and Arunabha Sen},
journal= {arXiv preprint arXiv:1906.08891},
year = {2019}
}