利用深度学习预测菲律宾 HIV/AIDS 时间序列：COVID-19 疫情是否重要？
神经与进化计算
2024-01-12 v1 机器学习
摘要
2010 至 2021 年间，菲律宾 HIV 发病率增长 676%，成为西太平洋地区传播最快的 HIV/AIDS 疫情。尽管 COVID-19 对 HIV 服务与发展的全面影响尚不明确，但预计此类干扰可能导致 HIV 死亡人数显著增加。因此，该国需要建模与预测技术来预见传播模式，并加强政府的预防、治疗、检测与关怀项目。本研究使用多层感知器神经网络，基于菲律宾 HIV/AIDS 及抗逆转录病毒治疗（ART）登记处的统计数据，对 COVID-19 疫情冲击该国期间的时间序列进行预测。经过数据训练、验证与测试，研究发现，到 2030 年该国预测累计病例数将达到 145,273 例。此外，观测值与预测的 HIV 疫情水平之间差异极小，表现为较低的 RMSE、MAE 和 MAPE 值以及较高的决定系数。进一步研究表明，由于该国 HIV 新发感染率上升，菲律宾似乎远未实现《2030 年项目》中的可持续发展目标 3。尽管 COVID-19 传播对全国 HIV/AIDS 防治工作产生了不利影响，但马科斯政府领导下的菲律宾必须继续遵循联合国 90-90-90 目标，加强其 ART 项目，并确保所有关键卫生服务易于获取和可用。
引用
@article{arxiv.2401.05933,
title = {Time Series Forecasting of HIV/AIDS in the Philippines Using Deep Learning: Does COVID-19 Epidemic Matter?},
author = {Sales G. Aribe and Bobby D. Gerardo and Ruji P. Medina},
journal= {arXiv preprint arXiv:2401.05933},
year = {2024}
}
备注
14 pages, 9 figures, Published with International Journal of Emerging Technology and Advanced Engineering (IJETAE)