A novel machine learning model for predicting the incidence of out-of-hospital cardiac arrest using weather data

一种利用天气数据预测院外心脏骤停发生率的新型机器学习模型

• 批准号: 20K17914
• 负责人: 中島 啓裕
• 金额: $ 2.58万
• 依托单位: National Cardiovascular Center Research Institute
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K17914/
• 关键词: 機械学習; 院外心停止; 気象データ; 予測モデル; 人工知能; 機械学習; 院外心停止; 気象データ; 予測モデル; 人工知能

2020年度は、日本の院外心停止レジストリデータと気象情報の入手に着手し、機械学習を用いてそれらの突合データを解析し、院外心停止と気象条件の関係性を調べ、日内平均気温、日内気温差および前日との気温差が院外心1日の停止数と関連があることを解明した。過去の研究では、低い日内平均気温のみが心停止のリスクと関連性があることが報告されていたが、日内平均気温と院外心停止発症件数の関係性はU字曲線であることが新たに示された。これらの解析を元に機械学習による院外心停止予測モデルを作成し、暦データも考慮することで都道府県単位で90％の高精度で院外心停止数を予測することに成功した。本モデルは今後、心停止高リスク日の情報提供システムを用いた市民への啓発や近年の気象変化の心停止数に対する影響の予測に役立つ可能性が期待される。これらの成果は査読付き英文誌より公表された(Takahiro Nakashima et al. Heart 2021;107:1084-1091.)。2021-2022年度は、米国の院外心停止データと気象情報を用いて本予測モデルの妥当性の検討を行った。米国の院外心停止データは、日本の院外心停止データと比較して粒度がより細かくcounty単位で解析できるという利点がある。米国版では地理的条件もモデルに加えることで、日本版予測モデルと同等の予測精度を実現できた。現在、本結果を論文にまとめ査読付き英文誌に投稿中である。

在2020年，我们开始在日本获得院外心脏骤停注册表的数据和天气信息，并使用机器学习分析了相同的数据，以分析院外心脏骤停和天气状况之间的关系，并阐明了前一天的平均每日温度，每天的温度，每天的温度温度差异，与前一天的心脏骤停数量有关。先前的研究报告说，只有较低的平均每日温度与心脏骤停的风险有关，但新近表明，平均每日温度与院外心脏骤停案例之间的关系是U形曲线。基于这些分析，我们创建了一个模型，用于使用机器学习预测院外心脏骤停，并考虑到日历数据，我们能够在逐室的基础上预测院外心脏骤停的数量，高精度为90％。希望这种模型在未来的未来使用信息提供系统在高风险的心脏骤停日上提高对公民的认识，并预测最近天气变化对心脏骤停次数的影响。这些结果已发表在经过同行评审的英语期刊上（Takahiro Nakashima etal。Heart2021; 107：1084-1091。）。在2021 - 2022财年，我们使用院外心脏骤停数据和美国的天气信息研究了该预测模型的有效性。我们院外心脏骤停数据的优势在于，与日本院外心脏骤停数据相比，它们可以以更详细的县为基础进行分析。在美国版本中，将地理条件添加到该模型中，从而实现了与预测模型的日语版本相当的预测准确性。结果目前正在汇编为论文中，目前正在提交给同行评审的英语期刊。