論文の概要: Hybrid Probabilistic Forecasting of Under-Five Malaria Admissions in Ghana: A Gaussian Process Regression with Holt-Winters Smoothing

• arxiv url: http://arxiv.org/abs/2606.00834v1
• Date: Sat, 30 May 2026 18:18:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.874959
• Title: Hybrid Probabilistic Forecasting of Under-Five Malaria Admissions in Ghana: A Gaussian Process Regression with Holt-Winters Smoothing
• Title（参考訳）: ガーナにおける5歳以下のマラリア感染のハイブリッド確率予測:ホルトウィンターの平滑化によるガウス過程の回帰
• Abstract要約: 本研究では,GPRとHolt-Winters指数的スムース化を統合したハイブリッドフレームワークを提案する。 10年間の地域レベルのデータを用いて, 転がりオリジン伸展ウインドウの検証による性能評価を行った。 2024-2028年計画の予測は、平均して8000から12,200件である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate malaria forecasting remains a major challenge in sub-Saharan Africa, where strong seasonality, reporting uncertainty, and non-stationary transmission dynamics reduce the reliability of conventional models. In Ghana, district-level malaria surveillance requires forecasting frameworks that are probabilistically rigorous and robust under limited data. This study proposes a hybrid framework integrating Gaussian Process Regression (GPR) with Holt-Winters exponential smoothing for modelling monthly under-five malaria admissions. GPR captures non-linear behaviour and predictive uncertainty, while Holt-Winters stabilises long-horizon forecasts and preserves seasonal structure. Using ten years of district-level data (2014-2023), performance was evaluated via rolling-origin expanding-window validation. The hybrid model achieved $R^2 = 0.9906$ versus $0.8213$ for Holt-Winters alone, with $94.2\%$ of residuals within $\pm 2σ$ bounds. Forecasts for 2024-2028 project average monthly admissions from approximately 8{,}000 to 12{,}200 cases. Spatio-temporal analysis revealed pronounced ecological heterogeneity: northern high-burden districts exhibited stable relative patterns despite large absolute fluctuations. The framework provides a scalable probabilistic approach for malaria early warning and operational planning in endemic settings, supporting Ghana's national malaria control strategy.
• Abstract（参考訳）: サハラ以南のアフリカでは、強い季節性、報告の不確実性、非定常的な伝達ダイナミクスが従来のモデルの信頼性を低下させるという、正確なマラリア予測が依然として大きな課題となっている。 ガーナでは、地域レベルのマラリア監視は、限られたデータの下で確率的に厳格で堅牢な予測フレームワークを必要とする。 本研究では,GPRとHolt-Winters指数的スムース化を統合したハイブリッドフレームワークを提案する。 GPRは非線形な振る舞いと予測の不確実性を捉え、Holt-Wintersは長期的な予測を安定化し、季節構造を保存する。 10年間にわたる地域レベルのデータ(2014-2023)を用いて, 転がりオリジン拡大ウインドウの検証による性能評価を行った。 R^2 = 0.9906$ 対 $0.8213$ はホルトウィンターズ単独で達成され、$\pm 2σ$ の範囲内の残余は 9.2\% であった。 2024-2028 プロジェクトの予測は月平均 8{,000 から 12{,}200 のケースである。 北高バーデン地区では, 絶対変動が大きいにもかかわらず, 安定した相対パターンが見られた。 このフレームワークは、マラリアの早期警戒と運用計画にスケーラブルな確率的アプローチを提供し、ガーナの全国的なマラリア対策戦略を支持している。

関連論文リスト

• Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
  Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。 衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
  論文  参考訳（メタデータ） (2026-07-08T18:14:24Z)
• Bayesian Inference of Nonlinear Malaria Dynamics in Ghana via an Ensemble Markov Chain Monte Carlo Sampler [0.0]
  本研究では,アフィン・イン・アンサンブル・チェイン・モンテカルロサンプリング器を用いて推定した減衰振動核と立方体基底線を統合する非線形推論フレームワークを開発した。 5歳未満の子供と5歳以上の個人に対する確率予測を生成する。 2024-2026年の予測:5歳未満の小児137,000人から149,000人、高齢者348,000人から375,000人。
  論文  参考訳（メタデータ） (2026-05-30T16:02:56Z)
• Spatio-temporal stochastic graph-based learning for infectious disease forecasting [0.0]
  本稿では,定式化と不確実性処理を統合して新たな事例を予測するグラフベースのアーキテクチャを提案する。 提案手法は,大規模かつ小規模な地理ネットワークを単一モデルアーキテクチャ内にエンコードすることで実現可能である。
  論文  参考訳（メタデータ） (2026-05-28T23:43:39Z)
• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• Hybrid Predictive Modeling of Malaria Incidence in the Amhara Region, Ethiopia: Integrating Multi-Output Regression and Time-Series Forecasting [3.1906452780505266]
  エチオピアではマラリアが主要な公衆衛生上の問題となっている。 マラリアの発生を正確に予測することは、効果的な資源配分とタイムリーな介入に不可欠である。 本研究では,時系列予測,複数出力回帰,従来の回帰に基づく予測を組み合わせた予測モデルを提案する。
  論文  参考訳（メタデータ） (2025-10-01T16:16:47Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• Surrogate Ensemble Forecasting for Dynamic Climate Impact Models [0.0]
  本研究は, マラリア感染係数R0を予測するリバプールマラリアモデル(LMM)について考察した。 入力および出力データは、ランダムフォレスト量子回帰(RFQR)モデルとベイズ長短期記憶(BLSTM)ニューラルネットワークの形式で代理モデルをトレーニングするために使用される。
  論文  参考訳（メタデータ） (2022-04-12T13:30:01Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• Backtesting the predictability of COVID-19 [0.0]
  我々は,2020年1月22日から6月22日までの253地域でのCOVID-19感染の歴史的データを用いている。 パンデミックの初期段階では予測誤差が著しく高く、データ不足によるものである。 いずれにせよ国が示すような確認ケースが多ければ多いほど、将来の確認ケースを予想するエラーは少なくなる。
  論文  参考訳（メタデータ） (2020-07-22T13:18:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。