Leveraging Herpangina Data to Enhance Hospital-level Prediction of Hand-Foot-and-Mouth Disease Admissions Using UPTST

要約

手足口病（HFMD）の発生は、重大な罹患率と、重篤な場合には死亡率に関連しています。
したがって、病院が潜在的な流行に備え、院内感染を軽減するためには、小児HFMD患者の毎日の入院を正確に予測することが重要です。
この差し迫ったニーズに対処するために、我々は、HFMDと密接に関連する疾患であるヘルパンギーナからの洞察を活用するパッチ戦略と共同予測戦略を利用した、Uネット形状の新しい変圧器ベースのモデルを提案します。
このモデルは、補助損失として再構成損失を導入することにより、表現学習も統合します。
結果は、当社の U-net Patching Time Series Transformer (UPTST) モデルが、病院レベルでの HFMD のロングアームとショートアームの両方の予測精度において既存のアプローチよりも優れていることを示しています。
さらに、探索的拡張実験では、モデルの機能が感染症の予測を超えて拡張されることが示され、さまざまな領域でのより幅広い適用可能性が示唆されています。

要約(オリジナル)

Outbreaks of hand-foot-and-mouth disease(HFMD) have been associated with significant morbidity and, in severe cases, mortality. Accurate forecasting of daily admissions of pediatric HFMD patients is therefore crucial for aiding the hospital in preparing for potential outbreaks and mitigating nosocomial transmissions. To address this pressing need, we propose a novel transformer-based model with a U-net shape, utilizing the patching strategy and the joint prediction strategy that capitalizes on insights from herpangina, a disease closely correlated with HFMD. This model also integrates representation learning by introducing reconstruction loss as an auxiliary loss. The results show that our U-net Patching Time Series Transformer (UPTST) model outperforms existing approaches in both long- and short-arm prediction accuracy of HFMD at hospital-level. Furthermore, the exploratory extension experiments show that the model’s capabilities extend beyond prediction of infectious disease, suggesting broader applicability in various domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google