Data-Driven Hybrid Model of SARIMA-CNNAR For Tuberculosis Incidence Time Series Analysis in Nepal

Diese Studie entwickelt und validiert ein hybrides SARIMA-CNNAR-Modell, das auf zehn Jahren Tuberkulose-Daten aus Nepal basiert und durch die Kombination linearer saisonaler Trends mit nichtlinearen Mustern eine höhere Prognosegenauigkeit als herkömmliche Modelle erreicht, um die Ressourcenplanung im öffentlichen Gesundheitswesen zu verbessern.

Das Wesentliche

🇳🇵 Das große Rätsel der Tuberkulose in Nepal: Ein digitaler Orakel-Plan

Stellen Sie sich vor, Sie sind der Chef eines riesigen Krankenhauses in Nepal. Ihre Aufgabe ist es, Medikamente, Ärzte und Testgeräte für Tuberkulose (TB) bereitzustellen. Das Problem: TB kommt nicht gleichmäßig das ganze Jahr über. Sie kommt in Wellen, wie eine Flut, die manchmal hoch und manchmal niedrig ist. Wenn Sie zu wenig Material haben, leiden Patienten. Wenn Sie zu viel haben, ist das Geld verschwendet.

Bisher haben die Planer versucht, diese Wellen vorherzusagen, indem sie einfach in die Vergangenheit geschaut haben. Aber das war wie das Wetter zu erraten, indem man nur auf den Himmel gestern schaut – oft falsch!

Diese Studie hat nun einen neuen, super-smarten Plan entwickelt, um genau zu wissen, wann die nächste "Flut" kommt.

---

🤖 Der neue Plan: Ein Team aus zwei Experten

Die Forscher haben nicht nur einen einzigen Computer-Experten genommen, sondern zwei, die zusammenarbeiten wie ein erfahrener Uhrmacher und ein kreativer Künstler.

1. Der Uhrmacher (SARIMA):
   Dieser Experte ist sehr gut darin, regelmäßige Muster zu erkennen. Er weiß: "Im Frühling und im Sommer gibt es immer mehr TB-Fälle, weil das Wetter so ist." Er zeichnet eine gerade, vorhersehbare Linie durch die Daten. Er ist solide, aber ein bisschen stur. Er kann keine Überraschungen verarbeiten.

2. Der Künstler (CNNAR):
   Dieser Experte ist ein genialer KI-Künstler. Er schaut sich die Lücken an, die der Uhrmacher hinterlassen hat. "Aha!", sagt er. "Der Uhrmacher hat vergessen, dass im Jahr 2020 die Pandemie kam und plötzlich alles anders lief. Oder dass die Zahlen 2024 viel höher waren als je zuvor." Der Künstler lernt aus diesen chaotischen, unregelmäßigen Mustern und fügt sie hinzu.

Das Ergebnis (Der Hybrid-Modell):
Wenn man diese beiden zusammensteckt, erhält man einen Super-Experten. Der Uhrmacher sorgt für das Grundgerüst (die Jahreszeiten), und der Künstler füllt die Lücken mit den komplexen Details (wie Pandemien oder plötzliche Ausbrüche).

---

📊 Was haben sie herausgefunden?

Die Forscher haben sich die letzten 10 Jahre (2015–2024) in Nepal angesehen. Hier ist, was sie sahen:

• Die Zahlen steigen: Die TB-Fälle sind in Nepal drastisch gestiegen. Von durchschnittlich 2.000 Fällen pro Monat im Jahr 2015 auf fast 3.500 im Jahr 2024. Das ist wie ein Berg, der immer steiler wird.
• Die Wellen: Es gibt immer wieder Hochs (besonders im März-Mai und Juli-August).
• Der Schock: Das Jahr 2020 war ein Riss in der Zeit. Durch die Corona-Pandemie sanken die Zahlen plötzlich, weil niemand zum Arzt ging. Aber danach kamen sie nicht nur zurück, sie explodierten förmlich.

🏆 Der große Wettkampf: Wer ist der Beste?

Die Forscher haben ihren neuen "Uhrmacher-Künstler"-Plan gegen andere bekannte Methoden getestet, wie:

• Den alten Standard (nur der Uhrmacher).
• Facebooks Prophet (ein beliebtes Wetter-Tool).
• LSTM (eine andere Art von KI).
• XGBoost (ein weiterer KI-Algorithmus).

Das Ergebnis:
Der neue Hybrid-Plan (Uhrmacher + Künstler) hat gewonnen! 🥇

• Er lag am nächsten an der Wahrheit.
• Die anderen Modelle waren oft zu stur (konnten die Pandemien nicht verstehen) oder zu chaotisch.
• Der neue Plan konnte die Schwankungen so gut vorhersagen, dass er die Fehlerquote auf unter 8% drückte. Das ist wie ein Wetterbericht, der fast immer richtig liegt.

🚀 Was bedeutet das für Nepal?

Stellen Sie sich vor, Sie haben einen Kristallkugel-Plan für das nächste Jahr (2025).

Dank dieses neuen Modells können die Gesundheitsbehörden in Nepal jetzt sagen:

• "Im Mai 2025 werden wir eine große Welle erwarten. Wir brauchen jetzt schon mehr Medikamente und mehr Labore."
• "Im September wird es ruhiger. Da können wir Personal schulen."

Es ist wie ein Frühwarnsystem. Anstatt zu warten, bis das Wasser im Haus steht, kann man jetzt schon die Sandsäcke (Medikamente und Ärzte) an die richtigen Stellen bringen.

💡 Zusammenfassung in einem Satz

Die Forscher haben einen digitalen Assistenten gebaut, der die alten, regelmäßigen Muster der Tuberkulose mit den neuen, chaotischen Überraschungen der letzten Jahre kombiniert, um Nepal dabei zu helfen, immer einen Schritt voraus zu sein und Leben zu retten.

Es ist ein Beweis dafür, dass wenn man die Kunst der Daten (KI) mit der Wissenschaft der Statistik verbindet, man die Zukunft viel besser sehen kann als je zuvor.

Technische Zusammenfassung

Technische Zusammenfassung: Datengetriebenes hybrides SARIMA-CNNAR-Modell zur Analyse der Tuberkulose-Inzidenz in Nepal

1. Problemstellung und Hintergrund

Tuberkulose (TB) stellt in Nepal eine erhebliche öffentliche Gesundheitsbedrohung dar, wobei die Inzidenzraten deutlich über den globalen Schätzungen liegen. Trotz bestehender Kontrollprogramme ist die Inzidenz in den letzten Jahren gestiegen. Ein zentrales Problem ist die mangelnde Genauigkeit bestehender Prognosemodelle, die oft entweder rein linear (z. B. SARIMA) oder rein nicht-linear (z. B. einfache neuronale Netze) sind.

• Herausforderungen: Die TB-Inzidenzdaten weisen komplexe Muster auf, darunter starke saisonale Schwankungen, langfristige Trends, nicht-lineare Dynamiken und strukturelle Brüche (insbesondere durch die COVID-19-Pandemie verursachte Unterbrechungen).
• Ziel: Entwicklung und Validierung eines hybriden Modells, das die Stärken linearer Zeitreihenanalyse mit der Fähigkeit tiefer neuronaler Netze zur Erkennung nicht-linearer Muster kombiniert, um die Vorhersagegenauigkeit für die TB-Inzidenz in Nepal zu maximieren.

2. Methodik

Datengrundlage:

• Quelle: Monatliche TB-Fallzahlen vom Nationalen Tuberkulose-Kontrollzentrum (NTCC), Nepal.
• Zeitraum: Januar 2015 bis Dezember 2024 (120 Monate).
• Aufteilung: 108 Monate (Jan 2015–Dez 2023) für das Training, 12 Monate (Jan 2024–Dez 2024) für den Test.
• Vorverarbeitung: Fehlen von Werten (2,4 %) wurden mittels Kalman-Filterung interpoliert. Ausreißer wurden identifiziert und behandelt. Daten wurden normalisiert (Min-Max-Skalierung) und von der nepalesischen in den gregorianischen Kalender umgewandelt.

Modellarchitektur (Hybrid-Ansatz):
Das vorgeschlagene Modell kombiniert zwei Komponenten:

1. SARIMA (Seasonal Autoregressive Integrated Moving Average): Modelliert die linearen Komponenten und die saisonalen Trends der Zeitreihe. Das optimale Modell wurde als SARIMA(1,1,1)(1,1,1)[12] identifiziert.
2. CNNAR (Convolutional Neural Network Auto-Regressive): Ein tiefes Lernmodell, das speziell entwickelt wurde, um die Residuen (Fehler) des SARIMA-Modells zu modellieren.
   • Architektur: Nutzt Faltungsschichten (Convolutional Layers), um lokale zeitliche Muster und nicht-lineare Abhängigkeiten in den Residuen zu extrahieren.
   • Funktionsweise: Die endgültige Vorhersage $\hat{y}_t$ setzt sich zusammen aus der linearen Vorhersage von SARIMA ($\hat{y}_t^{lin}$) und der nicht-linearen Korrektur durch CNNAR ($\hat{y}_t^{nonlin}$), die auf den SARIMA-Residuen trainiert wird:
     $$\hat{y}_t = \hat{y}_t^{lin} + \hat{y}_t^{nonlin}$$

Vergleichsmodelle (Benchmarks):
Die Leistung des Hybridmodells wurde gegen folgende Modelle evaluiert:

• Standalone SARIMA
• Standalone CNNAR
• LSTM (Long Short-Term Memory)
• Facebook Prophet
• XGBoost

Evaluierungsmetriken:

• Mean Absolute Error (MAE)
• Root Mean Square Error (RMSE)
• Mean Absolute Percentage Error (MAPE)
• Bestimmungskoeffizient ($R^2$)
• Zusätzlich wurden Residuenanalysen (Ljung-Box, ARCH-Test, Shapiro-Wilk) und eine Sensitivitätsanalyse durchgeführt.

3. Wichtige Beiträge und Ergebnisse

Deskriptive Analyse:

• Die monatliche durchschnittliche TB-Inzidenz stieg von 2.048 Fällen (2015) auf 3.447 Fälle (2024), was einem Anstieg von 68,4 % entspricht.
• Es wurden klare saisonale Spitzen in den Monaten März–Mai und Juli–August identifiziert.
• Drei signifikante strukturelle Brüche wurden festgestellt (April 2020 durch COVID-Lockdown, Oktober 2021 in der Erholungsphase, Juni 2022 bei der Stabilisierung).

Leistungsvergleich (Testset 2024):
Das hybride SARIMA-CNNAR-Modell erzielte die besten Ergebnisse und übertraf alle Benchmarks:

Modell	MAE	RMSE	MAPE (%)	$R^2$
Hybrid SARIMA-CNNAR	248,35	294,31	7,26	0,79
CNNAR	251,08	336,55	7,70	0,73
LSTM	267,91	324,55	7,52	0,75
XGBoost	314,74	373,99	8,51	0,66
Prophet	371,15	478,40	10,49	0,45
SARIMA	401,11	503,93	10,99	0,39

• Erkenntnis: Das reine SARIMA-Modell scheiterte an der Komplexität der Daten (niedriges $R^2$ von 0,39), während das Hybridmodell durch die Kombination von linearer Trendmodellierung und nicht-linearer Residuenkorrektur die höchste Vorhersagegenauigkeit erreichte.
• Robustheit: Die Sensitivitätsanalyse zeigte, dass das Modell bei Variationen der Hyperparameter (z. B. Filteranzahl, Lernrate) stabil bleibt (Variationskoeffizient < 5 %).

Vorhersagen für 2025:
Das Modell prognostiziert für 2025 eine Fortsetzung der saisonalen Muster mit Spitzen im Frühjahr (März–Mai) und im Sommer (Juli–August), wobei die Fallzahlen voraussichtlich hoch bleiben werden.

4. Bedeutung und Implikationen

• Öffentliche Gesundheit: Das Modell bietet ein präzises Werkzeug für das nepalesische Nationale Tuberkulose-Programm. Es ermöglicht eine datengestützte Ressourcenallokation, z. B. die Vorhaltung von Diagnosematerial (GeneXpert-Kartuschen) und Personalplanung während der vorhergesagten Spitzenmonate.
• Methodischer Fortschritt: Die Studie demonstriert erstmals erfolgreich den Einsatz eines hybriden CNNAR-Ansatzes in einem ressourcenarmen Setting mit spezifischen epidemiologischen Herausforderungen (wie Pandemiefolgen). Sie belegt, dass Convolutional Neural Networks für die Extraktion lokaler zeitlicher Muster in epidemiologischen Zeitreihen effektiver sein können als rekurrente Architekturen wie LSTM, wenn die Datenmenge begrenzt ist.
• Transferierbarkeit: Der methodische Rahmen ist auf andere Infektionskrankheiten (z. B. Influenza, Dengue) und andere Länder mit ähnlichen Datenstrukturen übertragbar.
• Limitationen: Das Modell zeigt eine leichte systematische Unterschätzung (Bias) während der Testphase, was auf die unvorhergesehenen post-pandemischen Anstiege zurückzuführen ist. Zukünftige Arbeiten sollten exogene Variablen (Wetter, Mobilität) integrieren.

Fazit:
Diese Studie liefert den ersten validierten hybriden Vorhersagemodellansatz für Tuberkulose in Nepal. Durch die Integration linearer saisonaler Modelle mit nicht-linearen Deep-Learning-Komponenten wurde die Prognosegenauigkeit signifikant verbessert, was einen wichtigen Schritt hin zu evidenzbasierten, proaktiven Gesundheitsstrategien darstellt.