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

Technische Samenvatting: Hybride Probabilistische Voorspelling van Malaria-opnames bij Kinderen onder de Vijf in Ghana

Probleemstelling
Nauwkeurige malaria-voorspellingen in sub-Sahara Afrika worden geconfronteerd met aanzienlijke uitdagingen als gevolg van sterke seasonaliteit, onzekerheden in de rapportage en niet-stationaire transmissiedynamiek. In Ghana vereist surveillance op districtsniveau voorspellingskaders die niet alleen voorspellend, maar ook probabilistisch rigoureus en robuust zijn onder condities met beperkte hoeveelheden data. Conventionele epidemiologische tijdreeksmodellen, zoals ARIMA en SARIMA, vertrouwen vaak op lineariteits- en stationariteitsveronderstellingen die worden geschonden door de complexe, niet-lineaire dynamiek van malariatransmissie. Bovendien kunnen puur probabilistische machine learning-modellen, hoewel in staat om complexe patronen te vangen, over langere horizonten steeds diffuser wordende predictie-intervallen produceren, wat het operationele nut voor de publieke gezondheidsplanning beperkt. Er bestaat een methodologische kloof in het integreren van de flexibiliteit van probabilistische modellen met de structurele stabiliteit van klassieke seizoensgebonden smoothing om voorspellingen te produceren die een balans vinden tussen onzekerheidskwantificering en seizoensgebonden coherentie.

Methodologie
De studie stelt een hybride probabilistisch voorspellingskader voor dat Gaussian Process Regression (GPR) integreert met Holt–Winters exponentiële smoothing. De analyse maakt gebruik van tien jaar aan maandelijkse malaria-opnamengegevens (2014–2023) voor kinderen onder de vijf jaar, afkomstig van de Ghana Health Service.

1. Baseline Modellen: De studie stelt eerst prestatiebenchmarks vast met behulp van drie klassieke benaderingen:

   • Lineaire Regressie: Om langetermijn trends te vangen.
   • Holt–Winters Exponentiële Smoothing: Om niveau, trend en additieve seizoenscomponenten te modelleren.
   • Seasonal ARIMA (SARIMA): Om autocorrelatie en stochastische seasonaliteit te modelleren.
   • Noot: Deep learning-modellen (bijv. ANN's) werden uitgesloten vanwege de beperkte steekproefomvang (120 observaties) en de noodzaak voor analytisch interpreteerbare onzekerheidsschattingen.

2. Hybride Framework: De kernbijdrage is een hybride ensemble waarbij GPR dient als de probabilistische basis, en Holt–Winters zorgt voor seizoensgebonden regularisatie.

   • GPR Component: Een composietkernel ($k = k_{SE} + k_{Per} + k_{RQ} + k_{Long} + k_{WN}$) wordt gebruikt om vloeiende intra-seizoensvariatie, jaarlijkheid, medium-schaal niet-stationariteit, langetermijn structurele veranderingen en witte ruis te vangen. De GPR modelleert het niet-lineaire temporele gedrag en levert volledige predictieve distributies (gemiddelde en covariantie).
   • Integratiestrategie: De hybride benadering past Holt–Winters smoothing toe op de GPR-predictieve gemiddelde traject. Dit legt seizoensgebonden regelmaat op aan de GPR-output, waardoor de langetermijnvoorspellingen worden gestabiliseerd terwijl de onzekerheidsstructuur afgeleid van het Gaussische proces behouden blijft. De predictieve variantie wordt aangepast om de residuele variantie van het smoothingproces te bevatten.

3. Validatie: De modelprestaties werden geëvalueerd met behulp van een rolling-origin expanding-window validatieschema met een vast 12-maands voorspellingshorizon, die sequentieel werd herhaald om de prestaties op ongeziene toekomstige observaties te beoordelen. Genoteerde metrieken waren RMSE, MAE, $R^2$, AIC, BIC en residu-diagnostiek (normaliteit, stationariteit, autocorrelatie). Paarsgewijze Diebold–Mariano (DM) testen werden gebruikt om de statistische significantie van verschillen in voorspellende nauwkeurigheid te beoordelen.

Belangrijkste Resultaten

• Voorspellende Prestaties: Het hybride GPR–Holt–Winters model bereikte een determinatiecoëfficiënt ($R^2$) van 0,9906, wat aanzienlijk beter presteert dan de beste standalone baseline, Holt–Winters ($R^2 = 0,8213$), en significant beter dan Lineaire Regressie ($R^2 = 0,3043$) en SARIMA ($R^2 = 0,3882$).
• Onzekerheidskalibratie: Het hybride model vertoonde goed gekalibreerd residugedrag, waarbij ongeveer 94,2% van de residuen binnen $\pm 2\sigma$ onzekerheidsgrenzen viel. Residu-diagnostiek wees op een bijna normale verdeling (Shapiro-Wilk $p=0,41$) en minimale systematische bias.
• Voorspellingsstabiliteit: Terwijl pure GPR-voorspellingen een verbredende geloofwaardige intervallen vertoonden over uitgebreide horizonten (wat de epistemische onzekerheid reflecteert), produceerde het hybride framework nauwere, stabielere nabije-termijn intervallen door gebruik te maken van de seizoensgebonden ruggengraat van Holt–Winters. Dit resulteerde in voorspellingen die operationeel interpreteerbaar zijn terwijl ze de probabilistische strengheid behouden.
• Spatio-temporele Analyse: De studie identificeerde een uitgesproken ecologische heterogeniteit. Noordelijke districten met een hoge last (bijv. Tamale Metropolitan) vertoonden stabiele relatieve transmissiepatronen (lage Coëfficiënt van Variatie) ondanks grote absolute fluctuaties. Daarentegen vertoonden districten met een lage last een hoge relatieve variabiliteit, vaak gedreven door kleine denominatoren in plaats van ware epidemiologische volatiliteit.
• Projecties: Voorspellingen voor 2024–2028 projecteren een gemiddeld aantal maandelijkse opnames variërend van ongeveer 8.000 tot 12.200 gevallen, consistent met de geobserveerde seizoenspatronen.

Betekenis en Claims
Het artikel claimt dat het voorgestelde hybride framework een specifieke methodologische niche in de epidemiologische voorspelling adresseert: de behoefte om een balans te vinden tussen onzekerheidskwantificering en seizoensgebonden stabiliteit. Door GPR te integreren met Holt–Winters, demonstreert de studie dat het mogelijk is om:

1. Nauwkeurigheid te verbeteren: Een superieure voorspellende prestatie te behalen vergeleken met klassieke statistische modellen en standalone probabilistische benaderingen.
2. Operationele Bruikbaarheid te Verbeteren: Voorspellingen te produceren die minder volatiel zijn dan pure GPR-outputs, waardoor ze geschikter zijn voor middelenallocatie, medicijninkoop en personeelsplanning in de volksgezondheid.
3. Probabilistische Rigor te Handhaven: Gekalibreerde onzekerheidsschattingen te bieden die essentieel zijn voor risicobeoordeling, welke vaak ontbreken in deterministische seizoensgebonden modellen.

De auteurs benadrukken dat dit framework bijzonder waardevol is in omgevingen met beperkte middelen waar data beperkt is en omgevingsvariabelen niet systematisch beschikbaar zijn. De studie vestigt een schaalbare, onzekerheid-bewuste aanpak voor malaria-vroegtijdige waarschuwing en seizoensgebonden paraatheid, en biedt een methodologisch fundament voor het integreren van probabilistische machine learning met klassieke tijdreeks smoothing in endemische contexten. De auteurs merken bescheiden op dat hoewel het framework robuust presteert, toekomstig werk de multivariate extensies moet verkennen die omgevings- en interventievariabelen opnemen om de voorspellende prestaties op de lange termijn verder te verbeteren.