Dengue hospitalizations in Brazil: forecasting with climatic and physicians digital search data under real-world reporting delays

Technische Samenvatting: Dengue-hospitalisaties in Brazilië: Voorspellen met klimaatgegevens en digitale zoekopdrachten van artsen onder realistische rapportagevertragingen

Probleemstelling
Tijdige voorspelling van dengue-hospitalisaties is cruciaal voor de publieke gezondheidszorg in Brazilië, maar wordt vaak gehinderd door aanzienlijke rapportagevertragingen in de officiële ziekenhuisregistratiesystemen (SIH/SUS), waarbij gegevens vaak weken of maanden na de opname van de patiënt beschikbaar komen. Hoewel klimatologische omstandigheden bekende drijfveren zijn voor dengue-transmissie, hebben modellen die uitsluitend vertrouwen op historische hospitalisatiedata of klimaatvariabelen moeite met het bieden van bruikbare vroege waarschuwingen wanneer officiële gegevens vertraagd zijn. De studie adresseert de noodzaak voor meer tijdige signalen van opkomende ziekteactiviteit door de integratie van digitaal klinisch gedrag — specifiek zoekopdrachten van artsen op een platform voor klinische besluitvorming — met traditionele meteorologische en epidemiologische gegevens te verkennen.

Methodologie
De studie ontwikkelde een voorspellend kader met behulp van Long Short-Term Memory (LSTM) neurale netwerken om de wekelijkse dengue-hospitalisaties in 27 Onmiddellijke Geografische Regio's (IGR's) in Brazilië van 2021 tot 2024 te voorspellen. De analytische pijplijn omvatte:

• Data-integratie: Het model combineerde drie primaire databronnen:
  1. Hospitalisatiedata: Wekelijkse aantallen uit de SIH/SUS-database.
  2. Klinische zoekgegevens: Geanonimiseerde, real-time zoekopdrachten naar dengue-gerelateerde termen door geverifieerde, bevoegde artsen op het Afya Whitebook® platform.
  3. Klimaatgegevens: Dagelijkse meteorologische waarnemingen (neerslag, temperatuur, luchtvochtigheid) van INMET-stations, geaggregeerd in wekelijkse series en getransformeerd naar 42 potentiële voorspellers (inclusclusief lags, extremen en interacties).
• Kenmerkselectie (Feature Selection): Om dimensionaliteit te beheersen, selecteerde het model één representatieve variabele uit vier klimatologische categorieën (luchtvochtigheid, temperatuur, neerslag, seizoensgebondenheid) per IGR op basis van de laagste Root Mean Squared Error (RMSE) tijdens de training.
• Modelleringsscenario's: Twee verschillende scenario's werden geëvalueerd om de prestaties onder verschillende omstandigheden van gegevensbeschikbaarheid te beoordelen:
  1. Ideale-data scenario: Gaat uit van onmiddellijke beschikbaarheid van hospitalisatiedata (geen rapportagevertraging).
  2. Real-world scenario: Houdt rekening met typische rapportagevertragingen door de hospitalisatiedata tot acht weken te verschuiven om de werkelijke latentie te simuleren.
• Vergelijkbare Modellen: Vijf modelstructuren werden vergeleken: Alleen hospitalisatie (LSTM en SARIMAX), Alleen klinische zoekopdrachten (Hospitalisatie + Zoekopdrachten), Alleen klimaat (Hospitalisatie + Klimaat), en een Geïntegreerd model (Hospitalisatie + Zoekopdrachten + Klimaat).
• Evaluatie: Prestaties werden beoordeeld met behulp van RMSE, Mean Squared Error (MSE), Mean Absolute Error (MAE) en de coëfficiënt van determinatie ($R^2$). De belangrijkheid van kenmerken werd geanalyseerd met behulp van SHAP (SHapley Additive exPlanations) waarden.

Belangrijkste Resultaten

• Correlatie en Temporele Uitlijning: Analyse toonde aan dat de zoekactiviteit van artsen op Afya Whitebook® de sterkste en meest consistente positieve correlatie met dengue-hospitalisaties vertoonde over de IGR's. Tijdreeksanalyse gaf aan dat pieken in zoekactiviteit vaak voorafgingen aan of samenvielen met toenames in ziekenhuisopnames, wat suggereert dat zoekgedrag fungeert als een vroege klinische indicator.
• Prestaties bij Ideale Data: In de afwezigheid van rapportagevertragingen bereikten modellen die primair op klimaatvariabelen vertrouwden de hoogste voorspellende nauwkeurigheid (laagste RMSE). Het geïntegreerde model presteerde goed, maar toonde slechts bescheiden winst ten opzichte van de klimaat-alleen modellen in dit scenario.
• Prestaties in de Praktijk (Real-World): Onder realistische rapportagevertragingen veranderde de dynamiek van de prestaties aanzienlijk. Het Geïntegreerde model (combinatie van hospitalisatiegeschiedenis, klimaat en klinische zoekgegevens) presteerde consequent beter dan alle andere benaderingen en behaalde de laagste voorspellingsfouten in de meeste regio's.
  • Modellen die uitsluitend op klimaat of historische hospitalisatiedata vertrouwden, leden onder verminderde nauwkeurigheid door de latentie van officiële registers.
  • De inclusie van de zoekgegevens van artsen compenseerde voor het verlies van signaal uit de vertraagde hospitalisatieaantallen, waardoor de robuustheid van de voorspelling behouden bleef.
• Kenmerkbelang (SHAP): SHAP-analyse bevestigde dat onder ideale omstandigheden recente hospitalisatiegeschiedenis en klimaatvariabelen de dominante voorspellers waren. Echter, onder realistische vertragingen daalde de relatieve belangrijkheid van de hospitalisatiegeschiedenis scherp, terwijl de bijdrage van de klinische zoekindicator toenam, wat het nut ervan als real-time proxy voor ziekteactiviteit onderstreept.

Betekenis en Claims
Het artikel stelt dat de integratie van digitaal klinisch gedrag met klimaatgegevens de voorspellende prestaties verbetert, specifiek onder real-world rapportagebeperkingen. De auteurs stellen dat het zoekgedrag van artsen een waardevolle, real-time indicator vormt voor dengue-activiteit die de directe klinische betrokkenheid bij gevallen weerspiegelt.

De studie concludeert dat hoewel op klimaat gebaseerde modellen effectief zijn wanneer gegevens tijdig beschikbaar zijn, ze ontoereikend zijn voor een vroege respons wanneer de officiële rapportage vertraagd is. Door digitale signalen van artsen op te nemen, versterkt het voorgestelde kader de vroege waarschuwingssystemen en ondersteunt het een meer tijdige besluitvorming in de publieke gezondheidszorg. De auteurs benadrukken dat deze aanpak een "sneller en klinisch beter onderbouwd signaal" biedt voor het detecteren van uitbraken, vooral in omgevingen waar rapportagevertragingen structureel zijn. Zij erkennen beperkingen met betrekking tot ecologische inferentie, potentiële biases in de gebruikersbasis van artsen en de opaakheid van LSTM-modellen, maar stellen dat de integratie van deze datadomeinen een praktische verbetering biedt voor operationele voorspellingen in Brazilië.