以氣候因素、病媒蚊指數和霧霾關聯分析台灣南部登革熱案例之預測研究

登革熱是由登革熱病毒引起的蚊子傳播的熱帶傳染病。感染後，症狀通常從3至14天開始。登革熱病毒可引起高燒和至少包含以下兩種症狀，其中包括嚴重頭痛、後眼窩痛、關節疼痛、肌肉痛、骨頭痛、嘔吐和特徵皮疹，以及輕度出血等。一般來說，較年輕或首次感染登革熱的病人，其病情可能比年長者較輕微，恢復期將需要至少兩到七天。登革熱病毒於1943年確定了四種抗原性不同的登革熱病毒。當蚊子被登革熱病毒感染時，登革熱病毒將存在蚊子的唾液腺中，當母斑蚊再次叮咬人時，蚊子也將登革熱病毒注射到宿主中。由於病毒可以從成年蚊子傳播到卵，所以登革熱病毒會被確保生存直到下一個夏天或大雨。近年來，登革熱在熱帶和亞熱帶地區迅速蔓延，世界各地的現象，如全球暖化、城市化和國際旅行都是促進登革熱傳播的主要原因。在台灣，每年都有登革熱流行，特別是在夏季和秋季。由於台灣爆發嚴重登革熱流行，使得亞太地區的國家將成為高風險感染和傳播病毒的地方樞紐，登革熱相關因素除氣候和環境外，國外研究顯示霧霾和空氣污染與登革熱亦有關聯，但目前尚未有研究顯示台灣地區之登革熱是否也會受霧霾影響。為了改善公共安全和公共衛生問題，本研究將蒐集台灣南部之相關登革熱資料和包含氣候因素、病媒蚊指數和霧霾之特徵，使用Microsoft Excel、SAS Enterprise Guide version 7.1進行資料前處理。而後，使用斯皮爾曼等級相關分析去評估2012年至2016年期間台灣南部的登革熱病例和環境因子的相關性；以及使用T檢定分析登革熱當日有病例與環境因子是否有統計上的顯著意義。為了了解有哪些危險因子能夠成為預測登革熱當日有病例的重要因子，本研究將使用SAS Enterprise Miner中的機器學習方法，將危險因子放入四種模型：決策樹（Decision Tree）、類神經網路（Neural Network）、羅吉斯向後回歸（Logistic Regression）以及梯度提升決策樹（Gradient Boosting Decision Tree）。把資料分為1：4，在訓練組80驗證組20的資料分區下，我們可以得到梯度提升決策樹模型中ROC曲線下方面積0.896和正確率82.21％為最好的模型結果。第三部分，我們會使用十倍交叉驗證方法，使用簡單隨機抽樣，重複十次得到10組驗證組及10組訓練組。再使用這20份資料，一組驗證對應一組訓練分別建立預測模型，使用第二部分提到的羅吉斯向後回歸、決策樹、類神經網路及梯度提升決策樹。將十次實驗結果記錄下來取其平均，我們可以得到在十倍交叉驗證實驗中，類神經網路AUC 0.842及正確率78.5%為我們模型預測分析最好的結果。相較於前人針對台灣登革熱之研究，本實驗結果首度發現霧霾中之細懸浮微粒PM2.5濃度與登革熱發生案例數呈現負相關，我們推論此現象為嚴重空氣污染會降低病媒蚊繁殖，而間接導致登革熱發生案例也降低。在未來研究方向中，將可加入時間延遲模型進一步探討這些因素與登革熱發生之關聯。