1华沙大学物理学院实验物理研究所,华沙02-093波兰2物理系,罗马萨皮恩扎大学,罗马00185,意大利罗马3劳动力国家国家 /地区champs crampscrampsmagnétiqus登山 Nanotechnologies, National Research Council (CNR-IFN), 00133 Rome, Italy 5 Central European Institute of Technology, Brno University of Technology, Brno 61200, Czech Republic 6 Research Center for Functional Materials, National Institute for Materials Science, Tsukuba 305-0044, Japan 7 International Center for Materials Nanoarchitectonics, National Institute for Materials Science, Tsukuba 305-0044,日本8 Centera实验室,高压物理研究所,波兰科学院,波兰华沙01-142 ∗作者,应与之解决任何信件。
。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。它是制作
我们调整了来自七个热带岛屿(瓜德罗普(Guadeloupe),团圆岛,斐济,菲尼亚(Fiji),芬图纳(Futuna),新喀里多尼亚(Futuna)和塔希提(Tahiti)的钩端螺旋病监测数据的机器学习模型,以研究气候对疾病季节性动态的影响,i。e。,中心的季节性剖面和2)年际异常,i。e。,与季节性轮廓的发病率偏差。然后使用该模型估计瓦努阿图和波多黎各的钩端螺旋体病的季节性动态,那里疾病发病率数据没有。可以构建一个可靠的模型,该模型可以构建跨越岛的交叉验证,并基于当前和2个月的滞后降水以及电流和1个月的滞后温度,可以构建以估算钩端螺旋体病的季节性动态。在反对派中,气候决定因素及其在估算次群岛际异常方面的重要性,在整个岛屿之间高度差异。