Klima, Luftverschmutzung und Extremereignisse bestimmen Influenza-Risiko
Von KI ausgewählt und zusammengefasst
Worum es geht
Fall-Crossover-Studie mit 630.120 Influenza-positiven Fällen aus 335 chinesischen Städten (2005–2019): Verteilte Lag-Nichtlinear-Modelle quantifizierten Exposition-Lag-Response-Beziehungen; Machine-Learning und LSTM-Modelle integrierten Extremereignisse in Prognosen.
Ergebnis
Meteorologische Variablen, Luftverschmutzung und Extremereignisse signifikant assoziiert mit Influenza-Risiko. Machine-Learning identifizierte atmosphärische Temperatur, Luftfeuchte und Feinstoffpartikel als Hauptfaktoren. Co-Exposition gegenüber Extremereignissen zeigte höheres gemeinsames Risiko als Einzelexposition (submultiplikative Interaktion, keine additive). LSTM-Modell mit Extremereignissen verbesserte Influenza-Prognosegenauigkeit signifikant. Heterogene geografische Effekte und Subtyp-Variationen beobachtet.
Übertragbarkeit auf Deutschland
China (Subtropen/gemäßigt) – Methodologie und Extreme-Event-Integration übertragbar, nicht absolute Schwellenwerte
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.