基于混合深度神经网络-Transformer建模框架预测中低收入国家至2050年的癫痫患病率:来自2023年全球疾病负担研究的见解

Forecasting the prevalence of epilepsy in low- and middle-income countries to 2050 using a hybrid deep neural network-transformer modeling framework: insights from the Global Burden of Disease Study 2023

作者信息Zhi-Jin Zhang, Hao-Feng Wang, Yu-Sha Cui, Shi-Nuan Lin, Han Jiao, Fan-Gang Meng, Tao Feng
PMID42541262
发布时间2026
DOI10.1016/j.mmr.2026.100055

实验完整度

低

基于公开数据库的分析预测研究,未提供明确的实验方法与验证过程。

主要模型

129个低收入和中等收入国家的癫痫病例队列 全球疾病负担研究2023数据

重点核对

使用GBD 2023数据,覆盖129个LMICs,1990-2023年 模型训练数据1990-2010,验证2011-2023 训练30,000个epoch,批大小4,AdamW优化器,初始学习率1e-4 不确定性传播采用1000次蒙特卡洛抽样 模型验证RMSE<0.001,MAPE<2.5%,R2>0.9999

摘要

背景:癫痫是一项主要的公共卫生挑战,影响所有年龄段的个体,尤其是在低收入和中等收入国家(LMICs)。可靠的患病率预测对于医疗保健规划和资源分配至关重要。本研究旨在预测到2050年LMICs中按年龄、性别、年份和收入水平分层的癫痫患病率及其趋势。方法:利用2023年全球疾病负担研究(GBD)的数据,我们预测了2024年至2050年LMICs中特发性和继发性癫痫病例的患病率和数量。我们开发了一个混合深度神经网络(DNN)-Transformer框架,该框架整合了泊松回归和自回归积分滑动平均(ARIMA)模型进行患病率预测。应用分解分析来量化人口增长、老龄化和患病率变化对癫痫病例增加的贡献。痴呆归因性癫痫被独立预测,以解决GBD 2023中未包括的继发性病因。结果:到2050年,LMICs中癫痫的年龄标准化患病率(ASPR)预计达到每10万人907.22例[95%不确定区间(UI)731.01−1083.56],比2023年增加33.32%,病例数上升至7204万(95% UI 5786万−8623万),增加58.68%。特发性和继发性癫痫的ASPR在2050年分别为每10万人323.11例和584.10例,自2023年以来继发性癫痫的增加幅度是特发性癫痫的7倍多。由于新生儿疾病导致的继发性癫痫ASPR预计上升65.76%。模型验证显示良好的预测性能(均方根误差<0.001)。从2023年到2050年,特发性和继发性癫痫病例的增加预计在低收入国家(LICs)中最高,分别为76.12%和241.50%,且随着收入水平的增加而下降。人口增长(21.40%)主要驱动了特发性癫痫病例的增加,而患病率变化(59.89%)主要驱动了继发性癫痫病例的增加。到2050年,痴呆归因性继发性癫痫预计达到340万例。结论:我们预测到2050年,LMICs中癫痫的患病率和病例数将持续增加,继发性癫痫的增加速度将快于特发性癫痫。在未来三十年中,低收入国家可能表现出最大的增长,这需要针对性的干预和进一步研究。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
预测到2050年中低收入国家按年龄、性别、年份和收入水平划分的癫痫患病率趋势及其驱动因素。
核心机制
人口增长主要驱动特发性癫痫病例增加,而患病率变化是继发性癫痫病例增加的主要驱动力。
主要证据
基于GBD 2023数据的预测模型显示,继发性癫痫ASPR增长率(53.59%)远超特发性(7.64%),尤其在低收入国家增加显著。
研究意义
研究结果为公共卫生政策制定和资源分配提供预测依据,强调针对低收入国家继发性癫痫的可预防策略。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据获取

获取1990-2023年129个LMICs的癫痫患病率数据

从GBD 2023提取特定地点、年龄、性别和年份的癫痫患病率数据。

2

模型开发与训练

开发混合DNN-Transformer模型以预测癫痫患病率

整合六种泊松回归模型,利用DNN和Transformer模块进行集成,训练模型并验证预测性能。

3

预测执行

预测2024-2050年癫痫患病率

应用训练好的模型预测2024-2050年的患病率,并按年龄、性别、收入水平分层分析。

4

分解分析

量化人口增长、老龄化和患病率变化对癫痫病例变化的贡献

使用Das Gupta分解法分析从2023年到2050年癫痫病例变化的驱动因素。

5

痴呆归因性癫痫预测

预测痴呆归因性继发性癫痫的患病率

利用痴呆患者中癫痫的汇总患病率和预测的痴呆患病率,独立预测痴呆归因性癫痫。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Joinpoint回归程序5.0.1版US National Cancer Institute--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据获取
数据来源必须为GBD 2023,涵盖129个LMICs,1990-2023年的年龄、性别、位置特定患病率数据。
阅读提示:见Methods 2.1 Data sources
模型训练
训练和验证时间段(1990-2010训练,2011-2023验证),训练参数:30,000 epochs、批大小4、AdamW优化器、学习率1e-4、权重衰减1e-5、变压器结构(4层、8头、维度512)等。
阅读提示:见Methods 2.3.1 Forecasting epilepsy prevalence using a hybrid DNN-Transformer model
不确定性传播
1000次蒙特卡洛抽样的具体实施方式。
阅读提示:见Methods 2.3.1 Uncertainty propagation
分解分析
使用Das Gupta分解法,需明确分解的时段(2023-2050)和变量(人口增长、老龄化、患病率变化)。
阅读提示:见Methods 2.4 Statistical analysis
痴呆归因性癫痫预测
需核对采用的两项荟萃分析的具体来源和汇总患病率(3.17%),以及预测痴呆患病率的模型。
阅读提示:见Methods 2.3.2 Estimation of dementia-attributable secondary epilepsy prevalence