인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Suicide remains a critical global health concern, influenced by interactions between social, psychological, and environmental factors. This study aims to assess and forecast short-term lag effects of environmental variables on suicide attempts. We employ statistical modeling distributed lag non-linear model (DLNM) to identify lag-response associations and deep learning techniques (LSTM) to build a predictive model, facilitating epidemiological understanding and forecasting capability. Model performance was evaluated across lag structures (1–7 days) using multiple error metrics (RMSE, MAE, MSE, SMAPE), with subgroup analyses by sex and age. The LSTM model achieved optimal performance at a 3-day lag (RMSE: 0.1789), outperforming in prediction error metrics across demographic subgroups. While LSTM offered greater accuracy and flexibility in capturing intricate multi-variable interactions for forecasting, DLNM offered epidemiological interpretability of lag-response relationships. The short-term climatic exposures, particularly temperature fluctuations and humidity, significantly influence suicide attempts. The integration of DLNM and LSTM modeling provides complementary insights offering both interpretability and high predictive power.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094296414
