关于冠状病毒大流行期间因中暑而被转运的人数 ~ 预测因中暑而被转运的人数的技术知识 ~

V体育
东北大学网络科学中心
东京电机大学

演示要点

〇通过结合天气数据和计算科学，可以预测室内和室外因中暑被送往医院的人数
〇 通过比较预测的中暑运送人数和实际运送人数来评估冠状病毒大流行期间的运送人数
〇​室内运送的人数几乎没有受到冠状病毒大流行的影响。户外运输人数受人口趋势影响较小，但也存在适应高温的问题，所以变化不大

摘要

　V体育、东北大学网络科学中心和东京电机大学的联合研究小组以东京、大阪、爱知和宫城县为对象，结合天气数据和计算模拟技术，预测每天被送往医院的中暑人数，并与实际测量结果进行比较。2020
　中暑患者人数和送往医院的人数受到天气影响、人们对热的习惯等多重因素的影响，因此仅与过去的数据进行简单比较并不清楚这是由于冠状病毒大流行还是天气的影响。通过使用根据天气信息预测中暑患者转移数量的方法，可以进行排除天气影响的比较。我们还显示了也考虑了人口趋势的预测值。
　大阪府和爱知县，盂兰盆节期间因宅在家里而从室外转移的人数有所减少，但其他时间在室内和室外转移的人数没有变化。由于新冠病毒大流行的影响，人口动态正在发生变化，但这表明，之所以没有看到这种影响，是因为人们对炎热的适应时间较晚，并且由于呆在家里而导致体力下降，这导致他们消耗更多的能量，即使做同样的工作，体温也更容易升高。
　另一方面，在东京，室内和室外交通案件与往年相比都呈上升趋势，特别是盂兰盆节期间室内交通的数量大大超过了预测值。除了估算公式无法充分考虑气温骤变之外，还可能存在因新冠疫情而无法回家、宅在家里导致体力下降等多种因素的影响。
　未来，预计它将用于旨在降低中暑风险的教育活动，以及估计紧急情况下转运的患者数量等应用。

研究背景

由于最近的新冠病毒大流行，因中暑被送往医院的人数是否发生了变化，备受关注。图1显示了2013年至2020年东京、大阪、爱知、宫城县逐月因中暑转运的人数。该图显示，2020年7月转运人数较往年有所减少，但8月有所增加。不过，由于中暑患者和转运到医院的人数受天气影响较大，目前还不清楚7月份转运患者数量的减少是由于新冠病毒大流行还是由于每年的天气差异所致。
　V体育、东北大学网络科学中心和东京电机大学的联合研究小组开发了一种通过结合天气数据和计算模拟技术来预测因中暑而被送往医院的人数的方法[1]。该方法是利用超级计算机根据天气状况估算核心体温和出汗量的变化，然后考虑人口及其年龄分布来预测因中暑被送往医院的人数的技术。通过使用这种方法，可以进行消除天气影响的比较。

图1 每月因中暑被转运的人数（2013-2020）

研究内容/结果

在V体育，我们与东京电机大学合作，使用东北大学网络科学中心的超级计算机AOBA来估算夏季期间核心体温和出汗量的变化，并结合各都道府县的人口和年龄分布来预测因中暑被送往医院的人数[1]。我们还证实，使用日平均温度可以获得类似的预测精度。在这种情况下，爱知县的预测误差差异为-09人/天。图2显示了预测值与室内/室外实际输送人数的对比。此外，考虑到冠状病毒大流行导致的人口趋势，我们还使用移动数据显示了从外部转移的人数的结果（红线）[2]（7天平均值）。
　在大阪、爱知和宫城县，趋势几乎相同，室内运输机的平均每日误差为：大阪 54 人/天，爱知县 50 人/天，宫城县 21 人/天。由于居家令，呆在室内的人数有所增加，但从室内转运的中暑患者的趋势与往年相同。室内转运的患者中约有70%是老年人，因此室内转运的患者数量可以说没有受到居家隔离情况的影响。
　对于户外运营商来说，有时会超出预测值，例如盂兰盆节假期之后。此外，如果我们关注考虑了人口趋势的预测值（图2右侧的红线），则它们仅在盂兰盆节期间匹配得很好（三个县的平均误差：红色：50人/天，不考虑（蓝色）：249人/天），这表明人们因冠状病毒大流行而呆在家里（限制外出）的影响。另一方面，在其他时期，它与蓝线一致，尽管人口统计存在差异，但中暑患者数量并未减少（3县平均误差：蓝色59人/天，红色53人/天）。这表明，由于待在家里延迟了热适应时间和体力下降，即使做同样的工作，也会消耗更多的能量，体温更容易升高。
　另一方面，东京都的趋势与三个县不同，结果显着超出了预测值，尤其是盂兰盆节期间的室内。此外，户外性能也往往会超出预期值。虽然详细原因尚不清楚，但像这三个县那样，由于冠状病毒大流行而无法回家，以及由于呆在家里而体力下降等多种因素的综合作用可能是一个因素。此外，与其他三个县相比，东京在盂兰盆节之前相对凉爽，加上盂兰盆节期间突然变得炎热，可能加大了与估算值的差异。整个夏季期间，室内人数为105人/天，室外人数为78人/天。
综上所述，可以说，虽然受新冠肺炎疫情影响，人口动态发生了较大变化，但室内外中暑患者数量变化较小。

图2 预测结果与实际数据对比：室内（左）室外（右）（2020）
蓝线是使用预测公式的估计值，红线是考虑人口统计趋势的估计值。

新闻稿信息和相关主要论文

[1] 利用天气数据预测中暑人数 - 科学证明老年人中暑风险受连续 3 天热量积累影响 - 2019 年 7 月 17 日
https://wwwnitechacjp/news/press/2019/7579html
S。 Kodera、T Nishimura、E Rashed、K Hasekawa、I Takeuchi、R​​ Egawa 和 A Hirata*，“根据天气数据估算与热有关的发病率：2013-2018 年日本三个县的计算研究”，环境国际，第 130 卷，文章编号 11。 104907，2019 年 9 月。

[2] NTT Docomo 移动空间统计

[致谢]
本研究得到跨学科大规模信息基础设施联合使用研究中心和创新高性能计算基础设施（项目编号：jh210041-NAH）的支持。

联系信息

研究相关

V体育工学研究生院
电气/机械工程系
平田昭正教授
电话：052-735-7916
电子邮件：ahirata[at]nitechacjp

公共关系很重要

V体育企划公关科
电话：052-735-5316
电子邮件：pr[at]admnitechacjp

*请将每个 [at] 替换为 @。