ข้อมูลจากบทคัดย่อ
งานวิจัยใช้ข้อมูลคุณภาพอากาศรายวันและการเสียชีวิต 170,612 รายในกรุงเทพฯ ช่วงปี 2559–2563 เพื่อพัฒนา RNN, LSTM และ GRU สำหรับพยากรณ์การเสียชีวิต แบบ LSTM ที่ใช้ช่วงหน่วง 23 วันให้ผลดีที่สุดสำหรับภาพรวม และตัวแปรสำคัญคือความชื้นสัมพัทธ์ PM2.5 และโอโซน ส่วนปัจจัยเด่นต่างกันตามอายุและสาเหตุการเสียชีวิต แบบจำลองแสดงศักยภาพด้านเฝ้าระวัง แต่ความสำคัญของตัวแปรจาก SHAP ไม่เท่ากับหลักฐานเชิงสาเหตุ และต้องตรวจสอบกับข้อมูลช่วงเวลาและพื้นที่อื่นก่อนใช้กำหนดนโยบาย
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 77/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Air Quality Monitoring and Forecasting · Air Quality and Health Impacts · Health, Environment, Cognitive Aging
บทบาทของนักวิจัยและสถาบันไทย
Kanakorn Horsiritham · Natthaya Bunplod · Patthrarawalai Sirinara · Perapong Tekasakul · Sitthichok Chaichulee · Thammasin Ingviya · Prince of Songkla University · King Chulalongkorn Memorial Hospital
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง