Evaluación del riesgo espacio-temporal de la gripe aviar H5 en China: un enfoque de aprendizaje automático...

Área de la Ciencia:

• Epidemiología veterinaria
• Ciencias del medio ambiente
• Aprendizaje automático

Sus antecedentes:

• La gripe aviar (AI), especialmente los subtipos H5, es una amenaza mundial.
• La comprensión de los impulsores a escala múltiple de la estacionalidad de la IA en China es limitada.

Objetivo del estudio:

• Analizar el riesgo espacial-temporal de la IA H5 en China utilizando un marco de aprendizaje automático interpretable.
• Identificar los factores clave y cuantificar sus efectos no lineales y sinérgicos en los brotes de IA.

Principales métodos:

• Desarrolló un marco de aprendizaje automático interpretable (XGBoost con SHAP).
• Datos integrados de múltiples fuentes: densidad de aves de corral, clima de Köppen, IBA y variables meteorológicas.
• Se analizaron 1800 brotes de H5 AI en la China continental (2000-2023).

Principales resultados:

• El modelo logró una alta precisión predictiva (R2 = 0,776).
• Los factores dominantes incluyen la densidad de aves de corral, las zonas climáticas Cwa y la estacionalidad.
• Se han identificado efectos no lineales (por ejemplo, relación de temperatura inversa) e interacciones sinérgicas (alta temperatura + alta densidad de aves de corral).
• Los puntos calientes de alto riesgo se concentran en el este y el sur de China.

Conclusiones:

• El riesgo de la IA H5 se rige por una interacción jerárquica de factores ambientales a escala múltiple.
• Sistemas de vigilancia y alerta temprana dirigidos para la mitigación de la IA.