米国北東部の未採取地域におけるウエストナイルウイルスを計算的に予測するために,蚊とアーボウイルスデータを用いる.

科学分野:

• 環境科学
• 流行病学について
• 機械学習

背景:

• ウェストナイルウイルス (WNV) の監視は,多くの地域で蚊に関するデータが不足しているため,制限されています.
• 正確なWNVリスク予測は公衆衛生の介入に不可欠です.

研究 の 目的:

• 米国北東部におけるWNVリスクの予測マッピングの枠組みを開発する.
• WNVの活動に関連する主要気象および地表の変数を特定する.

主な方法:

• 機械学習を使って コネチカット州の 20年間の蚊の監視データを分析しました
• *Culex pipiens*の収集とWNV検出のための予測モデルを開発しました.
• 4x4kmの解像度で北東アメリカ全域で WNVの危険性を推定した.
• 人間のWNV症例に対するモデル予測の検証

主要な成果:

• 機械学習モデルは WNVの気象と地表の重要な予測要因を特定しました
• 蚊でWNVを検出する確率は,ヒトでの症例発生率と有意に相関していた.
• マッピング・フレームワークは アメリカ北東部のWNVリスクを 予測することに成功しました

結論:

• この方法論は WNVのリスクを予測するための蚊の監視データの有用性を高めます.
• 柔軟なワークフローにより,オンラインでアクセス可能なデータを用いてWNVのリスク評価が可能です.
• 改善されたWNVリスク予測は,米国北東部の公衆衛生戦略を参考にすることができます.