机器学习与大规模数据的应用,在日本为野猪进行针对古典猪瘟的有效疫苗接种

科学领域:

• 兽医流行病学 兽医流行病学
• 野生动物疾病生态学 野生动物疾病生态学
• 空间分析 空间分析

背景情况:

• 古典猪瘟 (CSF) 在2018年在日本重新出现,需要采取控制措施.
• 岐县实施了野猪的口服疫苗接种,以打击脊髓灰质炎的传播.
• 最初的疫苗接种工作只取得了30%的确诊摄入量,尽管广泛分布.

研究的目的:

• 使用空间建模预测野猪疫苗摄入率.
• 确定影响疫苗接种的关键环境和地理因素.
• 创建预测地图以优化未来的口服疫苗接种活动.

主要方法:

• 采用随机森林建模,根据传播数据预测摄入概率.
• 空间插值技术被用来生成预测表面.
• 交叉验证评估了Kriging和反向距离权重方法的准确性.

主要成果:

• 距离水源的距离成为疫苗摄入的最关键因素.
• 高度,季节,道路密度和坡度也影响了摄入率.
• 模型性能指标包括0.760的曲线下面面积,精度为67.8%.

结论:

• 预测建模和空间分析可以提高野生动物口服疫苗接种计划的有效性.
• 识别关键因素,如水源的近距离,可以进行疫苗的战略部署.
• 开发的工具为管理其他野生动物传播疾病提供了可转移的方法.