相关实验视频
Updated: Jun 27, 2025
06:25
Pan-lyssavirus Real Time RT-PCR for Rabies Diagnosis
Published on: July 10, 2019
21.7K
德国针对人类普马拉汉塔病毒感染风险的高分辨率预警系统
Orestis Kazasidis1, Anke Geduhn2, Jens Jacob3
1Institute for Epidemiology and Pathogen Diagnostics, Rodent Research, Julius Kühn Institute (JKI) - Federal Research Centre for Cultivated Plants, Toppheideweg 88, 48161, Münster, Germany. orestis.kaza@gmail.com.
Scientific reports
|April 26, 2024
概括
现在可以使用天气和花开花数据来预测德国的Puumala orthohantavirus (PUUV) 疫情. 一个新的模型达到82.8%的准确性,有助于早期评估这种动物传播疾病的风险.
科学领域:
- * 生态学和流行病学
- * 环境科学 环境科学
- * 传染病建模研究
背景情况:
- * 德国的人类感染Puumala orthohantavirus (PUUV) 波动,受影响环境因素影响动物宿主种群.
- *了解这些驱动因素对于预测和缓解疾病爆发至关重要.
研究的目的:
- * 开发和验证德国地区一级每年普马拉骨髓炎病毒 (PUUV) 爆发的预测模型.
- * 确定PUUV爆发风险的关键环境和现象学预测因素.
主要方法:
- * 通过对报告的感染进行二元化,从2006年到2021年量化每年PUUV疫情.
- * 训练了一个支持向量机分类器,使用月度天气变量 (过去两年) 和花强度 (前一年).
- *使用16年间的leave-one-out交叉验证评估模型性能.
主要成果:
- * 预测模型实现了82.8%的疫情预测准确度和0.457的发病率确定系数.
- *该模型正确预测了2022年的低爆发风险.
- * 2023年预测的高风险年没有得到确认,突出显示了该模型的预测能力和局限性.
结论:
- * 综合天气和现象学数据的强大模型可以准确预测德国的PUUV疫情.
- *每年预测风险地图将公开提供,提高公共卫生准备.
- * 该模型为环境因素和汉塔病毒流行病学之间的复杂相互作用提供了宝贵的见解.
